CN112288475A - 产品推荐方法、装置及电子设备 - Google Patents
产品推荐方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112288475A CN112288475A CN202011166390.1A CN202011166390A CN112288475A CN 112288475 A CN112288475 A CN 112288475A CN 202011166390 A CN202011166390 A CN 202011166390A CN 112288475 A CN112288475 A CN 112288475A
- Authority
- CN
- China
- Prior art keywords
- product
- user
- information
- products
- intelligent matching
- 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 52
- 238000012216 screening Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种产品推荐方法、装置、电子设备及计算机可读介质。该方法包括：根据用户的指令，获取用户的基础信息；获取待推荐的多个产品的产品信息；基于规则引擎和所述多个产品的产品信息生成智能匹配策略；基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；将所述至少一个产品推送至所述用户。本公开涉及的产品推荐方法、装置、电子设备及计算机可读介质，能够在用户选择和购买产品阶段，最大程度的提供可供用户选择的产品以提高用户的购买力。
Description
技术领域
本公开涉及计算机信息处理领域，具体而言，涉及一种产品推荐方法、装置、电子设备及计算机可读介质。
背景技术
近年来，网上申请各种金融服务正在成为一种潮流，随着市场竞争主体的增多，客户购买行为也趋于理性化，为了在越来越短的产品生命周期中，降低经营升本，挖掘客户的潜力，成了各个金融服务行业进行公司经营的首要工作。营销是一种客户服务，具体指企业发现或挖掘准消费者需求，从整体氛围的营造以及自身产品形态的营造去推广和销售产品，主要是深挖产品的内涵，切合准消费者的需求，从而让消费者深刻了解该产品进而购买的过程。产品推荐是在深入分析客户的个人信息和个人需求后以及各种个性化需求的基础上，充分利用一切可能的资源进行营销的活动，在保证公司金融安全的同时，提供产品或升级性的产品组合的形式，满足客户需求，提升客户体验。
在目前大多数互联网金融信贷系统中，用户如果需要购买某种信贷产品，必须先对该用户进行风险控制和授信，通过授信之后的可用额度、风险等级、渠道等相关联条件查询得到符合购买条件的信贷产品。风险等级一旦授信成功，将不能修改，在系统中约定用户的风险等级必须跟信贷产品对应匹配，如果一旦发生合作机构的或者产品的变更，用户可选择的产品范围将会缩小，造成用户体验不好。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本公开提供一种产品推荐方法、装置、电子设备及计算机可读介质，能够在用户选择和购买产品阶段，最大程度的提供可供用户选择的产品以提高用户的购买力。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种产品推荐方法，该方法包括：根据用户的指令，获取用户的基础信息；获取待推荐的多个产品的产品信息；基于规则引擎和所述多个产品的产品信息生成智能匹配策略；基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；将所述至少一个产品推送至所述用户。
可选地，将所述至少一个产品推送至所述用户之后，还包括：基于用户的指令由所述至少一个产品中确定目标产品；将所述目标产品的申请页面推送至所述用户。
可选地，还包括：根据所述多个产品的产品信息实时更新所述智能匹配规则。
可选地，基于规则引擎和所述多个产品的产品信息生成智能匹配策略，包括：基于JBoss Drools规则引擎和所述多个产品的产品信息生成智能匹配策略。
可选地，基于JBoss Drools规则引擎和所述多个产品的产品信息生成智能匹配策略，包括：JBoss Drools规则引擎读取所述多个产品的产品信息生成知识库；创建会话库和事实库；JBoss Drools规则引擎关联所述知识库，所述会话库和所述事实库。
可选地，基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品，包括：基于所述规则引擎将所述基础信息中的内容和所述智能匹配策略进行匹配以生成匹配结果；将所述匹配结果中的多个产品依次排序；根据排序结果由前至后依次提取至少一个产品。
可选地，基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品，包括：基于所述基础信息确定所述用户的风险等级；基于所述规则引擎和所述风险等级对所述智能匹配策略进行筛选生成匹配结果；由匹配结果中提取至少一个产品。
可选地，基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品，还包括：在所述用户的风险等级为预设等级时，由基础产品库中获取所述至少一个产品。
可选地，基于所述基础信息确定所述用户的风险等级，包括：将所述基础信息输入用户风险模型中以生成所述用户的风险等级，所述用户风险模型为机器学习模型。
可选地，基于所述规则引擎和所述风险等级对所述智能匹配策略进行筛选生成匹配结果，包括：由所述智能匹配策略中提取多个产品对应的等级阈值；通过所述风险等级和多个等级阈值的交集生成比较结果。
根据本公开的一方面，提出一种产品推荐装置，该装置包括：信息模块，用于根据用户的指令，获取用户的基础信息；产品模块，用于获取待推荐的多个产品的产品信息；策略模块，用于基于规则引擎和所述多个产品的产品信息生成智能匹配策略；筛选模块，用于基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；推送模块，用于将所述至少一个产品推送至所述用户。
可选地，还包括：申请模块，用于基于用户的指令由所述至少一个产品中确定目标产品；将所述目标产品的申请页面推送至所述用户。
可选地，还包括：更新模块，用于根据所述多个产品的产品信息实时更新所述智能匹配规则。
可选地，所述策略模块，还用于基于JBoss Drools规则引擎和所述多个产品的产品信息生成智能匹配策略。
可选地，所述策略模块，包括：读取单元，用于JBoss Drools规则引擎读取所述多个产品的产品信息生成知识库；数据单元，用于创建会话库和事实库；关联单元，用于JBossDrools规则引擎关联所述知识库，所述会话库和所述事实库。
可选地，所述筛选模块，包括：匹配单元，用于基于所述规则引擎将所述基础信息中的内容和所述智能匹配策略进行匹配以生成匹配结果；将所述匹配结果中的多个产品依次排序；根据排序结果由前至后依次提取至少一个产品。
可选地，所述筛选模块，包括：筛选单元，用于基于所述基础信息确定所述用户的风险等级；基于所述规则引擎和所述风险等级对所述智能匹配策略进行筛选生成匹配结果；由匹配结果中提取至少一个产品。
可选地，所述筛选单元，还用于在所述用户的风险等级为预设等级时，由基础产品库中获取所述至少一个产品。
可选地，所述筛选单元，还用于将所述基础信息输入用户风险模型中以生成所述用户的风险等级，所述用户风险模型为机器学习模型。
可选地，所述筛选单元，还用于由所述智能匹配策略中提取多个产品对应的等级阈值；通过所述风险等级和多个等级阈值的交集生成比较结果。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
根据本公开的产品推荐方法、装置、电子设备及计算机可读介质，根据用户的指令，获取用户的基础信息；获取待推荐的多个产品的产品信息；基于规则引擎和所述多个产品的产品信息生成智能匹配策略；基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；将所述至少一个产品推送至所述用户的方式，能够在用户选择和购买产品阶段，最大程度的提供可供用户选择的产品以提高用户的购买力。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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是根据一示例性实施例示出的一种产品推荐方法及装置的系统框图。
图2是根据一示例性实施例示出的一种产品推荐方法的流程图。
图3是根据另一示例性实施例示出的一种产品推荐方法的流程图。
图4是根据一示例性实施例示出的一种产品推荐装置的框图。
图5是根据一示例性实施例示出的一种电子设备的框图。
图6是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种产品推荐方法及装置的系统框图。
如图1所示，系统架构10可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的金融服务类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的用户数据进行分析等处理，并将处理结果(例如推送产品)反馈给终端设备101、102、103。
服务器105可例如根据用户的指令，获取用户的基础信息；服务器105可例如获取待推荐的多个产品的产品信息；服务器105可例如基于规则引擎和所述多个产品的产品信息生成智能匹配策略；服务器105可例如基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；服务器105可例如将所述至少一个产品推送至所述用户。
将所述至少一个产品推送至所述用户之后，服务器105还可例如基于用户的指令由所述至少一个产品中确定目标产品；将所述目标产品的申请页面推送至所述用户。
服务器105还可例如根据所述多个产品的产品信息实时更新所述智能匹配规则。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的产品推荐方法可以由服务器105执行，相应地，产品推荐装置可以设置于服务器105中。而提供给用户进行金融服务平台浏览的网页端一般位于终端设备101、102、103中。
图2是根据一示例性实施例示出的一种产品推荐方法的流程图。产品推荐方法20至少包括步骤S202至S210。
如图2所示，在S202中，根据用户的指令，获取用户的基础信息。用户登陆金融服务平台后，可提出金融服务申请，根据用户的金融服务申请可发送信息输入页面至用户端，用户在信息输入页面上输入用户的基础信息。其中，基础信息可包括用户的性别，年龄，职业，住址，电话号码等等。
在S204中，获取待推荐的多个产品的产品信息。可在金融平台内部的服务器中获取多个产品的产品信息，值得一提的是，产品的信息可包括本金融服务平台的产品，还可包括第三方金融平台的产品。
在S206中，基于规则引擎和所述多个产品的产品信息生成智能匹配策略。可例如，基于JBoss Drools规则引擎和所述多个产品的产品信息生成智能匹配策略。
其中，基于JBoss Drools规则引擎和所述多个产品的产品信息生成智能匹配策略，包括：JBoss Drools规则引擎读取所述多个产品的产品信息生成知识库；创建会话库和事实库；JBoss Drools规则引擎关联所述知识库，所述会话库和所述事实库。
规则引擎是基于规则的专家系统的核心部分，主要由三部分组成：规则库(Knowledge base)+Working Memory(Fact base)+推理机(规则引擎)，规则引擎根据既定事实和知识库按照一定的算法执行推理逻辑得到正确的结果。
JBoss Drools规则引擎是一个基于Charles Forgy's的RETE算法的、易于访问企业策略、易于调整以及易于管理的开源业务规则引擎，符合业内标准，速度快、效率高。业务分析师人员或审核人员可以利用它轻松查看业务规则，从而检验是否已编码的规则执行了所需的业务规则。
JBoss Drools规则引擎是配有内置算法及对应数据结构的计算容器，在容器内部可以写业务规则或计算规则。这套算法在规则引擎内的规则数爆增的情况下，可保计算速率不会有明显影响。
更具体的，在一个应用场景中，用户的风险等级为A，某产品风险等级为最低B1，最高B2。
智能匹配规则可描述为：
A小于等于B1，取B1；
A小于等于B2，取B2；
A大于B2，提示不支持；
A等于0，取B1。
在S208中，基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品。
在一个实施例中，可例如基于所述规则引擎将所述基础信息中的内容和所述智能匹配策略进行匹配以生成匹配结果；将所述匹配结果中的多个产品依次排序；根据排序结果由前至后依次提取至少一个产品。
在一个实施例中，还可例如基于所述基础信息确定所述用户的风险等级；基于所述规则引擎和所述风险等级对所述智能匹配策略进行筛选生成匹配结果；由匹配结果中提取至少一个产品。
关于“基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品”的具体内容将在图3对应的实施例中进行描述。
在S210中，将所述至少一个产品推送至所述用户。还可将产品的详细信息，与该产品相关的优惠信息等，一并推送至用户端。其中，将所述至少一个产品推送至所述用户之后，还包括：基于用户的指令由所述至少一个产品中确定目标产品；将所述目标产品的申请页面推送至所述用户。还可例如，根据用户的基础信息和产品信息，确定为该用户分配的资源配额，将产品和其对应的资源配额一并推送至用户。
本发明中，资源是指任何可被利用的物质、信息、时间，信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。由此，从本质上来说，本发明可以应用于各类资源的分配，包括实体的货物、水、电，以及有意义的资料等。但是，为了方便起见，本发明中以金融数据资源为例进行说明资源分配的实施，但本领域技术人员应当理解，本发明亦可以用于其他资源的分配。
在一个实施例中，还包括：根据所述多个产品的产品信息实时更新所述智能匹配规则。在产品信息有变更时，JBoss Drools规则引擎可实时更新智能匹配规则。在现有技术中，当业务规则变更时，对应的代码也得跟着更改，每次即使是小的变更都需要经历开发、测试、验证、上线等过程，变更成本比较大。而根据本公开的产品推荐方法，由于引入了JBoss Drools规则引擎生成智能匹配规则，使得在业务规则变更时，可以实时更新规则，不影响产品的线上的使用。
根据本公开的产品推荐方法，根据用户的指令，获取用户的基础信息；获取待推荐的多个产品的产品信息；基于规则引擎和所述多个产品的产品信息生成智能匹配策略；基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；将所述至少一个产品推送至所述用户的方式，能够在用户选择和购买产品阶段，最大程度的提供可供用户选择的产品以提高用户的购买力。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
图3是根据另一示例性实施例示出的一种产品推荐方法的流程图。图3所示的流程30是对图2所示的流程中S208“基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品”的详细描述。
如图3所示，在S302中，规则引擎调取智能匹配策略和基础信息。
在S304中，将所述基础信息中的内容和所述智能匹配策略进行匹配生成匹配结果。可例如，提取基础信息中的年龄数据，地址数据等等，在一些产品中，可能会对用户的年龄，居住地，职业会进行限制，可通过用户的基础信息和智能策略进行匹配，生成匹配结果。
在S306中，将所述匹配结果中的多个产品依次排序。在匹配结果中包含多个产品时，可按照产品的匹配程度的不同依次排序。
在S308中，根据排序结果由前至后依次提取至少一个产品。可例如，根据排序结果由前至后依次提取5个产品作为待推送的产品。
在S310中，基于所述基础信息确定所述用户的风险等级。可例如，将所述基础信息输入用户风险模型中以生成所述用户的风险等级，所述用户风险模型为机器学习模型。用户风险模块可为训练完成的机器学习模型，机器学习模型可通过历史用户数据训练获得。用户风险模型可对用户的金融风险进行综合的评估，可给出用户的风险评分或者风险等级，风险标签等等信息。
在S312中，基于所述规则引擎和所述风险等级对所述智能匹配策略进行筛选生成匹配结果。
其中，在所述用户的风险等级为预设等级时，由基础产品库中获取所述至少一个产品。更具体的，在用户的风险评分或者风险等级显示为“高风险”等级时，仅为用户提供最基础的金融服务，这种做法能够保证金融服务公司的资金安全。
在一个实施例中，可例如，由所述智能匹配策略中提取多个产品对应的等级阈值；通过所述风险等级和多个等级阈值的交集生成比较结果。
在S314中，由匹配结果中提取至少一个产品。并将该产品推送至用户端。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图4是根据一示例性实施例示出的一种产品推荐装置的框图。如图4所示，产品推荐装置40包括：信息模块402，产品模块404，策略模块406，筛选模块408，推送模块410。
信息模块402用于根据用户的指令，获取用户的基础信息；
产品模块404用于获取待推荐的多个产品的产品信息；
策略模块406用于基于规则引擎和所述多个产品的产品信息生成智能匹配策略；所述策略模块406还用于基于JBoss Drools规则引擎和所述多个产品的产品信息生成智能匹配策略。
所述策略模块406包括：读取单元，用于JBoss Drools规则引擎读取所述多个产品的产品信息生成知识库；数据单元，用于创建会话库和事实库；关联单元，用于JBossDrools规则引擎关联所述知识库，所述会话库和所述事实库。
筛选模块408用于基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；所述筛选模块408包括：匹配单元，用于基于所述规则引擎将所述基础信息中的内容和所述智能匹配策略进行匹配以生成匹配结果；将所述匹配结果中的多个产品依次排序；根据排序结果由前至后依次提取至少一个产品。筛选单元，用于基于所述基础信息确定所述用户的风险等级；基于所述规则引擎和所述风险等级对所述智能匹配策略进行筛选生成匹配结果；由匹配结果中提取至少一个产品。所述筛选单元，还用于在所述用户的风险等级为预设等级时，由基础产品库中获取所述至少一个产品。所述筛选单元，还用于将所述基础信息输入用户风险模型中以生成所述用户的风险等级，所述用户风险模型为机器学习模型。所述筛选单元，还用于由所述智能匹配策略中提取多个产品对应的等级阈值；通过所述风险等级和多个等级阈值的交集生成比较结果。
推送模块410用于将所述至少一个产品推送至所述用户。
产品推荐装置40还可包括：申请模块，用于基于用户的指令由所述至少一个产品中确定目标产品；将所述目标产品的申请页面推送至所述用户。更新模块，用于根据所述多个产品的产品信息实时更新所述智能匹配规则。
根据本公开的产品推荐装置，根据用户的指令，获取用户的基础信息；获取待推荐的多个产品的产品信息；基于规则引擎和所述多个产品的产品信息生成智能匹配策略；基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；将所述至少一个产品推送至所述用户的方式，能够在用户选择和购买产品阶段，最大程度的提供可供用户选择的产品以提高用户的购买力。
图5是根据一示例性实施例示出的一种电子设备的框图。
下面参照图5来描述根据本公开的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图2，图3中所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备500’(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，如图6所示，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：根据用户的指令，获取用户的基础信息；获取待推荐的多个产品的产品信息；基于规则引擎和所述多个产品的产品信息生成智能匹配策略；基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；将所述至少一个产品推送至所述用户。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种产品推荐方法，其特征在于，包括：
根据用户的指令，获取用户的基础信息；
获取待推荐的多个产品的产品信息；
基于规则引擎和所述多个产品的产品信息生成智能匹配策略；
基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；
将所述至少一个产品推送至所述用户。
2.如权利要求1所述的方法，其特征在于，将所述至少一个产品推送至所述用户之后，还包括：
基于用户的指令由所述至少一个产品中确定目标产品；
将所述目标产品的申请页面推送至所述用户。
3.如权利要求1-2中任一所述的方法，其特征在于，还包括：
根据所述多个产品的产品信息实时更新所述智能匹配规则。
4.如权利要求1-3中任一所述的方法，其特征在于，基于规则引擎和所述多个产品的产品信息生成智能匹配策略，包括：
基于JBoss Drools规则引擎和所述多个产品的产品信息生成智能匹配策略。
5.如权利要求1-4中任一所述的方法，其特征在于，基于JBoss Drools规则引擎和所述多个产品的产品信息生成智能匹配策略，包括：
JBoss Drools规则引擎读取所述多个产品的产品信息生成知识库；
创建会话库和事实库；
JBoss Drools规则引擎关联所述知识库，所述会话库和所述事实库。
6.如权利要求1-5中任一所述的方法，其特征在于，基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品，包括：
基于所述规则引擎将所述基础信息中的内容和所述智能匹配策略进行匹配以生成匹配结果；
将所述匹配结果中的多个产品依次排序；
根据排序结果由前至后依次提取至少一个产品。
7.如权利要求1-6中任一所述的方法，其特征在于，基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品，包括：
基于所述基础信息确定所述用户的风险等级；
基于所述规则引擎和所述风险等级对所述智能匹配策略进行筛选生成匹配结果；
由匹配结果中提取至少一个产品。
8.一种产品推荐装置，其特征在于，包括：
信息模块，用于根据用户的指令，获取用户的基础信息；
产品模块，用于获取待推荐的多个产品的产品信息；
策略模块，用于基于规则引擎和所述多个产品的产品信息生成智能匹配策略；
筛选模块，用于基于所述规则引擎和所述基础信息对所述智能匹配策略进行筛选，获取至少一个产品；
推送模块，用于将所述至少一个产品推送至所述用户。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011166390.1A CN112288475A (zh) | 2020-10-27 | 2020-10-27 | 产品推荐方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011166390.1A CN112288475A (zh) | 2020-10-27 | 2020-10-27 | 产品推荐方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112288475A true CN112288475A (zh) | 2021-01-29 |
Family
ID=74372503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011166390.1A Pending CN112288475A (zh) | 2020-10-27 | 2020-10-27 | 产品推荐方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288475A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114022292A (zh) * | 2021-10-28 | 2022-02-08 | 中国平安财产保险股份有限公司 | 基于人工智能的定损规则筛选方法、装置、设备及介质 |
| CN115379264A (zh) * | 2022-08-23 | 2022-11-22 | 深圳百果园实业(集团)股份有限公司 | 多媒体数据推送方法、设备、装置、系统及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107578332A (zh) * | 2017-09-22 | 2018-01-12 | 深圳乐信软件技术有限公司 | 一种推荐现金商品的方法、装置、设备及存储介质 |
| 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 |
| CN109191261A (zh) * | 2018-09-19 | 2019-01-11 | 北京京东金融科技控股有限公司 | 一种商品推荐方法和系统 |
| CN110363417A (zh) * | 2019-07-02 | 2019-10-22 | 北京淇瑀信息科技有限公司 | 金融风险策略生成方法、装置及电子设备 |
| CN110795621A (zh) * | 2019-09-26 | 2020-02-14 | 北京你财富计算机科技有限公司 | 一种金融产品推荐信息展示方法、装置及电子设备 |
| CN110929155A (zh) * | 2019-11-28 | 2020-03-27 | 中国银行股份有限公司 | 产品信息推荐方法、装置、电子设备及存储介质 |
| CN111062785A (zh) * | 2019-12-18 | 2020-04-24 | 上海良鑫网络科技有限公司 | 智能选择产品来推荐给相匹配用户的方法与系统 |
-
2020
- 2020-10-27 CN CN202011166390.1A patent/CN112288475A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107578332A (zh) * | 2017-09-22 | 2018-01-12 | 深圳乐信软件技术有限公司 | 一种推荐现金商品的方法、装置、设备及存储介质 |
| 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 |
| CN109191261A (zh) * | 2018-09-19 | 2019-01-11 | 北京京东金融科技控股有限公司 | 一种商品推荐方法和系统 |
| CN110363417A (zh) * | 2019-07-02 | 2019-10-22 | 北京淇瑀信息科技有限公司 | 金融风险策略生成方法、装置及电子设备 |
| CN110795621A (zh) * | 2019-09-26 | 2020-02-14 | 北京你财富计算机科技有限公司 | 一种金融产品推荐信息展示方法、装置及电子设备 |
| CN110929155A (zh) * | 2019-11-28 | 2020-03-27 | 中国银行股份有限公司 | 产品信息推荐方法、装置、电子设备及存储介质 |
| CN111062785A (zh) * | 2019-12-18 | 2020-04-24 | 上海良鑫网络科技有限公司 | 智能选择产品来推荐给相匹配用户的方法与系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114022292A (zh) * | 2021-10-28 | 2022-02-08 | 中国平安财产保险股份有限公司 | 基于人工智能的定损规则筛选方法、装置、设备及介质 |
| CN115379264A (zh) * | 2022-08-23 | 2022-11-22 | 深圳百果园实业(集团)股份有限公司 | 多媒体数据推送方法、设备、装置、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110111139B (zh) | 行为预估模型生成方法、装置、电子设备及可读介质 | |
| CN112508694B (zh) | 服务器处理资源额度申请的方法、装置及电子设备 | |
| CN112017023A (zh) | 小微企业资源额度确定方法、装置及电子设备 | |
| CN112529702B (zh) | 用户授信策略分配方法、装置及电子设备 | |
| CN112016796B (zh) | 综合风险评分请求处理方法、装置及电子设备 | |
| CN111145009A (zh) | 用户贷后风险评估方法、装置及电子设备 | |
| CN111583018A (zh) | 一种基于用户金融表现分析的授信策略管理方法、装置和电子设备 | |
| CN111179051A (zh) | 金融目标客户确定方法、装置及电子设备 | |
| CN111967543A (zh) | 用户资源配额确定方法、装置及电子设备 | |
| CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
| CN111582314A (zh) | 目标用户确定方法、装置及电子设备 | |
| CN112348321A (zh) | 风险用户的识别方法、装置及电子设备 | |
| CN112348659A (zh) | 用户风险识别策略的分配方法、装置及电子设备 | |
| CN112017062B (zh) | 基于客群细分的资源额度分配方法、装置及电子设备 | |
| CN112288475A (zh) | 产品推荐方法、装置及电子设备 | |
| CN112819528A (zh) | 人群包的上线方法、装置及电子设备 | |
| CN113298555B (zh) | 推广策略生成方法、装置及电子设备 | |
| CN111191677A (zh) | 用户特征数据生成方法、装置及电子设备 | |
| CN114091815A (zh) | 资源请求处理方法、装置、系统及电子设备 | |
| CN113610625A (zh) | 逾期风险警示方法、装置及电子设备 | |
| CN114742645B (zh) | 基于多阶段时序多任务的用户安全等级识别方法及装置 | |
| CN113568739B (zh) | 用户资源额度分配方法、装置及电子设备 | |
| CN110717101A (zh) | 基于应用行为的用户分类方法、装置和电子设备 | |
| CN112016790B (zh) | 用户策略分配方法、装置及电子设备 | |
| CN112508696A (zh) | 渠道用户质量的测评方法、装置及电子设备 |
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 | ||
| CB02 | Change of applicant information |
Address after: 201500 room a3-5588, 58 Fumin Branch Road, Hengsha Township, Chongming District, Shanghai (Shanghai Hengtai Economic Development Zone) Applicant after: Qifu Shuke (Shanghai) Technology Co.,Ltd. Address before: 201500 room a3-5588, 58 Fumin Branch Road, Hengsha Township, Chongming District, Shanghai (Shanghai Hengtai Economic Development Zone) Applicant before: Shanghai Qifu Information Technology Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 200062 room 1027, floor 10, No. 89, Yunling East Road, Putuo District, Shanghai Applicant after: Qifu Shuke (Shanghai) Technology Co.,Ltd. Address before: 201500 room a3-5588, 58 Fumin Branch Road, Hengsha Township, Chongming District, Shanghai (Shanghai Hengtai Economic Development Zone) Applicant before: Qifu Shuke (Shanghai) Technology Co.,Ltd. Country or region before: China |
|
| CB02 | Change of applicant information |