CN116881543A - 金融资源对象推荐方法、装置、设备、存储介质和产品 - Google Patents

金融资源对象推荐方法、装置、设备、存储介质和产品 Download PDF

Info

Publication number
CN116881543A
CN116881543A CN202310636198.1A CN202310636198A CN116881543A CN 116881543 A CN116881543 A CN 116881543A CN 202310636198 A CN202310636198 A CN 202310636198A CN 116881543 A CN116881543 A CN 116881543A
Authority
CN
China
Prior art keywords
financial resource
resource object
financial
user account
browsed
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
Application number
CN202310636198.1A
Other languages
English (en)
Inventor
马贵港
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202310636198.1A priority Critical patent/CN116881543A/zh
Publication of CN116881543A publication Critical patent/CN116881543A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • 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
    • G06Q40/08—Insurance
    • 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
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Animal Behavior & Ethology (AREA)
  • Human Resources & Organizations (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请涉及一种金融资源对象推荐方法、装置、计算机设备、存储介质和计算机程序产品，能够提升金融资源对象获取效率。所述方法包括：获取用户账户关联的金融资源对象关系图谱；通过预先训练好的金融资源对象推荐模型，基于所述金融资源对象关系图谱对所述用户账户关注的金融资源对象进行预测，得到目标金融资源对象；根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向所述用户账户进行金融资源对象推荐。

Description

金融资源对象推荐方法、装置、设备、存储介质和产品
技术领域
本申请涉及金融软件技术领域，特别是涉及一种金融资源对象推荐方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着金融软件技术的发展，用户可以在金融资源对象推荐页面进行浏览，便捷地浏览其关注的金融资源对象。然而，金融资源对象推荐页面中存在着海量的金融资源对象，用户往往需要耗费较多时间才能获取到其关注的金融资源对象，存在金融资源对象获取效率低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提升金融资源对象获取效率的金融资源对象推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种金融资源对象推荐方法。所述方法包括：
获取用户账户关联的金融资源对象关系图谱；所述金融资源对象关系图谱中包括所述用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
通过预先训练好的金融资源对象推荐模型，基于所述金融资源对象关系图谱对所述用户账户关注的金融资源对象进行预测，得到目标金融资源对象；所述金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到；所述金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；
根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向所述用户账户进行金融资源对象推荐。
在其中一个实施例中，所述获取用户账户关联的金融资源对象关系图谱，包括：
获取用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
基于所述关联关系确定至少一条第一类型边；所述第一类型边用于连接存在关联关系的两个浏览过的金融资源对象；
基于所述各浏览过的金融资源对象和至少一条第一类型边，构造所述用户账户关联的金融资源对象关系图谱。
在其中一个实施例中，在所述获取用户账户在金融资源对象推荐页面中浏览过的金融资源对象之后，还包括：
确定各浏览过的金融资源对象的被浏览顺序，并按照所述被浏览顺序，利用第二类型边依次连接所述各浏览过的金融资源对象，得到至少一条第二类型边；
所述基于所述各浏览过的金融资源对象和至少一条第一类型边，构造所述用户账户关联的金融资源对象关系图谱，包括：
基于所述各浏览过的金融资源对象、至少一条第一类型边和至少一条第二类型边，构造所述用户账户关联的金融资源对象关系图谱。
在其中一个实施例中，所述根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，包括：
若所述目标金融资源对象的数量为多个，则获取预定的推送关系图谱；所述推送关系图谱包括可供对应的金融资源对象和各个可供对应的金融资源对象之间的推送路径，每条推送路径由至少两个可供对应的金融资源对象连接而成；
确定各目标金融资源对象各自在所述预定的推送关系图谱中对应的金融资源对象，得到所述各目标金融资源对象各自对应的金融资源对象；
基于所述预定的推送关系图谱，根据所述各目标金融资源对象各自对应的所述金融资源对象在所述预定的推送关系图谱中的位置，得到所述各目标金融资源对象的最短推送路径；
基于所述最短推送路径，调整所述金融资源对象推荐页面中的金融资源对象的推送路径。
在其中一个实施例中，所述基于所述最短推送路径，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，包括：
若存在多条最短推送路径，则基于每条最短推送路径中各目标金融资源对象各自的对象热度，获取每条最短推送路径的推送路径热度；
基于推送路径热度最高的最短推送路径，调整所述金融资源对象推荐页面中的金融资源对象的推送路径。
在其中一个实施例中，在所述按照调整后的推送路径向所述用户账户进行金融资源对象推荐之后，还包括：
获取所述用户账户在推送路径调整后的金融资源对象推荐页面中浏览的金融资源对象；
根据所述浏览的金融资源对象，对所述用户账户的金融资源对象关系图谱进行更新处理。
在其中一个实施例中，所述金融资源对象推荐模型基于如下步骤训练得到：
获取各历史用户账户各自关联的金融资源对象关系图谱，得到金融资源对象关系图谱样本；
将所述金融资源对象关系图谱样本输入到待训练的图神经网络模型，得到所述待训练的图神经网络模型输出的各历史用户账户各自关注的金融资源对象预测信息；
基于所述金融资源对象预测信息与预设的金融资源对象标签信息之间的差异，调整所述待训练的图神经网络模型，得到训练好的金融资源对象推荐模型。
第二方面，本申请还提供了一种金融资源对象推荐装置。所述装置包括：
图谱获取模块，用于获取用户账户关联的金融资源对象关系图谱；所述金融资源对象关系图谱中包括所述用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
预测模块，用于通过预先训练好的金融资源对象推荐模型，基于所述金融资源对象关系图谱对所述用户账户关注的金融资源对象进行预测，得到目标金融资源对象；所述金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到；所述金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；
推送模块，用于根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向所述用户账户进行金融资源对象推荐。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的方法的步骤。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如上任一项所述的方法的步骤。
上述金融资源对象推荐方法、装置、计算机设备、存储介质和计算机程序产品，可以获取用户账户关联的金融资源对象关系图谱；金融资源对象关系图谱中包括用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；然后可以通过预先训练好的金融资源对象推荐模型，基于金融资源对象关系图谱对用户账户关注的金融资源对象进行预测，得到目标金融资源对象；该金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到，金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；然后可以根据目标金融资源对象，调整金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向用户账户进行金融资源对象推荐。在本申请方案中，可以通过金融资源对象推荐模型，利用用户账户关联的金融资源对象关系图谱，提取和发掘出用户浏览过的金融资源对象的特征和浏览模式，预测出用户关注的目标金融资源对象，实现金融资源对象的精准推送，提升用户获取金融资源对象的效率。
附图说明
图1为一个实施例中一种金融资源对象推荐方法的应用环境图；
图2为一个实施例中一种金融资源对象推荐方法的流程示意图；
图3为一个实施例中一种构建金融资源对象关系图谱的步骤的流程示意图；
图4为一个实施例中一种更新金融资源对象关系图谱的步骤的流程示意图；
图5为一个实施例中一种金融资源对象推荐装置的结构框图；
图6为一个实施例中一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的金融资源对象推荐方法，可以应用于如图1所示的应用环境中，该应用环境中可以包括。其中，终端通过网络与服务器进行通信。数据存储系统可以存储服务器需要处理的数据。数据存储系统可以集成在服务器上，也可以放在云上或其他网络服务器上。终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种金融资源对象推荐方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S201，获取用户账户关联的金融资源对象关系图谱；金融资源对象关系图谱中包括用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系。
作为一示例，金融资源对象可以包括理财产品和理财服务中的至少一种，例如外汇资源交换、保险、基金等。
在本步骤中，对于指定的用户账户，可以根据用户账户过往在金融资源对象推荐页面上的浏览轨迹，构建与用户账户关联的金融资源对象关系图谱。进而在接收到针对用户账户的金融资源对象推荐任务时，可以获取用户账户关联的金融资源对象关系图谱。
金融资源对象关系图谱可以表征用户账户浏览过的金融资源对象之间关联关系，还可以携带有用户账户浏览过的每个金融资源对象的资源对象特征，示例性地，资源对象特征可以包括以下至少一种：金融资源对象的浏览热度、金融资源对象归属的类型(如基金、股市、定期、外汇)、金融资源对象的资源交换率、金融资源对象在资源平台中被获取或使用的总次数、金融资源对象的风险等级。
S202，通过预先训练好的金融资源对象推荐模型，基于金融资源对象关系图谱对用户账户关注的金融资源对象进行预测，得到目标金融资源对象；金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到；金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱。
具体实现中，可以预先通过金融资源对象关系图谱样本对图神经网络模型进行训练，得到金融资源对象推荐模型，其中，金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱，通过利用各历史用户账户各自关联的金融资源对象关系图谱训练图神经网络模型，使图神经网络模型学习到能够体现历史用户账户浏览金融资源对象这一场景特点的网络结构，以及历史用户账户浏览过的金融资源对象之间的联系以及各浏览过的金融资源对象所具有的特点，然后推荐相应的金融资源对象，提升模型推荐的金融资源对象与历史用户账户浏览习惯的匹配性和推荐准确度。
在本步骤中，可以将获取到的用户账户关联的金融资源对象关系图谱输入到训练好的金融资源对象推荐模型，由金融资源对象推荐模型基于金融资源对象关系图谱对用户账户关注的金融资源对象进行预测，将金融资源对象推荐模型输出的金融资源对象作为目标金融资源对象。
S203，根据目标金融资源对象，调整金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向用户账户进行金融资源对象推荐。
金融资源对象推荐页面可以提供多个金融资源对象，例如在同一金融资源对象推荐页面中提供多个金融资源对象，并按照预设推送路径依次展示；或者在不同金融资源对象推荐页面中提供多个金融资源对象，通过不同触发方式，可以通过不同的推送路径在多个金融资源对象推荐页面中先后展示多个金融资源对象。
在确定出目标金融资源对象后，可以根据目标金融资源对象，对当前金融资源对象推荐页面中的金融资源对象的推送路径进行调整，并按照调整后的推送路径向用户账户进行金融资源对象推荐。
在本实施例中，可以获取用户账户关联的金融资源对象关系图谱；金融资源对象关系图谱中包括用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；然后可以通过预先训练好的金融资源对象推荐模型，基于金融资源对象关系图谱对用户账户关注的金融资源对象进行预测，得到目标金融资源对象；该金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到，金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；然后可以根据目标金融资源对象，调整金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向用户账户进行金融资源对象推荐。在本申请方案中，可以通过金融资源对象推荐模型，利用用户账户关联的金融资源对象关系图谱，提取和发掘出用户浏览过的金融资源对象的特征和浏览模式，预测出用户关注的目标金融资源对象，实现金融资源对象的精准推送，提升用户获取金融资源对象的效率。
在一个实施例中，如图3所示，S201获取用户账户关联的金融资源对象关系图谱，可以包括：
S301，获取用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系。
具体实现中，金融资源对象之间可以存在关联关系，该关联关系可以是指金融资源对象具有至少部分相同的资源对象特征，例如属于同一类型、资源交换率属于同一等级或者风险等级相同的多个金融资源对象，都可以称为存在关联关系的金融资源对象。
在本步骤中，可以获取用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及根据各浏览过的金融资源对象的资源对象特征，确定金融资源对象之间的关联关系。
S302，基于关联关系确定至少一条第一类型边；第一类型边用于连接存在关联关系的两个浏览过的金融资源对象。
然后，对于存在关联关系的两个浏览过的金融资源对象，可以通过第一类型边将其连接。
S303，基于各浏览过的金融资源对象和至少一条第一类型边，构造用户账户关联的金融资源对象关系图谱。
在一实施例中，在金融资源对象关系图谱中，可以包括用户账户浏览过的金融资源对象，以及连接在两个浏览过的金融资源对象之间的至少一条第一类型边。
在本实施例中，通过基于关联关系确定至少一条第一类型边；第一类型边用于连接存在关联关系的两个浏览过的金融资源对象，并基于各浏览过的金融资源对象和至少一条第一类型边，构造用户账户关联的金融资源对象关系图谱，使得金融资源对象推荐模型可以基于第一类型边，确定出用户账户关注的资源对象特征，可以将具有相似或相同资源对象特征的目标资源对象推荐给用户账户。
在一个实施例中，在获取用户账户在金融资源对象推荐页面中浏览过的金融资源对象之后，还可以包括如下步骤：
确定各浏览过的金融资源对象的被浏览顺序，并按照被浏览顺序，利用第二类型边依次连接各浏览过的金融资源对象，得到至少一条第二类型边。
在具体实现中，不同用户的浏览方式可能会影响到用户浏览金融资源对象的次序以及用户可能浏览到的金融资源对象。
在确定用户账户在金融资源对象推荐页面中浏览过的金融资源对象之后，可以根据用户账户的浏览路径，确定出各浏览过的金融资源对象被用户账户浏览的顺序，得到被浏览顺序，然后可以按照被浏览顺序，利用第二类型边依次连接各浏览过的金融资源对象，即本步骤中可以通过第二类型边指示金融资源对象的浏览次序。通过第二类型边连接起来的多个金融资源对象，一端为浏览起点，另一端为浏览终端，其中，浏览起点和浏览终点可以标识在金融资源对象关系图谱中。
相应地，S303基于各浏览过的金融资源对象和至少一条第一类型边，构造用户账户关联的金融资源对象关系图谱，可以包括：
基于各浏览过的金融资源对象、至少一条第一类型边和至少一条第二类型边，构造用户账户关联的金融资源对象关系图谱。
在本实施例中，在金融资源对象关系图谱中，除了可以包括用户账户浏览过的金融资源对象，以及连接在两个浏览过的金融资源对象之间的至少一条第一类型边，还可以包括用于表征金融资源对象被浏览顺序的第二类型边，使得金融资源对象推荐模型可以基于第二类型边，确定出用户账户的浏览模式，并结合其浏览模式进行推荐。
在一个实施例中，S203根据目标金融资源对象，调整金融资源对象推荐页面中的金融资源对象的推送路径，可以包括如下步骤：
S2031，若目标金融资源对象的数量为多个，则获取预定的推送关系图谱；推送关系图谱包括可供对应的金融资源对象和各个可供对应的金融资源对象之间的推送路径，每条推送路径由至少两个可供对应的金融资源对象连接而成。
具体地，在目标金融资源对象的数量为多个的情况下，可以存在多种推送路径对目标金融资源对象进行推送。
在配置金融资源对象的推送方式时，可以预先设置推送关系图谱，该推送关系图谱中包括有可供对应的多个金融资源对象，且可供对应的多个金融资源对象可以按照不同的层级依次推送，例如针对金融资源对象A、B、C、D、E、F，金融资源对象A、B、C可以展示在同一金融资源对象推荐页面中，当用户触发金融资源对象A，除了可以跳转到新的金融资源对象推荐页面展示金融资源对象A的相关信息以外，还可以在新的金融资源对象推荐页面展示金融资源对象E、F。通过推送关系图谱，可以确定各个可供对应的金融资源对象之间的推送路径，每条推送路径由至少两个可供对应的金融资源对象连接而成，例如对于前文提到的例子，在推送关系图谱中可以记录有推送路径A-E以及A-F。
S2032，确定各目标金融资源对象各自在预定的推送关系图谱中对应的金融资源对象，得到各目标金融资源对象各自对应的金融资源对象。
进而在获取到多个目标金融资源对象后，针对每个目标金融资源对象，可以确定目标金融资源对象预定的推送关系图谱中对应的金融资源对象，得到各目标金融资源对象各自对应的金融资源对象。
S2033，基于预定的推送关系图谱，根据各目标金融资源对象各自对应的金融资源对象在预定的推送关系图谱中的位置，得到各目标金融资源对象的最短推送路径。
通过预定的推送关系图谱，可以按照推送关系图谱所提供的推送路径，得到可以连接各目标金融资源对象各自对应的金融资源对象的候选路径，并各条候选路径中，确定出距离最短的最短推送路径，最短推送路径可以理解为在包含目标金融资源对象对应的金融资源对象的情况下，路径中总的金融资源对象数量最少的推送路径，例如可以是包含全部目标金融资源对象，或者包含最多目标金融资源对象的同时，路径中总的金融资源对象数量最少。
S2034，基于最短推送路径，调整金融资源对象推荐页面中的金融资源对象的推送路径。
在确定出最短推送路径后，则可以按照最短推送路径调整金融资源对象推荐页面中的金融资源对象的推送路径，例如可以调整不同金融资源对象推荐页面之间的跳转方式，或者，调整不同金融资源对象在同一金融资源对象推荐页面中的展示顺序。
在本实施例中，通过基于最短推送路径，调整金融资源对象推荐页面中的金融资源对象的推送路径，一方面，能够使用户浏览到其关注的目标金融资源对象，另一方面，能够以最少的跳转操作使用户浏览到多个目标金融资源对象，节省查找时间。
在一个实施例中，S2034基于最短推送路径，调整金融资源对象推荐页面中的金融资源对象的推送路径，可以包括：
若存在多条最短推送路径，则基于每条最短推送路径中各目标金融资源对象各自的对象热度，获取每条最短推送路径的推送路径热度；基于推送路径热度最高的最短推送路径，调整金融资源对象推荐页面中的金融资源对象的推送路径。
若存在多条最短推送路径时，则针对每条最短推送路径，可以确定每条最短推送路径中各目标金融资源对象各自的对象热度，并对各个对象热度求和，将得到的对象热度总和作为该最短推送路径的推送路径热度。
然后，可以在多条最短推送路径，确定推送路径热度最高的最短推送路径，并按照该最短推送路径，调整金融资源对象推荐页面中的金融资源对象的推送路径。通过该本方案，既可以令用户浏览到其关注的目标资源对象，又可以根据大数据情况，将具有高热度的目标金融资源对象优先推送给用户，提升目标金融资源对象的转化率。
在一个实施例中，如图4所示，在S203之后，还包括：
S401，获取用户账户在推送路径调整后的金融资源对象推荐页面中浏览的金融资源对象。
在调整金融资源对象推荐页面中的金融资源对象的推送路径后，用户可以按照调整后的推送路径浏览金融资源对象推荐页面中的金融资源，终端可以继续确定用户账户在调整推送路径后所浏览的金融资源对象。
S402，根据浏览的金融资源对象，对用户账户的金融资源对象关系图谱进行更新处理。
在确定推送路径调整后用户账户浏览的金融资源对象，终端可以根据用户账户当前浏览的金融资源对象，对用户账户原有的金融资源对象关系图谱进行更新处理，将更新后得到的金融资源对象关系图谱作为新的金融资源对象关系图，并返回执行步骤S201-S203。
在本实施例中，可以在用户账户浏览推送路径经过调整的金融资源对象后，再次对金融资源对象的推荐方式进行更新，能够更加精准地提高每个用户账户金融资源对象的资源推送率。
在一个可选的实施例中，金融资源对象推荐模型可以通过如下步骤训练得到：
获取各历史用户账户各自关联的金融资源对象关系图谱，得到金融资源对象关系图谱样本；将金融资源对象关系图谱样本输入到待训练的图神经网络模型，得到待训练的图神经网络模型输出的各历史账户各自关注的金融资源对象预测信息；基于金融资源对象预测信息与预设的金融资源对象标签信息之间的差异，调整所述待训练的图神经网络模型，得到训练好的金融资源对象推荐模型。
具体实现中，可以确定多个历史用户账户，每个历史用户账户可以浏览金融资源对象推荐页面，并确定其关注的金融资源对象，例如可以根据历史用户账户最终使用或获取的金融资源对象，作为历史用户账户关注的金融资源对象，并将该金融资源对象作为该历史用户账户的金融资源对象标签。
然后，可以根据历史用户账户在金融资源对象推荐页面浏览过的金融资源对象和浏览轨迹，得到历史用户账户关联的金融资源对象关系图谱，并各历史用户账户各自关联的金融资源对象关系图谱，得到金融资源对象关系图谱样本。
在模型训练过程中，可以将金融资源对象关系图谱样本输入到待训练的图神经网络模型，得到待训练的图神经网络模型输出的各历史用户账户各自关注的金融资源对象预测信息，基于各历史用户账户各自关注金融资源对象预测信息与各历史用户账户各自的金融资源对象标签信息之间的差异，确定模型损失值，并基于该模型损失值调整待训练的图神经网络模型的模型参数，直到满足训练结束条件，得到训练好的金融资源对象推荐模型。
在本实施例中，可以利用各个历史用户账户的金融资源对象关系图谱，对图神经网络模型进行训练，使得图神经网络模型可以学习到历史用户账户浏览的各个金融资源对象之间的关系以及浏览模式的特征，为后续精准推荐目标金融资源对象提供基础。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的金融资源对象推荐方法的金融资源对象推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个金融资源对象推荐装置实施例中的具体限定可以参见上文中对于金融资源对象推荐方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种金融资源对象推荐装置，包括：
图谱获取模块501，用于获取用户账户关联的金融资源对象关系图谱；所述金融资源对象关系图谱中包括所述用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
预测模块502，用于通过预先训练好的金融资源对象推荐模型，基于所述金融资源对象关系图谱对所述用户账户关注的金融资源对象进行预测，得到目标金融资源对象；所述金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到；所述金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；
推送模块503，用于根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向所述用户账户进行金融资源对象推荐。
在一个实施例中，所述图谱获取模块501，用于：
获取用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
基于所述关联关系确定至少一条第一类型边；所述第一类型边用于连接存在关联关系的两个浏览过的金融资源对象；
基于所述各浏览过的金融资源对象和至少一条第一类型边，构造所述用户账户关联的金融资源对象关系图谱。
在一个实施例中，所述图谱获取模块501，还用于：
确定各浏览过的金融资源对象的被浏览顺序，并按照所述被浏览顺序，利用第二类型边依次连接所述各浏览过的金融资源对象，得到至少一条第二类型边；
基于所述各浏览过的金融资源对象、至少一条第一类型边和至少一条第二类型边，构造所述用户账户关联的金融资源对象关系图谱。
在一个实施例中，所述推送模块503，用于：
若所述目标金融资源对象的数量为多个，则获取预定的推送关系图谱；所述推送关系图谱包括可供对应的金融资源对象和各个可供对应的金融资源对象之间的推送路径，每条推送路径由至少两个可供对应的金融资源对象连接而成；
确定各目标金融资源对象各自在所述预定的推送关系图谱中对应的金融资源对象，得到所述各目标金融资源对象各自对应的金融资源对象；
基于所述预定的推送关系图谱，根据所述各目标金融资源对象各自对应的所述金融资源对象在所述预定的推送关系图谱中的位置，得到所述各目标金融资源对象的最短推送路径；
基于所述最短推送路径，调整所述金融资源对象推荐页面中的金融资源对象的推送路径。
在一个实施例中，所述推送模块503，用于：
若存在多条最短推送路径，则基于每条最短推送路径中各目标金融资源对象各自的对象热度，获取每条最短推送路径的推送路径热度；
基于推送路径热度最高的最短推送路径，调整所述金融资源对象推荐页面中的金融资源对象的推送路径。
在一个实施例中，所述装置还包括：
信息获取模块，用于获取所述用户账户在推送路径调整后的金融资源对象推荐页面中浏览的金融资源对象；
图谱更新模块，用于根据所述浏览的金融资源对象，对所述用户账户的金融资源对象关系图谱进行更新处理。
在一个实施例中，所述装置还用于：
获取各历史用户账户各自关联的金融资源对象关系图谱，得到金融资源对象关系图谱样本；
将所述金融资源对象关系图谱样本输入到待训练的图神经网络模型，得到所述待训练的图神经网络模型输出的各历史用户账户各自关注的金融资源对象预测信息；
基于所述金融资源对象预测信息与预设的金融资源对象标签信息之间的差异，调整所述待训练的图神经网络模型，得到训练好的金融资源对象推荐模型。
上述金融资源对象推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储金融资源对象关系图谱。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种金融资源对象推荐方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备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。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取用户账户关联的金融资源对象关系图谱；所述金融资源对象关系图谱中包括所述用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
通过预先训练好的金融资源对象推荐模型，基于所述金融资源对象关系图谱对所述用户账户关注的金融资源对象进行预测，得到目标金融资源对象；所述金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到；所述金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；
根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向所述用户账户进行金融资源对象推荐。
在一个实施例中，处理器执行计算机程序时还实现上述其他实施例中的步骤。
在一个实施例中，提供了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以下步骤：
获取用户账户关联的金融资源对象关系图谱；所述金融资源对象关系图谱中包括所述用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
通过预先训练好的金融资源对象推荐模型，基于所述金融资源对象关系图谱对所述用户账户关注的金融资源对象进行预测，得到目标金融资源对象；所述金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到；所述金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；
根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向所述用户账户进行金融资源对象推荐。
在一个实施例中，计算机程序被处理器执行时还实现上述其他实施例中的步骤。
在一个实施例中，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以下步骤：
获取用户账户关联的金融资源对象关系图谱；所述金融资源对象关系图谱中包括所述用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
通过预先训练好的金融资源对象推荐模型，基于所述金融资源对象关系图谱对所述用户账户关注的金融资源对象进行预测，得到目标金融资源对象；所述金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到；所述金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；
根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向所述用户账户进行金融资源对象推荐。
在一个实施例中，计算机程序被处理器执行时还实现上述其他实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (11)

1.一种金融资源对象推荐方法，其特征在于，所述方法包括：
获取用户账户关联的金融资源对象关系图谱；所述金融资源对象关系图谱中包括所述用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
通过预先训练好的金融资源对象推荐模型，基于所述金融资源对象关系图谱对所述用户账户关注的金融资源对象进行预测，得到目标金融资源对象；所述金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到；所述金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；
根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向所述用户账户进行金融资源对象推荐。
2.根据权利要求1所述的方法，其特征在于，所述获取用户账户关联的金融资源对象关系图谱，包括：
获取用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
基于所述关联关系确定至少一条第一类型边；所述第一类型边用于连接存在关联关系的两个浏览过的金融资源对象；
基于所述各浏览过的金融资源对象和至少一条第一类型边，构造所述用户账户关联的金融资源对象关系图谱。
3.根据权利要求2所述的方法，其特征在于，在所述获取用户账户在金融资源对象推荐页面中浏览过的金融资源对象之后，还包括：
确定各浏览过的金融资源对象的被浏览顺序，并按照所述被浏览顺序，利用第二类型边依次连接所述各浏览过的金融资源对象，得到至少一条第二类型边；
所述基于所述各浏览过的金融资源对象和至少一条第一类型边，构造所述用户账户关联的金融资源对象关系图谱，包括：
基于所述各浏览过的金融资源对象、至少一条第一类型边和至少一条第二类型边，构造所述用户账户关联的金融资源对象关系图谱。
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，包括：
若所述目标金融资源对象的数量为多个，则获取预定的推送关系图谱；所述推送关系图谱包括可供对应的金融资源对象和各个可供对应的金融资源对象之间的推送路径，每条推送路径由至少两个可供对应的金融资源对象连接而成；
确定各目标金融资源对象各自在所述预定的推送关系图谱中对应的金融资源对象，得到所述各目标金融资源对象各自对应的金融资源对象；
基于所述预定的推送关系图谱，根据所述各目标金融资源对象各自对应的所述金融资源对象在所述预定的推送关系图谱中的位置，得到所述各目标金融资源对象的最短推送路径；
基于所述最短推送路径，调整所述金融资源对象推荐页面中的金融资源对象的推送路径。
5.根据权利要求4所述的方法，其特征在于，所述基于所述最短推送路径，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，包括：
若存在多条最短推送路径，则基于每条最短推送路径中各目标金融资源对象各自的对象热度，获取每条最短推送路径的推送路径热度；
基于推送路径热度最高的最短推送路径，调整所述金融资源对象推荐页面中的金融资源对象的推送路径。
6.根据权利要求1所述的方法，其特征在于，在所述按照调整后的推送路径向所述用户账户进行金融资源对象推荐之后，还包括：
获取所述用户账户在推送路径调整后的金融资源对象推荐页面中浏览的金融资源对象；
根据所述浏览的金融资源对象，对所述用户账户的金融资源对象关系图谱进行更新处理。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述金融资源对象推荐模型基于如下步骤训练得到：
获取各历史用户账户各自关联的金融资源对象关系图谱，得到金融资源对象关系图谱样本；
将所述金融资源对象关系图谱样本输入到待训练的图神经网络模型，得到所述待训练的图神经网络模型输出的各历史用户账户各自关注的金融资源对象预测信息；
基于所述金融资源对象预测信息与预设的金融资源对象标签信息之间的差异，调整所述待训练的图神经网络模型，得到训练好的金融资源对象推荐模型。
8.一种金融资源对象推荐装置，其特征在于，所述装置包括：
图谱获取模块，用于获取用户账户关联的金融资源对象关系图谱；所述金融资源对象关系图谱中包括所述用户账户在金融资源对象推荐页面中浏览过的金融资源对象，以及各浏览过的金融资源对象之间的关联关系；
预测模块，用于通过预先训练好的金融资源对象推荐模型，基于所述金融资源对象关系图谱对所述用户账户关注的金融资源对象进行预测，得到目标金融资源对象；所述金融资源对象推荐模型基于金融资源对象关系图谱样本对图神经网络模型进行训练得到；所述金融资源对象关系图谱样本包括各历史用户账户各自关联的金融资源对象关系图谱；
推送模块，用于根据所述目标金融资源对象，调整所述金融资源对象推荐页面中的金融资源对象的推送路径，并按照调整后的推送路径向所述用户账户进行金融资源对象推荐。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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7中任一项所述的方法的步骤。
10.一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7中任一项所述的方法的步骤。
11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202310636198.1A 2023-05-31 2023-05-31 金融资源对象推荐方法、装置、设备、存储介质和产品 Pending CN116881543A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310636198.1A CN116881543A (zh) 2023-05-31 2023-05-31 金融资源对象推荐方法、装置、设备、存储介质和产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310636198.1A CN116881543A (zh) 2023-05-31 2023-05-31 金融资源对象推荐方法、装置、设备、存储介质和产品

Publications (1)

Publication Number Publication Date
CN116881543A true CN116881543A (zh) 2023-10-13

Family

ID=88268693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310636198.1A Pending CN116881543A (zh) 2023-05-31 2023-05-31 金融资源对象推荐方法、装置、设备、存储介质和产品

Country Status (1)

Country Link
CN (1) CN116881543A (zh)

Similar Documents

Publication Publication Date Title
AU2021276239A1 (en) Identifying claim complexity by integrating supervised and unsupervised learning
CN117435130A (zh) 金融数据存储方法、装置、计算机设备和存储介质
CN116842171A (zh) 文章推荐方法、装置、计算机设备和存储介质
CN116932935A (zh) 地址匹配方法、装置、设备、介质和程序产品
CN116911867A (zh) 问题处理方法、装置、计算机设备和存储介质
CN114168787A (zh) 音乐推荐方法、装置、计算机设备和存储介质
CN116881543A (zh) 金融资源对象推荐方法、装置、设备、存储介质和产品
CN108229572B (zh) 一种参数寻优方法及计算设备
CN118035423A (zh) 信息查询方法、装置、计算机设备和存储介质
CN116866419A (zh) 信息推送方法、装置、计算机设备和存储介质
CN116881450A (zh) 资讯分类方法、装置、计算机设备、存储介质和程序产品
CN116881122A (zh) 测试案例生成方法、装置、设备、存储介质和程序产品
CN116861071A (zh) 资讯推送方法、装置、计算机设备、存储介质和程序产品
CN117132335A (zh) 资源合约中资源交易值的确定方法、装置和计算机设备
CN118133044A (zh) 问题扩展方法、装置、计算机设备、存储介质和产品
CN116823384A (zh) 产品推荐方法、装置、设备、存储介质和计算机程序产品
CN118568357A (zh) 推荐产品确定方法、装置、终端、服务器、介质及产品
CN118170867A (zh) 业务内容获取方法、装置、计算机设备、介质和程序产品
CN117130708A (zh) 应用程序语言切换方法、装置、计算机设备和存储介质
CN116680467A (zh) 对象推荐方法、装置、计算机设备和存储介质
CN115630973A (zh) 用户数据处理方法、装置、计算机设备和存储介质
CN116861208A (zh) 音乐粗排模型的训练方法、装置、计算机设备和存储介质
CN113987322A (zh) 指标数据查询方法、装置、计算机设备和计算机程序产品
CN117459576A (zh) 基于边缘计算的数据推送方法、装置和计算机设备
CN117093874A (zh) 文本生成方法、装置、计算机设备、介质和程序产品

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