[發(fā)明專利]業(yè)務(wù)推薦方法、裝置、相關(guān)設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010022474.1
• 申請(qǐng)日: 2020-01-09
• 公開（公告）號(hào): CN113111250A
• 公開（公告）日: 2021-07-13
• 發(fā)明（設(shè)計(jì)）人: 孫越佳;張科;杜瑜;劉曉宇;楊勇
• 申請(qǐng)（專利權(quán)）人: 中國(guó)移動(dòng)通信有限公司研究院;中國(guó)移動(dòng)通信集團(tuán)有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/9536;G06Q30/06;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 王花麗;張穎玲

1.一種業(yè)務(wù)推薦方法，其特征在于，應(yīng)用于服務(wù)器，包括：

獲取第一用戶的信用參數(shù)；所述信用參數(shù)表征第一用戶的信用能力；

利用獲取的信用參數(shù)及所述第一用戶的身份信息，確定所述第一用戶能夠使用的信用業(yè)務(wù)；

利用所述第一用戶的第一數(shù)據(jù)及第二數(shù)據(jù)，確定所述第一用戶的信用服務(wù)模式偏好；并利用所述第一數(shù)據(jù)及第二數(shù)據(jù)，確定所述第一用戶的信用業(yè)務(wù)需求；所述第一數(shù)據(jù)表征所述第一用戶的信用業(yè)務(wù)歷史行為；所述第二數(shù)據(jù)表征所述第一用戶在通信運(yùn)營(yíng)商產(chǎn)生的歷史行為；

利用確定的所述第一用戶能夠使用的信用業(yè)務(wù)、信用服務(wù)模式偏好、信用業(yè)務(wù)需求，對(duì)所述第一用戶進(jìn)行信用業(yè)務(wù)推薦。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用獲取的信用參數(shù)及所述第一用戶的身份信息，確定所述第一用戶能夠使用的信用業(yè)務(wù)，包括：

針對(duì)數(shù)據(jù)庫(kù)中至少兩類信用業(yè)務(wù)中的每類信用業(yè)務(wù)，從相應(yīng)類信用業(yè)務(wù)中確定與所述獲取的信用參數(shù)匹配的業(yè)務(wù)及對(duì)應(yīng)的業(yè)務(wù)等級(jí)，或者從相應(yīng)類信用業(yè)務(wù)中確定與所述第一用戶的身份信息匹配的業(yè)務(wù)及對(duì)應(yīng)的業(yè)務(wù)等級(jí)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用所述第一用戶的第一數(shù)據(jù)及第二數(shù)據(jù)，確定所述第一用戶的信用服務(wù)模式偏好，包括：

對(duì)所述第一數(shù)據(jù)和第二數(shù)據(jù)進(jìn)行第一特征提取，得到第一提取結(jié)果，并所述第一數(shù)據(jù)和第二數(shù)據(jù)進(jìn)行第二特征提取，得到第二提取結(jié)果；所述第一提取結(jié)果表征所述第一用戶的行為；所述第二提取結(jié)果表征所述第一用戶的時(shí)間序列；

利用所述第一提取結(jié)果，結(jié)合第一模型，評(píng)估所述第一用戶的信用服務(wù)模式偏好，得到第一信用服務(wù)模式偏好結(jié)果；

利用所述第二提取結(jié)果，結(jié)合第二模型，評(píng)估所述第一用戶的信用服務(wù)模式偏好，得到第二信用服務(wù)模式偏好結(jié)果；

利用第一信用服務(wù)模式偏好結(jié)果和第二信用服務(wù)模式偏好結(jié)果，確定所述第一用戶的信用服務(wù)模式偏好。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述利用第一信用服務(wù)模式偏好結(jié)果和第二信用服務(wù)模式偏好結(jié)果，確定所述第一用戶的信用服務(wù)模式偏好，包括：

將所述第一信用服務(wù)模式偏好結(jié)果進(jìn)行歸一化處理，得到第一處理結(jié)果；并將所述第二信用服務(wù)模式偏好結(jié)果進(jìn)行歸一化處理，得到第二處理結(jié)果；

利用所述第一處理結(jié)果和第二處理結(jié)果，確定所述第一用戶的信用服務(wù)模式偏好。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用所述第一數(shù)據(jù)及第二數(shù)據(jù)，確定所述第一用戶的信用業(yè)務(wù)需求，包括：

對(duì)所述第一數(shù)據(jù)及第二數(shù)據(jù)進(jìn)行特征提取，獲得用戶需求特征；

在獲得的用戶需求特征符合第一條件的情況下，將獲得的用戶需求特征輸入至深度學(xué)習(xí)模型中，得到所述第一用戶的信用業(yè)務(wù)需求；所述深度學(xué)習(xí)模型是利用訓(xùn)練樣本基于隱含狄利克雷分布-長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LDA-LSTM算法建立的；

在獲得的用戶需求特征符合第二條件的情況下，將獲得的用戶需求特征輸入至專家規(guī)則推薦模型中，得到所述第一用戶的信用業(yè)務(wù)需求；所述專家規(guī)則推薦模型是利用訓(xùn)練樣本構(gòu)建需求標(biāo)簽，基于構(gòu)建的需求標(biāo)簽建立的；

其中，所述第一條件與第二條件不同。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，在利用深度學(xué)習(xí)模型得到的所述第一用戶的信用業(yè)務(wù)需求與深度學(xué)習(xí)模型對(duì)應(yīng)的推薦項(xiàng)目過濾規(guī)則不匹配的情況下，將獲得的用戶需求特征輸入至專家規(guī)則推薦模型中，得到所述第一用戶的信用業(yè)務(wù)需求。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，在利用專家規(guī)則推薦模型得到的所述第一用戶的信用業(yè)務(wù)需求與專家規(guī)則推薦模型對(duì)應(yīng)的推薦項(xiàng)目過濾規(guī)則不匹配的情況下，將獲得的用戶需求特征輸入至隨機(jī)策略推薦模型中，得到所述第一用戶的信用業(yè)務(wù)需求；所述隨機(jī)策略推薦模型是基于推薦概率的排序結(jié)果得到的。