[發(fā)明專利]產(chǎn)品推薦方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910294774.2
• 申請(qǐng)日: 2019-04-12
• 公開（公告）號(hào): CN110135942A
• 公開（公告）日: 2019-08-16
• 發(fā)明（設(shè)計(jì)）人: 劉金滿
• 申請(qǐng)（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號(hào): G06Q30/06
• 分類號(hào): G06Q30/06;G06Q40/06;G06Q10/04;G06N3/08;G06N3/04
• 代理公司: 深圳市沃德知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明公開了一種產(chǎn)品推薦方法，該方法包括：獲取訓(xùn)練樣本數(shù)據(jù)，所述訓(xùn)練樣本數(shù)據(jù)包括多個(gè)用戶的樣本數(shù)據(jù)，其中一個(gè)用戶的樣本數(shù)據(jù)包括用戶的特征數(shù)據(jù)及用戶對(duì)應(yīng)的理財(cái)產(chǎn)品類型，所述用戶的特征數(shù)據(jù)包括：用戶的銀行業(yè)務(wù)數(shù)據(jù)、征信數(shù)據(jù)及生活業(yè)務(wù)數(shù)據(jù)；基于所述訓(xùn)練樣本數(shù)據(jù)，訓(xùn)練得到理財(cái)產(chǎn)品類型預(yù)測(cè)模型；獲取目標(biāo)用戶的特征數(shù)據(jù)；將所述目標(biāo)用戶的特征數(shù)據(jù)作為所述理財(cái)產(chǎn)品類型預(yù)測(cè)模型的輸入，輸出所述目標(biāo)用戶對(duì)應(yīng)的目標(biāo)理財(cái)產(chǎn)品類型；從理財(cái)產(chǎn)品庫中，推薦與所述目標(biāo)理財(cái)產(chǎn)品類型匹配的理財(cái)產(chǎn)品。本發(fā)明根據(jù)客戶的特征、喜好、交易行為進(jìn)行深入分析和挖掘，為客戶提供了理財(cái)產(chǎn)品實(shí)時(shí)個(gè)性化精準(zhǔn)營銷和定制化服務(wù)。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種產(chǎn)品推薦方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)與金融的不斷融合和發(fā)展，理財(cái)產(chǎn)品APP作為移動(dòng)互聯(lián)網(wǎng)金融的一個(gè)重要板塊，近年得到了迅速發(fā)展，越來越多的人開始嘗試并接受這種新的理財(cái)方式。但已有理財(cái)產(chǎn)品直銷APP無法整合銀行相關(guān)業(yè)務(wù)的功能；而且也沒有高低門檻之分，因此不具備風(fēng)險(xiǎn)評(píng)估功能，用戶無法定位自己的風(fēng)險(xiǎn)承受范圍，做出合理投資。

發(fā)明內(nèi)容

本發(fā)明提供一種產(chǎn)品推薦方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其主要目的在于根據(jù)客戶的特征、喜好、交易行為進(jìn)行深入分析和挖掘，為客戶提供了理財(cái)產(chǎn)品實(shí)時(shí)個(gè)性化精準(zhǔn)營銷和定制化服務(wù)。

為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種產(chǎn)品推薦方法，所述方法包括：

獲取訓(xùn)練樣本數(shù)據(jù)，所述訓(xùn)練樣本數(shù)據(jù)包括多個(gè)用戶的樣本數(shù)據(jù)，其中一個(gè)用戶的樣本數(shù)據(jù)包括用戶的特征數(shù)據(jù)及用戶對(duì)應(yīng)的理財(cái)產(chǎn)品類型，所述用戶的特征數(shù)據(jù)包括：用戶的銀行業(yè)務(wù)數(shù)據(jù)、征信數(shù)據(jù)及生活業(yè)務(wù)數(shù)，所述銀行業(yè)務(wù)數(shù)據(jù)包括：存貸款數(shù)據(jù)、基金數(shù)據(jù)、保險(xiǎn)數(shù)據(jù)；所述生活業(yè)務(wù)數(shù)據(jù)包括：網(wǎng)上購物消費(fèi)數(shù)據(jù)、社交媒體數(shù)據(jù)、電話充值數(shù)據(jù)、生活水電費(fèi)數(shù)據(jù)；

基于所述訓(xùn)練樣本數(shù)據(jù)，訓(xùn)練得到理財(cái)產(chǎn)品類型預(yù)測(cè)模型；

獲取目標(biāo)用戶的特征數(shù)據(jù)；

將所述目標(biāo)用戶的特征數(shù)據(jù)作為所述理財(cái)產(chǎn)品類型預(yù)測(cè)模型的輸入，輸出所述目標(biāo)用戶對(duì)應(yīng)的目標(biāo)理財(cái)產(chǎn)品類型；

從理財(cái)產(chǎn)品庫中，推薦與所述目標(biāo)理財(cái)產(chǎn)品類型匹配的理財(cái)產(chǎn)品。

優(yōu)選地，在獲取訓(xùn)練樣本數(shù)據(jù)之前，所述方法還包括：

采集原始樣本數(shù)據(jù)；

對(duì)原始樣本數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括以下至少一種處理操作：缺失值處理、異常值處理、離散化處理、歸一化處理、去重處理、合并同類項(xiàng)處理。

優(yōu)選地，所述理財(cái)產(chǎn)品類型預(yù)測(cè)模型為訓(xùn)練后的深度卷積神經(jīng)網(wǎng)絡(luò)模型，所述深度卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程主要包括：

從訓(xùn)練樣本數(shù)據(jù)中得到每種理財(cái)產(chǎn)品類型下的樣本集合；

從每個(gè)理財(cái)產(chǎn)品類型下的樣本集合中獲取每個(gè)理財(cái)產(chǎn)品類型下的待訓(xùn)練樣本集合及每個(gè)理財(cái)產(chǎn)品類型下的待校驗(yàn)樣本集合；

將每個(gè)理財(cái)產(chǎn)品類型下的待訓(xùn)練樣本集合的樣本依次輸入所述深度卷積神經(jīng)網(wǎng)絡(luò)模型，利用預(yù)設(shè)的訓(xùn)練算法訓(xùn)練用于根據(jù)用戶的特征數(shù)據(jù)預(yù)測(cè)用戶購買理財(cái)產(chǎn)品類型的深度卷積神經(jīng)網(wǎng)絡(luò)模型，并利用每個(gè)理財(cái)產(chǎn)品類型下的待校驗(yàn)樣本集合的樣本校驗(yàn)訓(xùn)練后的深度卷積神經(jīng)網(wǎng)絡(luò)模型。

優(yōu)選地，所述方法還包括：

獲取理財(cái)產(chǎn)品庫中各個(gè)理財(cái)產(chǎn)品的描述；

從各個(gè)理財(cái)產(chǎn)品的描述中提取關(guān)鍵詞；

根據(jù)各個(gè)理財(cái)產(chǎn)品對(duì)應(yīng)的關(guān)鍵詞，確定各個(gè)理財(cái)產(chǎn)品的類型。

優(yōu)選地，所述從理財(cái)產(chǎn)品庫中，推薦與所述目標(biāo)理財(cái)產(chǎn)品類型匹配的理財(cái)產(chǎn)品包括：