CN109816534A - 融资租赁产品推荐方法、装置、计算机设备和存储介质 - Google Patents
融资租赁产品推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109816534A CN109816534A CN201811544249.3A CN201811544249A CN109816534A CN 109816534 A CN109816534 A CN 109816534A CN 201811544249 A CN201811544249 A CN 201811544249A CN 109816534 A CN109816534 A CN 109816534A
- Authority
- CN
- China
- Prior art keywords
- financing lease
- financing
- lease
- information
- product
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000010801 machine learning Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 238000012550 audit Methods 0.000 claims description 47
- 238000004590 computer program Methods 0.000 claims description 29
- 238000003062 neural network model Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000036541 health Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及人工智能中的神经网络,提供一种融资租赁产品推荐方法、装置、计算机设备和存储介质。所述方法包括:获取融资租赁客户信息,根据融资租赁客户信息提取到融资租赁客户特征信息,根据融资租赁客户特征信息得到融资租赁特征向量;将融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;将融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。采用本方法能够提高融资租赁产品推荐的准确率和节省用户资源。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种融资租赁产品推荐方法、装置、计算机设备和存储介质。
背景技术
融资租赁是指出租人(服务商)根据承租人(用户)的请求,与第三方(供货商)订立供货合同,根据此合同,出租人出资购买承租人选定的设备。同时,出租人与承租人订立一项租赁合同,将设备出租给承租人,并向承租人收取一定的租金。企业用户要进行融资租赁时,需要选择适合的融资类产品进行购买,目前,由于市场存在着各种各样的融资租赁产品,企业用户要花费大量的时间去挑选适合的融资租赁产品,而且很有可能无法精确挑选到适合融资租赁产品,浪费人力和物力。
发明内容
基于此,有必要针对上述技术问题,提供一种提高产品推荐准确率,节省资源的融资租赁产品推荐方法、装置、计算机设备和存储介质。
一种融资租赁产品推荐方法,所述方法包括:
获取融资租赁客户信息,根据所述融资租赁客户信息提取到融资租赁客户特征信息,根据所述融资租赁客户特征信息得到融资租赁特征向量;
将所述融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,所述融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;
将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
在其中一个实施例中,获取融资租赁客户信息,包括:
获取融资租赁客户标识,根据所述融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识;
当未查找到对应的目标客户标识时,从预设题库中获取融资租赁提问信息,将所述融资资料提问信息发送所述融资租赁客户标识对应的客户终端;
获取所述客户终端返回的所述融资资料提问信息的回复信息,根据所述回复信息得到融资租赁客户信息。
在其中一个实施例中,根据所述融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识,包括:
当查找到对应的目标客户标识时,从预设融资租赁客户信息数据库获取所述目标客户标识对应的融资租赁客户信息。
在其中一个实施例中,所述融资租赁推荐模型的生成步骤,包括:
获取历史融资租赁客户信息和对应的融资租赁产品,根据所述历史融资租赁客户信息进行特征提取,得到融资租赁客户特征,根据所述融资租赁产品信息得到融资租赁产品特征;
根据所述融资租赁客户特征得到历史融资租赁客户特征信息,根据所述历史融资租赁客户特征信息得到历史融资租赁客户特征向量;
根据所述融资租赁产品特征得到历史融资租赁产品特征向量,将所述历史融资租赁客户特征向量作为神经网络模型的输入,将所述历史融资租赁产品特征向量作为神经网络模型的标签进行训练,当达到预设条件时,得到所述融资租赁推荐模型。
在其中一个实施例中,所述在将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端之后,还包括:
接收所述客户终端发送的融资租赁产品申请指令,所述融资租赁产品申请指令携带目标融资租赁产品信息和客户基本信息;
根据预设规则验证所述目标融资租赁产品信息和所述客户基本信息,当所述目标融资租赁产品信息和所述客户基本信息验证通过时,将所述目标融资租赁产品信息和所述客户基本信息保存并向审核终端发送所述目标融资租赁产品信息和所述客户基本信息;
获取所述审核终端发送的初步审核通过指令,根据所述初步审核通过指令向所述申请终端发送登录提交申请信息的提示。
在其中一个实施例中,在所述获取所述审核终端发送的初步审核通过指令,根据所述初步审核通过指令向所述申请终端发送登录提交申请信息的提示之后,还包括:
根据所述目标融资租赁产品信息得到目标融资租赁产品特征向量,根据客户基本信息得到融资租赁客户特征向量;
将所述目标融资租赁产品特征向量作为已训练的融资租赁推荐模型的输入,将所述融资租赁客户特征向量作为已训练的融资租赁推荐模型的标签,对所述已训练的融资租赁推荐模型进行更新,得到更新后的融资租赁推荐模型。
在其中一个实施例中,所述方法,还包括:
获取融资租赁客户信息,当所述融资租赁客户信息与预设条件一致时,得到所述预设条件对应的融资租赁产品,将所述预设条件对应的融资租赁产品以预设方式发送客户终端。
一种融资租赁产品推荐装置,所述装置包括:
特征向量得到模块,用于获取融资租赁客户信息,根据所述融资租赁客户信息提取到融资租赁客户特征信息,根据所述融资租赁客户特征信息得到融资租赁特征向量;
概率计算模块,用于将所述融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,所述融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;
产品推荐模块,用于将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取融资租赁客户信息,根据所述融资租赁客户信息提取到融资租赁客户特征信息,根据所述融资租赁客户特征信息得到融资租赁特征向量;
将所述融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,所述融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;
将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
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以下步骤:
获取融资租赁客户信息,根据所述融资租赁客户信息提取到融资租赁客户特征信息,根据所述融资租赁客户特征信息得到融资租赁特征向量;
将所述融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,所述融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;
将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
上述融资租赁产品推荐方法、装置、计算机设备和存储介质,通过获取融资租赁客户信息,根据所述融资租赁客户信息提取到融资租赁客户特征信息,根据所述融资租赁客户特征信息得到融资租赁特征向量;将所述融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,所述融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端,通过已训练的融资租赁推荐模得到推荐的融资租赁产品,能够提高融资租赁产品推荐的准确率,使用户直接得到推荐的融资租赁产品,节省了用户资源。
附图说明
图1为一个实施例中融资租赁产品推荐方法的应用场景图;
图2为一个实施例中融资租赁产品推荐方法的流程示意图;
图3为一个实施例中得到融资租赁客户信息的流程示意图;
图4为一个实施例中训练融资租赁推荐模型的流程示意图;
图5为一个实施例中验证融资租赁客户申请信息的流程示意图;
图6为一个实施例中实时更新融资租赁推荐模型的流程示意图;
图7为一个实施例中融资租赁产品推荐装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的融资租赁产品推荐方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。服务器104获取融资租赁客户信息,根据融资租赁客户信息提取到融资租赁客户特征信息,根据融资租赁客户特征信息得到融资租赁特征向量;服务器104将融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;服务器104将融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端102。其中,客户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种融资租赁产品推荐方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202,获取融资租赁客户信息,根据融资租赁客户信息提取到融资租赁客户特征信息,根据融资租赁客户特征信息得到融资租赁特征向量.
其中,融资租赁客户信息用于描述融资租赁客户的基本状态,包括客户企业基本信息、已有融资租赁合同信息、已有合同还款信息和企业健康程度信息等。融资租赁客户特征信息是指融资租赁客户特征对应的信息,融资租赁客户特征是根据历史融资租赁客户信息提取到的能够体现融资租赁客户基本状态的特征,包括企业基本信息特征、已有合同期限特征、还款指数特征和企业健康程度特征。
具体地,服务器获取到融资租赁客户信息,根据融资租赁客户信息提取到融资租赁客户特征信息,根据融资租赁客户特征信息得到融资租赁特征向量。比如,客户企业基本信息可以包括企业名称,所属行业和公司所在地等,已有融资租赁合同信息可以包括合同金额、合同编号和合同状态等。已有合同还款信息包括还款日期,未还款、已还款、提前次数和逾期次数等。企业健康程度信息包括企业流水状况、企业业务能力和企业经营管理状况等。可以根据上述融资租赁客户信息提取融资租赁客户特征信息,根据融资租赁客户特征信息得到融资租赁特征向量。
S204,将融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的。
其中,机器学习算法是使用BP神经网络算法,BP神经网络包括输入层,隐含层和输出层,隐含层节点数目为其中,n为输入层神经元数,m为输出层神经元数,a为1到10之间的常数,BP神经网络的主要目的是反复修正权值和阀值,使得损失函数值达到最小。其中,BP神经网络在训练之前会对数据归一化处理。BP神经网络训练分为两个过程(1)工作信号正向传递子过程(2)误差信号反向传递子过程。当输入层的实际输出与期望的输出也就是标签不相符时,BP神经网络转入反向传播阶段。损失函数使用交叉熵函数,激活函数使用S型函数。
具体地,将得到的将融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率。比如,得到的融资租赁输出向量为[0.1,0.3,0.15,0.77,0.36,0.5,0.65,0.43],则得到的到融资租赁产品对应的融资租赁概率为1号产品为10%、2号产品为30%、3号产品为15%、4号产品为77%、5号产品为36%、6号产品为50%、7号产品为65%、6号产品为43%。
S206,将融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
其中,预设阈值是指预先设置好的用于选择融资租赁产品的概率值。预设方式是指按照预先设置好的方式推送给用户终端,比如APP(融资租赁软件)推送、小程序推送和H5(万维网的核心语言、标准通用标记语言下的一个应用超文本标记语言的第五次重大修改)页面推送等
具体地,将融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。比如预设阈值可以为60%,则将上述例子中的4号产品和7号产品通过APP推送给客户终端,使客户能够进行查看和申请操作。
在上述融资租赁产品推荐方法中,通过获取融资租赁客户信息,根据所述融资租赁客户信息提取到融资租赁客户特征信息,根据所述融资租赁客户特征信息得到融资租赁特征向量;将所述融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率;将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端,通过已训练的融资租赁推荐模得到推荐的融资租赁产品,能够提高融资租赁产品推荐的准确率和效率,并且使用户快速得到需要的融资租赁产品,节省了资源。
在一个实施例中,如图3所示,步骤S202,即获取融资租赁客户信息,包括步骤:
S302,获取融资租赁客户标识,根据融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识。
其中,融资租赁客户标识用于标识融资租赁客户,可以是客户名、客户手机号和客户ID等。预设融资租赁客户信息数据库是预先设置好的用来存储融资租赁客户信息的数据库。
具体地,服务器获取到融资租赁客户标识,根据融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识。
S304,当未查找到对应的目标客户标识时,从预设题库中获取融资租赁提问信息,将融资资料提问信息发送融资租赁客户标识对应的客户终端。
其中,融资租赁提问信息是指预先设置好的用于收集融资租赁客户信息的一些问题。比如,提问信息可以是“企业所属行业是什么?”等等。
具体地,当服务器在融资租赁客户信息数据库未查找到对应的目标客户标识时,说明该在融资租赁客户信息数据库中未保存有融资租赁客户的基本信息,该融资租赁客户标识对应的客户是新客户。此时,预设题库中获取到已设置好的融资租赁提问信息,将融资资料提问信息发送融资租赁客户标识对应的客户终端。
S306,获取客户终端返回的融资资料提问信息的回复信息,根据回复信息得到融资租赁客户信息。
具体地,服务器获取到客户终端返回的融资资料提问信息的回复信息,根据回复信息得到融资租赁客户信息。可以将得到的融资租赁客户信息和融资租赁客户标识关系存储到预设融资租赁客户信息数据库中。
在上述实施例中,通过将获取融资租赁客户标识,根据融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识,当未查找到对应的目标客户标识时,从预设题库中获取融资租赁提问信息,将融资资料提问信息发送融资租赁客户标识对应的客户终端,获取客户终端返回的融资资料提问信息的回复信息,根据回复信息得到融资租赁客户信息。通过该方法能够快速收集新客户的融资租赁客户信息,便于后续推荐合适的产品。
在一个实施例中,步骤302即根据融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识,包括步骤:
当查找到对应的目标客户标识时,从预设融资租赁客户信息数据库获取目标客户标识对应的融资租赁客户信息。
具体地,当查找到对应的目标客户标识时,则说明该融资租赁客户信息已保存在预设融资租赁客户信息数据库中,则从预设融资租赁客户信息数据库获取目标客户标识对应的融资租赁客户信息,能够更方便的得到融资租赁客户信息,便于后续推荐合适的产品。
在一个实施例中,如图4所示,融资租赁推荐模型的生成步骤,包括:
S402,获取历史融资租赁客户信息和对应的融资租赁产品,根据历史融资租赁客户信息进行特征提取,得到融资租赁客户特征,根据融资租赁产品信息得到融资租赁产品特征。
其中,融资租赁客户特征根据历史融资租赁客户数据经过特征提取得到的融资租赁客户特征,比如,可以包括企业基本信息特征、已有合同期限特征、还款指数特征和企业健康程度特征等。融资租赁产品信息是指该客户在历史选择产品的过程中申请的产品,包括申请通过的和申请未通过的产品。
具体地,获取历史融资租赁客户信息和对应的融资租赁产品,该对应的融资租赁产品是该客户签订合同购买的产品,根据历史融资租赁客户信息进行特征提取,得到融资租赁客户特征。根据融资租赁产品信息得到融资租赁产品特征。
S404,根据融资租赁客户特征得到历史融资租赁客户特征信息,根据历史融资租赁客户特征信息得到历史融资租赁客户特征向量。
具体地,根据融资租赁客户特征和历史融资租赁客户信息得到历史融资租赁客户特征信息,根据历史融资租赁客户特征信息得到历史融资租赁客户特征向量。比如,根据还款指数特征和历史融资租赁客户信息得到的还款指数特征信息为还款指数860,还款习惯良好,然后得到的还款指数特征向量为[860,3]。根据各个融资租赁客户特征得到对应的特征向量,组合得到历史融资租赁客户特征向量。
S406,根据融资租赁产品特征得到历史融资租赁产品特征向量,将历史融资租赁客户特征向量作为神经网络模型的输入,将历史融资租赁产品特征向量作为神经网络模型的标签进行训练,当达到预设条件时,得到融资租赁推荐模型。
具体地,根据融资租赁产品特征得到历史融资租赁产品特征向量,将历史融资租赁客户特征向量作为神经网络模型的输入,将历史融资租赁产品特征向量作为神经网络模型的标签进行训练,当达到预设迭代次数或者损失函数达到预设阈值时,训练完成,就得到融资租赁推荐模型。
在上述实施例中,通过获取历史融资租赁客户信息和对应的融资租赁产品,根据历史融资租赁客户信息进行特征提取,得到融资租赁客户特征,根据融资租赁产品信息得到融资租赁产品特征,根据融资租赁客户特征得到历史融资租赁客户特征信息,根据历史融资租赁客户特征信息得到历史融资租赁客户特征向量,根据融资租赁产品特征得到历史融资租赁产品特征向量,将历史融资租赁客户特征向量作为神经网络模型的输入,将历史融资租赁产品特征向量作为神经网络模型的标签进行训练,当达到预设条件时,得到融资租赁推荐模型,在进行产品推荐时,使用已训练好的融资租赁推荐模型,能够快速和准确的得到推荐的产品,提高了效率。
在一个实施例中,如图5所示,在步骤S206之后,即在将融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端之后,还包括步骤:
S502,接收客户终端发送的融资租赁产品申请指令,融资租赁产品申请指令携带目标融资租赁产品信息和客户基本信息。
具体地,需要融资租赁的客户可以通过客户终端中的小程序、APP、公众号、H5网页等渠道进入到融资租赁产品页面。该融资租赁产品页面显示有融资租赁产品信息,客户可以选择合适的融资租赁产品,然后填写客户基本信息进行融资租赁业务申请,服务器接收到申请终端发送的融资租赁产品申请指令,该融资租赁产品申请指令携带目标融资租赁产品信息和客户基本信息。
S504,根据预设规则验证目标融资租赁产品信息和客户基本信息,当目标融资租赁产品信息和客户基本信息验证通过时,将目标融资租赁产品信息和客户基本信息保存并向审核终端发送目标融资租赁产品信息和客户基本信息。
其中,预设规则是预先设置好的用于验证目标融资租赁产品信息和客户基本信息是否准确的条件,比如,联系方式是否正确,企业地址是否正确,目标融资租赁产品是否符合该企业实际需求等等。
具体地,服务器根据预设规则验证目标融资租赁产品信息和客户基本信息,当目标融资租赁产品信息和客户基本信息验证通过时,则初步审核完成,此时将目标融资租赁产品信息和客户基本信息保存到数据库中,并向审核终端发送目标融资租赁产品信息和客户基本信息。
S506,获取审核终端发送的初步审核通过指令,根据初步审核通过指令向申请终端发送登录提交申请信息的提示。
具体地,当审核终端接收到目标融资租赁产品信息和客户基本信息,显示该目标融资租赁产品信息和对应的客户基本信息。业务审核人员通过对显示的信息进行审核,当信息无误时,审核终端接收到初步审核通过指令并向服务器发送该初步审核通过指令,服务器接收到审核终端发送的初步审核通过指令,根据初步审核通过指令向客户终端发送登录提交详细申请信息的提示,即向客户终端发送登录融资租赁平台进行详细申请信息提交的提示。客户可以通过登录融资租赁平台进行下一步的申请。
在上述实施例中,通过服务器接收客户终端发送的融资租赁产品申请指令,融资租赁产品申请指令携带目标融资租赁产品信息和客户基本信息,获取审核终端发送的初步审核通过指令,根据初步审核通过指令向申请终端发送登录提交申请信息的提示,获取审核终端发送的初步审核通过指令,根据初步审核通过指令向申请终端发送登录提交申请信息的提示,实现了对推荐产品的申请,满足用户的需求,节省了资源。
在一个实施例中,如图6所示,在步骤S504之后,即在获取审核终端发送的初步审核通过指令,根据初步审核通过指令向申请终端发送登录提交申请信息的提示之后,还包括步骤:
S602,根据目标融资租赁产品信息得到目标融资租赁产品特征向量,根据客户基本信息得到融资租赁客户特征向量。
具体地,服务器通过实时系统(Storm系统:分布式实时大数据处理系统)根据目标融资租赁产品信息得到目标融资租赁产品特征向量,根据客户基本信息得到融资租赁客户特征向量,
S604,将目标融资租赁产品特征向量作为已训练的融资租赁推荐模型的输入,将融资租赁客户特征向量作为已训练的融资租赁推荐模型的标签,对已训练的融资租赁推荐模型进行更新,得到更新后的融资租赁推荐模型。
具体地,服务器将得到的实时目标融资租赁产品特征向量作为已训练的融资租赁推荐模型的输入,将实时融资租赁客户特征向量作为已训练的融资租赁推荐模型的标签,对已训练的融资租赁推荐模型进行更新,得到更新后的融资租赁推荐模型。
在上述实施例中,通过跟据目标融资租赁产品信息得到目标融资租赁产品特征向量,根据客户基本信息得到融资租赁客户特征向量,将目标融资租赁产品特征向量作为已训练的融资租赁推荐模型的输入,将融资租赁客户特征向量作为已训练的融资租赁推荐模型的标签,对已训练的融资租赁推荐模型进行更新,得到更新后的融资租赁推荐模型,实现了对融资租赁推荐模型的实时更新,提高了融资租赁推荐模型计算的准确性。
在一个实施例中,融资租赁产品推荐方法,还包括:
获取融资租赁客户信息,当融资租赁客户信息与预设条件一致时,得到预设条件对应的融资租赁产品,将预设条件对应的融资租赁产品以预设方式发送客户终端。
其中,预设条件是指预先根据专家意见设置好的判断条件,比如,客户是否有临近结束期限的合同,客户还款期限是否超期、超期次数是否大于预设次数、客户的企业日流水是否合理,企业流水是否在预设值之上等等。
具体地,服务器获取到融资租赁客户信息,当融资租赁客户信息与预设条件一致时,得到预设条件对应的融资租赁产品,将预设条件对应的融资租赁产品以预设方式发送客户终端,通过预设设置好的条件来判断融资租赁客户信息符合的融资租赁产品从而进行推荐,提高了业务效率,节省资源。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种融资租赁产品推荐装置700,包括:特征向量得到模块702、概率计算模块704和产品推荐模块706,其中:
特征向量得到模块702,用于获取融资租赁客户信息,根据融资租赁客户信息提取到融资租赁客户特征信息,根据融资租赁客户特征信息得到融资租赁特征向量;
概率计算模块704,用于将融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;
产品推荐模块706,用于将融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
在一个实施例中,特征向量得到模块702,包括:
目标客户标识查找模块,用于获取融资租赁客户标识,根据融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识;
提问信息发送模块,用于当未查找到对应的目标客户标识时,从预设题库中获取融资租赁提问信息,将融资资料提问信息发送融资租赁客户标识对应的客户终端;
回复信息获取模块,用于获取客户终端返回的融资资料提问信息的回复信息,根据回复信息得到融资租赁客户信息。
在一个实施例中,目标客户标识查找模块,包括:
客户信息获取模块,用于当查找到对应的目标客户标识时,从预设融资租赁客户信息数据库获取目标客户标识对应的融资租赁客户信息。
在一个实施例中,融资租赁产品推荐装置700,包括:
特征得到模块,用于获取历史融资租赁客户信息和对应的融资租赁产品,根据历史融资租赁客户信息进行特征提取,得到融资租赁客户特征,根据融资租赁产品信息得到融资租赁产品特征;
历史特征向量得到模块,用于根据融资租赁客户特征得到历史融资租赁客户特征信息,根据历史融资租赁客户特征信息得到历史融资租赁客户特征向量;
模型训练模块,用于根据融资租赁产品特征得到历史融资租赁产品特征向量,将历史融资租赁客户特征向量作为神经网络模型的输入,将历史融资租赁产品特征向量作为神经网络模型的标签进行训练,当达到预设条件时,得到融资租赁推荐模型。
在一个实施例中,融资租赁产品推荐装置700,还包括:
申请指令接收模块,用于接收客户终端发送的融资租赁产品申请指令,融资租赁产品申请指令携带目标融资租赁产品信息和客户基本信息;
申请信息验证模块,用于根据预设规则验证目标融资租赁产品信息和客户基本信息,当目标融资租赁产品信息和客户基本信息验证通过时,将目标融资租赁产品信息和客户基本信息保存并向审核终端发送目标融资租赁产品信息和客户基本信息;
审核模块,用于获取审核终端发送的初步审核通过指令,根据初步审核通过指令向申请终端发送登录提交申请信息的提示。
在一个实施例中,融资租赁产品推荐装置700,还包括:
目标向量得到模块,用于根据目标融资租赁产品信息得到目标融资租赁产品特征向量,根据客户基本信息得到融资租赁客户特征向量;
模型更新模块,用于将目标融资租赁产品特征向量作为已训练的融资租赁推荐模型的输入,将融资租赁客户特征向量作为已训练的融资租赁推荐模型的标签,对已训练的融资租赁推荐模型进行更新,得到更新后的融资租赁推荐模型。
在一个实施例中,融资租赁产品推荐装置700,还包括:
条件判断模块,用于获取融资租赁客户信息,当融资租赁客户信息与预设条件一致时,得到预设条件对应的融资租赁产品,将预设条件对应的融资租赁产品以预设方式发送客户终端。
关于融资租赁产品推荐装置的具体限定可以参见上文中对于融资租赁产品推荐方法的限定,在此不再赘述。上述融资租赁产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储融资租赁客户信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种融资租赁产品推荐方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取融资租赁客户信息,根据融资租赁客户信息提取到融资租赁客户特征信息,根据融资租赁客户特征信息得到融资租赁特征向量;将融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;将融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取融资租赁客户标识,根据融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识;当未查找到对应的目标客户标识时,从预设题库中获取融资租赁提问信息,将融资资料提问信息发送融资租赁客户标识对应的客户终端;获取客户终端返回的融资资料提问信息的回复信息,根据回复信息得到融资租赁客户信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当查找到对应的目标客户标识时,从预设融资租赁客户信息数据库获取目标客户标识对应的融资租赁客户信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取历史融资租赁客户信息和对应的融资租赁产品,根据历史融资租赁客户信息进行特征提取,得到融资租赁客户特征,根据融资租赁产品信息得到融资租赁产品特征;根据融资租赁客户特征得到历史融资租赁客户特征信息,根据历史融资租赁客户特征信息得到历史融资租赁客户特征向量;根据融资租赁产品特征得到历史融资租赁产品特征向量,将历史融资租赁客户特征向量作为神经网络模型的输入,将历史融资租赁产品特征向量作为神经网络模型的标签进行训练,当达到预设条件时,得到融资租赁推荐模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收客户终端发送的融资租赁产品申请指令,融资租赁产品申请指令携带目标融资租赁产品信息和客户基本信息;根据预设规则验证目标融资租赁产品信息和客户基本信息,当目标融资租赁产品信息和客户基本信息验证通过时,将目标融资租赁产品信息和客户基本信息保存并向审核终端发送目标融资租赁产品信息和客户基本信息;获取审核终端发送的初步审核通过指令,根据初步审核通过指令向申请终端发送登录提交申请信息的提示。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据目标融资租赁产品信息得到目标融资租赁产品特征向量,根据客户基本信息得到融资租赁客户特征向量;将目标融资租赁产品特征向量作为已训练的融资租赁推荐模型的输入,将融资租赁客户特征向量作为已训练的融资租赁推荐模型的标签,对已训练的融资租赁推荐模型进行更新,得到更新后的融资租赁推荐模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取融资租赁客户信息,当融资租赁客户信息与预设条件一致时,得到预设条件对应的融资租赁产品,将预设条件对应的融资租赁产品以预设方式发送客户终端。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取融资租赁客户信息,根据融资租赁客户信息提取到融资租赁客户特征信息,根据融资租赁客户特征信息得到融资租赁特征向量;将融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;将融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取融资租赁客户标识,根据融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识;当未查找到对应的目标客户标识时,从预设题库中获取融资租赁提问信息,将融资资料提问信息发送融资租赁客户标识对应的客户终端;获取客户终端返回的融资资料提问信息的回复信息,根据回复信息得到融资租赁客户信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当查找到对应的目标客户标识时,从预设融资租赁客户信息数据库获取目标客户标识对应的融资租赁客户信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取历史融资租赁客户信息和对应的融资租赁产品,根据历史融资租赁客户信息进行特征提取,得到融资租赁客户特征,根据融资租赁产品信息得到融资租赁产品特征;根据融资租赁客户特征得到历史融资租赁客户特征信息,根据历史融资租赁客户特征信息得到历史融资租赁客户特征向量;根据融资租赁产品特征得到历史融资租赁产品特征向量,将历史融资租赁客户特征向量作为神经网络模型的输入,将历史融资租赁产品特征向量作为神经网络模型的标签进行训练,当达到预设条件时,得到融资租赁推荐模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:接收客户终端发送的融资租赁产品申请指令,融资租赁产品申请指令携带目标融资租赁产品信息和客户基本信息;根据预设规则验证目标融资租赁产品信息和客户基本信息,当目标融资租赁产品信息和客户基本信息验证通过时,将目标融资租赁产品信息和客户基本信息保存并向审核终端发送目标融资租赁产品信息和客户基本信息;获取审核终端发送的初步审核通过指令,根据初步审核通过指令向申请终端发送登录提交申请信息的提示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据目标融资租赁产品信息得到目标融资租赁产品特征向量,根据客户基本信息得到融资租赁客户特征向量;将目标融资租赁产品特征向量作为已训练的融资租赁推荐模型的输入,将融资租赁客户特征向量作为已训练的融资租赁推荐模型的标签,对已训练的融资租赁推荐模型进行更新,得到更新后的融资租赁推荐模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取融资租赁客户信息,当融资租赁客户信息与预设条件一致时,得到预设条件对应的融资租赁产品,将预设条件对应的融资租赁产品以预设方式发送客户终端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种融资租赁产品推荐方法,所述方法包括:
获取融资租赁客户信息,根据所述融资租赁客户信息提取到融资租赁客户特征信息,根据所述融资租赁客户特征信息得到融资租赁特征向量;
将所述融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,所述融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;
将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
2.根据权利要求1所述的方法,其特征在于,获取融资租赁客户信息,包括:
获取融资租赁客户标识,根据所述融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识;
当未查找到对应的目标客户标识时,从预设题库中获取融资租赁提问信息,将所述融资资料提问信息发送所述融资租赁客户标识对应的客户终端;
获取所述客户终端返回的所述融资资料提问信息的回复信息,根据所述回复信息得到融资租赁客户信息。
3.根据权利要求1所述的方法,其特征在于,根据所述融资租赁客户标识在预设融资租赁客户信息数据库中查找对应的目标客户标识,包括:
当查找到对应的目标客户标识时,从预设融资租赁客户信息数据库获取所述目标客户标识对应的融资租赁客户信息。
4.根据权利要求1所述的方法,其特征在于,所述融资租赁推荐模型的生成步骤,包括:
获取历史融资租赁客户信息和对应的融资租赁产品,根据所述历史融资租赁客户信息进行特征提取,得到融资租赁客户特征,根据所述融资租赁产品信息得到融资租赁产品特征;
根据所述融资租赁客户特征得到历史融资租赁客户特征信息,根据所述历史融资租赁客户特征信息得到历史融资租赁客户特征向量;
根据所述融资租赁产品特征得到历史融资租赁产品特征向量,将所述历史融资租赁客户特征向量作为神经网络模型的输入,将所述历史融资租赁产品特征向量作为神经网络模型的标签进行训练,当达到预设条件时,得到所述融资租赁推荐模型。
5.根据权利要求1所述的方法,其特征在于,所述在将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端之后,还包括:
接收所述客户终端发送的融资租赁产品申请指令,所述融资租赁产品申请指令携带目标融资租赁产品信息和客户基本信息;
根据预设规则验证所述目标融资租赁产品信息和所述客户基本信息,当所述目标融资租赁产品信息和所述客户基本信息验证通过时,将所述目标融资租赁产品信息和所述客户基本信息保存并向审核终端发送所述目标融资租赁产品信息和所述客户基本信息;
获取所述审核终端发送的初步审核通过指令,根据所述初步审核通过指令向所述申请终端发送登录提交申请信息的提示。
6.根据权利要求1所述的方法,其特征在于,在所述获取所述审核终端发送的初步审核通过指令,根据所述初步审核通过指令向所述申请终端发送登录提交申请信息的提示之后,还包括:
根据所述目标融资租赁产品信息得到目标融资租赁产品特征向量,根据客户基本信息得到融资租赁客户特征向量;
将所述目标融资租赁产品特征向量作为已训练的融资租赁推荐模型的输入,将所述融资租赁客户特征向量作为已训练的融资租赁推荐模型的标签,对所述已训练的融资租赁推荐模型进行更新,得到更新后的融资租赁推荐模型。
7.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
获取融资租赁客户信息,当所述融资租赁客户信息与预设条件一致时,得到所述预设条件对应的融资租赁产品,将所述预设条件对应的融资租赁产品以预设方式发送客户终端。
8.一种融资租赁产品推荐装置,其特征在于,所述装置包括:
特征向量得到模块,用于获取融资租赁客户信息,根据所述融资租赁客户信息提取到融资租赁客户特征信息,根据所述融资租赁客户特征信息得到融资租赁特征向量;
概率计算模块,用于将所述融资租赁特征向量输入到已训练的融资租赁推荐模型,得到融资租赁输出向量,根据融资租赁输出向量得到融资租赁产品对应的融资租赁概率,其中,所述融资租赁推荐模型是根据历史融资租赁客户信息和对应购买的融资租赁产品使用机器学习算法进行训练得到的;
产品推荐模块,用于将所述融资租赁概率大于预设阈值的融资租赁产品以预设方式发送客户终端。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811544249.3A CN109816534B (zh) | 2018-12-17 | 2018-12-17 | 融资租赁产品推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811544249.3A CN109816534B (zh) | 2018-12-17 | 2018-12-17 | 融资租赁产品推荐方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816534A true CN109816534A (zh) | 2019-05-28 |
CN109816534B CN109816534B (zh) | 2024-09-06 |
Family
ID=66601673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811544249.3A Active CN109816534B (zh) | 2018-12-17 | 2018-12-17 | 融资租赁产品推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816534B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400185A (zh) * | 2019-07-31 | 2019-11-01 | 中国工商银行股份有限公司 | 产品推荐方法及系统 |
CN111882323A (zh) * | 2020-07-21 | 2020-11-03 | 中国工商银行股份有限公司 | 基于云服务租赁的用户融资风险控制方法及装置 |
CN113822488A (zh) * | 2021-09-29 | 2021-12-21 | 平安国际融资租赁有限公司 | 融资租赁的风险预测方法、装置、计算机设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761251A (zh) * | 2013-12-26 | 2014-04-30 | 无锡冠云信息科技有限公司 | 大数据量客户信息的存储与查找方法 |
CN106779806A (zh) * | 2016-11-24 | 2017-05-31 | 家有购物集团股份有限公司 | 一种客户信息处理方法和系统 |
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 |
CN107944588A (zh) * | 2017-12-28 | 2018-04-20 | 合肥凯捷技术有限公司 | 一种基于云平台的金融租赁行业管理系统 |
JP2018116694A (ja) * | 2017-12-15 | 2018-07-26 | ヤフー株式会社 | 算出装置、算出方法及び算出プログラム |
CN108492194A (zh) * | 2018-03-06 | 2018-09-04 | 平安科技(深圳)有限公司 | 产品推荐方法、装置及存储介质 |
CN108711107A (zh) * | 2018-05-25 | 2018-10-26 | 上海钱智金融信息服务有限公司 | 智能融资服务推荐方法及其系统 |
-
2018
- 2018-12-17 CN CN201811544249.3A patent/CN109816534B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761251A (zh) * | 2013-12-26 | 2014-04-30 | 无锡冠云信息科技有限公司 | 大数据量客户信息的存储与查找方法 |
CN106779806A (zh) * | 2016-11-24 | 2017-05-31 | 家有购物集团股份有限公司 | 一种客户信息处理方法和系统 |
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 |
JP2018116694A (ja) * | 2017-12-15 | 2018-07-26 | ヤフー株式会社 | 算出装置、算出方法及び算出プログラム |
CN107944588A (zh) * | 2017-12-28 | 2018-04-20 | 合肥凯捷技术有限公司 | 一种基于云平台的金融租赁行业管理系统 |
CN108492194A (zh) * | 2018-03-06 | 2018-09-04 | 平安科技(深圳)有限公司 | 产品推荐方法、装置及存储介质 |
CN108711107A (zh) * | 2018-05-25 | 2018-10-26 | 上海钱智金融信息服务有限公司 | 智能融资服务推荐方法及其系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400185A (zh) * | 2019-07-31 | 2019-11-01 | 中国工商银行股份有限公司 | 产品推荐方法及系统 |
CN111882323A (zh) * | 2020-07-21 | 2020-11-03 | 中国工商银行股份有限公司 | 基于云服务租赁的用户融资风险控制方法及装置 |
CN111882323B (zh) * | 2020-07-21 | 2023-08-15 | 中国工商银行股份有限公司 | 基于云服务租赁的用户融资风险控制方法及装置 |
CN113822488A (zh) * | 2021-09-29 | 2021-12-21 | 平安国际融资租赁有限公司 | 融资租赁的风险预测方法、装置、计算机设备及存储介质 |
CN113822488B (zh) * | 2021-09-29 | 2024-05-14 | 平安国际融资租赁有限公司 | 融资租赁的风险预测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109816534B (zh) | 2024-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034660B (zh) | 基于预测模型的风险控制策略的确定方法及相关装置 | |
CN111861569A (zh) | 产品信息推荐方法及装置 | |
CN106407999A (zh) | 结合规则来进行机器学习的方法及系统 | |
CN109767319A (zh) | 授信额度确定方法、装置、计算机设备和存储介质 | |
CN109816534A (zh) | 融资租赁产品推荐方法、装置、计算机设备和存储介质 | |
WO2009051988A1 (en) | Online virtual knowledge marketplace | |
CN109166033A (zh) | 贷款额度计算方法、装置、计算机设备和存储介质 | |
CN110837653B (zh) | 标签预测方法、装置以及计算机可读存储介质 | |
CN109767320A (zh) | 订单审核方法、装置、计算机设备和存储介质 | |
CN105096152A (zh) | 一种基于商品热度的操作执行方法及装置 | |
CN110598118A (zh) | 资源对象的推荐方法、装置及计算机可读介质 | |
US20140244354A1 (en) | Method and a system for predicting behaviour of persons performing online interactions | |
CN105335875A (zh) | 购买力预测方法和装置 | |
US20170011325A1 (en) | Provisioning An Integrated Recruiting, Training and Financing Service Via A Network | |
CN110910209B (zh) | 一种数据处理方法、装置以及计算机可读存储介质 | |
CN109461043A (zh) | 产品推送方法、装置、计算机设备和存储介质 | |
CN108595579A (zh) | 联系人亲密度估算方法、装置、计算机设备和存储介质 | |
CN113191838A (zh) | 一种基于异质图神经网络的购物推荐方法及系统 | |
CN110555148A (zh) | 一种用户行为评估方法、计算设备及存储介质 | |
CN110135943A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN109801169A (zh) | 融资租赁申请方法、装置、计算机设备和存储介质 | |
CN114331495A (zh) | 多媒体数据处理方法、装置、设备及存储介质 | |
CN111489196B (zh) | 基于深度学习网络的预测方法、装置、电子设备及介质 | |
CN109544206A (zh) | 商机处理方法、装置、计算机设备和存储介质 | |
KR102574248B1 (ko) | 부동산투자 관리방법, 시스템 및 이에 관한 컴퓨터 프로그램 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |