CN111353860A - 产品信息推送方法及系统 - Google Patents
产品信息推送方法及系统 Download PDFInfo
- Publication number
- CN111353860A CN111353860A CN202010235011.3A CN202010235011A CN111353860A CN 111353860 A CN111353860 A CN 111353860A CN 202010235011 A CN202010235011 A CN 202010235011A CN 111353860 A CN111353860 A CN 111353860A
- Authority
- CN
- China
- Prior art keywords
- product
- product category
- leaf node
- training
- model
- 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
Images
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Abstract
本发明提供一种产品信息推送方法及系统。该产品信息推送方法包括:获取产品需求模型;获取客户的当前客户属性信息;将当前客户属性信息输入产品需求模型中,得到当前产品类别;向客户推送当前产品类别对应的产品信息。本发明可以提高产品推送的客观性和准确度,降低人工成本,为客户及时提供合适的产品。
Description
技术领域
本发明涉及数据分析技术领域,具体地,涉及一种产品信息推送方法及系统。
背景技术
目前主要通过问卷调查的形式获取客户对产品的评价信息,由人工分析产品的风险和收益情况,最后确定具体的产品推送方案。这种方式存在以下缺陷:
1、问卷调查由人为经验设置,缺乏科学依据,会影响产品推送的准确度。
2、人工分析确定品推送方案耗时且低产,不适用于处理海量数据。
发明内容
本发明实施例的主要目的在于提供一种产品信息推送方法及系统,以提高产品推送的客观性和准确度,降低人工成本,为客户及时提供合适的产品。
为了实现上述目的,本发明实施例提供一种产品信息推送方法,包括:
获取产品需求模型;
获取客户的当前客户属性信息;
将当前客户属性信息输入产品需求模型中,得到当前产品类别;
向客户推送当前产品类别对应的产品信息。
本发明实施例还提供一种产品信息推送系统,包括:
模型获取单元,用于获取产品需求模型;
信息获取单元,用于获取客户的当前客户属性信息;
产品类别单元,用于将当前客户属性信息输入产品需求模型中,得到当前产品类别;
产品信息单元,用于向客户推送当前产品类别对应的产品信息。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,处理器执行计算机程序时实现所述的产品信息推送方法的步骤。
本发明实施例还提供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所述的产品信息推送方法的步骤。
本发明实施例的产品信息推送方法及系统先获取客户的当前客户属性信息,再将当前客户属性信息输入产品需求模型中,得到当前产品类别,最后向客户推送当前产品类别对应的产品信息,可以提高产品推送的客观性和准确度,降低人工成本,为客户及时提供合适的产品。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中产品信息推送方法的流程图;
图2是本发明一实施例中获取产品需求模型的流程图;
图3是本发明实施例中S202的流程图;
图4是本发明实施例中数据预处理的示意图;
图5是本发明一实施例中决策树训练模型的示意图;
图6是本发明实施例中产品信息推送系统的结构框图;
图7是本发明实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
鉴于现有技术影响产品推送的准确度,不适用于处理海量数据,本发明实施例提供一种产品信息推送方法,以提高产品推送的客观性和准确度,降低人工成本,为客户及时提供合适的产品。以下结合附图对本发明进行详细说明。
图1是本发明一实施例中产品信息推送方法的流程图。如图1所示,产品信息推送方法包括:
S101:获取产品需求模型。
S102:获取客户的当前客户属性信息。
S103:将当前客户属性信息输入产品需求模型中,得到当前产品类别。
一实施例中,S103包括:确定当前客户属性信息满足的分类条件;将分类条件对应的叶节点的产品类别作为当前产品类别。
例如,当前客户属性信息包括属性1、属性2和属性3。属性1小于第一阈值N1,属性2小于第二阈值N2,大于第三阈值N3,上述分类条件对应叶节点3,则叶节点3的产品类别1为当前产品类别。
一实施例中,在执行S103之前包括:获取上一时刻的客户属性信息;将当前客户属性信息(例如属性1、属性2和属性3)分别与对应的阈值(例如第一阈值、第二阈值、第三阈值)进行比较,得到当前比较结果;将上一时刻的客户属性信息(例如属性1、属性2和属性3)分别与对应的阈值(例如第一阈值、第二阈值、第三阈值)进行比较,得到上一时刻比较结果;当当前比较结果与上一时刻比较结果不同时,执行S103。
S104:向客户推送当前产品类别对应的产品信息。
图1所示的产品信息推送方法的执行主体可以为计算机。由图1所示的流程可知,本发明实施例的产品信息推送方法及系统先获取客户的当前客户属性信息,再将当前客户属性信息输入产品需求模型中,得到当前产品类别,最后向客户推送当前产品类别对应的产品信息,可以提高产品推送的客观性和准确度,降低人工成本,为客户及时提供合适的产品。
图2是本发明一实施例中获取产品需求模型的流程图。如图2所示,在执行S101之前还包括:预先通过以下方式获取产品需求模型;
S201:将预先获取的历史客户属性信息和对应的历史产品类别划分为训练数据和测试数据。
其中,将历史客户属性信息和对应的历史产品类别作为历史原始数据,在将历史原始数据进行划分之前,需要对历史原始数据进行预处理。
图4是本发明实施例中数据预处理的示意图。如图4所示,共有N个客户,历史客户属性信息包括n个属性,属性值可以为A-E。历史产品类别可以为1类至5类。经过数据预处理后,用二进制数字来表示各个属性值。
数据预处理包括数据清洗和特征选择等操作。如图4所示,客户2的数据中有多个关键属性值为空,则通过数据清洗删除客户2的数据。经过特征选择后,确定属性4为非关键属性,则删除历史原始数据中的属性4,以凸显显著属性,最大效力发挥数据功效。对数据预处理后的数据训练和测试始决策树模型,可直接、高效处理有效数据。
其中,训练数据与测试数据的比例可以为4:1。
S202:根据训练数据训练预设的初始决策树模型,得到决策树训练模型。
S203:将测试数据输入各个决策树训练模型中,得到对应的测试产品类别。
S204:根据测试产品类别和对应的历史产品类别确定各个决策树训练模型的准确率。
其中,准确率为测试产品类别和对应的历史产品类别一致的测试数据的数量与全部测试数据的比。
S205:将准确率的最大值对应的决策树训练模型作为产品需求模型。
其中,当准确率的最大值小于或等于预设的准确率阈值时,优化调整决策树训练模型的训练参数(如叶节点的最小数据量、是否进行裁剪和是否进行交叉验证等),直至训练得到准确率的最大值大于准确率阈值的决策树训练模型。
图3是本发明实施例中S202的流程图。如图3所示,S202包括:
S301:根据训练数据训练得到决策树训练模型中各个叶节点对应的分类条件。
其中,决策树训练模型为CART(Classification And Regression Trees,分类决策树)模型。CART为二分决策树,即每次特征切分后只产生两个子节点,能充分运用全部数据,尽可能发现完整树结构。
图5是本发明一实施例中决策树训练模型的示意图。如图5所示,叶节点1的分类条件为属性1的数值大于或等于第一阈值N1,叶节点2的分类条件为属性2的数值大于或等于第二阈值N2。当客户属性信息中属性1的数值大于或等于N1时,该客户属性信息会被分到叶节点1,否则会接着判断客户属性信息中属性2的数值是否大于或等于N2。当属性2的数值大于或等于N2时,该客户属性信息会被分到叶节点2。
S302:根据各个叶节点中历史产品类别确定各个叶节点的产品类别。
一实施例中,S302包括:
根据各个叶节点中各个历史产品类别的数量、训练数据中各个历史产品类别的数量和各个叶节点中训练数据的数量确定各个叶节点中各个历史产品类别的权重。
一实施例中,可以通过如下公式确定各个叶节点中各个历史产品类别的权重:
其中,ωij为第i个叶节点第j个历史产品类别的权重,δij为第i个叶节点中第j个历史产品类别的数量,mj为训练数据中第j个历史产品类别的数量,ki为第i个叶节点中训练数据的数量。
将各个叶节点中权重的最大值对应的历史产品类别作为各个叶节点的产品类别。
如图5所示,例如,当叶节点1中权重的最大值对应的历史产品类别为类别1时,类别1为叶节点1的产品类别。
S303:根据各个叶节点对应的分类条件和各个叶节点的产品类别得到决策树训练模型。
本发明实施例的具体流程如下:
1、获取的历史客户属性信息和对应的历史产品类别,并将其划分为训练数据和测试数据。
2、根据训练数据训练得到决策树训练模型中各个叶节点对应的分类条件。
3、根据各个叶节点中各个历史产品类别的数量、训练数据中各个历史产品类别的数量和各个叶节点中训练数据的数量确定各个叶节点中各个历史产品类别的权重。
4、根据各个叶节点对应的分类条件和各个叶节点的产品类别得到决策树训练模型。
5、将测试数据输入各个决策树训练模型中,得到对应的测试产品类别。
6、根据测试产品类别和对应的历史产品类别确定各个决策树训练模型的准确率,将准确率的最大值对应的决策树训练模型作为产品需求模型。
7、获取客户的当前客户属性信息,确定当前客户属性信息满足的分类条件。
8、将分类条件对应的叶节点的产品类别作为当前产品类别,向客户推送当前产品类别对应的产品信息。
综上,本发明实施例的产品信息推送方法先获取客户的当前客户属性信息,再将当前客户属性信息输入产品需求模型中,得到当前产品类别,最后向客户推送当前产品类别对应的产品信息,可以提高产品推送的客观性和准确度,降低人工成本,为客户及时提供合适的产品。
基于同一发明构思,本发明实施例还提供了一种产品信息推送系统,由于该系统解决问题的原理与产品信息推送方法相似,因此该系统的实施可以参见方法的实施,重复之处不再赘述。
图6是本发明实施例中产品信息推送系统的结构框图。如图6所示,产品信息推送系统包括:
模型获取单元,用于获取产品需求模型;
信息获取单元,用于获取客户的当前客户属性信息;
产品类别单元,用于将当前客户属性信息输入产品需求模型中,得到当前产品类别;
产品信息单元,用于向客户推送当前产品类别对应的产品信息。
在其中一种实施例中,还包括:
划分单元,用于将预先获取的历史客户属性信息和对应的历史产品类别划分为训练数据和测试数据;
训练单元,用于根据训练数据训练预设的初始决策树模型,得到决策树训练模型;
测试单元,用于将测试数据输入各个决策树训练模型中,得到对应的测试产品类别;
准确率单元,用于根据测试产品类别和对应的历史产品类别确定各个决策树训练模型的准确率;
模型确定单元,用于将准确率的最大值对应的决策树训练模型作为产品需求模型。
在其中一种实施例中,训练单元具体用于:
根据训练数据训练得到决策树训练模型中各个叶节点对应的分类条件;
根据各个叶节点中历史产品类别确定各个叶节点的产品类别;
根据各个叶节点对应的分类条件和各个叶节点的产品类别得到决策树训练模型。
在其中一种实施例中,训练单元具体用于:
根据各个叶节点中各个历史产品类别的数量、训练数据中各个历史产品类别的数量和各个叶节点中训练数据的数量确定各个叶节点中各个历史产品类别的权重;
将各个叶节点中权重的最大值对应的历史产品类别作为各个叶节点的产品类别。
在其中一种实施例中,产品类别单元具体用于:
确定当前客户属性信息满足的分类条件;
将分类条件对应的叶节点的产品类别作为当前产品类别。
综上,本发明实施例的产品信息推送系统先获取客户的当前客户属性信息,再将当前客户属性信息输入产品需求模型中,得到当前产品类别,最后向客户推送当前产品类别对应的产品信息,可以提高产品推送的客观性和准确度,降低人工成本,为客户及时提供合适的产品。
本发明实施例还提供能够实现上述实施例中的产品信息推送方法中全部步骤的一种计算机设备的具体实施方式。图7是本发明实施例中计算机设备的结构框图,参见图7,所述计算机设备具体包括如下内容:
处理器(processor)701和存储器(memory)702。
所述处理器701用于调用所述存储器702中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的产品信息推送方法中的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
获取产品需求模型;
获取客户的当前客户属性信息;
将当前客户属性信息输入产品需求模型中,得到当前产品类别;
向客户推送当前产品类别对应的产品信息。
综上,本发明实施例的计算机设备先获取客户的当前客户属性信息,再将当前客户属性信息输入产品需求模型中,得到当前产品类别,最后向客户推送当前产品类别对应的产品信息,可以提高产品推送的客观性和准确度,降低人工成本,为客户及时提供合适的产品。
本发明实施例还提供能够实现上述实施例中的产品信息推送方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的产品信息推送方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
获取产品需求模型;
获取客户的当前客户属性信息;
将当前客户属性信息输入产品需求模型中,得到当前产品类别;
向客户推送当前产品类别对应的产品信息。
综上,本发明实施例的计算机可读存储介质先获取客户的当前客户属性信息,再将当前客户属性信息输入产品需求模型中,得到当前产品类别,最后向客户推送当前产品类别对应的产品信息,可以提高产品推送的客观性和准确度,降低人工成本,为客户及时提供合适的产品。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元,或装置都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
Claims (12)
1.一种产品信息推送方法,其特征在于,包括:
获取产品需求模型;
获取客户的当前客户属性信息;
将所述当前客户属性信息输入所述产品需求模型中,得到当前产品类别;
向所述客户推送所述当前产品类别对应的产品信息。
2.根据权利要求1所述的产品信息推送方法,其特征在于,还包括:
预先通过以下方式获取产品需求模型:
将预先获取的历史客户属性信息和对应的历史产品类别划分为训练数据和测试数据;
根据所述训练数据训练预设的初始决策树模型,得到决策树训练模型;
将所述测试数据输入各个决策树训练模型中,得到对应的测试产品类别;
根据所述测试产品类别和对应的历史产品类别确定各个决策树训练模型的准确率;
将所述准确率的最大值对应的决策树训练模型作为所述产品需求模型。
3.根据权利要求2所述的产品信息推送方法,其特征在于,根据所述训练数据训练预设的初始决策树模型包括:
根据所述训练数据训练得到所述决策树训练模型中各个叶节点对应的分类条件;
根据各个叶节点中所述历史产品类别确定各个叶节点的产品类别;
根据各个叶节点对应的分类条件和各个叶节点的产品类别得到决策树训练模型。
4.根据权利要求3所述的产品信息推送方法,其特征在于,确定各个叶节点的产品类别包括:
根据各个叶节点中各个历史产品类别的数量、所述训练数据中各个历史产品类别的数量和各个叶节点中训练数据的数量确定各个叶节点中各个历史产品类别的权重;
将各个叶节点中所述权重的最大值对应的历史产品类别作为各个叶节点的产品类别。
5.根据权利要求4所述的产品信息推送方法,其特征在于,得到当前产品类别包括:
确定所述当前客户属性信息满足的分类条件;
将所述分类条件对应的叶节点的产品类别作为当前产品类别。
6.一种产品信息推送系统,其特征在于,包括:
模型获取单元,用于获取产品需求模型;
信息获取单元,用于获取客户的当前客户属性信息;
产品类别单元,用于将所述当前客户属性信息输入所述产品需求模型中,得到当前产品类别;
产品信息单元,用于向所述客户推送所述当前产品类别对应的产品信息。
7.根据权利要求6所述的产品信息推送系统,其特征在于,还包括:
划分单元,用于将预先获取的历史客户属性信息和对应的历史产品类别划分为训练数据和测试数据;
训练单元,用于根据所述训练数据训练预设的初始决策树模型,得到决策树训练模型;
测试单元,用于将所述测试数据输入各个决策树训练模型中,得到对应的测试产品类别;
准确率单元,用于根据所述测试产品类别和对应的历史产品类别确定各个决策树训练模型的准确率;
模型确定单元,用于将所述准确率的最大值对应的决策树训练模型作为所述产品需求模型。
8.根据权利要求7所述的产品信息推送系统,其特征在于,所述训练单元具体用于:
根据所述训练数据训练得到所述决策树训练模型中各个叶节点对应的分类条件;
根据各个叶节点中所述历史产品类别确定各个叶节点的产品类别;
根据各个叶节点对应的分类条件和各个叶节点的产品类别得到决策树训练模型。
9.根据权利要求8所述的产品信息推送系统,其特征在于,所述训练单元具体用于:
根据各个叶节点中各个历史产品类别的数量、所述训练数据中各个历史产品类别的数量和各个叶节点中训练数据的数量确定各个叶节点中各个历史产品类别的权重;
将各个叶节点中所述权重的最大值对应的历史产品类别作为各个叶节点的产品类别。
10.根据权利要求9所述的产品信息推送系统,其特征在于,所述产品类别单元具体用于:
确定所述当前客户属性信息满足的分类条件;
将所述分类条件对应的叶节点的产品类别作为当前产品类别。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,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5任一项所述的产品信息推送方法的步骤。
12.一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5任一项所述的产品信息推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010235011.3A CN111353860A (zh) | 2020-03-30 | 2020-03-30 | 产品信息推送方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010235011.3A CN111353860A (zh) | 2020-03-30 | 2020-03-30 | 产品信息推送方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111353860A true CN111353860A (zh) | 2020-06-30 |
Family
ID=71196322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010235011.3A Pending CN111353860A (zh) | 2020-03-30 | 2020-03-30 | 产品信息推送方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353860A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052505A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 基于人工智能的跨境文旅推荐方法、装置和设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108337316A (zh) * | 2018-02-08 | 2018-07-27 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
CN108629685A (zh) * | 2018-05-09 | 2018-10-09 | 平安普惠企业管理有限公司 | 贷款产品属性确定方法及服务器 |
CN109389490A (zh) * | 2018-09-26 | 2019-02-26 | 深圳壹账通智能科技有限公司 | 贷款产品匹配方法、装置、计算机设备和存储介质 |
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 |
CN110502691A (zh) * | 2019-07-05 | 2019-11-26 | 平安科技(深圳)有限公司 | 基于客户分类的产品推送方法、装置及可读存储介质 |
CN110648203A (zh) * | 2019-09-19 | 2020-01-03 | 中国银行股份有限公司 | 银行产品信息推送方法及装置 |
CN110717806A (zh) * | 2019-09-06 | 2020-01-21 | 中国平安财产保险股份有限公司 | 产品信息推送方法、装置、设备及存储介质 |
-
2020
- 2020-03-30 CN CN202010235011.3A patent/CN111353860A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108337316A (zh) * | 2018-02-08 | 2018-07-27 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
CN108629685A (zh) * | 2018-05-09 | 2018-10-09 | 平安普惠企业管理有限公司 | 贷款产品属性确定方法及服务器 |
CN109389490A (zh) * | 2018-09-26 | 2019-02-26 | 深圳壹账通智能科技有限公司 | 贷款产品匹配方法、装置、计算机设备和存储介质 |
CN110502691A (zh) * | 2019-07-05 | 2019-11-26 | 平安科技(深圳)有限公司 | 基于客户分类的产品推送方法、装置及可读存储介质 |
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 |
CN110717806A (zh) * | 2019-09-06 | 2020-01-21 | 中国平安财产保险股份有限公司 | 产品信息推送方法、装置、设备及存储介质 |
CN110648203A (zh) * | 2019-09-19 | 2020-01-03 | 中国银行股份有限公司 | 银行产品信息推送方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052505A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 基于人工智能的跨境文旅推荐方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106874492B (zh) | 搜索方法和装置 | |
CN105808988B (zh) | 一种识别异常账户的方法及装置 | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
CN109726763B (zh) | 一种信息资产识别方法、装置、设备及介质 | |
CN108681751B (zh) | 确定事件影响因素的方法及终端设备 | |
WO2019061664A1 (zh) | 电子装置、基于用户上网数据的产品推荐方法及存储介质 | |
CN114205690A (zh) | 流量预测、模型训练方法及装置、电子设备、存储介质 | |
CN108734510B (zh) | 基于属性匹配的广告推荐方法及系统 | |
CN111340233B (zh) | 机器学习模型的训练方法及装置、样本处理方法及装置 | |
CN112115372A (zh) | 一种停车场的推荐方法及装置 | |
CN110162518B (zh) | 数据分组方法、装置、电子设备及存储介质 | |
US10853359B1 (en) | Data log stream processing using probabilistic data structures | |
CN111353860A (zh) | 产品信息推送方法及系统 | |
CN113570437A (zh) | 一种产品推荐方法和装置 | |
US20200250560A1 (en) | Determining pattern similarities using a multi-level machine learning system | |
CN110334262B (zh) | 一种模型训练方法、装置及电子设备 | |
CN111950237B (zh) | 一种句子改写方法、句子改写装置及电子设备 | |
CN112785095A (zh) | 贷款预测方法、装置、电子设备和计算机可读存储介质 | |
CN114692978A (zh) | 一种基于大数据的社交媒体用户行为预测方法及系统 | |
CN112784165A (zh) | 关联关系预估模型的训练方法以及预估文件热度的方法 | |
CN109783773B (zh) | 一种确定网站接口非正常流量的方法及装置 | |
CN111858863B (zh) | 一种答复推荐方法、答复推荐装置及电子设备 | |
CN108831441B (zh) | 一种语音识别模型的训练方法和装置 | |
CN111309706A (zh) | 模型训练方法、装置、可读存储介质及电子设备 | |
CN112084439B (zh) | 一种识别url中变量的方法、装置、设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220929 Address after: 12 / F, 15 / F, 99 Yincheng Road, Pudong New Area pilot Free Trade Zone, Shanghai, 200120 Applicant after: Jianxin Financial Science and Technology Co.,Ltd. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right |