CN111144990A - 推荐方法以及系统 - Google Patents

Abstract

本说明书提供推荐方法以及系统，其中所述推荐方法包括：在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；根据所述预测结果在所述用户集中筛选出目标用户；将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

Description

推荐方法以及系统

技术领域

本说明书涉及计算机技术领域，特别涉及一种推荐方法。本说明书同时涉及一种项目推荐方法，一种推荐系统，一种项目推荐系统，两种计算设备，以及两种计算机可读存储介质。

背景技术

随着互联网技术的快速发展，通过互联网参与各种项目成为了一种趋势；而伴随着互联网技术的成熟，它为人们带来的便捷性也越来越突出，人们也习惯去应用互联网中的各种服务。通过线上加入业务项目不仅便捷，并且生成的票据等信息相比于传统纸质票据容易存储，使得更多的用户愿意接受该项服务；而随着这种趋势的发展，越来越多的业务项目应运而生，业务项目的竞争力也越来越大，只有提供更具有效率的服务才能够实现吸引更多的用户。

发明内容

有鉴于此，本说明书实施例提供了一种推荐方法。本说明书同时涉及一种项目推荐方法，一种推荐系统，一种项目推荐系统，两种计算设备，以及两种计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种推荐方法，包括：

在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；

将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；

利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；

向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

可选的，所述根据所述预测结果在所述用户集中筛选出目标用户，包括：

将所述用户集中用户的数据量流出率处于流出率区间，且转化率大于转化率阈值的用户筛选为所述目标用户。

可选的，所述利用划分算法对调整结果进行数据量切分，包括：

按照所述子项目的项目时间以及所述子项目预先建立的目标数据量表对所述调整结果进行数据量标的划分。

可选的，所述向所述目标用户发送携带有所述目标反馈数据量的推荐信息，包括：

根据所述目标用户的历史业务信息确定所述目标用户处于所述业务项目的任务节点；

在所述任务节点为所述目标用户针对所述业务项目的第一任务节点的情况下，根据所述子项目的第一推荐信息、所述子项目的第二推荐信息以及所述目标反馈数据量生成所述推荐信息并向所述目标用户进行发送。

可选的，所述向所述目标用户发送携带有所述目标反馈数据量的推荐信息步骤执行之后，还包括：

在确定所述任务节点为所述目标用户针对所述业务项目的第二任务节点的情况下，根据所述目标用户的属性信息确定所述目标用户的时间信息；

将所述目标反馈数据量按照数据量标的划分结果在所述时间信息对应的时间节点向所述目标用户进行发放。

根据本说明书实施例的第二方面，提供了一种项目推荐方法，包括：

获取浏览保障项目的用户集中用户的历史参与信息；

将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用；

利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用；

向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

可选的，所述将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果，包括：

将所述历史参与信息输入至所述保障项目在出险维度对应的出险预测模型进行出险率预测，输出所述用户在所述出险维度对应的出险率，以及将所述历史信息输入至所述保障项目在转化维度对应的转化预测模型进行转化率预测，输出所述用户在所述转化维度对应的转化率；

将所述出险率以及所述转化率作为所述用户的预测结果。

可选的，所述根据所述预测结果在所述用户集中筛选出目标用户，包括：

将所述用户集中所述出险率处于出险率区间且所述转化率大于转化率阈值的用户确定为所述目标用户。

可选的，所述根据所述预测结果在所述用户集中筛选出目标用户，包括：

选择所述用户集中所述出险率处于出险率区间的用户组成第一目标用户集，以及选择所述用户集中所述转化率大于转化率阈值的用户组成第二目标用户集；

将所述第一目标用户集中以及所述第二目标用户集中的用户确定为所述目标用户。

可选的，所述利用调整算法对所述保障费用进行费用调整，包括：

计算所述保障项目的参与费用与所述保障费用二者的比值，获得针对所述保障项目的回报比；

根据所述回报比对所述保障费用进行调整。

可选的，所述根据所述回报比对所述保障费用进行调整，包括：

在所述回报比大于所述保障项目的回报比阈值的情况下，基于所述回报比阈值将所述保障费用调高；

或者，

在所述回报比小于等于所述保障项目的回报比阈值的情况下，基于所述回报比阈值将所述保障费用调低。

可选的，所述利用划分算法对费用调整结果进行费用划分，包括：

按照所述目标保障项目的保障时间以及所述目标保障项目预先建立的目标费用数额表对所述费用调整结果进行领取标的划分。

可选的，所述向所述目标用户发送携带有所述目标保障费用的项目推荐信息，包括：

根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段；

在所述项目阶段为所述目标用户参与所述保障项目的未完成阶段的情况下，根据所述目标保障项目的第一推荐信息、所述保障项目的第二推荐信息以及所述目标保障费用生成所述项目推荐信息并向所述目标用户进行发送。

可选的，所述向所述目标用户发送携带有所述目标保障费用的项目推荐信息步骤执行之后，还包括：

在确定所述目标用户成功参与所述目标保障项目和所述保障项目的情况下，根据所述目标用户的属性信息确定所述目标用户的活跃时间；

将所述目标保障费用按照领取标的划分结果在所述活跃时间向所述目标用户进行发放。

可选的，所述向所述目标用户发送携带有所述目标保障费用的项目推荐信息，包括：

根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段；

在所述项目阶段为所述目标用户参与所述保障项目的完成阶段的情况下，根据所述目标保障项目的第一推荐信息和所述目标保障费用生成所述项目推荐信息并向所述目标用户发送。

可选的，所述保障费用预测模型通过如下方式训练：

采集参与所述保障项目的样本用户的样本参与信息；

基于所述样本参与信息确定所述样本用户参与的样本保障项目的样本保障费用；

将所述样本参与信息以及所述样本保障费用输入至基于所述样本参与信息和所述样本保障费用的关联关系构建的保障费用预测模型进行训练，获得所述保障费用预测模型。

可选的，所述获取浏览保障项目的用户集中用户的历史参与信息步骤执行之前，还包括：

获取浏览所述保障项目的浏览用户集中浏览用户的账户信息，并根据所述账户信息提取所述浏览用户的历史保障信息；

基于所述历史保障信息对所述浏览用户进行风险评估，根据风险评估结果在所述浏览用户集中筛选出非风险用户组成非风险用户集；

根据所述账户信息确定所述非风险用户的信用积分，并在所述非风险用户集中选择信用积分大于信用积分阈值的非风险用户组成所述用户集。

可选的，所述根据所述预测结果在所述用户集中筛选出目标用户步骤执行之后，还包括：

将所述用户集中剩余的用户确定为非活跃用户；

选择所述保障项目预设的与所述目标保障项目相关联的转化策略，并基于所述转化策略确定向所述非活跃用户分配的转化保障费用；

向所述非活跃用户发送携带有所述转化保障费用的转化推荐信息。

根据本说明书实施例的第三方面，提供了一种推荐系统，包括：

筛选组件、数据量确定组件以及推荐组件；

所述筛选组件，用于在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；根据所述预测结果在所述用户集中筛选出目标用户；

所述数据量确定组件，用于将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；

所述推荐组件，用于向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

根据本说明书实施例的第四方面，提供了一种项目推荐系统，包括：

筛选目标用户组件、费用确定组件以及推荐组件；

所述筛选目标用户组件，用于获取浏览保障项目的用户集中用户的历史参与信息；将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果；根据所述预测结果在所述用户集中筛选出目标用户；

所述费用确定组件，用于将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用；利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用；

所述推荐组件，用于向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

根据本说明书实施例的第五方面，提供了一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；

将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；

利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；

向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

根据本说明书实施例的第六方面，提供了另一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获取浏览保障项目的用户集中用户的历史参与信息；

将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用；

利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用；

向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

根据本说明书实施例的第七方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述推荐方法的步骤。

根据本说明书实施例的第八方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述项目推荐方法的步骤。

本说明书一实施例通过在数据库中提取用户的历史业务记录，在不同的业务维度对每个用户进行业务预测，根据预测结果筛选出目标用户，并将目标用户的历史业务信息输入至数据量预测模型，获得目标用户针对子项目分配的反馈数据量，再通过调整算法和划分算法对反馈数据量进行处理获得目标反馈数据量，最后向目标用户发送携带有目标反馈数据量的推荐信息，实现了提高业务项目转换率的同时，能够吸引更多的用户参与所述业务项目，并且针对不同的用户采用差异化处理的方式确定不同的子项目的目标反馈数据量，更进一步的提高了用户对子项目的兴趣度，实现了对子项目的参与度的提升，并提高用户的体验效果。

附图说明

图1是本说明书一实施例提供的一种推荐方法的流程图；

图2是本说明书一实施例提供的一种项目推荐方法的流程图；

图3是本说明书一实施例提供的一种应用于保险项目中的推荐方法的处理流程图；

图4是本说明书一实施例提供的一种推荐系统的结构示意图；

图5是本说明书一实施例提供的一种项目推荐系统的结构示意图；

图6是本说明书一实施例提供的一种计算设备的结构框图；

图7是本说明书一实施例提供的另一种计算设备的结构框图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。

在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

在本说明书中，提供了一种推荐方法。本说明书同时涉及一种项目推荐方法，一种推荐系统，一种项目推荐系统，两种计算设备，以及两种计算机可读存储介质，在下面的实施例中逐一进行详细说明。

图1示出了根据本说明书一实施例提供的一种推荐方法的流程图，具体包括以下步骤：

步骤102：在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录。

实际应用中，随着用户对业务项目的关注度增高，业务项目通过线上进行了快速的发展，而随着业务项目的发展，业务项目相关的市场竞争压力越来越大，并且伴随着用户的需求增多，在用户处于业务项目的任意一个任务节点中可能获得的分量数据也是不满足用户需求的，并且由于分量数据是业务项目至关重要的组成部分，很多业务项目对分量数据的把控过于苛刻，很难对用户用更好的新引力。

有鉴于此，为了避免用户的流失，并且促进用户的参与程度，通过在数据库中提取用户的历史业务记录，在不同的业务维度对每个用户进行业务预测，根据预测结果筛选出目标用户，并将目标用户的历史业务信息输入至数据量预测模型，获得目标用户针对子项目分配的反馈数据量，再通过调整算法和划分算法对反馈数据量进行处理获得目标反馈数据量，最后向目标用户发送携带有目标反馈数据量的推荐信息，实现了提高业务项目转换率的同时，能够吸引更多的用户参与所述业务项目，并且针对不同的用户采用差异化处理的方式确定不同的子项目的目标反馈数据量，更进一步的提高了用户对子项目的兴趣度，实现了对子项目的参与度的提升，并提高用户的体验效果。

步骤104：将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果。

步骤106：根据所述预测结果在所述用户集中筛选出目标用户。

本实施例的一个或多个实施方式中，所述根据所述预测结果在所述用户集中筛选出目标用户，包括：

将所述用户集中用户的数据量流出率处于流出率区间，且转化率大于转化率阈值的用户筛选为所述目标用户。

步骤108：将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量。

步骤110：利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量。

本实施例的一个或多个实施方式中，所述利用划分算法对调整结果进行数据量切分，包括：

按照所述子项目的项目时间以及所述子项目预先建立的目标数据量表对所述调整结果进行数据量标的划分。

步骤112：向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

本实施例的一个或多个实施方式中，所述向所述目标用户发送携带有所述目标反馈数据量的推荐信息，包括：

根据所述目标用户的历史业务信息确定所述目标用户处于所述业务项目的任务节点；

在所述任务节点为所述目标用户针对所述业务项目的第一任务节点的情况下，根据所述子项目的第一推荐信息、所述子项目的第二推荐信息以及所述目标反馈数据量生成所述推荐信息并向所述目标用户进行发送。

本实施例的一个或多个实施方式中，所述向所述目标用户发送携带有所述目标反馈数据量的推荐信息步骤执行之后，还包括：

在确定所述任务节点为所述目标用户针对所述业务项目的第二任务节点的情况下，根据所述目标用户的属性信息确定所述目标用户的时间信息；

将所述目标反馈数据量按照数据量标的划分结果在所述时间信息对应的时间节点向所述目标用户进行发放。

本实施例中相关的组成部分均可参见下述实施例中的描述内容，本实施例在此不作过多赘述。

本说明书提供的推荐方法，通过在数据库中提取用户的历史业务记录，在不同的业务维度对每个用户进行业务预测，根据预测结果筛选出目标用户，并将目标用户的历史业务信息输入至数据量预测模型，获得目标用户针对子项目分配的反馈数据量，再通过调整算法和划分算法对反馈数据量进行处理获得目标反馈数据量，最后向目标用户发送携带有目标反馈数据量的推荐信息，实现了提高业务项目转换率的同时，能够吸引更多的用户参与所述业务项目，并且针对不同的用户采用差异化处理的方式确定不同的子项目的目标反馈数据量，更进一步的提高了用户对子项目的兴趣度，实现了对子项目的参与度的提升，并提高用户的体验效果。

图2示出了根据本说明书一实施例提供的一种项目推荐方法的流程图，具体包括以下步骤：

步骤202：获取浏览保障项目的用户集中用户的历史参与信息。

本说明书一实施例中所述保障项目具体是指可以向所述用户提供保障服务的业务项目，例如保险项目或互助项目，所述用户的历史参与信息具体是指所述用户参与过的保障项目对应的信息，所述用户正在参与的保障项目对应的信息等，所述用户在浏览所述保障项目的过程中，可以是通过所述用户持有的用户终端通过所述保障项目对应的应用程序进行浏览，所述用户终端可以是用户持有的手机或电脑等终端设备，所述保障项目对应的应用程序具体是指安装在所述用户终端上且能够为用户提供所述保障项目对应的保障服务的应用程序。

本实施例将以所述保障项目为保险项目为例对所述项目推荐方法进行描述，随着用户对保险业务的关注度变高，保险项目通过在线上得到了很好的发展，而随着保险项目的快速发展，保险市场的竞争压力变得越来越大，提供保险项目的服务平台为了能够吸引更多的用户参与到保险项目中，不仅需要在保险种类以及保险保额等方面吸引用户，还需要为用户提供更优质的服务以及更好的推广方式才能够吸引更多的用户，而用户在众多保险项目中选择参保种类的过程中，在考虑主要保险理赔等信息的同时，还会对附赠保险有一定的关注度，无论是附赠保险的理赔金额或分红金额都可能吸引用户参与到保险项目中，可见，在向用户推荐保险项目的过程中，在考虑主要保险的推荐信息的同时结合附赠保险的推荐信息可能提高保险项目的推荐效果。

本说明书提供的项目推荐方法，为了能够提高用户参与所述保障项目的参与度以及可以向用户提供更符合用户意图的目标保障项目的目标保障费用，通过获取浏览保障项目的用户的历史参与信息，在不同的参与维度对每个用户进行参与度预测，根据预测结果筛选出目标用户，并将所述目标用户的历史参与信息输入保障费用预测模型，获得所述目标用户针对所述目标保障项目分配的保障费用，并通过调整算法和划分算法对所述保障费用进行处理获得所述目标保障费用，基于所述目标保障费用向所述目标用户发送所述项目推荐信息，通过将所述保障项目以及所述目标保障项目以绑定的方式向所述用户推荐，实现了提高所述保障项目的转化率，能够吸引更多的用户参与所述保障项目，并且针对不同的用户采用差异化处理的方式确定不同的目标保障项目的目标保障费用，更进一步的提高了用户对所述保障项目的兴趣度，实现了所述保障项目的参与度的提升，同时提高了所述用户的体验效果。

具体实施时，在所述用户浏览所述保障项目的过程中，为了提高向所述用户推荐所述保障项目的推荐效果，可以通过附赠所述目标保障项目的方式实现吸引用户的关注度，并针对不同的用户确定不同的目标保障费用，更能够实现触发用户的兴趣点，进而实现提高所述保障项目的推荐效果。

进一步的，针对所述目标用户进行推荐所述保障项目之前，需要选择无风险的用户创建所述用户集再进行推荐所述保障项目，以避免出现骗取保障服务的情况发生，本实施例的一个或多个实施方式中，所述用户集的确定过程具体实现方式如下所述：

获取浏览所述保障项目的浏览用户集中浏览用户的账户信息，并根据所述账户信息提取所述浏览用户的历史保障信息；

基于所述历史保障信息对所述浏览用户进行风险评估，根据风险评估结果在所述浏览用户集中筛选出非风险用户组成非风险用户集；

根据所述账户信息确定所述非风险用户的信用积分，并在所述非风险用户集中选择信用积分大于信用积分阈值的非风险用户组成所述用户集。

具体的，所述账户信息具体是指所述浏览用户在浏览所述保障项目的过程中所使用的账户对应的信息，所述历史保障信息具体是指所述浏览用户在参与历史保障项目的过程中所对应的保障信息，例如，用户针对保险项目A出过险，则该用户的历史保障信息即为用户于保险项目A出过险；所述信用积分用于表示各个浏览用户的信用级别，所述信用积分越高信用越好，反之信用积分越低信用越差；

基于此，获取所述浏览用户集中各个浏览用户的账户信息，并根据所述账户信息提取所述各个浏览用户的历史保障信息，基于各个浏览用户的历史保障信息对浏览用户进行风险评估，根据风险评估结果选择非风险用户组成所述非风险用户集合，并基于所述非风险用户的账户信息分别确定其对应的信用积分，通过选择信用积分大于信用积分阈值的非风险用户组成所述用户集即可。

实际应用中，根据所述风险评估结果选择非风险用户组成所述非风险用户集合的过程可以是通过确定每个浏览用户的风险概率，选择概率小于等于风险概率阈值的浏览用户作为所述非风险用户，再组成所述非风险用户集即可，其中，所述风险概率阈值以及所述信用积分阈值可以根据实际应用场景进行设定，本说明书在此不作任何限定。

在向所述目标用户推荐所述项目推荐信息之前，通过在浏览所述保障项目的浏览用户中选择用户组成用户集，并在组成用户集的过程中筛选出非风险用户进行组建用户集，实现了可以对浏览保障项目的用户进行风险防控，避免出现非正常用户骗取保障项目的保障服务的情况发生，避免出现经济损失的同时提高了所述保障项目的安全指数。

步骤204：将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果。

具体的，在上述获取所述用户集中各个用户的历史参与信息的基础上，进一步的，需要将所述历史参与信息输入至所述保障项目在各个参与维度预设的预测模型对所述用户集中的各个用户进行参与度预测，并根据各个参与维度的预测模型的输出结果进行后续的用户筛选。

实际应用中，所述各个参与维度可以包括出险维度、转化维度、兴趣维度等，其中所述出险维度对应的预测模型可以用于预测用户在该维度中针对保障项目的出险率(获得保障项目理赔金额的概率)，所述转化维度对应的预测模型可以用于预测用户在该维度中针对保障项目的转化率(参与保障项目的概率)，所述兴趣维度对应的预测模型可以用于预测用户在该维度中针对保障项目的兴趣率(经常浏览保障项目的概率)。

除此之外，所述参与维度还可以包括关注维度等，用于预测用户对所述保障项目的关注度，实际应用中所述参与维度包含的各个维度可以根据实际应用场景进行设定，本说明书在此不作任何限定。

具体实施时，在所述参与维度包括转化维度和出险维度的情况下，本实施例中的一个或多个实施方式中，将通过在这两个维度对预测所述用户的转化率和出险率进行预测，具体实现方式如下所述：

将所述历史参与信息输入至所述保障项目在出险维度对应的出险预测模型进行出险率预测，输出所述用户在所述出险维度对应的出险率，以及将所述历史信息输入至所述保障项目在转化维度对应的转化预测模型进行转化率预测，输出所述用户在所述转化维度对应的转化率；

将所述出险率以及所述转化率作为所述用户的预测结果。

具体的，将所述历史参与信息输入至所述保障项目在所述出险维度对应的出险预测模型，对所述用户针对所述保障项目的出险率进行预测，预测的所述出险率具体是指用户加入所述保障项目后能够获得理赔的概率；同时将所述历史参与信息输入至所述保障项目在所述转化维度对应的转化预测模型，对所述用户针对所述保障项目的转化率进行预测，预测的所述转化率具体是指用户再次参与所述保障项目的概率；

在获得所述用户针对所述保障项目在所述出险维度和转化维度对应的转化率和出险率的基础上，进一步的，将所述转化率的出险率作为针对所述用户在两个维度的测结果，再进行后续的筛选目标用户。

实际应用中，所述出险预测模型以及所述转化预测模型需要进行预先的训练，所述出险预测模型的训练过程是通过采集样本用户参与的样本保障项目对应的样本参与信息，以及确定各个样本用户针对样本保障项目的出险率，在将样本参与信息以及针对样本保障项目的出险率输入至基于出险率和样本参与信息的关联关系建立的出险预测模型进行训练，即可获得所述出险预测模型；

所述转化预测模型的训练过程是通过采集样本用户参与的样本保障项目对应的样本参与信息，以及确定各个样本用户针对样本保障项目的转化率，在将样本参与信息以及针对样本保障项目的转化率输入至基于转化率和样本参与信息的关联关系建立的转化预测模型进行训练，即可获得所述转化预测模型。

通过在不同的两个维度对所述用户集中的用户针对所述保障项目进行参与度的预测，实现了在后续可以选择出触达所述保障项目较高的用户作为目标用户进行推荐所述保障项目，在降低根据用户确定项目推荐信息工作量的情况下，更进一步的提高了保障项目的推荐效率和推荐效果。

步骤206：根据所述预测结果在所述用户集中筛选出目标用户。

具体的，在上述通过在多个维度对所述用户集中的用户进行参与度预测，获得各个参与维度对应的预测结果的基础上，进一步的，根据所述预测结果在所述用户集中筛选出所述目标用户。

具体实施时，在根据所述预测结果筛选所述目标用户的过程中，可以根据各个参与维度的预测结果整体考虑筛选所述目标用户，也可以分别针对每一个参与维度的预测结果分别考虑筛选所述目标用户，本实施例的一个或多个实施方式中，将从两个角度分别对筛选所述目标用户进行说明，第一方面在所述参与维度包括出险维度和转化维度的情况下，将根据所述出险率和转化率筛选所述目标用户，具体实现方式如下所述：

将所述用户集中所述出险率处于出险率区间且所述转化率大于转化率阈值的用户确定为所述目标用户。

具体的，首选确定所述用户集中每个用户的出险率和转化率，再选择出险率处于出险率区间，并且转化率大于转化率阈值的用即可确定为所述目标用户，其中，所述出险率区间的设定是为了将针对所述保障项目不活跃的用户以及可能骗取保障项目的保障费用的用户过滤掉，即可获得针对所保障项目活跃度较高且无风险的用户，所述转化率的设定是为了将针对所述保障项目关注度不高的用户过滤，通过选择出险率处于出险率区间且所述转化率大于转化率阈值的用户即可确定为所述目标用户。

例如，有100个用户参与保险项目，为了筛选出对保险项目兴趣度较高的用户，通过在转化维度和出险维度对各个用户进行出险率和转化率进行预测，获得每个用户的出险率和转化率，而保险项目预先设定的出险率区间是20％至70％，转化率阈值是80％，通过比较出险率区间和转化率阈值选择出险率处于20％至70％的用户且转化率大于转化率阈值是80％的用户确定为保险项目的活跃用户即可。

本实施例的一个或多个实施方式中，第二方面在所述参与维度包括出险维度和转化维度的情况下，将根据所述出险率和转化率筛选所述目标用户，具体实现方式如下所述：

选择所述用户集中所述出险率处于出险率区间的用户组成第一目标用户集，以及选择所述用户集中所述转化率大于转化率阈值的用户组成第二目标用户集；

将所述第一目标用户集中以及所述第二目标用户集中的用户确定为所述目标用户。

具体的，为了可以向更多的目标用户推荐所述保障项目，可以选择所述用户集中所述出险率处于出险率区间的用户组成第一目标用户集，同时选择所述用户集中所述转化率大于转化率阈值的用户组成第二目标用户集，并将所述第一目标用户集中的用户以及所述第二目标用户集中的用户均确定为所述目标用户。

例如，有100个用户参与保险项目，为了筛选出对保险项目兴趣度较高的用户，通过在转化维度和出险维度对各个用户进行出险率和转化率进行预测，获得每个用户的出险率和转化率，而保险项目预先设定的出险率区间是20％至70％，转化率阈值是80％，通过比较出险率将出险率处于20％至70％的用户确定为第一目标用户集，再选择转化率大于转化率阈值80％的用户确定为第二目标用户集，将第一目标用户集和第二目标用户集中的用户确定为保险项目的活跃用户即可。

通过根据不同的参与维度的预测结果来筛选所述目标用户，实现了可以向针对所述保障项目感兴趣的用户且具有潜在价值的用户进行后续的发送项目推荐信息，进一步的提高了所述目标用户针对所述保障项目的转化率。

具体实施时，由于通过筛选出目标用户进行推荐所述项目推荐信息，此时所述用户集中将剩余部分用户，该部分用户是不存在风险且对所述保障项目兴趣度较低的用户，此时为了能够吸引更多的用户参与到保障项目中，可以对该部分用户发送吸引该部分用户的转化推荐信息，本实施例的一个或多个实施方式中，发送所述转化推荐信息的具体过程如下所述：

将所述用户集中剩余的用户确定为非活跃用户；

选择所述保障项目预设的与所述目标保障项目相关联的转化策略，并基于所述转化策略确定向所述非活跃用户分配的转化保障费用；

向所述非活跃用户发送携带有所述转化保障费用的转化推荐信息。

具体的，首先将所述用户集中剩余的用户确定为针对所述保障项目非活跃用户，再选择所述保障项目预设的与所述目标保障项目相关联的转化策略，所述目标保障项目具体是指与所述保障项目具有绑定关系的项目，例如保障项目时医疗保险，则所述目标保障项目可以是赠送的住院险；进一步的所述转化策略具体是指能够吸引非活跃用户参与到所述保障项目中的策略，例如，提高所述保障项目的保障费用；

基于此，基于所述转化策略确定向所述非活跃用户份分配的转化保障费用，所述转化保障费用具体是指所述目标保障项目的保障费用，通过向所述非活跃用户发送携带有所述转化保障费用的转化推荐信息，实现向所述用户推荐绑定在一起的所述保障项目以及所述目标保障项目。

例如，在医疗保险项目中确定存在100名非活跃用户，为了能够提高参与医疗保险项目的用户参与率，需要针对这100名用户进行发送推荐信息，通过为医疗保险项目添加附赠保险住院险的方式吸引着100名用户，同时基于医疗保险项目的服务平台预先设定的转化策略确定赠送的住院险针对这100名用户的转化保障费用，每个用户参与到住院险中获得的转化保障费用并不一致，再通过向这100名用户发送携带有转化保障费用、医疗保险项目对应的保险信息以及附赠的住院险的保险信息的转化推荐信息，吸引用户参与到医疗保险项目当中。

在向用户推荐保障项目的过程中，可能存在非活跃用户对所述保障项目不感兴趣的情况，而为了提高更多的用户参与到保障项目当中，可以针对非活跃用户通过转化策略确定所述转化保障费用，在向所述非活跃用户发送携带有所述转化保障费用的转化推荐信息，实现了可以对非活跃用户也进行保障项目的推荐，提高了用户的体验效果的同时也将所述保障项目的转化率也提高了。

步骤208：将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用。

具体的，上述根据所述预测结果确定所述目标用户的基础上，进一步的，将所述目标用户的历史参与信息输入所述保障费用预测模型，对向所述用户分配的所述保障项目相关联的目标保障项目的保障费用进行预测，获得所述保障费用预测模型输出的向所述用户分配的所述保障费用。

其中，与所述保障项目相关联的所述目标保障项目可以是与所述保障项目具有绑定关系的项目，例如保障项目时医疗保险，则所述目标保障项目可以是赠送的住院险，所述保障费用具体是指所述目标保障费用能够为用户发放的费用，例如附赠的住院险能够向用户发放的保险红包总额。

具体实施时，所述保障费用预测模型需要通过提前的训练才能够进行使用，本实施例的一个或多个实施方式中，所述保障费用预测模型通过如下方式训练：

采集参与所述保障项目的样本用户的样本参与信息；

基于所述样本参与信息确定所述样本用户参与的样本保障项目的样本保障费用；

将所述样本参与信息以及所述样本保障费用输入至基于所述样本参与信息和所述样本保障费用的关联关系构建的保障费用预测模型进行训练，获得所述保障费用预测模型。

步骤210：利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用。

具体的，在上述通过所述保障费用预测模型预测出向所述用户分配的针对所述目标保障项目的保障费用的基础上，进一步的，为了能够实现在吸引所述目标用户的情况下，还能够降低所述目标保障项目的保障费用，可以利用所述调整算法以及所述划分算法对所述保障费用进行调整，即可获得所述目标保障费用，所述目标保障费用具体是指所述目标保障项目的能够吸引目标用户且成本适中的保障费用。

进一步的，在利用所述调整算法对所述保障费用进行调整的过程中，所述调整算法可以是运筹优化算法，具体是指可以计算出最优的目标保障费用，本实施例的一个或多个实施方式中，所述利用调整算法对所述保障费用进行费用调整的具体实现方式如下：

计算所述保障项目的参与费用与所述保障费用二者的比值，获得针对所述保障项目的回报比；

根据所述回报比对所述保障费用进行调整。

更进一步的，在通过所述回报比对所述保障费用调整的过程中，可能存在将所述保障费用调高或调低，具体调整过程如下所述：

在所述回报比大于所述保障项目的回报比阈值的情况下，基于所述回报比阈值将所述保障费用调高；或者，在所述回报比小于等于所述保障项目的回报比阈值的情况下，基于所述回报比阈值将所述保障费用调低。

具体的，所述参与费用具体是指参与所述保障项目所需要花费的费用，进一步的，在通过所述调整算法对所述保障费用进行调整的过程具体是指计算所述保障项目的参与费用与所述保障费用二者的比值，获得针对所述保障项目的回报比，再判断所述回报比是否大于所述保障项目预设的回报比阈值，所述回报比是用于衡量所述保障项目能够为提供保障项目服务的平台带来的回报比值；所述回报比大于1即表示可以盈利，所述回报比小于1即表示亏损；

基于此，在所述回报比大于所述保障项目的回报比阈值的情况下，说明向所述目标用户分配的所述保障费用可能较低，存在流失目标用户的可能，此时可以基于所述回报比将所述保障费用调高；在所述回报比小于等于所述保障项目的回报比阈值的情况下，说明所述目标用户分配的所述保障费用可能较高，存在亏损的可能，此时可以基于所述回报比阈值将所述保障费用调低。

例如，在保险项目中确定参与到该保险项目需要支付10000元参与费用，而该保险项目的附赠险可以向用户提供1000元的保险红包，通过计算确定回报比为10000/1000＝10，而保险项目预设的回报比阈值是12，通过比较确定回报比小于回报比阈值，此时可以将向用户提供的保险红包调低确定为833元，即向用户发放的保险红包可以是833元。

通过采用所述调整算法对所述保障费用进行调整，实现了可以基于所述回报比阈值对所述保障费用进行调整，能够使得最终确定的所述目标保障费用在吸引目标用户的情况下还能够降低成本。

更进一步的，在通过调整算法计算出所述保障费用的费用调整结果的基础上，还需要利用所述划分算法对所述费用调整结果进行划分，确定最终的所述目标保障费用，本实施例的一个或多个实施方式中，所述调整算法具体调整所述保障费用的过程如下所述：

按照所述目标保障项目的保障时间以及所述目标保障项目预先建立的目标费用数额表对所述费用调整结果进行领取标的划分。

具体的，所述保障时间具体是指所述目标保障项目能够为所述目标用户提供保障服务的时间，所述目标费用数额表具体是指每天向用户发放的保障费用的数额，基于此，按照所述目标保障项目的保障时间以及所述目标保障项目预先建立的目标费用数额表对所述费用调整结果进行领取标的划分即可，其中，所述领取标的划分具体是指将所述费用调整结果按照保障时间进行划分，划分为目标用户每天能够领取的部分目标保障费用。

例如，通过调整算法确定向用户发放的附赠保险项目的保险红包是1880元，确定向用户提供保险服务的时间是100天，通过划分算法以及费用数额表确定每天向用户发放1.88元即可。

实际应用中，所述费用数额表中记录的费用数额是目标用户可能感兴趣的数额，例如1.88、1.66、1.11等，以实现能够吸引目标用户每天都能参与所述保障项目，以提高目标用户的活跃度。

通过按照所述划分算法对所述费用调整结果进行划分，实现了可以根据所述费用划分数额表提高对用户的吸引力，以实现能够吸引目标用户每天都能参与所述保障项目，以提高目标用户的活跃度。

步骤212：向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

具体的，在根据所述调整算法和所述划分算法确定所述目标保障费用的基础上，进一步的，需要向所述目标用户发送携带有所述目标保障费用的项目推荐信息，其中，所述项目推荐信息具体是指向用户推荐具有绑定关系的所述保障项目以及所述目标保障项目的推荐信息，以实现吸引目标用户参与所述保障项目，增加所述保障项目的推广效果的同时目标用户相对于所述保障项目的转化率。

进一步的，在向所述目标用户发送所述项目推荐信息的过程中，可能是在用户处于项目阶段发送，所述项目阶段具体是指所述目标用户在未参与所述保障项目时的阶段，通过向目标用户发送携带有所述目标保障项目的目标保障费用的方式吸引用户参与所述保障项目，本实施例的一个或多个实施方式中，向所述目标用户发送项目推荐信息的具体实现方式如下所述：

根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段；

在所述项目阶段为所述目标用户参与所述保障项目的未完成阶段的情况下，根据所述目标保障项目的第一推荐信息、所述保障项目的第二推荐信息以及所述目标保障费用生成所述项目推荐信息并向所述目标用户进行发送。

具体的，根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段，在所述项目阶段为所述目标用户参与所述保障项目的未完成阶段的情况下，说明所述用户还未参与到所述保障项目当中，此时可以根据所述目标保障项目的第一推荐信息、所述保障项目的第二推荐信息以及所述目标保障费用生成所述项目推荐信息，并向所述目标用户发送所述项目推荐信息即可。

例如，在用户计划加入医疗保险项目的过程中，为了能够吸引用户加入到该医疗保险项目中，通过向用户赠送住院险的方式提高用户对医疗保险项目的兴趣度，通过向用户发送携带有住院险的保险红包的方式结合住院险的保险信息和医疗保险项目的保险信息生成向用户推荐的保险推荐信息，并将保险推荐发送至用户，实现向用户推荐医疗保险项目。

通过在向所述目标用户发送项目推荐信息的过程中，结合所述目标保障项目的目标保障费用以及第一推荐信息，并根据所述保障项目的第二推荐信息生成所述项目推荐信息向所述目标用户进行推荐，实现了能够很好的触达所述目标用户，提高用户的体验效果的同时，增加了所述目标用户加入所述保障项目的概率。

更进一步的，在向所述目标用户发送所述项目推荐信息的基础上，进一步的，需要将所述目标保障项目的目标保障费用向所述目标用户进行发放，本实施例的一个或多个实施方式中，具体实现过程如下所述：

在确定所述目标用户成功参与所述目标保障项目和所述保障项目的情况下，根据所述目标用户的属性信息确定所述目标用户的活跃时间；

将所述目标保障费用按照领取标的划分结果在所述活跃时间向所述目标用户进行发放。

具体的，在确定所述目标用户成功参与所述目标保障项目和所述保障项目的情况下，说明所述目标用户此时已经成为所述保障项目的项目成员，根据所述目标用户的属性信息确定所述目标用户的活跃时间，在所述目标保障费用按照领取标的划分结果在所述活跃时间向所述目标用户进行发放即可。

实际应用中，在向所述目标用户发放所述目标费用的过程中，为了能够引导目标用户相对于所述保障项目始终是活跃状态，需要将所述目标保障费用按照所述领取标的划分结果向所述目标用户进行发放，并且需要在所述目标用户的活跃时间进行发放，可以有效的提高用户的体验效果，并且提高了所述保障项目中目标用户的活跃度，更能进一步的吸引更多的用户参与到所述保障项目中。

具体实施时，根据所述项目阶段确定所述目标用户处于完成阶段的情况下，为了能够使得目标用户可以成为所述保障项目稳定的项目成员，可以向目标用户赠送目标保障项目的方式留存用户，本实施例的一个或多个实施方式中，具体实现方式如下所述：

根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段；

在所述项目阶段为所述目标用户参与所述保障项目的完成阶段的情况下，根据所述目标保障项目的第一推荐信息和所述目标保障费用生成所述项目推荐信息并向所述目标用户发送。

具体的，根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段，在所述项目阶段为所述目标用户参与所述保障项目的完成阶段的情况下，说明所述用户已经是所述保障项目的项目成员，此时为了能够将目标用户稳定住，根据所述目标保障项目的第一推荐信息和所述目标保障费用生成所述项目推荐信息并向所述目标用户发送即可。

实际应用中，由于目标用户已经是所述保障项目的项目成员，为了能够将所述目标用户成为所述保障项目的稳定成员，可以向所述目标用户赠送所述目标保障项目，在向目标用户发送项目推荐信息的过程中可以结合所述目标保障项目的第一推荐信息以及所述目标保障费用生成所述项目推荐信息。

本说明书提供的项目推荐方法，通过获取浏览保障项目的用户的历史参与信息，在不同的参与维度对每个用户进行参与度预测，根据预测结果筛选出目标用户，并将所述目标用户的历史参与信息输入保障费用预测模型，获得所述目标用户针对所述目标保障项目分配的保障费用，并通过调整算法和划分算法对所述保障费用进行处理获得所述目标保障费用，基于所述目标保障费用向所述目标用户发送所述项目推荐信息，通过将所述保障项目以及所述目标保障项目以绑定的方式向所述用户推荐，实现了提高所述保障项目的转化率，能够吸引更多的用户参与所述保障项目，并且针对不同的用户采用差异化处理的方式确定不同的目标保障项目的目标保障费用，更进一步的提高了用户对所述保障项目的兴趣度，实现了所述保障项目的参与度的提升，同时提高了所述用户的体验效果。

下述结合附图3，以本说明书提供的推荐方法在保险项目中的应用为例，对所述推荐方法进行进一步说明。其中，3示出了本说明书一实施例提供的一种应用于保险项目中的推荐方法的处理流程图，具体包括以下步骤：

步骤302：获取浏览医疗保险项目的用户的历史参与信息。

具体的，用户在浏览医疗保险项目的过程中，为了能够将用户转化为医疗保险项目的项目成员，需要以向用户附赠住院险的方式提高用户对医疗保险项目的关注度，同时还会根据用户的具体信息确定住院险的保险红包，更能进一步提高用户转化率，此时向用户推荐医疗保险项目的推荐信息更能成功邀请用户参与到医疗保险项目当中。

步骤后304：将历史参与信息输入出险维度对应的出险预测模型对用户针对医疗保险项目的出险率进行预测。

步骤306：将历史参与信息输入转化维度对应的转化预测模型对用户针对医疗保险项目的转化率进行预测。

具体的，所述步骤304和步骤306可以同时执行，也可以先执行步骤304再执行步骤306，或者先执行步骤306再执行步骤304，具体执行方式本实施例在此不作任何限定。

步骤308：获得出险预测模型输出的出险率以及转化预测模型输出的转化率。

步骤310：选择出险率处于出险率区间以及转化率大于转化率阈值的用户确定为目标用户。

具体的，通过将各个用户的出险率以及转化率进行比较，选择出险率处于出险率区间以及转化率大于转化率阈值的用户确定为目标用户，作为后续推荐医疗保险项目的用户。

步骤312：将目标用户的历史参与信息输入至住院险费用预测模型，输出向目标用户分配的住院险费用。

步骤314：利用调整算法和划分算法针对各个目标用户的住院险费用进行调整，获得目标住院险费用。

具体的，在获得住院险费用预测模型输出的住院险费用的情况下，可能存在住院险费用过高或过低的情况，再通过调整算法和划分算法对住院险费用进行调整，即可获得能够吸引目标用户的目标住院险费用，同时可以降低住院险费用的成本。

步骤后316：根据目标住院险费用、医疗保险项目的第一推荐信息以及住院险的第二推荐信息生成保险项目推荐信息。

步骤318：向目标用户发送项目推荐信息。

本实施例提供的推荐方法，通过将住院险作为医疗保险项目的赠送险的方式实现吸引用户参与到医疗保险项目当中，并且针对不同的目标用户确定住院险的不同保险费用，能够更进一步的触发目标用户的兴趣点，以提高医疗保险项目的转化率，实现了提高了用户对医疗保险项目的兴趣度，实现了所述医疗保险项目的参与度的提升，同时提高了所述用户的体验效果。

与上述方法实施例相对应，本说明书还提供了推荐系统实施例，图4示出了本说明书一实施例提供的一种推荐系统的结构示意图。如图4所示，该系统400包括：

筛选组件402、数据量确定组件404以及推荐组件406；

所述筛选组件402，用于在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；根据所述预测结果在所述用户集中筛选出目标用户；

所述数据量确定组件404，用于将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；

所述推荐组件406，用于向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

一个可选的实施例中，所述筛选组件402进一步用于：

将所述用户集中用户的数据量流出率处于流出率区间，且转化率大于转化率阈值的用户筛选为所述目标用户。

一个可选的实施例中，所述数据量确定组件404进一步用于：

按照所述子项目的项目时间以及所述子项目预先建立的目标数据量表对所述调整结果进行数据量标的划分。

一个可选的实施例中，所述推荐组件406进一步用于：

根据所述目标用户的历史业务信息确定所述目标用户处于所述业务项目的任务节点；在所述任务节点为所述目标用户针对所述业务项目的第一任务节点的情况下，根据所述子项目的第一推荐信息、所述子项目的第二推荐信息以及所述目标反馈数据量生成所述推荐信息并向所述目标用户进行发送。

一个可选的实施例中，所述推荐系统，还包括：

发放组件：在确定所述任务节点为所述目标用户针对所述业务项目的第二任务节点的情况下，根据所述目标用户的属性信息确定所述目标用户的时间信息；将所述目标反馈数据量按照数据量标的划分结果在所述时间信息对应的时间节点向所述目标用户进行发放。

本说明书提供的推荐系统，通过在数据库中提取用户的历史业务记录，在不同的业务维度对每个用户进行业务预测，根据预测结果筛选出目标用户，并将目标用户的历史业务信息输入至数据量预测模型，获得目标用户针对子项目分配的反馈数据量，再通过调整算法和划分算法对反馈数据量进行处理获得目标反馈数据量，最后向目标用户发送携带有目标反馈数据量的推荐信息，实现了提高业务项目转换率的同时，能够吸引更多的用户参与所述业务项目，并且针对不同的用户采用差异化处理的方式确定不同的子项目的目标反馈数据量，更进一步的提高了用户对子项目的兴趣度，实现了对子项目的参与度的提升，并提高用户的体验效果。

上述为本实施例的一种推荐系统的示意性方案。需要说明的是，该推荐系统的技术方案与上述的推荐方法的技术方案属于同一构思，推荐系统的技术方案未详细描述的细节内容，均可以参见上述推荐方法的技术方案的描述。

与上述方法实施例相对应，本说明书还提供了项目推荐系统实施例，图5示出了本说明书一实施例提供的一种项目推荐系统的结构示意图。如图5所示，该系统500包括：

筛选目标用户组件502、费用确定组件504以及推荐组件506；

所述筛选目标用户组件502，用于获取浏览保障项目的用户集中用户的历史参与信息；将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果；根据所述预测结果在所述用户集中筛选出目标用户；

所述费用确定组件504，用于将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用；利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用；

所述推荐组件506，用于向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

一个可选的实施例中，所述筛选目标用户组件502，包括：

预测单元，用于将所述历史参与信息输入至所述保障项目在出险维度对应的出险预测模型进行出险率预测，输出所述用户在所述出险维度对应的出险率，以及将所述历史信息输入至所述保障项目在转化维度对应的转化预测模型进行转化率预测，输出所述用户在所述转化维度对应的转化率；

确定单元，用于将所述出险率以及所述转化率作为所述用户的预测结果。

一个可选的实施例中，所述筛选目标用户组件502，包括：

第一确定目标用户单元，用于将所述用户集中所述出险率处于出险率区间且所述转化率大于转化率阈值的用户确定为所述目标用户。

一个可选的实施例中，所述筛选目标用户组件502，包括：

选择单元，用于选择所述用户集中所述出险率处于出险率区间的用户组成第一目标用户集，以及选择所述用户集中所述转化率大于转化率阈值的用户组成第二目标用户集；

第二确定目标用户单元，用于将所述第一目标用户集中以及所述第二目标用户集中的用户确定为所述目标用户。

一个可选的实施例中，所述费用确定组件504，包括：

计算回报比单元，用于计算所述保障项目的参与费用与所述保障费用二者的比值，获得针对所述保障项目的回报比；

费用调整单元，用于根据所述回报比对所述保障费用进行调整。

一个可选的实施例中，所述费用调整单元，包括：

第一调整子单元，用于在所述回报比大于所述保障项目的回报比阈值的情况下，基于所述回报比阈值将所述保障费用调高；

或者，

第二调整子单元，用于在所述回报比小于等于所述保障项目的回报比阈值的情况下，基于所述回报比阈值将所述保障费用调低。

一个可选的实施例中，所述费用确定组件504进一步用于：

按照所述目标保障项目的保障时间以及所述目标保障项目预先建立的目标费用数额表对所述费用调整结果进行领取标的划分。

一个可选的实施例中，所述推荐组件506，包括：

第一确定项目阶段单元，用于根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段；

第一发送单元，用于在所述项目阶段为所述目标用户参与所述保障项目的未完成阶段的情况下，根据所述目标保障项目的第一推荐信息、所述保障项目的第二推荐信息以及所述目标保障费用生成所述项目推荐信息并向所述目标用户进行发送。

一个可选的实施例中，所述项目推荐系统500，还包括：

发放组件，用于在确定所述目标用户成功参与所述目标保障项目和所述保障项目的情况下，根据所述目标用户的属性信息确定所述目标用户的活跃时间；将所述目标保障费用按照领取标的划分结果在所述活跃时间向所述目标用户进行发放。

一个可选的实施例中，所述推荐组件506，包括：

第二确定项目阶段单元，用于根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段；

第二发送单元，用于在所述项目阶段为所述目标用户参与所述保障项目的完成阶段的情况下，根据所述目标保障项目的第一推荐信息和所述目标保障费用生成所述项目推荐信息并向所述目标用户发送。

一个可选的实施例中，所述保障费用预测模型通过如下方式训练：

采集参与所述保障项目的样本用户的样本参与信息；

基于所述样本参与信息确定所述样本用户参与的样本保障项目的样本保障费用；

将所述样本参与信息以及所述样本保障费用输入至基于所述样本参与信息和所述样本保障费用的关联关系构建的保障费用预测模型进行训练，获得所述保障费用预测模型。

一个可选的实施例中，所述项目推荐系统500，还包括：

风险评估组件，用于获取浏览所述保障项目的浏览用户集中浏览用户的账户信息，并根据所述账户信息提取所述浏览用户的历史保障信息；基于所述历史保障信息对所述浏览用户进行风险评估，根据风险评估结果在所述浏览用户集中筛选出非风险用户组成非风险用户集；根据所述账户信息确定所述非风险用户的信用积分，并在所述非风险用户集中选择信用积分大于信用积分阈值的非风险用户组成所述用户集。

一个可选的实施例中，所述项目推荐系统500，还包括：

转化推荐组件，用于将所述用户集中剩余的用户确定为非活跃用户；选择所述保障项目预设的与所述目标保障项目相关联的转化策略，并基于所述转化策略确定向所述非活跃用户分配的转化保障费用；向所述非活跃用户发送携带有所述转化保障费用的转化推荐信息。

本说明书提供的项目推荐系统，通过获取浏览保障项目的用户的历史参与信息，在不同的参与维度对每个用户进行参与度预测，根据预测结果筛选出目标用户，并将所述目标用户的历史参与信息输入保障费用预测模型，获得所述目标用户针对所述目标保障项目分配的保障费用，并通过调整算法和划分算法对所述保障费用进行处理获得所述目标保障费用，基于所述目标保障费用向所述目标用户发送所述项目推荐信息，通过将所述保障项目以及所述目标保障项目以绑定的方式向所述用户推荐，实现了提高所述保障项目的转化率，能够吸引更多的用户参与所述保障项目，并且针对不同的用户采用差异化处理的方式确定不同的目标保障项目的目标保障费用，更进一步的提高了用户对所述保障项目的兴趣度，实现了所述保障项目的参与度的提升，同时提高了所述用户的体验效果。

上述为本实施例的一种项目推荐系统的示意性方案。需要说明的是，该项目推荐系统的技术方案与上述的项目推荐方法的技术方案属于同一构思，项目推荐系统的技术方案未详细描述的细节内容，均可以参见上述项目推荐方法的技术方案的描述。

图6示出了根据本说明书一实施例提供的一种计算设备600的结构框图。该计算设备600的部件包括但不限于存储器610和处理器620。处理器620与存储器610通过总线630相连接，数据库650用于保存数据。

计算设备600还包括接入设备640，接入设备640使得计算设备600能够经由一个或多个网络660通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备640可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。

在本说明书的一个实施例中，计算设备600的上述部件以及图6中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图6所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。

计算设备600可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备600还可以是移动式或静止式的服务器。

其中，处理器620用于执行如下计算机可执行指令：

在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；

将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；

利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；

向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的推荐方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述推荐方法的技术方案的描述。

图7示出了根据本说明书一实施例提供的另一种计算设备700的结构框图。该计算设备700的部件包括但不限于存储器710和处理器720。处理器720与存储器710通过总线730相连接，数据库750用于保存数据。

计算设备700还包括接入设备740，接入设备740使得计算设备700能够经由一个或多个网络760通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备740可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。

在本说明书的一个实施例中，计算设备700的上述部件以及图7中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图7所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。

计算设备700可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备700还可以是移动式或静止式的服务器。

其中，处理器720用于执行如下计算机可执行指令：

获取浏览保障项目的用户集中用户的历史参与信息；

将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用；

利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用；

向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的项目推荐方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述项目推荐方法的技术方案的描述。

本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时以用于：

在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；

将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；

利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；

向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的推荐方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述推荐方法的技术方案的描述。

本说明书一实施例还提供另一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时以用于：

获取浏览保障项目的用户集中用户的历史参与信息；

将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用；

利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用；

向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的项目推荐方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述项目推荐方法的技术方案的描述。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

所述计算机指令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。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书并不受所描述的动作顺序的限制，因为依据本说明书，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。

Claims (24)

1.一种推荐方法，包括：

在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；

将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；

利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；

向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

2.根据权利要求1所述的推荐方法，所述根据所述预测结果在所述用户集中筛选出目标用户，包括：

将所述用户集中用户的数据量流出率处于流出率区间，且转化率大于转化率阈值的用户筛选为所述目标用户。

3.根据权利要求1所述的推荐方法，所述利用划分算法对调整结果进行数据量切分，包括：

按照所述子项目的项目时间以及所述子项目预先建立的目标数据量表对所述调整结果进行数据量标的划分。

4.根据权利要求3所述的推荐方法，所述向所述目标用户发送携带有所述目标反馈数据量的推荐信息，包括：

根据所述目标用户的历史业务信息确定所述目标用户处于所述业务项目的任务节点；

在所述任务节点为所述目标用户针对所述业务项目的第一任务节点的情况下，根据所述子项目的第一推荐信息、所述子项目的第二推荐信息以及所述目标反馈数据量生成所述推荐信息并向所述目标用户进行发送。

5.根据权利要求4所述的推荐方法，所述向所述目标用户发送携带有所述目标反馈数据量的推荐信息步骤执行之后，还包括：

在确定所述任务节点为所述目标用户针对所述业务项目的第二任务节点的情况下，根据所述目标用户的属性信息确定所述目标用户的时间信息；

将所述目标反馈数据量按照数据量标的划分结果在所述时间信息对应的时间节点向所述目标用户进行发放。

6.一种项目推荐方法，包括：

获取浏览保障项目的用户集中用户的历史参与信息；

将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用；

利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用；

向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

7.根据权利要求6所述的项目推荐方法，所述将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果，包括：

将所述历史参与信息输入至所述保障项目在出险维度对应的出险预测模型进行出险率预测，输出所述用户在所述出险维度对应的出险率，以及将所述历史信息输入至所述保障项目在转化维度对应的转化预测模型进行转化率预测，输出所述用户在所述转化维度对应的转化率；

将所述出险率以及所述转化率作为所述用户的预测结果。

8.根据权利要求7所述的项目推荐方法，所述根据所述预测结果在所述用户集中筛选出目标用户，包括：

将所述用户集中所述出险率处于出险率区间且所述转化率大于转化率阈值的用户确定为所述目标用户。

9.根据权利要求7所述的项目推荐方法，所述根据所述预测结果在所述用户集中筛选出目标用户，包括：

选择所述用户集中所述出险率处于出险率区间的用户组成第一目标用户集，以及选择所述用户集中所述转化率大于转化率阈值的用户组成第二目标用户集；

将所述第一目标用户集中以及所述第二目标用户集中的用户确定为所述目标用户。

10.根据权利要求6所述的项目推荐方法，所述利用调整算法对所述保障费用进行费用调整，包括：

计算所述保障项目的参与费用与所述保障费用二者的比值，获得针对所述保障项目的回报比；

根据所述回报比对所述保障费用进行调整。

11.根据权利要求10所述的项目推荐方法，所述根据所述回报比对所述保障费用进行调整，包括：

在所述回报比大于所述保障项目的回报比阈值的情况下，基于所述回报比阈值将所述保障费用调高；

或者，

在所述回报比小于等于所述保障项目的回报比阈值的情况下，基于所述回报比阈值将所述保障费用调低。

12.根据权利要求6所述的项目推荐方法，所述利用划分算法对费用调整结果进行费用划分，包括：

按照所述目标保障项目的保障时间以及所述目标保障项目预先建立的目标费用数额表对所述费用调整结果进行领取标的划分。

13.根据权利要求12所述的项目推荐方法，所述向所述目标用户发送携带有所述目标保障费用的项目推荐信息，包括：

根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段；

在所述项目阶段为所述目标用户参与所述保障项目的未完成阶段的情况下，根据所述目标保障项目的第一推荐信息、所述保障项目的第二推荐信息以及所述目标保障费用生成所述项目推荐信息并向所述目标用户进行发送。

14.根据权利要求13所述的项目推荐方法，所述向所述目标用户发送携带有所述目标保障费用的项目推荐信息步骤执行之后，还包括：

在确定所述目标用户成功参与所述目标保障项目和所述保障项目的情况下，根据所述目标用户的属性信息确定所述目标用户的活跃时间；

将所述目标保障费用按照领取标的划分结果在所述活跃时间向所述目标用户进行发放。

15.根据权利要求6所述的项目推荐方法，所述向所述目标用户发送携带有所述目标保障费用的项目推荐信息，包括：

根据所述目标用户的历史参与信息确定所述目标用户处于所述保障项目的项目阶段；

在所述项目阶段为所述目标用户参与所述保障项目的完成阶段的情况下，根据所述目标保障项目的第一推荐信息和所述目标保障费用生成所述项目推荐信息并向所述目标用户发送。

16.根据权利要求6所述的项目推荐方法，所述保障费用预测模型通过如下方式训练：

采集参与所述保障项目的样本用户的样本参与信息；

基于所述样本参与信息确定所述样本用户参与的样本保障项目的样本保障费用；

将所述样本参与信息以及所述样本保障费用输入至基于所述样本参与信息和所述样本保障费用的关联关系构建的保障费用预测模型进行训练，获得所述保障费用预测模型。

17.根据权利要求6所述的项目推荐方法，所述获取浏览保障项目的用户集中用户的历史参与信息步骤执行之前，还包括：

获取浏览所述保障项目的浏览用户集中浏览用户的账户信息，并根据所述账户信息提取所述浏览用户的历史保障信息；

基于所述历史保障信息对所述浏览用户进行风险评估，根据风险评估结果在所述浏览用户集中筛选出非风险用户组成非风险用户集；

根据所述账户信息确定所述非风险用户的信用积分，并在所述非风险用户集中选择信用积分大于信用积分阈值的非风险用户组成所述用户集。

18.根据权利要求6所述的项目推荐方法，所述根据所述预测结果在所述用户集中筛选出目标用户步骤执行之后，还包括：

将所述用户集中剩余的用户确定为非活跃用户；

选择所述保障项目预设的与所述目标保障项目相关联的转化策略，并基于所述转化策略确定向所述非活跃用户分配的转化保障费用；

向所述非活跃用户发送携带有所述转化保障费用的转化推荐信息。

19.一种推荐系统，包括：

筛选组件、数据量确定组件以及推荐组件；

所述筛选组件，用于在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；根据所述预测结果在所述用户集中筛选出目标用户；

所述数据量确定组件，用于将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；

所述推荐组件，用于向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

20.一种项目推荐系统，包括：

筛选目标用户组件、费用确定组件以及推荐组件；

所述筛选目标用户组件，用于获取浏览保障项目的用户集中用户的历史参与信息；将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果；根据所述预测结果在所述用户集中筛选出目标用户；

所述费用确定组件，用于将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用；利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用；

所述推荐组件，用于向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

21.一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

在业务项目的数据库中提取所述业务项目的用户集中用户的历史业务记录；

将所述历史业务记录输入至各个业务维度对应的预测模型进行业务预测，输出所述用户在所述业务维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史业务信息输入数据量预测模型对所述业务项目相关联的子项目执行的反馈数据量进行预测，输出向所述目标用户分配的反馈数据量；

利用调整算法对所述反馈数据量进行调整，以及利用划分算法对调整结果进行数据量切分，根据数据量切分结果确定目标反馈数据量；

向所述目标用户发送携带有所述目标反馈数据量的推荐信息。

22.一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获取浏览保障项目的用户集中用户的历史参与信息；

将所述历史参与信息输入至所述保障项目在各个参与维度对应的预测模型进行参与度预测，输出所述用户在所述参与维度对应的预测结果；

根据所述预测结果在所述用户集中筛选出目标用户；

将所述目标用户的历史参与信息输入保障费用预测模型对与所述保障项目相关联的目标保障项目的保障费用进行预测，输出向所述目标用户分配的保障费用；

利用调整算法对所述保障费用进行费用调整，以及利用划分算法对费用调整结果进行费用划分，根据费用划分结果确定目标保障费用；

向所述目标用户发送携带有所述目标保障费用的项目推荐信息。

23.一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现权利要求1至5任意一项所述推荐方法的步骤。

24.一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现权利要求6至18任意一项所述项目推荐方法的步骤。

Images