CN109615504A - 产品推荐方法、装置、电子设备和计算机可读存储介质 - Google Patents
产品推荐方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109615504A CN109615504A CN201811303512.XA CN201811303512A CN109615504A CN 109615504 A CN109615504 A CN 109615504A CN 201811303512 A CN201811303512 A CN 201811303512A CN 109615504 A CN109615504 A CN 109615504A
- Authority
- CN
- China
- Prior art keywords
- user
- functional product
- information
- product
- functional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003860 storage Methods 0.000 title claims description 12
- 239000000047 product Substances 0.000 claims description 237
- 230000006870 function Effects 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 239000006227 byproduct Substances 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000003542 behavioural effect Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 125000004122 cyclic group Chemical group 0.000 description 4
- 238000012856 packing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005429 filling process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据分析领域,尤其涉及一种产品推荐方法。所述方法包括:构建一包含多个功能产品的银行APP管理平台;通过所述银行APP管理平台获取用户信息;设置每种功能产品适合的用户群组信息;根据用户信息分析用户所属的用户群组,并比较用户所属的用户群组和每种功能产品适合的用户群组,找到适合用户的功能产品;及将找到的功能产品的信息显示给用户查看。本发明通过银行APP管理平台获取用户信息,并根据用户信息查找与用户信息相匹配的功能产品,从而使得各直销银行共用一个用户体系,使运营成本降低且资源共享。
Description
技术领域
本发明涉及数据分析领域,具体涉及一种产品推荐方法、装置、电子设备和计算机可读存储介质。
背景技术
直销银行是互联网金融科技环境下的一种新型金融运营模式。直销银行的经营模式下,银行没有营业网点,不发放实体银行卡,用户主要通过电脑、电子邮件、手机、电话等远程渠道获取银行产品和服务。但是由于各个直销银行信息不共享互换、信息与业务流程和应用相互脱节及部门利益条块分割等因素,传统直销银行项目成信息孤岛,跨机构购买直销银行项目的产品互相不联通,用户无法获得最全最优的直销银行项目的产品。
发明内容
鉴于以上内容,有必要提出一种产品推荐方法、装置、电子设备和计算机可读存储介质,实现智能推送理财产品给用户,方便用户投资购买。
本申请的第一方面提供一种产品推荐方法,所述方法包括:
构建一包含多个功能产品的银行APP管理平台;
通过所述银行APP管理平台获取用户信息;
设置每种所述功能产品适合的用户群组信息;
根据所述用户信息分析用户所属的用户群组,并比较用户所属的用户群组和每种所述功能产品适合的用户群组,找到适合用户的功能产品;及
将找到的功能产品的信息显示给用户查看。
优选地,通过所述银行APP管理平台获取所述用户信息包括:
所述银行APP管理平台提供一登录界面供用户输入用户名信息及登录密码信息;
所述银行APP管理平台将用户输入的用户名信息与密码信息与数据库中存储的验证信息进行比对;及
当所述银行APP管理平台确定输入的用户信息与密码信息与验证信息相匹配时获取所述用户信息。
优选地,所述方法还包括步骤:
接收带有所述用户信息的产品购买推荐请求;
将所述用户信息转成二值变量0或1;
将转成的二值变量作为模型的特征维度代入一分析模型中,以分析出用户对所述功能产品的购买倾向分,其中,所述分析模型为深度卷积神经网络模型;及
基于所述功能产品对应的购买倾向分,并按照预设分析规则确定出推荐的功能产品,向所述用户发送消息,以推荐所确定出的功能产品。
优选地,所述分析模型的建立步骤包括:
将预设数量用户的用户信息数据和购买的功能产品作为用户样本数据,并为各个用户所购买的功能产品建立产品样本数据,其中,将各个用户的用户信息数据作为自变量,将各个用户所购买的功能产品作为目标变量;
提取出第一预设比例的用户样本数据作为训练集,并将剩余的用户样本数据作为测试集;
将训练集中的各个用户的用户数据及将训练集中的各个用户的目标变量转成二值变量0或1;
利用深度卷积神经网络模型的多层隐藏层将用户与所述功能产品映射到低维空间,在低维空间中,再计算用户与所述功能产品的相似度,构造所述功能产品推荐的分析模型。
优选地,所述预设分析规则为:按照所述功能产品对应的购买倾向分的预设大小顺序,为所述功能产品进行排序,确定出购买倾向分大于预设值的功能产品作为推荐的功能产品。
优选地,所述方法还包括:
通过用户在所述银行APP管理平台中查看的功能产品的历史记录,计算用户在最近一段时间内针对所述功能产品的偏好指数向量;
通过推荐算法产生冗余推荐列表;
对所述冗余推荐列表进行调整生成最终推荐列表,以使得最终推荐列表中的功能产品的内容分布与用户的偏好程度一致。
优选地,所述将找到的功能产品的信息显示给用户查看包括:
将找出的功能产品按产品属性进行分类。
本申请的第二方面提供一种产品推荐装置,所述装置包括:
创建模块,用于构建一包含多个功能产品的银行APP管理平台;
用户信息获取模块,用于通过所述银行APP管理平台获取用户信息;
确定模块,用于
设置每种功能产品适合的用户群组信息;
根据所述用户信息分析用户所属的用户群组,并比较用户所属的用户群组和每种功能产品适合的用户群组,找到适合用户的功能产品;及
将找到的功能产品的信息显示给用户查看。
本申请的第三方面提供一种电子设备,所述电子设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现所述产品推荐方法。
本申请的第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述产品推荐方法。
本发明构建一包含多个直销银行项目的银行APP管理平台,通过所述银行APP管理平台获取用户信息,并根据用户信息查找与用户信息相匹配的功能产品,从而使得各直销银行共用一个用户体系,使运营成本降低且资源共享,实现将与用户信息相匹配的功能产品推荐给用户,刺激用户购买。
附图说明
图1是本发明产品推荐方法的应用环境示意图。
图2是本发明智能推荐方法较佳实施例的流程图。
图3是本发明登录界面的示意图。
图4是本发明产品推荐装置较佳实施例的结构图。
图5是本发明一实施方式中确定模块的示意图。
图6是本发明另一实施方式中确定模块的示意图。
图7为本发明电子设备较佳实施例的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
优选地,本发明的产品推荐方法应用在一个或者多个电子设备中。所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(DigitalSignal Processor,DSP)、嵌入式设备等。
所述电子设备可以是桌上型计算机、笔记本电脑、平板电脑及云端服务器等计算设备。所述设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
实施例1
图1是本发明产品推荐方法的应用环境示意图。
参阅图1所示,所述产品推荐方法应用在服务器1中,所述服务器1通过网络2与一用户终端3连接。其中,所述网络2可以是有线网络,也可以是无线网络,例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。所述服务器1用于根据用户信息查找与用户信息相匹配的功能产品,并将所述功能产品发送给用户终端3以供用户选择。在一实施方式中,所述服务器1可以是单一的服务器,一服务器群或云服务器。所述用户终端3可以是笔记本电脑、台式电脑、平板电脑、移动手机等装置。
图2是本发明产品推荐方法较佳实施例的流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
参阅图2所示,所述产品推荐方法具体包括以下步骤:
步骤S201,构建一包含多个功能产品的的银行APP管理平台。
本实施方式中,所述功能产品可以为理财、基金等金融产品。所述构建的银行APP管理平台显示在用户终端3上。
步骤S202,通过所述银行APP管理平台获取用户信息。
本实施方式中,所述银行APP管理平台提供一登录界面10。用户通过所述登录界面10进入并访问所述银行APP管理平台。所述银行APP管理平台通过所述登录界面10获取用户输入的用户信息。请参考图3,所示为本发明登录界面10的示意图。在一具体实施方式中,所述登录界面10包括用户名输入栏位101及登录密码输入栏位102。用户分别在用户名输入栏位101及登录密码输入栏位102分别输入用户名信息及登录密码信息后,所述银行APP管理平台将用户输入的用户名信息与密码信息与数据库中存储的验证信息进行比对。当所述银行APP管理平台确定输入的用户信息与密码信息与验证信息相匹配时允许用户登录并获取用户信息。
本实施方式中,用户信息包括性别、年龄、职业、收入、家庭成员、社保状况、兴趣爱好等。本实施方式中,当用户首次登入银行APP管理平台时,所述APP管理平台提供一注册界面(图中未示)供用户输入用户信息。例如,所述注册界面可以包括用户姓名栏位、年龄栏位、职业栏位、家庭成员栏位,社保状况栏位,兴趣爱好栏位,用户名设置栏位及密码设置栏位。用户在注册界面的上述栏位中输入对应的信息后即可完成注册。当用户在下一次登陆登录界面并访问银行APP管理平台时即可获取用户在注册时填写的用户信息。在另一实施方式中,根据用户在首次登入银行APP管理平台时注册的实名信息(如身份证信息)与公安户籍系统信息对接,获取部分的用户信息,如性别、年龄、家庭成员。
步骤S203,根据用户信息查找与用户信息相匹配的功能产品,并将查找到的功能产品的信息显示给用户查看。
在一实施方式中,所述根据用户信息查找与用户信息相匹配的功能产品并将查找到的功能产品的信息显示给用户查看包括:
步骤a1、设置每种功能产品适合的用户群组信息。
例如,月收入较高的用户适合购买基金。具体的,每种功能产品适合的用户群组可以根据所述功能产品的特征进行设置,或者统计之前购买所述功能产品的用户特征,根据统计结果分析出所述功能产品适合的用户群组。
步骤a2、根据用户信息分析所述用户所属的用户群组。
本实施方式中,当用户通过登录界面登入银行APP管理平台时,根据用户的年龄、收入及对各种功能产品的关注度来了解用户倾向,从而判断所述用户所属的用户群组。
步骤a3、比较用户所属的用户群组和每种功能产品适合的用户群组,找到适合所述用户的功能产品。
本实施方式中,找出的功能产品可以是同一种类的功能产品,也可以是不同种类的功能产品;找出的功能产品可以是同一直销银行名下的功能产品,也可以是不同直销银行名下的功能产品。
步骤a4、将找出的功能产品作为优先推荐的功能产品。
本实施方式中,针对找出的适合所述用户的功能产品,可以按照与所述用户的相关度进行排序,也可以根据历史数据中这些功能产品的购买量或关注度进行排序,例如将热衷的产品排序靠前。在本实施方式中,可以将找出的功能产品以列表的形式排序显示给用户查看。在另一实施方式中,可以将找出的功能产品以九宫格的形式显示给用户。在其他实施方式中,还可以用其他形式显示找出的功能产品供用户查看。
本实施方式中,所述将找出的功能产品作为优先推荐的功能产品还包括:查看用户的历史购买记录,若确认已购买过保险产品,则优先推荐已购买过的产品及相似或相关产品给用户。
在一实施方式中,所述方法还包括步骤:
步骤b1、接收带有用户信息的产品购买推荐请求。
例如,用户通过一用户终端登录所述银行APP管理平台,并通过所述用户终端输入带有用户信息数据的产品推荐请求。所述银行APP管理平台接收所述带有用户信息数据的产品推荐请求。
步骤b2、将用户信息转成二值变量0或1。
本实施方式中,所述将用户信息转换为二值变量0或1的方法包括哑变量转换方法,分箱转换方法。例如,用户信息数据中属于离散变量的采用哑变量转换方法,属于连续变量的采用分箱转换方法。所述哑变量又称虚拟变量(Dummy Variables)、虚设变量、名义变量等,用以反映质的属性的人工变量,是量化了的自变量,通常取值为0或1。例如,反映文化程度的虚拟变量可取为:1:本科学历;0:非本科学历。又如,反映职业的虚拟变量可取为:1:律师职业;0:非律师职业,以及性别的虚拟变量可取为:1:男性;0:女性等等。所述分箱转换是将某个自变量的值分为k个分箱,例如,k可以为2。因此,可以将年龄这个变量分为2个分箱,其中小于等于30岁为一个分箱,大于30岁为另一个分箱,并可以将小于等于30岁的分箱赋值为0,以及大于30岁的另一个分箱赋值为1等等。
步骤b3、将转成的二值变量作为模型的特征维度代入预先确立的分析模型中,以分析出用户对各个预先确定的功能产品产品的购买倾向分。
本实施方式中,所述分析模型可以是深度卷积神经网络模型。本实施方式中,所述分析模型的建立过程如下:首先,将预设数量用户的用户信息数据和购买的功能产品作为用户样本数据,并为各个用户所购买的功能产品建立产品样本数据,其中,各个用户的用户信息数据作为自变量,将各个用户所购买的功能产品作为目标变量。然后,提取出第一预设比例的用户的样本数据作为训练集,并将剩余的用户的样本数据作为测试集。接着,将训练集中的各个用户的用户数据及将训练集中的各个用户的目标变量转成二值变量0或1。最后,利用深度卷积神经网络模型的多层隐藏层将用户与功能产品映射到低维空间,在低维空间中,再计算用户与功能产品的相似度,构造所述功能产品推荐的分析模型。
步骤b4、基于各个确定的功能产品对应的购买倾向分,并按照预设分析规则确定出待推荐的功能产品,向所述用户发送消息,以推荐所确定出的功能产品。
本实施方式中,所述预设分析规则为:按照各个预先确定的功能产品对应的购买倾向分的预设大小顺序,为各个预先确定的功能产品进行排序,确定出购买倾向分大于预设值的功能产品作为待推荐的产品;或者按照各个预先确定的功能产品对应的购买倾向分的预设大小顺序,为各个预先确定的功能产品进行排序,确定出购买倾向分大于预设值的功能产品作为待推荐的产品。
步骤b5、将推荐出的功能产品的信息显示给用户查看。
在一实施方式中,所述方法还包括步骤:
步骤c1、计算用户的偏好指数向量。
在一实施方式中,利用用户在银行APP管理平台中查看的功能产品的历史记录,记录用户在最近一段时间内针对功能产品(如理财、基金)的偏好指数向量。其中,每个用户可以得到一个自身的偏好指数向量。在一实施方式中,可以根据其他与用户和功能产品相关的数据来计算用户的偏好指数向量。例如,可以根据用户在银行APP管理平台上活动所产生的一系列信息,包括浏览、评分、文字点评等记录,来计算偏好指数向量。当然,由于用户的行为数据种类繁多,且并不是每一种用户信息都是我们需要的,因此,可以通过行为特征提取来筛选数据。最后,结合用户属性数据,通过行为特征转换,将具体的外部数据转换成计算机可以理解的行为特征向量。
步骤c2、通过推荐算法产生冗余推荐列表。
本实施方式中,利用推荐算法对用户进行推荐,并产生冗余推荐列表。本实施方式中,推荐算法可以为协同过滤算法、基于内容的推荐算法、基于关联规则的推荐算法、基于效用的推荐算法、基于知识的推荐算法。本实施方式中冗余推荐列表中通常包括三个方面的信息,其分别为功能产品的名称、功能产品的类型、功能产品的预测打分。
步骤c3、对冗余推荐列表进行调整生成最终推荐列表,以使得最终推荐列表中功能产品内容的分布与用户对不同种类内容的偏好程度一致。
本实施方式中可以通过如下步骤对冗余推荐列表进行调整以生成最终推荐列表:
d1循环填充,依次从冗余推荐列表各分类中选取第一项(如评分最高的项)向最终推荐列表进行插序法填充,并不断在L类间进行循环。
在一个实施例中,所述循环可以用一个分类循环列表来为维护。当冗余推荐列表的某一分类子列表中已无项目,或所述分类子列表中已填充的内容项的数目达到了所述分类的推荐列表的长度时,将所述分类从分裂循环列表中移除,以避免再次向最终推荐列表中填充所述分类的内容项。当循环列表为空,即,所有分类都已被循环列表中移除时,循环填充过程结束。
d2补充替换,循环填充结束后将冗余推荐列表中的剩余全部项目按照评分由大到小排序。
当最终推荐列表未满时,依次将冗余列表中的第一项按插序法填充到最终推荐列表中直至填满。当最终推荐列表填满后,计算冗余推荐列表中当前剩余内容项中的评分第一项的评分与最终推荐列表的最后一项的评分之间的差值。当差值大于预设阈值时将二者进行替换。替换方法为,将最终推荐列表最末项移除,并将冗余列表中第一项用插序法提冲到最终推荐列表中。之后重复计算所述差值并进行替换,直至所述差值不大于阈值,则调整过程完成。此时的最终推荐列表即为最终推荐列表。
步骤c4、向用户展现所述最终推荐列表。
本实施方式中,所述最终推荐列表可呈现在银行APP管理平台上供用户查看。
步骤204、将查找出的功能产品按产品属性进行分类。
本实施方式中,可以将推荐出的功能产品按照产品属性分为理财、存款、基金等类别进行分类并将分类后的金融产品展现给用户查看。
本发明构建一包含多个直销银行项目的银行APP管理平台,通过所述银行APP管理平台获取用户信息,并根据用户信息查找与用户信息相匹配的功能产品,从而使得各直销银行共用一个用户体系,使运营成本降低且资源共享,实现将与用户信息相匹配的功能产品推荐给用户,刺激用户购买。
实施例2
图4为本发明产品推荐装置40较佳实施例的结构图。
在一些实施例中,所述产品推荐装置40运行于电子设备中。所述产品推荐装置40可以包括多个由程序代码段所组成的功能模块。所述产品推荐装置40中的各个程序段的程序代码可以存储于存储器中,并由至少一个处理器所执行,以执行金融产品智能推荐的功能。
本实施例中,所述产品推荐装置40根据其所执行的功能,可以被划分为多个功能模块。参阅图4所示,所述产品推荐装置40可以包括创建模块401、用户信息获取模块402、确定模块403及分类模块404。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在一些实施例中,关于各模块的功能将在后续的实施例中详述。
所述创建模块401用于构建一包含多个直销银行项目的银行APP管理平台。
本实施方式中,每一直销银行项目包括多个功能产品,其中,所述功能产品可以为理财、基金等金融产品。所述创建模块401构建的银行APP管理平台显示在用户终端3上。
所述用户信息获取模块402用于通过所述银行APP管理平台获取用户信息。
本实施方式中,所述银行APP管理平台提供一登录界面10。用户通过所述登录界面10进入并访问所述银行APP管理平台。所述银行APP管理平台通过所述登录界面10获取用户输入的用户信息。在一具体实施方式中,所述登录界面10包括用户名输入栏位101及登录密码输入栏位102。用户分别在用户名输入栏位101及登录密码输入栏位102分别输入用户名信息及登录密码信息后,所述银行APP管理平台将用户输入的用户名信息与密码信息与数据库中存储的验证信息进行比对。当所述银行APP管理平台确定输入的用户信息与密码信息与验证信息相匹配时允许用户登录并获取用户信息。
本实施方式中,用户信息包括性别、年龄、职业、收入、家庭成员、社保状况、兴趣爱好等。本实施方式中,当用户首次登入银行APP管理平台时,所述APP管理平台提供一注册界面(图中未示)供用户输入用户信息。例如,所述注册界面可以包括用户姓名栏位、年龄栏位、职业栏位、家庭成员栏位,社保状况栏位,兴趣爱好栏位,用户名设置栏位及密码设置栏位。用户在注册界面的上述栏位中输入对应的信息后即可完成注册。当用户在下一次登陆登录界面并访问银行APP管理平台时即可获取用户在注册时填写的用户信息。在另一实施方式中,根据用户在首次登入银行APP管理平台时注册的实名信息(如身份证信息)与公安户籍系统信息对接,获取部分的用户信息,如性别、年龄、家庭成员。
所述确定模块403用于根据用户信息查找与用户信息相匹配的功能产品并将查找到的功能产品的信息显示给用户查看。
在一具体实施方式中,所述确定模块403设置每种功能产品适合的用户群组信息,根据用户信息分析所述用户所属的用户群组,比较用户所属的用户群组和每种功能产品适合的用户群组,找到适合所述用户的功能产品,及将找出的功能产品作为优先推荐的功能产品。
本实施方式中,在对每种功能产品适合的用户群组信息进行设置时,所述确定模块403将每种功能产品适合的用户群组根据所述功能产品的特征进行设置。在另一实施方式中,所述确定模块403统计之前购买所述功能产品的用户特征,并根据统计结果分析出所述功能产品适合的用户群组。
本实施方式中,当用户通过登录界面登入银行APP管理平台时,所述确定模块403根据用户的年龄、收入及对各种功能产品的关注度来了解用户倾向,从而判断所述用户所属的用户群组。
本实施方式中,所述确定模块403找出的功能产品可以是同一种类的功能产品,也可以是不同种类的功能产品。在另一实施方式中,所述确定模块403找出的功能产品可以是同一直销银行名下的功能产品,也可以是不同直销银行名下的功能产品。
本实施方式中,针对找出的适合所述用户的功能产品,所述确定模块403可以按照与所述用户的相关度进行排序,也可以根据历史数据中这些功能产品的购买量或关注度进行排序,例如将热衷的产品排序靠前。在本实施方式中,可以将找出的功能产品以列表的形式排序显示给用户查看。在另一实施方式中,所述确定模块403可以将找出的功能产品以九宫格的形式显示给用户。在其他实施方式中,所述确定模块403还可以用其他形式显示找出的功能产品供用户查看。
本实施方式中,所述确定模块403还用于查看用户的历史购买记录,若确认已购买过保险产品,则优先推荐已购买过的产品及相似或相关产品给用户。
请参阅图5,所述确定模块403还包括接收子模块4031、信息变换子模块4032、分析子模块4033、推荐子模块4034及显示子模块4035。
所述接收子模块4031用于接收带有用户信息的产品购买推荐请求。
例如,用户通过一用户终端登录所述银行APP管理平台,并通过所述用户终端输入带有用户信息数据的产品推荐请求。所述接收子模块4031接收所述带有用户信息数据的产品推荐请求。
所述信息变换子模块4032用于将用户信息转成二值变量0或1。
本实施方式中,所述将用户信息转换为二值变量0或1的方法包括哑变量转换方法,分箱转换方法。例如,用户信息数据中属于离散变量的采用哑变量转换方法,属于连续变量的采用分箱转换方法。所述哑变量又称虚拟变量(Dummy Variables)、虚设变量、名义变量等,用以反映质的属性的人工变量,是量化了的自变量,通常取值为0或1。例如,反映文化程度的虚拟变量可取为:1:本科学历;0:非本科学历。又如,反映职业的虚拟变量可取为:1:律师职业;0:非律师职业,以及性别的虚拟变量可取为:1:男性;0:女性等等。所述分箱转换是将某个自变量的值分为k个分箱,例如,k可以为2。因此,可以将年龄这个变量分为2个分箱,其中小于等于30岁为一个分箱,大于30岁为另一个分箱,并可以将小于等于30岁的分箱赋值为0,以及大于30岁的另一个分箱赋值为1等等。
所述分析子模块4033用于将转成的二值变量作为模型的特征维度代入预先确立的分析模型中,以分析出用户对各个预先确定的功能产品产品的购买倾向分。
本实施方式中,所述分析模型可以是深度卷积神经网络模型。本实施方式中,所述分析模型的建立过程如下:首先,将预设数量用户的用户信息数据和购买的功能产品作为用户样本数据,并为各个用户所购买的功能产品建立产品样本数据,其中,各个用户的用户信息数据作为自变量,将各个用户所购买的功能产品作为目标变量。然后,提取出第一预设比例的用户的样本数据作为训练集,并将剩余的用户的样本数据作为测试集。接着,将训练集中的各个用户的用户数据及将训练集中的各个用户的目标变量转成二值变量0或1。最后,利用深度卷积神经网络模型的多层隐藏层将用户与功能产品映射到低维空间,在低维空间中,再计算用户与功能产品的相似度,构造所述功能产品推荐的分析模型。
所述推荐子模块4034基于各个确定的功能产品对应的购买倾向分,并按照预设分析规则确定出待推荐的功能产品,向所述用户发送消息,以推荐所确定出的功能产品。
本实施方式中,所述预设分析规则为:按照各个预先确定的功能产品对应的购买倾向分的预设大小顺序,为各个预先确定的功能产品进行排序,确定出购买倾向分大于预设值的功能产品作为待推荐的产品;或者按照各个预先确定的功能产品对应的购买倾向分的预设大小顺序,为各个预先确定的功能产品进行排序,确定出购买倾向分大于预设值的功能产品作为待推荐的产品。
所述显示子模块4035将推荐出的功能产品的信息显示给用户查看。
请参阅图6,所述确定模块403还包括计算子模块4036、列表生成子模块4037及展现子模块4038。
所述计算子模块4036用于计算用户的偏好指数向量。
在一实施方式中,所述计算子模块4036利用用户在银行APP管理平台中查看的功能产品的历史记录,记录用户在最近一段时间内针对金融产品(如理财、基金)的偏好指数向量。其中,每个用户可以得到一个自身的偏好指数向量。在一实施方式中,可以根据其他与用户和功能产品相关的数据来计算用户的偏好指数向量。例如,可以根据用户在银行APP管理平台上活动所产生的一系列信息,包括浏览、评分、文字点评等记录,来计算偏好指数向量。当然,由于用户的行为数据种类繁多,且并不是每一种用户信息都是我们需要的,因此,可以通过行为特征提取来筛选数据。最后,结合用户属性数据,通过行为特征转换,将具体的外部数据转换成计算机可以理解的行为特征向量。
所述列表生成子模块4037用于通过推荐算法产生冗余推荐列表。本实施方式中,所述列表生成子模块4037利用推荐算法对用户进行推荐,并产生冗余推荐列表。
本实施方式中,推荐算法可以为协同过滤算法、基于内容的推荐算法、基于关联规则的推荐算法、基于效用的推荐算法、基于知识的推荐算法。本实施方式中冗余推荐列表中通常包括三个方面的信息,其分别为功能产品的名称、功能产品的类型、功能产品的预测打分。
所述列表生成子模块4037还用于对冗余推荐列表进行调整生成最终推荐列表,以使得最终推荐列表中功能产品内容的分布与用户对不同种类内容的偏好程度一致。
本实施方式中可以通过如下步骤对冗余推荐列表进行调整以生成最终推荐列表:
d1循环填充,依次从冗余推荐列表各分类中选取第一项(如评分最高的项)向最终推荐列表进行插序法填充,并不断在L类间进行循环。
在一个实施例中,所述循环可以用一个分类循环列表来为维护。当冗余推荐列表的某一分类子列表中已无项目,或所述分类子列表中已填充的内容项的数目达到了所述分类的推荐列表的长度时,将所述分类从分裂循环列表中移除,以避免再次向最终推荐列表中填充所述分类的内容项。当循环列表为空,即,所有分类都已被循环列表中移除时,循环填充过程结束。
d2补充替换,循环填充结束后将冗余推荐列表中的剩余全部项目按照评分由大到小排序。
当最终推荐列表未满时,所述列表生成子模块4037用于依次将冗余列表中的第一项按插序法填充到最终推荐列表中直至填满。当最终推荐列表填满后,所述列表生成子模块4037用于计算冗余推荐列表中当前剩余内容项中的评分第一项的评分与最终推荐列表的最后一项的评分之间的差值。当差值大于预设阈值时所述列表生成子模块4037用于将二者进行替换。替换方法为将最终推荐列表最末项移除,并将冗余列表中第一项用插序法提冲到最终推荐列表中。之后重复计算所述差值并进行替换,直至所述差值不大于阈值,则调整过程完成。此时的最终推荐列表即为最终推荐列表。
所述展现子模块4038用于向用户展现所述最终推荐列表。
本实施方式中,所述最终推荐列表可呈现在银行APP管理平台上供用户查看。
本实施方式中,所述分类模块404用于将查找出或推荐出的功能产品按产品属性进行分类。
本实施方式中,所述分类模块404可以将推荐出的功能产品按照产品属性分为理财、存款、基金等类别进行分类并将分类后的金融产品展现给用户查看。
实施例三
图7为本发明电子设备6较佳实施例的示意图。
所述电子设备6包括存储器61、处理器62以及存储在所述存储器61中并可在所述处理器62上运行的计算机程序63。所述处理器62执行所述计算机程序63时实现上述产品推荐方法实施例中的步骤,例如图2所示的步骤S201~S204。或者,所述处理器62执行所述计算机程序63时实现上述产品推荐装置实施例中各模块/模块的功能,例如图4中的模块401~404。
示例性的,所述计算机程序63可以被分割成一个或多个模块/模块,所述一个或者多个模块/模块被存储在所述存储器61中,并由所述处理器62执行,以完成本发明。所述一个或多个模块/模块可以是能够完成特定功能的一系列计算机程序指令段,所述指令段用于描述所述计算机程序63在所述电子设备6中的执行过程。例如,所述计算机程序63可以被分割成图4中的创建模块401、用户信息获取模块402、确定模块403及分类模块404,各模块具体功能参见实施例二。
所述电子设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解,所述示意图仅仅是电子设备6的示例,并不构成对电子设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备6还可以包括输入输出设备、网络接入设备、总线等。
所称处理器62可以是中央处理模块(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器62也可以是任何常规的处理器等,所述处理器62是所述电子设备6的控制中心,利用各种接口和线路连接整个电子设备6的各个部分。
所述存储器61可用于存储所述计算机程序63和/或模块/模块,所述处理器62通过运行或执行存储在所述存储器61内的计算机程序和/或模块/模块,以及调用存储在存储器61内的数据,实现所述计电子设备6的各种功能。所述存储器61可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备6的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器61可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述电子设备6集成的模块/模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中,应所述理解到,所揭露的电子设备和方法,可以通过其它的方式实现。例如,以上所描述的电子设备实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
另外,在本发明各个实施例中的各功能模块可以集成在相同处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在相同模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他模块或步骤,单数不排除复数。电子设备权利要求中陈述的多个模块或电子设备也可以由同一个模块或电子设备通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种产品推荐方法,其特征在于,所述方法包括:
构建一包含多个功能产品的银行APP管理平台;
通过所述银行APP管理平台获取用户信息;
设置每种所述功能产品适合的用户群组信息;
根据所述用户信息分析用户所属的用户群组,并比较用户所属的用户群组和每种所述功能产品适合的用户群组,找到适合用户的功能产品;及
将找到的功能产品的信息显示给用户查看。
2.如权利要求1所述的产品推荐方法,其特征在于,通过所述银行APP管理平台获取所述用户信息包括:
所述银行APP管理平台提供一登录界面供用户输入用户名信息及登录密码信息;
所述银行APP管理平台将用户输入的用户名信息与密码信息与数据库中存储的验证信息进行比对;及
当所述银行APP管理平台确定输入的用户信息与密码信息与验证信息相匹配时获取所述用户信息。
3.如权利要求1所述的产品推荐方法,其特征在于,所述方法还包括步骤:
接收带有所述用户信息的产品购买推荐请求;
将所述用户信息转成二值变量0或1;
将转成的二值变量作为模型的特征维度代入一分析模型中,以分析出用户对所述功能产品的购买倾向分,其中,所述分析模型为深度卷积神经网络模型;及
基于所述功能产品对应的购买倾向分,并按照预设分析规则确定出推荐的功能产品,向所述用户发送消息,以推荐所确定出的功能产品。
4.如权利要求3所述的产品推荐方法,其特征在于,所述分析模型的建立步骤包括:
将预设数量用户的用户信息数据和购买的功能产品作为用户样本数据,并为各个用户所购买的功能产品建立产品样本数据,其中,将各个用户的用户信息数据作为自变量,将各个用户所购买的功能产品作为目标变量;
提取出第一预设比例的用户样本数据作为训练集,并将剩余的用户样本数据作为测试集;
将训练集中的各个用户的用户数据及将训练集中的各个用户的目标变量转成二值变量0或1;
利用深度卷积神经网络模型的多层隐藏层将用户与所述功能产品映射到低维空间,在低维空间中,再计算用户与所述功能产品的相似度,构造所述功能产品推荐的分析模型。
5.如权利要求3所述的产品推荐方法,其特征在于,所述预设分析规则为:按照所述功能产品对应的购买倾向分的预设大小顺序,为所述功能产品进行排序,确定出购买倾向分大于预设值的功能产品作为推荐的功能产品。
6.如权利要求1所述的产品推荐方法,其特征在于,所述方法还包括:
通过用户在所述银行APP管理平台中查看的功能产品的历史记录,计算用户在最近一段时间内针对所述功能产品的偏好指数向量;
通过推荐算法产生冗余推荐列表;
对所述冗余推荐列表进行调整生成最终推荐列表,以使得最终推荐列表中的功能产品的内容分布与用户的偏好程度一致。
7.如权利要求1所述的产品推荐方法,其特征在于,所述将找到的功能产品的信息显示给用户查看包括:
将找出的功能产品按产品属性进行分类。
8.一种产品推荐装置,其特征在于,所述装置包括:
创建模块,用于构建一包含多个功能产品的银行APP管理平台;
用户信息获取模块,用于通过所述银行APP管理平台获取用户信息;
确定模块,用于
设置每种功能产品适合的用户群组信息;
根据所述用户信息分析用户所属的用户群组,并比较用户所属的用户群组和每种功能产品适合的用户群组,找到适合用户的功能产品;及
将找到的功能产品的信息显示给用户查看。
9.一种电子设备,其特征在于:所述电子设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述产品推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述产品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811303512.XA CN109615504A (zh) | 2018-11-02 | 2018-11-02 | 产品推荐方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811303512.XA CN109615504A (zh) | 2018-11-02 | 2018-11-02 | 产品推荐方法、装置、电子设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109615504A true CN109615504A (zh) | 2019-04-12 |
Family
ID=66002507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811303512.XA Pending CN109615504A (zh) | 2018-11-02 | 2018-11-02 | 产品推荐方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615504A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188520A (zh) * | 2019-05-29 | 2019-08-30 | 维沃移动通信有限公司 | 一种应用的权限管理方法及移动终端 |
CN110276642A (zh) * | 2019-06-20 | 2019-09-24 | 卓尔智联(武汉)研究院有限公司 | 广告牌推荐方法、装置及计算机可读存储介质 |
CN111260463A (zh) * | 2020-01-16 | 2020-06-09 | 北京理房通支付科技有限公司 | 一种资金监管银行的选择方法及装置 |
CN111626863A (zh) * | 2020-06-02 | 2020-09-04 | 北京比财数据科技有限公司 | 一种金融产品的智能推荐方法 |
CN111681114A (zh) * | 2020-06-02 | 2020-09-18 | 重庆第二师范学院 | 一种金融分类管理系统及其工作方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678518A (zh) * | 2013-11-28 | 2014-03-26 | 北京邮电大学 | 一种推荐列表调整方法和装置 |
CN107730389A (zh) * | 2017-09-30 | 2018-02-23 | 平安科技(深圳)有限公司 | 电子装置、保险产品推荐方法及计算机可读存储介质 |
CN107767276A (zh) * | 2016-08-23 | 2018-03-06 | 平安科技(深圳)有限公司 | 产品信息自动推荐方法及系统 |
CN107767152A (zh) * | 2016-08-16 | 2018-03-06 | 平安科技(深圳)有限公司 | 产品购买倾向分析方法及服务器 |
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
-
2018
- 2018-11-02 CN CN201811303512.XA patent/CN109615504A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678518A (zh) * | 2013-11-28 | 2014-03-26 | 北京邮电大学 | 一种推荐列表调整方法和装置 |
CN107767152A (zh) * | 2016-08-16 | 2018-03-06 | 平安科技(深圳)有限公司 | 产品购买倾向分析方法及服务器 |
CN107767276A (zh) * | 2016-08-23 | 2018-03-06 | 平安科技(深圳)有限公司 | 产品信息自动推荐方法及系统 |
CN107730389A (zh) * | 2017-09-30 | 2018-02-23 | 平安科技(深圳)有限公司 | 电子装置、保险产品推荐方法及计算机可读存储介质 |
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188520A (zh) * | 2019-05-29 | 2019-08-30 | 维沃移动通信有限公司 | 一种应用的权限管理方法及移动终端 |
CN110276642A (zh) * | 2019-06-20 | 2019-09-24 | 卓尔智联(武汉)研究院有限公司 | 广告牌推荐方法、装置及计算机可读存储介质 |
CN111260463A (zh) * | 2020-01-16 | 2020-06-09 | 北京理房通支付科技有限公司 | 一种资金监管银行的选择方法及装置 |
CN111260463B (zh) * | 2020-01-16 | 2023-11-17 | 北京理房通支付科技有限公司 | 一种资金监管银行的选择方法及装置 |
CN111626863A (zh) * | 2020-06-02 | 2020-09-04 | 北京比财数据科技有限公司 | 一种金融产品的智能推荐方法 |
CN111681114A (zh) * | 2020-06-02 | 2020-09-18 | 重庆第二师范学院 | 一种金融分类管理系统及其工作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11995112B2 (en) | System and method for information recommendation | |
CN109615504A (zh) | 产品推荐方法、装置、电子设备和计算机可读存储介质 | |
CN103927615B (zh) | 将实体与类别相关联 | |
Kauffman et al. | Combining machine-based and econometrics methods for policy analytics insights | |
CN102737333B (zh) | 用于计算用户和要约到微小细分的匹配的顺序引擎 | |
CN107590688A (zh) | 目标客户的识别方法及终端设备 | |
CN106982256A (zh) | 信息推送方法、装置、设备及存储介质 | |
CN103377443A (zh) | 网络交易平台及其处理方法 | |
CN109690581A (zh) | 用户指导系统及方法 | |
CN111695938B (zh) | 产品推送方法及系统 | |
CN112925911B (zh) | 基于多模态数据的投诉分类方法及其相关设备 | |
CN108572988A (zh) | 一种房产评估数据生成方法和装置 | |
CN112529101A (zh) | 分类模型的训练方法、装置、电子设备及存储介质 | |
Gao et al. | Artificial intelligence in advertising: advancements, challenges, and ethical considerations in targeting, personalization, content creation, and ad optimization | |
CN111429161A (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
CN110362594A (zh) | 一种信息处理方法和系统 | |
Kaya et al. | Analytical comparison of clustering techniques for the recognition of communication patterns | |
CN114896506A (zh) | 产品推荐方法、装置、设备及存储介质 | |
CN116402625B (zh) | 客户评估方法、装置、计算机设备及存储介质 | |
CN113656699A (zh) | 用户特征向量确定方法、相关设备及介质 | |
Valmohammadi et al. | Analyzing the interaction of the challenges of big data usage in a cloud computing environment | |
CN117114901A (zh) | 基于人工智能的投保数据处理方法、装置、设备及介质 | |
Akbarian | Ranking All DEA‐Efficient DMUs Based on Cross Efficiency and Analytic Hierarchy Process Methods | |
CN114429384B (zh) | 基于电商平台的产品智能推荐方法及系统 | |
CN113837843B (zh) | 产品推荐方法、装置、介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |