CN116450950A - 产品组合推荐方法、装置、设备及介质 - Google Patents
产品组合推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116450950A CN116450950A CN202310445890.6A CN202310445890A CN116450950A CN 116450950 A CN116450950 A CN 116450950A CN 202310445890 A CN202310445890 A CN 202310445890A CN 116450950 A CN116450950 A CN 116450950A
- Authority
- CN
- China
- Prior art keywords
- user
- resource
- information
- transaction information
- target user
- 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 59
- 238000012216 screening Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012417 linear regression Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000013210 evaluation model Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 202
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000011084 recovery Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000013468 resource allocation Methods 0.000 description 5
- 238000013475 authorization Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013066 combination product Substances 0.000 description 1
- 229940127555 combination product Drugs 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- 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
- 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
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种产品组合推荐方法、装置、设备、存储介质,可以应用于人工智能以及大数据技术领域。该方法包括:从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,其中,第一交易信息包括N类产品的交易信息;将第一交易信息输入计算引擎,通过计算引擎根据第一交易信息执行以下处理:根据第一交易信息,确定目标用户的资源产出模型,其中,资源产出模型用于计算N类产品在第一预设时间区间内产生的第一资源信息;从第二资源信息中筛选得到预设资源信息,其中,第二资源信息是根据资源产出模型和与目标用户相关联的其他用户群体确定的;根据预设资源信息以及目标用户的用户标签,输出目标产品组合。
Description
技术领域
本公开涉及人工智能以及大数据技术领域,尤其涉及产品组合推荐方法、装置、设备、介质和程序产品。
背景技术
随着社会的进步与经济的发展,金融产品的存在形式多式多样。用户可以选择多样化的产品种类。对于普通用户来说,由于缺乏专业的知识背景,对于产品的选择往往需要借助专业领域的专业人士或专业分析软件对其进行指导。
在实施本公开的过程中发现,现有的专业分析软件通常经过大数据模型训练分析分别进行单一产品的推荐,存在推荐结果不精准的问题。
发明内容
鉴于上述问题,本公开提供了一种产品组合推荐方法、装置、设备、介质和程序产品。
根据本公开的第一个方面,提供了一种产品组合推荐方法,包括:
从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,其中,第一交易信息包括N类产品的交易信息,N为大于等于2的整数;
将第一交易信息输入计算引擎,通过计算引擎根据第一交易信息执行以下处理:
根据第一交易信息,确定目标用户的资源产出模型,其中,资源产出模型用于计算N类产品在第一预设时间区间内产生的第一资源信息;
从第二资源信息中筛选得到预设资源信息,其中,第二资源信息是根据资源产出模型和与目标用户相关联的其他用户群体确定的;
根据预设资源信息以及目标用户的用户标签,输出目标产品组合。
根据本公开的实施例,在从第二资源信息中筛选得到预设资源信息之前,还包括:
利用资源产出模型,预估在第一预设时间区间内与目标用户相关联的其他用户群体的第二资源信息。
根据本公开的实施例,利用资源产出模型,预估在第一预设时间区间内与目标用户相关联的其他用户群体的第二资源信息,包括:
将与目标用户相关联的其他用户群体中每个用户在第一预设时间区间内产生的第二交易信息输入资源产出模型,输出每个用户对应的用户参数信息;
将与目标用户相关联的其他用户群体中所有用户对应的用户参数信息输入预设模型,输出与目标用户相关联的其他用户群体对应的群体参数信息,其中,预设模型包括线性回归模型;以及
根据群体参数信息,估算得到第二资源信息。
根据本公开的实施例,根据第一交易信息,确定目标用户的资源产出模型,包括:
按照交易类型对第一交易信息进行分类,得到分类后的第一交易信息;以及
基于分类后的第一交易信息和N类产品,构建得到目标用户的资源产出模型。
根据本公开的实施例,还包括:
将第一交易信息输入评估模型,输出评估结果,其中,评估模型基于历史用户以及与历史用户关联产品的信息构建;以及
根据评估结果,确定目标用户的用户标签。
根据本公开的实施例,根据预设资源信息以及目标用户的用户标签,输出目标产品组合,包括:
根据预设资源信息,确定与预设资源信息相关联的初始产品组合;以及
根据目标用户的用户标签,从初始产品组合中筛选得到目标产品组合。
根据本公开的实施例,还包括:
获取与目标用户相关联的其他用户群体在第二预设时间区间内产生的第三交易信息;以及
根据第三交易信息,对第二资源信息进行更新。
本公开的第二方面提供了一种产品组合推荐装置,包括:
读取模块,用于从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,其中,第一交易信息包括N类产品的交易信息,N为大于等于2的整数;
输入模块,用于将第一交易信息输入计算引擎;
确定模块,用于根据第一交易信息,确定目标用户的资源产出模型,其中,资源产出模型用于计算N类产品在第一预设时间区间内产生的第一资源信息;
筛选模块,用于从第二资源信息中筛选得到预设资源信息,其中,第二资源信息是根据资源产出模型和与目标用户相关联的其他用户群体确定的;
输出模块,用于根据预设资源信息以及目标用户的用户标签,输出目标产品组合。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述产品组合推荐方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述产品组合推荐方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述产品组合推荐方法。
根据本公开的实施例,从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,计算引擎对第一交易信息进行分析计算,得到资源产出模型和第一资源信息;根据资源产出模型和与目标用户相关联的其他用户群体确定第二资源信息。通过对交易信息的分析处理,能够准确得到与目标用户相关联的其他用户群体在预设时间区间内的第二资源信息。从第二资源信息中筛选得到预设资源信息;根据预设资源信息以及目标用户的用户标签,得到目标产品组合。通过筛选预设资源信息,可以得到预设资源信息对应的产品组合,结合目标用户的用户标签,确定目标产品组合,能够推荐与用户相匹配的产品组合。通过该产品组合推荐方法,提高了推荐结果的准确度,为用户提供推荐产品组合,降低了用户在进行选择产品时的学习成本,为用户选择产品提供了便捷的同时还降低了时间成本。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的产品组合推荐方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的产品组合推荐方法的流程图;
图3示意性示出了根据本公开实施例的利用资源产出模型,预估在第一预设时间区间内与目标用户相关联的其他用户群体的第二资源信息的方法流程图;
图4示意性示出了根据本公开另一实施例的产品组合推荐方法的流程图;
图5示意性示出了根据本公开实施例的产品组合推荐装置的结构框图;以及
图6示意性示出了根据本公开实施例的适于实现产品组合推荐方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的技术方案中,所涉及的数据(如包括但不限于用户个人信息)的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开实施例的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
在相关技术中,金融产品的存在形式多式多样,用户可以选择多样化的产品种类。对于普通用户来说,由于缺乏专业的知识背景,对于产品的选择往往需要借助专业领域的专业人士或专业分析软件对其进行指导。然而,专业分析软件通常经过大数据模型训练分析分别进行单一产品的推荐,存在推荐结果不精准的问题。
本公开的实施例提供了一种产品组合推荐方法,包括:从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,其中,第一交易信息包括N类产品的交易信息,N大于等于2;将第一交易信息输入计算引擎,通过计算引擎根据第一交易信息执行以下处理:根据第一交易信息,确定目标用户的资源产出模型,其中,资源产出模型用于计算N类产品在第一预设时间区间内产生的第一资源信息;从第二资源信息中筛选得到预设资源信息,其中,第二资源信息是根据资源产出模型和与目标用户相关联的其他用户群体确定的;根据预设资源信息以及目标用户的用户标签,输出目标产品组合。
图1示意性示出了根据本公开实施例的产品组合推荐方法、装置、设备、介质和程序产品的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104以及服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备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。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互,以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备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,例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的产品组合推荐方法一般可以由服务器105执行。相应地,本公开实施例所提供的产品组合推荐装置一般可以设置于服务器105中。本公开实施例所提供的产品组合推荐方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的产品组合推荐装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图4对公开实施例的产品组合推荐方法进行详细描述。
图2示意性示出了根据本公开实施例的产品组合推荐方法的流程图。
如图2所示,该实施例的产品组合推荐方法200包括操作S210~操作S250。
在操作S210,从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,其中,第一交易信息包括N类产品的交易信息,N为大于等于2的整数。
根据本公开的实施例,可以通过电子设备从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息。其中,第一交易信息可以包括N类产品的资源产出信息、收入信息以及支出信息。第一预设时间区间可以是过去一段时间。产品可以包括用于交易的资产产品等。
例如,收入信息可以来源于代发工资、N类产品收入以及其他收入等。支出信息可以来源于生活消费、N类产品消费以及其他消费等。过去一段时间可以是当前时间之前的过去两年,也可以是当前时间之前的过去五年等。交易信息可以是交易明细。
需要说明的是,在读取目标用户在第一预设时间区间内产生的第一交易信息之前,均获取了目标用户的授权或同意。
在操作S220,将第一交易信息输入计算引擎。
根据本公开的实施例,可以将第一交易信息输入电子设备的计算引擎中,以便通过计算引擎根据第一交易信息执行以下操作S230~S250。
在操作S230,根据第一交易信息,确定目标用户的资源产出模型,其中,资源产出模型用于计算N类产品在第一预设时间区间内产生的第一资源信息。
根据本公开实施例,可以将第一交易信息进行分类,得到分类后的交易信息;基于分类后的交易信息,利用多元线性回归方法构建资源产出模型。其中,资源产出模型的模型参数可以将第一交易信息输入初始多元线性回归模型中,通过拟合计算后确定。可以通过电子设备的计算引擎执行。
根据本公开的实施例,第一资源信息可以用于表征目标用户在第一预设时间区间内N类产品获得的资源回收情况。
在操作S240,从第二资源信息中筛选得到预设资源信息,其中,第二资源信息是根据资源产出模型和与目标用户相关联的其他用户群体确定的。
根据本公开实施例,可以根据资源产出模型和与目标用户相关联的其他用户群体确定第二资源信息。具体可以包括:针对与目标用户相关联的其他用户群体中的每一个用户:将每一个用户对应的交易信息输入资源产出模型中,通过拟合计算后确定初始参数;将初始参数输入新的线性回归模型中,得到与目标用户相关联的其他用户群体对应的模型参数;根据模型参数和与目标用户相关联的其他用户群体中的每一个用户的交易信息确定第二资源信息。
其中,预设资源信息可以先根据实际应用环境中的经验,确定筛选范围值;按照筛选范围值从第二资源信息中筛选与其对应的资源信息,得到预设资源信息。
在操作S250,根据预设资源信息以及目标用户的用户标签,输出目标产品组合。
根据本公开的实施例,可以根据预设资源信息对应得到初始产品组合;根据目标用户的用户标签,从初始产品组合中筛选得到目标产品组合。用户标签可以用于表征用户的资源支配能力。
其中,根据预设资源信息对应得到初始产品组合可以包括:确定与预设资源信息相对应的多个交易信息;从每个交易信息中筛选产品;将筛选得到的产品组合在一起,得到初始产品组合。
例如,可以根据预设资源信息对应得到初始产品组合,如第一产品组合A、第二产品组合B、第三产品组合C。如果目标用户的用户标签用于表征用户的资源支配能力一般,则会从第一产品组合A、第二产品组合B、第三产品组合C中筛选与资源支配能力匹配的产品组合,得到目标产品组合。
根据本公开实施例,从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,计算引擎对第一交易信息进行分析计算,得到资源产出模型和第一资源信息;根据资源产出模型和与目标用户相关联的其他用户群体确定第二资源信息。通过对交易信息的分析处理,能够准确得到与目标用户相关联的其他用户群体在预设时间区间内的第二资源信息。从第二资源信息中筛选得到预设资源信息;根据预设资源信息以及目标用户的用户标签,得到目标产品组合。通过筛选预设资源信息,可以得到预设资源信息对应的产品组合,结合目标用户的用户标签,确定目标产品组合,能够推荐与用户相匹配的产品组合。通过该产品组合推荐方法,提高了推荐结果的准确度,为用户提供推荐产品组合,降低了用户在进行选择产品时的学习成本,为用户选择产品提供了便捷的同时还降低了时间成本。
根据本公开的实施例,在从第二资源信息中筛选得到预设资源信息之前,还可以包括:
利用资源产出模型,预估在第一预设时间区间内与目标用户相关联的其他用户群体的第二资源信息。
根据本公开的实施例,可以从交易信息数据库中读取与目标用户相关联的其他用户群体在第一预设时间区间内产生的第二交易信息。需要说明的是,在读取与目标用户相关联的其他用户群体在第一预设时间区间内产生的第二交易信息之前,均获取了与目标用户相关联的其他用户群体的授权或同意。
可以基于资源产出模型以及第二交易信息,得到每个用户对应的用户参数信息;将该用户参数信息输入预设模型,输出与目标用户相关联的其他用户群体对应的群体参数信息;根据群体参数信息,估算得到第二资源信息。其中,预设模型可以包括线性回归模型。
根据本公开实施例,通过利用资源产出模型,能够准确预估与目标用户相关联的其他用户群体在预设时间区间内的第二资源信息,有利于借助第二资源信息,筛选预设资源信息。利用与目标用户相关联的其他用户群体的产品资源,可得到多个产品组合,为确定目标产品组合提供了有利的选择基础。
根据本公开的实施例,根据第一交易信息,确定目标用户的资源产出模型,可以包括:
按照交易类型对第一交易信息进行分类,得到分类后的第一交易信息;以及基于分类后的第一交易信息和N类产品,构建得到目标用户的资源产出模型。
例如,以一个目标用户r为例,获取该用户r近t年交易明细,将交易明细按照收入、支出、第一类产品、第二类产品进行分类,利用多元线性回归方法构建资源产出模型。
该资源产出模型可以用于计算第一类产品和第二类产品在近t年内产生的第一资源信息。其中,计算公式可以如下式(1)所示:
hr(x)=θ0+θ1x1+θ2x2+θ3x3+θ4x4 (1)
其中,hr(x)用于表示目标用户r在近t年内获得的资源信息,即第一资源信息;x1表示收入;x2表示支出;x3表示第一类产品;x4表示第二类产品;θ0-4分别表示资源产出模型中对应参数,由目标用户r近t年内的交易明细数据在初始多元线性回归模型中,通过拟合计算后得出,t为正数。
根据本公开实施例,通过构建可以用于计算N类产品在第一预设时间区间内产生的第一资源信息的资源产出模型,有利于得到与目标用户相关联的其他用户群体的第二资源信息,进一步地,有利于对用户的资源信息进行分析,提高了产品组合推荐的准确性。
图3示意性示出了根据本公开实施例的利用资源产出模型,预估在第一预设时间区间内与目标用户相关联的其他用户群体的第二资源信息的方法流程图。
如图3所示,该实施例的利用资源产出模型,预估在第一预设时间区间内与目标用户相关联的其他用户群体的第二资源信息的方法300包括操作S310~操作S330。
在操作S310,将与目标用户相关联的其他用户群体中每个用户在第一预设时间区间内产生的第二交易信息输入资源产出模型,输出每个用户对应的用户参数信息。
根据本公开实施例,与目标用户相关联的其他用户群体可以根据目标用户的交易信息确定。
例如,交易信息可以包括含有用户名的流水信息。根据流水信息中的用户名,可以得到与目标用户相关联的其他用户群体的用户名组合。根据用户名组合,从交易信息数据库中读取与目标用户相关联的其他用户群体中每个用户在第一预设时间区间内产生的第二交易信息。
根据本公开实施例,资源产出模型可以利用多元线性回归方法构建得到。第二交易信息包括M类产品的交易信息,M为大于等于2的整数。
在操作S320,将与目标用户相关联的其他用户群体中所有用户对应的用户参数信息输入预设模型,输出与目标用户相关联的其他用户群体对应的群体参数信息,其中,预设模型包括线性回归模型。
根据本公开实施例,可以将与目标用户相关联的其他用户群体中所有用户对应的用户参数信息输入线性回归模型中,通过模型拟合,得到与目标用户相关联的其他用户群体对应的群体参数信息。
在操作S330,根据群体参数信息,估算得到第二资源信息。
根据本公开实施例,第二资源信息可以用于表征与目标用户相关联的其他用户群体在第一预设时间区间内M类产品获得的资源回收情况,其中,M为大于等于2的整数。
例如,可以将目标用户r所在的用户群体中所有用户的资源产出模型对应的参数输入到新的线性回归模型中,得到目标用户相关联的其他用户群体对应的模型参数;根据模型参数和与目标用户相关联的其他用户群体中的每一个用户近t年内的交易信息确定第二资源信息。其中,计算公式可以如下式(2)所示:
H(x)=λ0+λ1x1+λ2x2+λ3x3+λ4x4 (2)
其中,H(x)用于表征与目标用户相关联的其他用户群体在近t年内获得的资源信息,即第二资源信息;x1表示收入;x2表示支出;x3表示第一类产品;x4表示第二类产品;λ0~4分别表示新的线性回归模型中对应拟合参数;t为正数。
根据本公开实施例,分别通过资源产出模型以及预设模型后,得到群体参数信息,然后估算得到第二资源信息。从第二资源信息中筛选预设资源信息。根据与目标用户相关联的其他用户群体的第二资源信息可以得到多个产品组合,为确定目标产品组合提供了有利的选择基础,有利于组合产品的准确推荐。
根据本公开的实施例,产品组合推荐方法还可以包括:
将第一交易信息输入评估模型,输出评估结果,其中,评估模型基于历史用户以及与历史用户关联产品的信息构建;以及根据评估结果,确定目标用户的用户标签。
根据本公开的实施例,评估模型可以用于对交易信息进行特征提取后,输出评估结果。用户标签可以用于表征用户的资源支配能力。
需要说明的是,确定目标用户的用户标签不仅限于本公开实施例提供的评估模型,使用其他方法可以得到用于表征用户的资源支配能力的情况也可以。
根据本公开实施例,通过对用户进行打标,有利于在进行组合产品推荐时,针对不同用户,准确推荐,提高了推荐结果的准确度,降低了用户在进行选择产品时的学习成本,为用户选择产品提供了便捷的同时还降低了时间成本。
根据本公开的实施例,根据预设资源信息以及目标用户的用户标签,输出目标产品组合,可以包括:
根据预设资源信息,确定与预设资源信息相关联的初始产品组合;以及根据目标用户的用户标签,从初始产品组合中筛选得到目标产品组合。
根据本公开的实施例,预设资源信息可以是根据实际应用环境中的经验确定的。预设资源信息可以用于表征预设范围内的资源回收情况。可以根据用于表征预设范围内的资源回收情况,筛选与该预设范围内的资源回收情况相关联的产品组合,得到初始产品组合。然后根据目标用户的用户标签,筛选与用户标签相对应的产品组合,得到目标产品组合。
根据本公开实施例,将预设资源信息与目标用户的用户标签相结合,可以针对不同用户,准确推荐组合产品,在提高推荐结果的准确度的同时,可以降低用户在进行选择产品时的时间和学习成本,为用户选择产品提供了便捷。
根据本公开的实施例,根据预设资源信息以及目标用户的用户标签,输出目标产品组合,还可以包括:
根据预设资源信息,确定与预设资源信息相关联的初始产品组合;将初始产品组合输入预设算法模型,得到初始产品资源信息;根据初始产品资源信息筛选得到预设产品组合;以及根据目标用户的用户标签,从预设产品组合中筛选得到目标产品组合。
其中,预设算法模型可以根据初始产品以及初始产品中各个产品所占的资源比例系数构建。初始产品资源信息可以用于表征初始产品能够获得的资源回收情况。可以把用于表征初始产品能够获得的资源回收情况较好的初始产品资源信息筛选出来,相应获得预设产品组合。
例如,可以以一个初始产品组合进行举例说明,如产品数目为3,预设算法模型可以构建为如下式(3)所示:
Z(x)=μ0+μ1z1+μ2z2+μ3z3(3)
其中,Z(x)表示初始产品资源信息;z1表示产品1;z2表示产品2;z3表示产品3;μ0表示模型调整参数;μ1~3分别表示产品所占的资源比例系数。
目标产品组合可以包括产品1、产品2、产品3以及各个产品所占的资源比例。
根据本公开实施例,在将目标产品组合推荐给用户之后,还可以基于目标产品组合,利用资源产出模型进行估算,得到推荐资源信息;其中,推荐资源信息用于表征目标用户接受推荐的目标产品组合之后获得的资源回收情况。通过对推荐产品组合的估算,可以降低用户在进行选择产品时的时间和学习成本,为用户选择产品提供了便捷。
例如,在将目标产品组合推荐给用户之后,得到推荐资源信息H1,可以在电子设备界面显示推荐的产品组合如下表1所示:
表1
组合产品推荐 | 产品类型 | 产品组合 |
推荐产品 | 包括H1对应产品 | 其他推荐产品 |
推荐产品 | 包括部分H1对应产品 | 其他推荐产品 |
推荐产品 | 不包括H1对应产品 | 推荐目标产品组合 |
图4示意性示出了根据本公开另一实施例的产品组合推荐方法的流程图。
如图4所示,该实施例的产品组合推荐方法400包括操作S410~操作S420。
在操作S410,获取与目标用户相关联的其他用户群体在第二预设时间区间内产生的第三交易信息。
根据本公开实施例,第二预设时间区间可以发生在第一预设时间区间之后。第三交易信息可以包括R类产品的资源产出信息、收入信息以及支出信息;其中,R为大于等于2的整数。可以通过电子设备从交易信息数据库中读取与目标用户相关联的其他用户群体在第二预设时间区间内产生的第三交易信息。
需要说明的是,在读取与目标用户相关联的其他用户群体在第二预设时间区间内产生的第三交易信息之前,均获取了与目标用户相关联的其他用户群体的授权或同意。
在操作S420,根据第三交易信息,对第二资源信息进行更新。
根据本公开实施例,根据第三交易信息,对第二资源信息进行更新,可以包括:根据第三交易信息输入计算引擎,以便通过计算引擎根据第三交易信息执行以下操作:利用资源产出模型,预估在第二预设时间区间内与目标用户相关联的其他用户群体的第三资源信息。可以将第三资源信息作为样本资源信息,调整目标函数的误差值,根据调整后的误差值重新确定第二资源信息。
其中,第三资源信息用于表征与目标用户相关联的其他用户群体在第二预设时间区间内获得的资源回收情况。目标函数是根据资源产出模型构建得到的。
例如,目标函数可以表示为如下式(4)所示:
yi=θXi+εi(4)
其中,yi表示样本资源信息;Xi表示收入、支出、第一类产品以及第二类产品的整体;εi表示与目标均值线的误差值,其中,目标均值线根据资源产出模型获得。θ表示为θ0-4之和,θ0-4可以通过资源产出模型得到。
根据本公开的实施例,通过对第二资源信息进行更新,可以实现对产品组合的迭代更新,实时更新有利于组合产品的准确推荐。
例如,某客群客户P,年龄XX岁,收入较为稳定,每月消费支出后,固定收入一些产品A、少量产品B、并持有产品C;原流程客户Q在使用手机银行时,分别推荐若干产品,可能存在推荐不准确的情况。根据本公开提供的产品组合推荐方法,后台系统可以从交易信息数据库中读取某客群客户P在近两年内产生的交易信息,其中,交易信息包括N类产品的交易信息,N大于等于2;将交易信息输入计算引擎,通过计算引擎根据交易信息执行以下处理:根据交易信息,确定某客群客户P的资源产出模型,其中,资源产出模型用于计算N类产品在近两年内产生的第一资源信息;从第二资源信息中筛选得到预设资源信息,其中,第二资源信息是根据资源产出模型和某客群其他客户群体确定的,资源回收情况的范围可以表示为m1≤m≤m2;根据预设资源信息以及客群客户P的用户标签,输出目标产品组合。某客群客户P通过手机银行再次获得推荐时,后台会根据客户持有产品进行测算产品组合X1X2X3。
其中,X1可以表示为该客群其他客户群体的资产信息等于m2的产品组合推荐。X2可以表示为包括该客群其他客户群体中部分客户所持有的产品,其他产品组合推荐X3可以表示为不包括该客群其他客户群体中部分客户所持有的产品。
基于上述产品组合推荐方法,本公开还提供了一种产品组合推荐装置。以下将结合图5对该装置进行详细描述。
图5示意性示出了根据本公开实施例的产品组合推荐装置的结构框图。
如图5所示,该实施例的产品组合推荐装置500包括读取模块510、输入模块520、确定模块530、筛选模块540和输出模块550。
读取模块510用于从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,其中,第一交易信息包括N类产品的交易信息,N大于等于2。在一实施例中,读取模块510可以用于执行前文描述的操作S210,在此不再赘述。
输入模块520用于将第一交易信息输入计算引擎。在一实施例中,输入模块520可以用于执行前文描述的操作S220,在此不再赘述。
确定模块530用于根据第一交易信息,确定目标用户的资源产出模型,其中,资源产出模型用于计算N类产品在第一预设时间区间内产生的第一资源信息。在一实施例中,确定模块530可以用于执行前文描述的操作S230,在此不再赘述。
筛选模块540用于从第二资源信息中筛选得到预设资源信息,其中,第二资源信息是根据资源产出模型和与目标用户相关联的其他用户群体确定的。在一实施例中,筛选模块540可以用于执行前文描述的操作S240,在此不再赘述。
输出模块550用于根据预设资源信息以及目标用户的用户标签,输出目标产品组合。在一实施例中,输出模块550可以用于执行前文描述的操作S250,在此不再赘述。
根据本公开的实施例,产品组合推荐装置500还可以包括预估模块。
预估模块用于利用资源产出模型,预估在第一预设时间区间内与目标用户相关联的其他用户群体的第二资源信息。
根据本公开的实施例,预估模块还可以包括第一处理单元、第二处理单元以及估算单元。
第一处理单元用于将与目标用户相关联的其他用户群体中每个用户在第一预设时间区间内产生的第二交易信息输入资源产出模型,输出每个用户对应的用户参数信息。
第二处理单元用于将与目标用户相关联的其他用户群体中所有用户对应的用户参数信息输入预设模型,输出与目标用户相关联的其他用户群体对应的群体参数信息,其中,预设模型包括线性回归模型。
估算单元用于根据群体参数信息,估算得到第二资源信息。
根据本公开的实施例,产品组合推荐装置500还可以包括评估模块和评估结果处理模块。
评估模块用于将第一交易信息输入评估模型,输出评估结果,其中,评估模型基于历史用户以及与历史用户关联产品的信息构建。
评估结果处理模块用于根据评估结果,确定目标用户的用户标签。
根据本公开的实施例,产品组合推荐装置500还可以包括获取模块和更新模块。
获取模块用于获取与目标用户相关联的其他用户群体在第二预设时间区间内产生的第三交易信息。
更新模块用于根据第三交易信息,对第二资源信息进行更新。
根据本公开的实施例,读取模块510、输入模块520、确定模块530、筛选模块540和输出模块550中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,读取模块510、输入模块520、确定模块530、筛选模块540和输出模块550中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,读取模块510、输入模块520、确定模块530、筛选模块540和输出模块550中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示意性示出了根据本公开实施例的适于实现产品组合推荐方法的电子设备的方框图。
如图6所示,根据本公开实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储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执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的方法。
在该计算机程序被处理器601执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分609被下载和安装,和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,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实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“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、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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (11)
1.一种产品组合推荐方法,包括:
从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,其中,所述第一交易信息包括N类产品的交易信息,N为大于等于2的整数;
将所述第一交易信息输入计算引擎,通过所述计算引擎根据所述第一交易信息执行以下处理:
根据所述第一交易信息,确定所述目标用户的资源产出模型,其中,所述资源产出模型用于计算所述N类产品在所述第一预设时间区间内产生的第一资源信息;
从第二资源信息中筛选得到预设资源信息,其中,所述第二资源信息是根据所述资源产出模型和与所述目标用户相关联的其他用户群体确定的;
根据所述预设资源信息以及所述目标用户的用户标签,输出目标产品组合。
2.根据权利要求1所述的方法,其中,在所述从第二资源信息中筛选得到预设资源信息之前,还包括:
利用所述资源产出模型,预估在所述第一预设时间区间内与所述目标用户相关联的其他用户群体的所述第二资源信息。
3.根据权利要求2所述的方法,其中,所述利用所述资源产出模型,预估在所述第一预设时间区间内与所述目标用户相关联的其他用户群体的所述第二资源信息,包括:
将所述与所述目标用户相关联的其他用户群体中每个用户在所述第一预设时间区间内产生的第二交易信息输入所述资源产出模型,输出每个所述用户对应的用户参数信息;
将所述与所述目标用户相关联的其他用户群体中所有用户对应的所述用户参数信息输入预设模型,输出所述与所述目标用户相关联的其他用户群体对应的群体参数信息,其中,所述预设模型包括线性回归模型;以及
根据所述群体参数信息,估算得到所述第二资源信息。
4.根据权利要求1所述的方法,其中,所述根据所述第一交易信息,确定所述目标用户的资源产出模型,包括:
按照交易类型对所述第一交易信息进行分类,得到分类后的第一交易信息;以及
基于所述分类后的第一交易信息和所述N类产品,构建得到所述目标用户的资源产出模型。
5.根据权利要求1所述的方法,还包括:
将所述第一交易信息输入评估模型,输出评估结果,其中,所述评估模型基于历史用户以及与所述历史用户关联产品的信息构建;以及
根据所述评估结果,确定所述目标用户的用户标签。
6.根据权利要求1~5任一项所述的方法,其中,所述根据所述预设资源信息以及所述目标用户的用户标签,输出目标产品组合,包括:
根据所述预设资源信息,确定与所述预设资源信息相关联的初始产品组合;以及
根据所述目标用户的用户标签,从所述初始产品组合中筛选得到所述目标产品组合。
7.根据权利要求1~5任一项所述的方法,还包括:
获取与所述目标用户相关联的其他用户群体在第二预设时间区间内产生的第三交易信息;以及
根据所述第三交易信息,对所述第二资源信息进行更新。
8.一种产品组合推荐装置,包括:
读取模块,用于从交易信息数据库中读取目标用户在第一预设时间区间内产生的第一交易信息,其中,所述第一交易信息包括N类产品的交易信息,N为大于等于2的整数;
输入模块,用于将所述第一交易信息输入计算引擎;
确定模块,用于根据所述第一交易信息,确定所述目标用户的资源产出模型,其中,所述资源产出模型用于计算所述N类产品在所述第一预设时间区间内产生的第一资源信息;
筛选模块,用于从第二资源信息中筛选得到预设资源信息,其中,所述第二资源信息是根据所述资源产出模型和与所述目标用户相关联的其他用户群体确定的;
输出模块,用于根据所述预设资源信息以及所述目标用户的用户标签,输出目标产品组合。
9.一种电子设备,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,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310445890.6A CN116450950A (zh) | 2023-04-23 | 2023-04-23 | 产品组合推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310445890.6A CN116450950A (zh) | 2023-04-23 | 2023-04-23 | 产品组合推荐方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116450950A true CN116450950A (zh) | 2023-07-18 |
Family
ID=87123556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310445890.6A Pending CN116450950A (zh) | 2023-04-23 | 2023-04-23 | 产品组合推荐方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116450950A (zh) |
-
2023
- 2023-04-23 CN CN202310445890.6A patent/CN116450950A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598472A (zh) | 产品推荐方法、装置、系统、介质和程序产品 | |
CN113010798A (zh) | 信息推荐方法、信息推荐装置、电子设备及可读存储介质 | |
CN113128773B (zh) | 地址预测模型的训练方法、地址预测方法及装置 | |
CN109978594B (zh) | 订单处理方法、装置及介质 | |
CN110910241A (zh) | 现金流评估方法、装置、服务器设备及存储介质 | |
CN116091242A (zh) | 推荐产品组合生成方法及装置、电子设备和存储介质 | |
CN115795345A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN115719270A (zh) | 信用评价方法、装置、设备、介质和程序产品 | |
CN115048561A (zh) | 推荐信息确定方法及装置、电子设备和可读存储介质 | |
CN116450950A (zh) | 产品组合推荐方法、装置、设备及介质 | |
CN113391988A (zh) | 流失用户留存的方法、装置、电子设备及存储介质 | |
CN116562974A (zh) | 对象识别方法、装置、电子设备及存储介质 | |
CN114897564A (zh) | 目标客户推荐方法及装置、电子设备和存储介质 | |
CN117035843A (zh) | 客户流失的预测方法、装置、电子设备和介质 | |
CN118096354A (zh) | 资源额度推荐方法及装置、电子设备、存储介质和计算机程序产品 | |
CN114065050A (zh) | 产品推荐的方法、系统、电子设备和存储介质 | |
CN117911033A (zh) | 交易限额确定方法、装置、设备、介质及程序产品 | |
CN114742648A (zh) | 产品推送方法、装置、设备及介质 | |
CN118152811A (zh) | 数据处理方法及装置、设备、存储介质和程序产品 | |
CN117634885A (zh) | 数据检测方法、装置、设备及存储介质 | |
CN117132343A (zh) | 产品推荐方法、装置、电子设备、介质和计算机程序产品 | |
CN116304325A (zh) | 应用软件的功能推荐方法、推荐装置、设备及存储介质 | |
CN116664278A (zh) | 信息生成方法、装置、设备及存储介质 | |
CN118071183A (zh) | 服务策略生成方法及装置、电子设备和计算机可读存储介质 | |
CN114581179A (zh) | 产品推荐方法、装置、设备及介质 |
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 |