CN112330411B - 团体产品推荐方法、装置、计算机设备及存储介质 - Google Patents
团体产品推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112330411B CN112330411B CN202011284151.6A CN202011284151A CN112330411B CN 112330411 B CN112330411 B CN 112330411B CN 202011284151 A CN202011284151 A CN 202011284151A CN 112330411 B CN112330411 B CN 112330411B
- Authority
- CN
- China
- Prior art keywords
- information
- group
- product
- characteristic
- conversion
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000006243 chemical reaction Methods 0.000 claims description 86
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000013139 quantization Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000013145 classification model Methods 0.000 abstract 1
- 238000012549 training Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了团体产品推荐方法、装置、计算机设备及存储介质,方法包括:根据信息获取程序获取与团体名称信息相匹配的团体信息并进行转换得到团体特征信息,判断业务信息表是否包含与团体信息相匹配的历史业务信息,若包含则根据历史业务信息及团体特征信息获取团体系数,根据团体系数及产品类型匹配模型获取与每一产品类型的匹配概率并从产品信息库中获取与团体信息相匹配的产品推荐信息,根据推送规则及历史业务信息将产品推荐信息推送至相应客户端。本发明基于分类模型技术,属于人工智能领域,通过团体系数及团体特征信息用于对团体的特征进行量化并获取匹配概率,可精确目标推荐产品推荐,大幅提高了进行对进行团体产品推荐的成功率。
Description
技术领域
本发明涉及人工智能技术领域,属于智慧城市中进行团体产品推荐的应用场景,尤其涉及一种团体产品推荐方法、装置、计算机设备及存储介质。
背景技术
企业为发展自身业务,需要将产品的具体信息推荐给客户以促使客户选择相应产品并完成交易,目前的技术方法在对产品进行推荐时,往往是获取客户的个人信息并进行匹配,从众多产品中选择符合客户需求的产品进行推荐,进而提高产品推荐的效率及准确性。然而部分客户往往需要获取团体产品的相关信息,由于团体产品需要与整个团体相匹配才能符合客户的需求,采用传统技术方法无法为客户准确推荐团体产品。因此,现有技术方法存在无法对团体产品进行高效、准确推荐的问题。
发明内容
本发明实施例提供了一种团体产品推荐方法、装置、计算机设备及存储介质,旨在解决现有技术方法中所存在的无法对团体产品进行高效、准确推荐的问题。
第一方面,本发明实施例提供了一种团体产品推荐方法,其包括:
若接收到所输入的团体名称信息,根据预存的信息获取程序获取与所述团体名称信息相匹配的团体信息;
根据预设的信息转换规则对所述团体信息进行转换,获取与所述信息转换规则相匹配的团体特征信息;
判断预存的业务信息表中是否包含与所述团体信息相匹配的历史业务信息;
若包含与所述团体信息相匹配的历史业务信息,根据所述历史业务信息的历史团体特征信息获取与所述团体特征信息相匹配的团体系数;
根据所述团体系数及预置的产品类型匹配模型获取所述团体特征信息与每一产品类型的匹配概率;
根据所述匹配概率从预存的产品信息库中获取与所述团体信息相匹配的产品推荐信息;
根据预置的推送规则及所述历史业务信息将所述产品推荐信息推送至与所述团体信息对应的客户端。
第二方面,本发明实施例提供了一种团体产品推荐装置,其包括:
团体信息获取单元,用于若接收到所输入的团体名称信息,根据预存的信息获取程序获取与所述团体名称信息相匹配的团体信息;
团体特征信息获取单元,用于根据预设的信息转换规则对所述团体信息进行转换,获取与所述信息转换规则相匹配的团体特征信息;
判断单元,用于判断预存的业务信息表中是否包含与所述团体信息相匹配的历史业务信息;
团体系数获取单元,用于若包含与所述团体信息相匹配的历史业务信息,根据所述历史业务信息的历史团体特征信息获取与所述团体特征信息相匹配的团体系数;
匹配概率获取单元,用于根据所述团体系数及预置的产品类型匹配模型获取所述团体特征信息与每一产品类型的匹配概率;
产品推荐信息获取单元,用于根据所述匹配概率从预存的产品信息库中获取与所述团体信息相匹配的产品推荐信息;
产品推荐信息推送单元,用于根据预置的推送规则及所述历史业务信息将所述产品推荐信息推送至与所述团体信息对应的客户端。
第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的团体产品推荐方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的团体产品推荐方法。
本发明实施例提供了一种团体产品推荐方法、装置、计算机设备及存储介质。根据信息获取程序获取与团体名称信息相匹配的团体信息并进行转换得到团体特征信息,判断业务信息表是否包含与团体信息相匹配的历史业务信息,若包含则根据历史业务信息及团体特征信息获取团体系数,根据团体系数及产品类型匹配模型获取与每一产品类型的匹配概率并从产品信息库中获取与团体信息相匹配的产品推荐信息,根据推送规则及历史业务信息将产品推荐信息推送至相应客户端。通过上述方法,通过团体系数及团体特征信息用于对团体的特征进行量化后获取与每一产品类型对应的匹配概率,可精确获取与团体相对应的目标推荐产品推荐进行推荐,大幅提高了进行对进行团体产品推荐的成功率。
附图说明
为了更清楚地说明本发明实施例技术方案,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为本发明实施例提供的团体产品推荐方法的流程示意图;
图2为本发明实施例提供的团体产品推荐方法的应用场景示意图;
图3为本发明实施例提供的团体产品推荐方法的子流程示意图;
图4为本发明实施例提供的团体产品推荐方法的另一子流程示意图;
图5为本发明实施例提供的团体产品推荐方法的另一子流程示意图;
图6为本发明实施例提供的团体产品推荐方法的另一子流程示意图;
图7为本发明实施例提供的团体产品推荐方法的另一子流程示意图;
图8为本发明实施例提供的团体产品推荐方法的另一子流程示意图;
图9为本发明实施例提供的团体产品推荐装置的示意性框图;
图10为本发明实施例提供的计算机设备的示意性框图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1及图2,图1是本发明实施例提供的团体产品推荐方法的流程示意图,图2为本发明实施例提供的团体产品推荐方法的应用场景示意图,该团体产品推荐方法应用于管理服务器10中,该方法通过安装于管理服务器10中的应用软件进行执行,管理服务器10与客户端20之间建立网络连接以进行数据信息的传输,管理服务器10即是用于执行团体产品推荐方法以获取产品推荐信息并推送至客户端20的服务器端,客户端20即是用于与管理服务器10建立网络连接以实现数据信息传输的终端设备,如台式电脑、笔记本电脑、平板电脑或手机等终端设备。图2中仅仅示意出一台客户端20与管理服务器10进行信息传输,在实际应用中,该管理服务器10也可与多台客户端20同时进行信息传输。如图1所示,该方法包括步骤S110~S170。
S110、若接收到所输入的团体名称信息,根据预存的信息获取程序获取与所述团体名称信息相匹配的团体信息。
若接收到所输入的团体名称信息,根据预存的信息获取程序获取与所述团体名称信息相匹配的团体信息。具体的,团体名称信息可以是企业的员工输入至管理服务器的信息,团体名称信息即与一个团体相对应,团体均由多个个人组成,团体可以是企业、政府机构、社会团体等,可根据管理服务器中预先存储的信息获取程序获取与团体名称信息相匹配的团体信息,团体信息即为获取到的与团体名称信息对应的具体信息,信息获取程序即为用于对相应的团体的具体信息进行获取的程序文件。
在一实施例中,如图3所示,步骤S110包括子步骤S111和S112。
S111、根据所述团体名称信息对所述信息获取程序中的参数值进行配置。
团体名称信息包括团体的常用名称、团体的简称、团体的英文名称等信息,可根据团体名称信息所包含的具体信息对信息获取程序中的参数值进行配置。
S112、根据已配置参数值的信息获取程序从互联网获取与所述团体名称信息相匹配的团体信息。
在对信息获取程序中的参数值进行配置后,即可通过信息获取程序对互联网信息进行检索,以实现从互联网中获取当前时间与团体名称信息相匹配的团体信息。具体的,还可以从指定网站获取与团体名称信息相匹配的团体信息,指定网站可以是政府部门网站、财经网站、证券交易市场网站等,团体信息中至少包含与团体对应的财务信息及非财务信息。
例如,以团体名称信息为企业名称为例,则得到的团体信息即为与该企业相对应的具体信息,具体的,与企业相匹配的团体信息可以包含以数值进行表述的财务信息,以及以非数值进行表述的非财务信息。
S120、根据预设的信息转换规则对所述团体信息进行转换,获取与所述信息转换规则相匹配的团体特征信息。
根据预设的信息转换规则对所述团体信息进行转换,获取与所述信息转换规则相匹配的团体特征信息。信息转换规则即是用于将团体信息中所包含的各项信息进行转换的具体规则,信息转换规则中包含多个转换项目,可通过信息转换规则中的多个转换项目将团体信息中对应的信息转换为数值,如团体信息中包含的非财务信息均不是以数值进行表述,无法进行量化计算。将团体信息转换为团体特征信息,即可通过团体特征信息对团体信息的特征进行量化表示,以方便基于得到的团体特征信息进行量化计算,团体特征信息可表示为一个多维向量,团体特征信息中多维向量的维度数与信息转换规则中所包含的转换项目的数量相等。
在一实施例中,如图4所示,步骤S120包括子步骤S121、S122和S123。
S121、根据所述信息转换规则包含的转换项目获取所述团体信息中与所述转换项目对应的项目属性信息,其中,所述转换项目包括财务转换项目及非财务转换项目。
信息量化规则中可包含多个转换项目,团体信息中包含多个属性信息,基于财务转换项目可获取团体信息中对应的属性信息,基于非财务转换项目可获取团体信息中对应的属性信息,与财务信息对应的属性信息即为财务信息,财务信息均采用数值形式进行表示,与非财务信息对应的属性信息即为非财务信息,非财务信息均采用文字形式进行表示,可根据多个转换项目获取团体信息中与每一转换项目对应的项目属性信息。
例如,信息转换规则包括人员规模、纳税信息、贷款数额、负债率、毛利润率、净利润率多个财务转换项目,还包括司法诉讼、行政处罚、违约信息、股权变更多个非财务转换项目,可根据上述转换项目从团体信息中对应获取每一转换项目的项目属性信息。
S122、对所述团体信息中与所述非财务转换项目对应的非财务数据进行统计得到非财务统计信息。
可对团体信息中的非财务信息进行统计,得到非财务统计信息,非财务统计信息及团体信息中与相应转换项目对应的项目属性信息的累加数量值,获取每一转换项目对应的累加数量值即可得到非财务统计信息。
例如,某企业的非财务信息中本年度内与司法诉讼对应的项目属性信息包含4条信息,则与司法诉讼这一非财务转换项目对应的累加数量值为4。
S123、根据每一所述转换项目的项目规则对所述非财务统计信息及与所述财务转换项目对应的财务信息进行量化处理,得到所述团体特征信息。
项目规则可对与转换项目相匹配的信息进行量化处理,具体的,每一转换项目的项目规则可将一条对应的信息转换为一个量化值进行表示,与团体信息对应的多个量化值即可组合为该团体信息的团体特征信息,对每一转换项目对应的信息进行量化所得到量化值的范围均为[0,1]。非财务统计信息及财务信息均为以数值形式进行表述的信息,与每一转换项目对应的项目规则包含激活函数,可通过激活函数计算得到对应的数值信息的量化值,转换项目的中间值可以为同一领域多个团体与该转换项目对应的平均值。
例如,某一转换项目的项目规则中激活函数可采用公式(1)进行表示:
其中,ti为与第i个转换项目对应的一个数值信息,t0为该项目规则包含的中间值。与司法诉讼这一转换项目对应的中间值为t0=1.2,某一团体信息的司法诉讼对应的数值为t1=4,则根据上述激活函数计算得到对应的量化值为0.4537。
S130、判断预存的业务信息表中是否包含与所述团体信息相匹配的历史业务信息。
判断预存的业务信息表中是否包含与所述团体信息相匹配的历史业务信息。历史业务信息表为管理服务器中预先配置的用于存储企业已办理的历史业务的信息,若某一团体已在企业内办理过业务,则业务信息表中包含与该团体相匹配的历史业务信息,继续执行步骤S140;若某一团体未在企业内办理过业务,则业务信息表中不包含与该团体相匹配的历史业务信息,则可根据产品类型匹配模型直接获取所述团体特征信息与每一产品类型的匹配概率。
S140、若包含与所述团体信息相匹配的历史业务信息,根据所述历史业务信息的历史团体特征信息获取与所述团体特征信息相匹配的团体系数。
若包含与所述团体信息相匹配的历史业务信息,根据所述历史业务信息的历史团体特征信息获取与所述团体特征信息相匹配的团体系数。具体的,团体的经营状态、经营规模等可随时间变化,为实现精确获取与团体相对应的目标推荐产品推荐进行推荐,以提高推荐的成功率,可基于该团体的历史团体特征信息及团体特征信息获取与该团体相匹配的团体系数,团体系数即可用于对不同团体的经营状态、经营规模进行量化表示。
在一实施例中,如图5所示,步骤S140包括子步骤S141和S142。
S141、根据预置的基准计算公式对所述历史团体特征信息进行加权计算,得到对应的基准对比信息;S142、获取所述团体特征信息与所述基准对比信息之间的比例值得到所述团体系数。
历史业务信息中对应包含与该团体信息相匹配的历史团体特征信息,历史团体特征信息所包含的信息与团体特征信息相对应,可根据基准计算公式及历史团体特征信息获取相应基准对比信息,基准计算公式即为对历史团体特征信息中与转换项目对应的数值进行计算的计算公式,基准对比信息即为对与团体对应的多个时间的数值进行计算得到的信息,基准对比信息中包含与每一转换项目对应的对比值,一个团体的基准对比值可用于作为对比基准与该团体的团体特征信息进行对比,以获取该团体的团体系数。
具体的,基准计算公式可表示为:Sj=r1×vj1+r2×vj2+…+ri×vji;其中,r1+r2+…+ri=1,Sj为与第j个转换项目对应的对比值,vji为第i个历史团体特征信息中与第j个转换项目对应的数值,ri为公式中的系数值。
根据上述基准计算公式可计算得到与每一转换项目对应的对比值,所有对比值即组合成为与该团体信息的基准对比信息,根据基准对比信息计算团体特征信息中与财务信息对应的数值与每一对比值相除的比例值,与该团体信息对应的多个比例值即为与该团体信息的团体系数。
S150、根据所述团体系数及预置的产品类型匹配模型获取所述团体特征信息与每一产品类型的匹配概率。
根据所述团体系数及预置的产品类型匹配模型获取所述团体特征信息与每一产品类型的匹配概率。具体的,产品类型匹配模型由权重层、输入节点、输出节点及全连接层组成,初始产品类型匹配模型中权重层所包含的数值均为1,可基于上述得到的团体系数对权重层中的具体数值进行配置,权重层中包含数值的数量与输入节点的数量相等;每一输出节点对应一个产品类型,输出节点即对应团体特征信息与相应产品类型之间的匹配概率,每一输入节点均与特征量化信息中一个维度的量化值相对应,输入产品类型匹配模型的特征量化信息必须先通过权重层进行加权计算后再经输入节点输入,输入节点与输出节点之间通过全连接层进行连接,全连接层中包含多个特征单元,输入节点与全连接层之间设置有第一公式组,输出节点与全连接层之间设置有第二公式组,其中,第一公式组包含所有输入节点至所有特征单元的公式,第一公式组中的公式均以输入节点值作为输入值、特征单元值作为输出值,第二公式组包含所有输出节点至所有特征单元的公式,第二公式组中的公式均以特征单元值作为输入值、输出节点值作为输出值,所得到的产品类型匹配模型中所包含的每一公式中均拥有对应的参数值。
在一实施例中,如图6所示,步骤S150包括子步骤S151、S152和S153。
S151、根据所述团体系数对所述产品类型匹配模型中的权重层进行配置;S152、根据所述权重层对所述团体特征信息进行加权计算得到对应的输入信息;S153、将所述输入信息输入所述产品类型匹配模型的输入节点,得到所述团体特征信息与每一产品类型对应的匹配概率。
具体的,将团体特征信息中每一特征值与权重层中相应的一个数值相乘,即可得到该团体特征信息的输入信息,每一输出节点的输出节点值即为团体特征信息与该输出节点的产品类型之间的匹配概率。将输入信息通过产品类型匹配模型的输入节点进行输入,并获取输出节点的输出节点值,即可得到团体特征信息与每一产品类型对应的匹配概率。
在一实施例中,步骤S150之前还包括步骤:根据预存的训练数据集及预置的参数调整规则对所述产品类型匹配模型进行迭代训练以得到训练后的产品类型匹配模型。
对产品类型匹配模型进行训练也即是对模型中包含的参数值进行调整,在训练过程中产品类型匹配模型中权重层所包含的数值均为1,具体的,参数值调整规则包括损失值计算公式及梯度计算公式,训练数据集中包含多条训练数据,每一条训练数据均对应一个团体的团体特征信息及目标产品类型,通过训练数据集中的一条训练数据对产品类型匹配模型中的参数值进行调整的步骤包括:a、将一条所述训练数据输入所述产品类型匹配模型以获取相匹配的模型输出信息;模型输出信息即为输入训练数据后产品类型匹配模型每一输出节点对应的输出节点值。b、根据所述损失值计算公式计算得到所述训练数据的目标产品类型与所述模型输出信息之间的损失值;c、根据所述梯度计算公式及所述损失值计算得到所述产品类型匹配模型中每一参数的更新值并对每一所述参数的参数值进行更新。
例如,损失值计算公式可表示为其中,fp为模型输出信息中与该训练数据的目标产品类型相匹配的一个输出节点的匹配概率,fn为模型输出信息中第n个输出节点的匹配概率,其中,n与产品类型匹配模型中包含的输出节点的数量相等,fp及fn的取值范围均为[0,1]。
根据所述梯度计算公式、所述损失值及所述产品类型匹配模型的计算值计算得到所述产品类型匹配模型中每一参数的更新值。具体的,将产品类型匹配模型中一个参数对一条训练数据进行计算所得到的计算值输入梯度计算公式,并结合上述损失值,即可计算得到与该参数对应的更新值,这一计算过程也即为梯度下降计算。
具体的,梯度计算公式可表示为:
其中,/>为计算得到的参数r的更新值,ωr为参数r的原始参数值,η为梯度计算公式中预置的学习率,/>为基于损失值及参数r对应的计算值对该参数r的偏导值(这一计算过程中需使用参数对应的计算值)。
基于所计算得到更新值对产品类型匹配模型中每一参数的参数值对应更新,即完成对产品类型匹配模型的一次训练过程。基于一次训练后所得到的产品类型匹配模型对训练数据集中另一条训练数据再次进行计算处理,并重复上述训练过程,即可实现对网络风险产品类型匹配模型进行迭代训练,直至训练数据集中每一条训练数据均被用于训练。
S160、根据所述匹配概率从预存的产品信息库中获取与所述团体信息相匹配的产品推荐信息。
根据所述匹配概率从预存的产品信息库中获取与所述团体信息相匹配的产品推荐信息。可根据匹配概率从产品信息库中获取相应产品推荐信息,以推荐给与所述团体信息对应的团体,其中,产品信息库即为管理服务器中所创建的用于对企业所包含产品的产品信息进行存储的数据库。例如,产品信息库可以是保险企业内部创建的保险产品信息库。
在一实施例中,如图7所示,步骤S160包括子步骤S161、S162和S163。
S161、根据所述匹配概率从所述产品信息库中获取与匹配概率最高的一个所述产品类型相匹配的产品信息作为备选产品信息;S162、根据所述备选产品信息的销售量对所述备选产品信息进行排序;S163、从排序后的所述备选产品信息中获取与预置推荐数量相等的备选产品信息作为产品推荐信息。
可确定匹配概率最高的一个产品类型为目标产品类型,并根据目标产品类型获取相应备选产品信息,产品信息库中还存储有每一产品的销售量,可根据备选产品信息的销售量进行排序,并根据排序结果获取与预置推荐数量相等的备选产品信息作为目标推荐信息。
例如,若预置推荐数量为5,则可获取排序前5的备选产品信息作为产品推荐信息。
S170、根据预置的推送规则及所述历史业务信息将所述产品推荐信息推送至与所述团体信息对应的客户端。
根据预置的推送规则及所述历史业务信息将所述产品推荐信息推送至与所述团体信息对应的客户端。具体的,可根据推送规则及历史业务信息获取相应推送时间点,推送规则即为获取相应推送时间点的具体规则,并根据推送时间点将产品推荐信息推送至与团体信息对应的客户端,具体的,团体信息中还包含团体负责人及负责人联系方式,可通过负责人联系方式将产品推荐信息推送相应客户端。
在一实施例中,如图8所示,步骤S170包括子步骤S171和S172。
S171、根据所述推送规则获取与所述历史业务信息相匹配的推送时间点;S172、根据所述推送时间点将所述产品推荐信息推送至与所述团体信息对应的客户端。
历史业务信息中包含与团体信息对应的上一次所办理的业务信息,可获取该团体上一次办理的业务信息中的业务到期时间,根据业务到期时间及推送规则中的间隔时间确定推送时间点,间隔时间即为业务到期时间与推送时间点之间间隔的时间。根据推送时间点及团体信息中的负责人联系方式将产品推荐信息推送至与负责人联系方式对应的客户端。
例如,该团体上一次办理的业务信息的业务到期时间为2020-10-10,推送规则中的间隔时间为20天,则可确定推送时间点为2020-09-20。
本申请中的技术方法可应用于智慧社区/智慧医疗/智慧教育等包含进行团体产品推荐的应用场景中,从而推动智慧城市的建设。
在本发明实施例所提供的团体产品推荐方法中,根据信息获取程序获取与团体名称信息相匹配的团体信息并进行转换得到团体特征信息,判断业务信息表是否包含与团体信息相匹配的历史业务信息,若包含则根据历史业务信息及团体特征信息获取团体系数,根据团体系数及产品类型匹配模型获取与每一产品类型的匹配概率并从产品信息库中获取与团体信息相匹配的产品推荐信息,根据推送规则及历史业务信息将产品推荐信息推送至相应客户端。通过上述方法,通过团体系数及团体特征信息用于对团体的特征进行量化后获取与每一产品类型对应的匹配概率,可精确获取与团体相对应的目标推荐产品推荐进行推荐,大幅提高了进行对进行团体产品推荐的成功率。
本发明实施例还提供一种团体产品推荐装置,该团体产品推荐装置用于执行前述团体产品推荐方法的任一实施例。具体地,请参阅图9,图9是本发明实施例提供的团体产品推荐装置的示意性框图。该团体产品推荐装置可配置于管理服务器10中。
如图9所示,团体产品推荐装置100包括团体信息获取单元110、团体特征信息获取单元120、判断单元130、团体系数获取单元140、匹配概率获取单元150、产品推荐信息获取单元160和产品推荐信息推送单元170。
团体信息获取单元110,用于若接收到所输入的团体名称信息,根据预存的信息获取程序获取与所述团体名称信息相匹配的团体信息。
在一实施例中,所述团体信息获取单元110包括子单元:参数值配置单元和信息获取单元。
参数值配置单元,用于根据所述团体名称信息对所述信息获取程序中的参数值进行配置;信息获取单元,用于根据已配置参数值的信息获取程序从互联网获取与所述团体名称信息相匹配的团体信息。
团体特征信息获取单元120,用于根据预设的信息转换规则对所述团体信息进行转换,获取与所述信息转换规则相匹配的团体特征信息。
在一实施例中,所述团体特征信息获取单元120包括子单元:项目属性信息获取单元、非财务统计信息获取单元和量化处理单元。
项目属性信息获取单元,用于根据所述信息转换规则包含的转换项目获取所述团体信息中与所述转换项目对应的项目属性信息,其中,所述转换项目包括财务转换项目及非财务转换项目;非财务统计信息获取单元,用于对所述团体信息中与所述非财务转换项目对应的非财务数据进行统计得到非财务统计信息;量化处理单元,用于根据每一所述转换项目的项目规则对所述非财务统计信息及与所述财务转换项目对应的财务信息进行量化处理,得到所述团体特征信息。
判断单元130,用于判断预存的业务信息表中是否包含与所述团体信息相匹配的历史业务信息。
团体系数获取单元140,用于若包含与所述团体信息相匹配的历史业务信息,根据所述历史业务信息的历史团体特征信息获取与所述团体特征信息相匹配的团体系数。
在一实施例中,所述团体系数获取单元140包括子单元:基准对比信息获取单元和计算单元。
基准对比信息获取单元,用于根据预置的基准计算公式对所述历史团体特征信息进行加权计算,得到对应的基准对比信息;计算单元,用于获取所述团体特征信息与所述基准对比信息之间的比例值得到所述团体系数。
匹配概率获取单元150,用于根据所述团体系数及预置的产品类型匹配模型获取所述团体特征信息与每一产品类型的匹配概率。
在一实施例中,所述匹配概率获取单元150包括子单元:权重层配置单元、输入信息获取单元和概率获取单元。
权重层配置单元,用于根据所述团体系数对所述产品类型匹配模型中的权重层进行配置;输入信息获取单元,用于根据所述权重层对所述团体特征信息进行加权计算得到对应的输入信息;概率获取单元,用于将所述输入信息输入所述产品类型匹配模型的输入节点,得到所述团体特征信息与每一产品类型对应的匹配概率。
产品推荐信息获取单元160,用于根据所述匹配概率从预存的产品信息库中获取与所述团体信息相匹配的产品推荐信息。
在一实施例中,所述产品推荐信息获取单元160包括子单元:备选产品信息获取单元、排序处理单元和推荐信息获取单元。
备选产品信息获取单元,用于根据所述匹配概率从所述产品信息库中获取与匹配概率最高的一个所述产品类型相匹配的产品信息作为备选产品信息;排序处理单元,用于根据所述备选产品信息的销售量对所述备选产品信息进行排序;推荐信息获取单元,用于从排序后的所述备选产品信息中获取与预置推荐数量相等的备选产品信息作为产品推荐信息。
产品推荐信息推送单元170,用于根据预置的推送规则及所述历史业务信息将所述产品推荐信息推送至与所述团体信息对应的客户端。
在一实施例中,所述产品推荐信息推送单元170包括子单元:推送时间点获取单元和推送单元。
推送时间点获取单元,用于根据所述推送规则获取与所述历史业务信息相匹配的推送时间点;推送单元,用于根据所述推送时间点将所述产品推荐信息推送至与所述团体信息对应的客户端。
在本发明实施例所提供的团体产品推荐装置应用上述团体产品推荐方法,根据信息获取程序获取与团体名称信息相匹配的团体信息并进行转换得到团体特征信息,判断业务信息表是否包含与团体信息相匹配的历史业务信息,若包含则根据历史业务信息及团体特征信息获取团体系数,根据团体系数及产品类型匹配模型获取与每一产品类型的匹配概率并从产品信息库中获取与团体信息相匹配的产品推荐信息,根据推送规则及历史业务信息将产品推荐信息推送至相应客户端。通过上述方法,通过团体系数及团体特征信息用于对团体的特征进行量化后获取与每一产品类型对应的匹配概率,可精确获取与团体相对应的目标推荐产品推荐进行推荐,大幅提高了进行对进行团体产品推荐的成功率。
上述团体产品推荐装置可以实现为计算机程序的形式,该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10,图10是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行团体产品推荐方法以进行团体产品推荐的管理服务器10。
参阅图10,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行团体产品推荐方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行团体产品推荐方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图10中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500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。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现上述的团体产品推荐方法中对应的功能。
本领域技术人员可以理解,图10中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图10所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现上述的团体产品推荐方法中所包含的步骤。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种团体产品推荐方法,应用于管理服务器,所述管理服务器与至少一台客户端通过网络连接进行数据信息传输,其特征在于,所述方法包括:
若接收到所输入的团体名称信息,根据预存的信息获取程序获取与所述团体名称信息相匹配的团体信息;
根据预设的信息转换规则对所述团体信息进行转换,获取与所述信息转换规则相匹配的团体特征信息;
判断预存的业务信息表中是否包含与所述团体信息相匹配的历史业务信息;
若包含与所述团体信息相匹配的历史业务信息,根据所述历史业务信息的历史团体特征信息获取与所述团体特征信息相匹配的团体系数;
根据所述团体系数及预置的产品类型匹配模型获取所述团体特征信息与每一产品类型的匹配概率;其中,产品类型匹配模型由权重层、输入节点、输出节点及全连接层组成,权重层中包含数值的数量与输入节点的数量相等;输入产品类型匹配模型的特征量化信息先通过权重层进行加权计算后再经输入节点输入,全连接层中包含多个特征单元,输入节点与全连接层之间设置有第一公式组;输出节点与全连接层之间设置有第二公式组,其中,第一公式组包含所有输入节点至所有特征单元的公式,第一公式组中的公式均以输入节点值作为输入值、特征单元值作为输出值,第二公式组包含所有输出节点至所有特征单元的公式,第二公式组中的公式均以特征单元值作为输入值、输出节点值作为输出值;
根据所述匹配概率从预存的产品信息库中获取与所述团体信息相匹配的产品推荐信息;
根据预置的推送规则及所述历史业务信息将所述产品推荐信息推送至与所述团体信息对应的客户端;
所述根据预设的信息转换规则对所述团体信息进行转换,获取与所述信息转换规则相匹配的团体特征信息,包括:
根据所述信息转换规则包含的转换项目获取所述团体信息中与所述转换项目对应的项目属性信息,其中,所述转换项目包括财务转换项目及非财务转换项目;
对所述团体信息中与所述非财务转换项目对应的非财务数据进行统计得到非财务统计信息;
根据每一所述转换项目的项目规则对所述非财务统计信息及与所述财务转换项目对应的财务信息进行量化处理,得到所述团体特征信息;
所述根据所述历史业务信息的历史团体特征信息获取与所述团体特征信息相匹配的团体系数,包括:
根据预置的基准计算公式对所述历史团体特征信息进行加权计算,得到对应的基准对比信息;
获取所述团体特征信息与所述基准对比信息之间的比例值得到所述团体系数。
2.根据权利要求1所述的团体产品推荐方法,其特征在于,所述根据预存的信息获取程序获取与所述团体名称信息相匹配的团体信息,包括:
根据所述团体名称信息对所述信息获取程序中的参数值进行配置;
根据已配置参数值的信息获取程序从互联网获取与所述团体名称信息相匹配的团体信息。
3.根据权利要求1所述的团体产品推荐方法,其特征在于,所述根据所述团体系数及预置的产品类型匹配模型获取所述团体特征信息与每一产品类型的匹配概率,包括:
根据所述团体系数对所述产品类型匹配模型中的权重层进行配置;
根据所述权重层对所述团体特征信息进行加权计算得到对应的输入信息;
将所述输入信息输入所述产品类型匹配模型的输入节点,得到所述团体特征信息与每一产品类型对应的匹配概率。
4.根据权利要求1所述的团体产品推荐方法,其特征在于,所述根据所述匹配概率从预存的产品信息库中获取与所述团体信息相匹配的产品推荐信息,包括:
根据所述匹配概率从所述产品信息库中获取与匹配概率最高的一个所述产品类型相匹配的产品信息作为备选产品信息;
根据所述备选产品信息的销售量对所述备选产品信息进行排序;
从排序后的所述备选产品信息中获取与预置推荐数量相等的备选产品信息作为产品推荐信息。
5.根据权利要求1所述的团体产品推荐方法,其特征在于,所述根据预置的推送规则及所述历史业务信息将所述产品推荐信息推送至与所述团体信息对应的客户端,包括:
根据所述推送规则获取与所述历史业务信息相匹配的推送时间点;
根据所述推送时间点将所述产品推荐信息推送至与所述团体信息对应的客户端。
6.一种团体产品推荐装置,其特征在于,包括:
团体信息获取单元,用于若接收到所输入的团体名称信息,根据预存的信息获取程序获取与所述团体名称信息相匹配的团体信息;
团体特征信息获取单元,用于根据预设的信息转换规则对所述团体信息进行转换,获取与所述信息转换规则相匹配的团体特征信息;
判断单元,用于判断预存的业务信息表中是否包含与所述团体信息相匹配的历史业务信息;
团体系数获取单元,用于若包含与所述团体信息相匹配的历史业务信息,根据所述历史业务信息的历史团体特征信息获取与所述团体特征信息相匹配的团体系数;
匹配概率获取单元,用于根据所述团体系数及预置的产品类型匹配模型获取所述团体特征信息与每一产品类型的匹配概率;其中,产品类型匹配模型由权重层、输入节点、输出节点及全连接层组成,权重层中包含数值的数量与输入节点的数量相等;输入产品类型匹配模型的特征量化信息先通过权重层进行加权计算后再经输入节点输入,全连接层中包含多个特征单元,输入节点与全连接层之间设置有第一公式组;输出节点与全连接层之间设置有第二公式组,其中,第一公式组包含所有输入节点至所有特征单元的公式,第一公式组中的公式均以输入节点值作为输入值、特征单元值作为输出值,第二公式组包含所有输出节点至所有特征单元的公式,第二公式组中的公式均以特征单元值作为输入值、输出节点值作为输出值;
产品推荐信息获取单元,用于根据所述匹配概率从预存的产品信息库中获取与所述团体信息相匹配的产品推荐信息;
产品推荐信息推送单元,用于根据预置的推送规则及所述历史业务信息将所述产品推荐信息推送至与所述团体信息对应的客户端;
所述团体特征信息获取单元包括子单元:项目属性信息获取单元、非财务统计信息获取单元和量化处理单元;
项目属性信息获取单元,用于根据所述信息转换规则包含的转换项目获取所述团体信息中与所述转换项目对应的项目属性信息,其中,所述转换项目包括财务转换项目及非财务转换项目;非财务统计信息获取单元,用于对所述团体信息中与所述非财务转换项目对应的非财务数据进行统计得到非财务统计信息;量化处理单元,用于根据每一所述转换项目的项目规则对所述非财务统计信息及与所述财务转换项目对应的财务信息进行量化处理,得到所述团体特征信息;
所述团体系数获取单元包括子单元:基准对比信息获取单元和计算单元;
基准对比信息获取单元,用于根据预置的基准计算公式对所述历史团体特征信息进行加权计算,得到对应的基准对比信息;计算单元,用于获取所述团体特征信息与所述基准对比信息之间的比例值得到所述团体系数。
7.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述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如权利要求1至5中任一项所述的团体产品推荐方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至5中任一项所述的团体产品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011284151.6A CN112330411B (zh) | 2020-11-17 | 2020-11-17 | 团体产品推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011284151.6A CN112330411B (zh) | 2020-11-17 | 2020-11-17 | 团体产品推荐方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330411A CN112330411A (zh) | 2021-02-05 |
CN112330411B true CN112330411B (zh) | 2023-10-31 |
Family
ID=74320811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011284151.6A Active CN112330411B (zh) | 2020-11-17 | 2020-11-17 | 团体产品推荐方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330411B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139769B (zh) * | 2021-04-21 | 2023-02-14 | 平安壹钱包电子商务有限公司 | 采购方案智能推荐方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146193A (zh) * | 2018-09-05 | 2019-01-04 | 平安科技(深圳)有限公司 | 产品智能推荐方法、装置、计算机设备及存储介质 |
CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技(深圳)有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
CN109767069A (zh) * | 2018-12-14 | 2019-05-17 | 中国平安财产保险股份有限公司 | 车辆产品推荐方法、装置、计算机设备和存储介质 |
CN110533453A (zh) * | 2019-07-22 | 2019-12-03 | 平安科技(深圳)有限公司 | 基于用户匹配的产品推荐方法、装置、计算机设备 |
CN110738545A (zh) * | 2019-08-30 | 2020-01-31 | 深圳壹账通智能科技有限公司 | 基于用户意向识别的产品推荐方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160232546A1 (en) * | 2014-06-13 | 2016-08-11 | Connect Financial LLC | Computer processing of financial product information and information about consumers of financial products |
-
2020
- 2020-11-17 CN CN202011284151.6A patent/CN112330411B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146193A (zh) * | 2018-09-05 | 2019-01-04 | 平安科技(深圳)有限公司 | 产品智能推荐方法、装置、计算机设备及存储介质 |
CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技(深圳)有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
CN109767069A (zh) * | 2018-12-14 | 2019-05-17 | 中国平安财产保险股份有限公司 | 车辆产品推荐方法、装置、计算机设备和存储介质 |
CN110533453A (zh) * | 2019-07-22 | 2019-12-03 | 平安科技(深圳)有限公司 | 基于用户匹配的产品推荐方法、装置、计算机设备 |
CN110738545A (zh) * | 2019-08-30 | 2020-01-31 | 深圳壹账通智能科技有限公司 | 基于用户意向识别的产品推荐方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112330411A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Robust linear regression: A review and comparison | |
Chernozhukov et al. | hdm: High-dimensional metrics | |
Alonso-Dos-Santos et al. | Determinants of mobile banking users’ loyalty | |
Buch-Larsen et al. | Kernel density estimation for heavy-tailed distributions using the Champernowne transformation | |
CN110313009B (zh) | 用于为请求实体调整第二实体的信任得分的方法和系统 | |
Chi et al. | k-pod: A method for k-means clustering of missing data | |
US20190295114A1 (en) | Digital banking platform and architecture | |
CN116911650A (zh) | 外推信任得分中的趋势 | |
CN113742492B (zh) | 保险方案生成方法、装置、电子设备及存储介质 | |
CN111461180A (zh) | 样本分类方法、装置、计算机设备及存储介质 | |
CN113139769B (zh) | 采购方案智能推荐方法、装置、计算机设备及存储介质 | |
CN112348079B (zh) | 数据降维处理方法、装置、计算机设备及存储介质 | |
WO2022126975A1 (zh) | 客户信息校验方法、装置、计算机设备及存储介质 | |
CN113722611A (zh) | 政务服务的推荐方法、装置、设备及计算机可读存储介质 | |
CN110782286A (zh) | 广告推送方法、装置、服务器及计算机可读存储介质 | |
Casanovas et al. | Decision making in reinsurance with induced OWA operators and Minkowski distances | |
CN111724084A (zh) | 数据资产的价值显示方法、装置、设备及存储介质 | |
CN112330411B (zh) | 团体产品推荐方法、装置、计算机设备及存储介质 | |
CN110633304B (zh) | 组合特征筛选方法、装置、计算机设备及存储介质 | |
CN111160604A (zh) | 缺失信息预测方法、装置、计算机设备及存储介质 | |
CN110674838B (zh) | 基于组合特征筛选的模型构建方法、装置、计算机设备 | |
CN113706294A (zh) | 授信额度分析方法、装置、设备及介质 | |
CN113869996A (zh) | 阶梯式额度分析测算方法、装置、设备及介质 | |
Haley et al. | Disparity, shortfall, and twice-endogenous hara utility | |
Smith et al. | SimHealth: Estimating Small Area Populations Using Deterministic Spatial Microsimulation in Leeds and Bradford. |
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 |