CN117036041A - 业务信息推送方法、装置、计算机设备和存储介质 - Google Patents
业务信息推送方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117036041A CN117036041A CN202310786550.XA CN202310786550A CN117036041A CN 117036041 A CN117036041 A CN 117036041A CN 202310786550 A CN202310786550 A CN 202310786550A CN 117036041 A CN117036041 A CN 117036041A
- Authority
- CN
- China
- Prior art keywords
- user
- service
- information
- expected
- candidate
- 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 43
- 238000004590 computer program Methods 0.000 claims abstract description 41
- 230000000977 initiatory effect Effects 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 238000013145 classification model Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 9
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000005406 washing 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
- 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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种业务信息推送方法、装置、计算机设备、存储介质和计算机程序产品，涉及人工智能技术领域。所述方法包括：获取业务发送请求，识别业务发送请求中的用户期望业务类型；在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；获取相应用户的风险承受能力等级；根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。通过对用户的多种信息进行分析，能够更加准确的识别用户的业务办理意图，并结合用户的风险承受能力进行分析，为用户选择更加合适的产品信息进行推荐，提高信息推荐的准确性和有效性。
Description
技术领域
本申请涉及人工智能技术领域，特别是涉及一种业务信息推送方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着生活技术水平的提升，越来越多的用户选择理财产品、基金等方式优化自己的资产配置。然而，现有的理财产品种类繁多，很多用户不知道如何选择筛选信息，并选择适合自己的理财产品。在现有的业务推荐场景中，通常是由业务处理人员为用户提供并推荐产品信息，但是业务处理人员能力具有局限性，且人力资源也有限，无法及时准确地为用户提供所需的理财产品信息。
发明内容
基于此，有必要针对上述技术问题，提供一种精准的业务信息推送方法、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，本申请提供了一种业务信息推送方法。所述方法包括：
获取业务发送请求，识别业务发送请求中的用户期望业务类型；
在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
获取相应用户的风险承受能力等级；
根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
在其中一个实施例中，识别业务发送请求中的用户期望业务类型，包括：
识别业务发送请求的数据类型，在数据类型为语音数据的情况下，将相应语音数据转化为文本；
根据预设词典对文本进行分词处理，得到文本对应的词向量；
判断词向量中是否存在预设业务类型对应的关键词，在存在的情况下，将相应的预设业务类型作为用户期望业务类型。
在其中一个实施例中，方法还包括：
在用户期望业务类型不为辅助类的预设业务类型的情况下，将用户期望业务类型对应的业务信息推送至相应用户，业务信息用于指示用户终端办理用户期望业务。
在其中一个实施例中，获取相应用户的风险承受能力等级，包括：
获取相应用户对应的历史资源管理数据；
将历史资源管理数据输入至训练后的风险分类模型中，得到相应用户对应的用户风险承受能力等级。
在其中一个实施例中，根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，包括：
根据用户信息，从业务产品数据库中选取用户期望业务类型对应的候选产品，并获取每一候选产品对应的预期获取资源数量和风险系数；
根据用户风险承受能力等级、以及每一候选产品对应的预期获取资源数量和风险系数，确定每一候选产品的推荐排序；
基于每一候选产品对应的预期获取资源数量、风险系数以及推荐排序，生成每一候选产品的候选业务推荐信息。
在其中一个实施例中，获取每一候选产品对应的预期获取资源数量和风险系数，包括：
获取每一候选产品的产品属性信息，产品属性信息中包括预期获取资源数量与投入资源数量和投入资源时长之间的对应关系；
获取相应用户的预期投入资源数量，根据每一候选产品的产品属性信息，确定每一候选产品对应的预期获取资源数量和风险系数。
第二方面，本申请还提供了一种业务信息推送装置。装置包括：
通信模块，用于获取业务发送请求，识别业务发送请求中的用户期望业务类型；
信息获取模块，用于在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
等级获取模块，用于获取相应用户的风险承受能力等级；
信息推荐模块，用于根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
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以下步骤：
获取业务发送请求，识别业务发送请求中的用户期望业务类型；
在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
获取相应用户的风险承受能力等级；
根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
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以下步骤：
获取业务发送请求，识别业务发送请求中的用户期望业务类型；
在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
获取相应用户的风险承受能力等级；
根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
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，该计算机程序被处理器执行时实现以下步骤：
获取业务发送请求，识别业务发送请求中的用户期望业务类型；
在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
获取相应用户的风险承受能力等级；
根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
上述业务信息推送方法、装置、计算机设备、存储介质和计算机程序产品，获取业务发送请求，识别业务发送请求中的用户期望业务类型；在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；获取相应用户的风险承受能力等级；根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。通过对用户的多种信息进行分析，能够更加准确的识别用户的业务办理意图，并结合用户的风险承受能力进行分析，为用户选择更加合适的产品信息进行推荐，提高信息推荐的准确性和有效性。
附图说明
图1为一个实施例中业务信息推送方法的应用环境图；
图2为一个实施例中业务信息推送方法的流程示意图；
图3为另一个实施例中业务信息推送方法的流程示意图；
图4为又一个实施例中业务信息推送方法的流程示意图；
图5为一个实施例中业务信息推送装置的结构框图；
图6为一个实施例中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业务信息推送方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。其中，终端102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104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，提供了一种业务信息推送方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
步骤202，获取业务发送请求，识别业务发送请求中的用户期望业务类型；
其中，业务发送请求是用户在用户终端上触发的，业务发送请求中包括用户的需求描述，通过对业务发送请求进行识别能够得到用户期望办理业务类型和用户的情感意图。对情感意图的识别能够更好的对用户的意图进行判断。业务发送请求中会包括用户在用户终端上发送的需求信息，可以是语音，还可以是文本，在是语音的情况下，通过语音识别量语音信息转换为文本信息，然后对文本信息中的文本进行识别。
具体地，可以对文本先进行分词在进行关键词检测，关键词根据以往业务办理经验确定。需要说明的是，若业务发送请求中包括的是文本信息，则直接进行识别，无需转换。
步骤204，在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
其中，辅助类是指需要服务器的辅助功能才能办理的业务，也即需要进行业务信息推荐的业务类型。预设业务类型根据遗忘业务办理经验确定，在一个实施例中，辅助类的预设业务类型可以为理财产品选择业务。在一个实施例中，非辅助类业务可以为理财学习业务，由此可见，此项业务无需根据用户信息进行业务先洗的筛选和推荐。
用户信息包括用户资源拥有数据、用户交易数据以及用户行为数据，其中，用户资源拥有数据包括：用户的获取的资源的数量范围，例如：0-5000、5000-10000、10000-15000、15000-20000、20000以上。用户的支出数据，以及用户的支出类型占总支出的比例，如教育支出的比例、理财支出的比例。用户交易数据主要包括用户在理财产品交易过程中产生的数据，包括购买理财的风险等级、购买理财的金额、购买理财的频率、购买理财的数量等。用户行为数据主要包括用户在不同风险理财产品的点击频率、停留时长以及理财相关资讯的点击情况以及阅读停留时长。
步骤206，获取相应用户的风险承受能力等级；
风险承受能力等级用于描述用户的风险承受能力，在一个实施例中，风险承受能力等级包括保守型、谨慎型、稳健型、进取型以及激进型五个等级，每一等级对应一个等级标识，用户的风险承受能力等级可以通过对用户的历史交易数据进行分析获取，还可以通过对用户对自身的风险承受能力的文本描述进行关键字识别所确定。
步骤208，根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
根据用户的用户信息和风险承受能力等级，对产品数据库中的产品进行筛选，选择符合用户的业务办理需求以及承受能力的候选业务，将候选业务推荐信息推送至相应用户。需要说明的是，候选业务推荐信息可以是一条，也可以是多条，在候选业务推荐信息是多条的情况下，根据每一条候选业务推荐信息的业务期望值进行排序，进而推荐给相应用户。
具体地，可以通过对用户的交易数据、行为数据、资源拥有数据训练CNN分类模型，对用户做标签。判断用户的风险承受能力等级、识别用户的投资偏好，进行个性化的理财方案的推荐。根据推荐的理财方案，给出不同的理财方案在预期不同时间段的概率收益值。例如在未来一月预期收入XX的概率为60-70％。
在一个实施例中，在完成候选业务推荐信息推送后，用户会从候选业务推荐信息选择自己满意的一条候选业务推荐信息，并发送至服务器，用户可以对候选业务推荐信息的推荐满意度进行评分，评分结构用于对业务信息推荐方法汇总的模型进行训练。若用户对推荐的候选业务推荐信息均不满意，则重新获取用户的业务发送请求，重新进行业务信息推荐。
上述实施例提供的方法中，获取业务发送请求，识别业务发送请求中的用户期望业务类型；在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；获取相应用户的风险承受能力等级；根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。通过对用户的多种信息进行分析，能够更加准确的识别用户的业务办理意图，并结合用户的风险承受能力进行分析，为用户选择更加合适的产品信息进行推荐，提高信息推荐的准确性和有效性。
在其中一个实施例中，如图3所示，识别业务发送请求中的用户期望业务类型，包括：
步骤302，识别业务发送请求的数据类型，在数据类型为语音数据的情况下，将相应语音数据转化为文本；
步骤304，根据预设词典对文本进行分词处理，得到文本对应的词向量；
步骤306，判断词向量中是否存在预设业务类型对应的关键词，在存在的情况下，将相应的预设业务类型作为用户期望业务类型。
其中，预设词典根据业务办理的整个场景，对辅助类的预设业务的关键词进行识别所确定。可以理解的是，在业务发送请求的文本中包括预设业务类型对应的关键词的情况下，说明用户期望办理预设业务类型的业务。具体地，识别用户发送的业务发送请求，其中，用户发送的业务发送请求的数据类型包括文本或语音；若为语音，则转化为文本；对文本进行分词处理得到词向量，将词向量输入至训练后的情感模型和业务判断模型中，判断用户情感和文本对应的用户期望业务类型，例如购买理财产品或学习理财知识。
上述实施例提供的方法中，通过分词和词向量能够快速识别业务发送请求中的用户期望业务，并且能够灵活应对语音数据和文本数据。
在其中一个实施例中，方法还包括：
在用户期望业务类型不为辅助类的预设业务类型的情况下，将用户期望业务类型对应的业务信息推送至相应用户，业务信息用于指示用户终端办理用户期望业务。
非辅助类的预设业务类型是指不需要进行业务信息筛选和推荐的业务，例如理财产品选择学习业务，直接将数据库中所拥有的所有学习数据发送至用户终端，由用户在用户终端上完成理财产品选择学习业务。
上述实施例提供的方法中，通过提供对非辅助类的预设业务类型的业务信息处理流程，丰富业务信息推荐流程，为用户提供更加丰富的业务信息。
在其中一个实施例中，获取相应用户的风险承受能力等级，包括：
获取相应用户对应的历史资源管理数据；
将历史资源管理数据输入至训练后的风险分类模型中，得到相应用户对应的用户风险承受能力等级。
其中，历史资源管理数据包括用户的历史资源处理数据和历史业务信息选择数据。用户风险承受能力等级可以包括保守型、谨慎型、稳健型、进取型以及激进型五个等级。风险分类模型用于根据用户的历史资源管理数据，对用户的用户风险承受能力等级进行分类。具体地，通过其他用户的历史资源管理数据以及人为标注的用户风险承受能力等级，对约束分类模型进行训练，得到训练后的风险分类模型，然后将历史资源管理数据输入至训练后的风险分类模型中，能够得到相应用户对应的用户风险承受能力等级。
上述实施例提供的方法中，通过训练后的风险分类模型确定用户风险承受能力等级，提高用户风险承受能力等级的获取效率和准确性。
在其中一个实施例中，如图4所示，根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，包括：
步骤402，根据用户信息，从业务产品数据库中选取用户期望业务类型对应的候选产品，并获取每一候选产品对应的预期获取资源数量和风险系数；
步骤404，根据用户风险承受能力等级、以及每一候选产品对应的预期获取资源数量和风险系数，确定每一候选产品的推荐排序；
步骤406，基于每一候选产品对应的预期获取资源数量、风险系数以及推荐排序，生成每一候选产品的候选业务推荐信息。
其中，业务产品数据库是指用户期望业务类型对应的业务产品数据库，根据用户信息能够从中筛选出符合用户的用户期望业务类型对应的候选产品。需要说明的是，候选产品的数量可以是一个，还可以是多个。在一个实施例中，在用户期望业务类型在理财产品选择业务时，候选产品即为理财产品。
在确定每一候选产品后，可以获取每一候选产品的产品信息，判断用户与每一候选信息的适配度，也即用户的用户风险承受能力等级和每一候选产品的预期获取资源数量和风险系数之间的适配程度。根据用户风险承受能力等级、以及每一候选产品对应的预期获取资源数量和风险系数，确定每一候选产品与用户的适配程度高低，根据适配程度高低顺序确定的每一候选产品的推荐排序。推荐顺序用于确定用户终端上候选产品的推荐排列顺序。
上述实施例提供的方法中，通过候选产品对应的预期获取资源数量和风险系数，结合用户风险承受能力等级，确定候选产品的候选业务推荐信息的推荐顺序，提高用户体验感。
在其中一个实施例中，获取每一候选产品对应的预期获取资源数量和风险系数，包括：
获取每一候选产品的产品属性信息，产品属性信息中包括预期获取资源数量与投入资源数量和投入资源时长之间的对应关系；
获取相应用户的预期投入资源数量，根据每一候选产品的产品属性信息，确定每一候选产品对应的预期获取资源数量和风险系数。
其中，产品属性信息用于描述产品的预期获取资源数量的确定方式，例如，对于理财产品而言，产品的利率以及获利概率等信息。具体地，产品属性信息中包括预期获取资源数量与投入资源数量和投入资源时长之间的对应关系，可以用表达式表征。投入资源数量与用户的资源拥有数量相关。
根据用户信息获取相应用户的预期投入资源数量，结合每一候选产品的产品属性信息，确定每一候选产品对应的预期获取资源数量和风险系数。例如，将预期投入资源数量带入每一候选产品的预期获取资源数量与投入资源数量和投入资源时长之间的对应关系式中，得到预设时长内的预期获取资源数量和概率。
上述实施例提供的方法中，获取候选产品对应的预期获取资源数量和风险系数，丰富每一候选产品的候选业务推荐信息。
应该理解的是，虽然如上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业务信息推送方法的业务信息推送装置。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业务信息推送装置实施例中的具体限定可以参见上文中对于业务信息推送方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种业务信息推送装置，包括：通信模块501、信息获取模块502、等级获取模块503和信息推荐模块504，其中：
通信模块501，用于获取业务发送请求，识别业务发送请求中的用户期望业务类型；
信息获取模块502，用于在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
等级获取模块503，用于获取相应用户的风险承受能力等级；
信息推荐模块504，用于根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
在其中一个实施例中，通信模块501还用于：
识别业务发送请求的数据类型，在数据类型为语音数据的情况下，将相应语音数据转化为文本；
根据预设词典对文本进行分词处理，得到文本对应的词向量；
判断词向量中是否存在预设业务类型对应的关键词，在存在的情况下，将相应的预设业务类型作为用户期望业务类型。
在其中一个实施例中，业务消息推送装置还用于：
在用户期望业务类型不为辅助类的预设业务类型的情况下，将用户期望业务类型对应的业务信息推送至相应用户，业务信息用于指示用户终端办理用户期望业务。
在其中一个实施例中，等级获取模块503还用于：
获取相应用户对应的历史资源管理数据；
将历史资源管理数据输入至训练后的风险分类模型中，得到相应用户对应的用户风险承受能力等级。
在其中一个实施例中，信息推荐模块504还用于：
根据用户信息，从业务产品数据库中选取用户期望业务类型对应的候选产品，并获取每一候选产品对应的预期获取资源数量和风险系数；
根据用户风险承受能力等级、以及每一候选产品对应的预期获取资源数量和风险系数，确定每一候选产品的推荐排序；
基于每一候选产品对应的预期获取资源数量、风险系数以及推荐排序，生成每一候选产品的候选业务推荐信息。
在其中一个实施例中，信息推荐模块504还用于：
获取每一候选产品的产品属性信息，产品属性信息中包括预期获取资源数量与投入资源数量和投入资源时长之间的对应关系；
获取相应用户的预期投入资源数量，根据每一候选产品的产品属性信息，确定每一候选产品对应的预期获取资源数量和风险系数。
上述业务信息推送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。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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用户行为数据。该计算机设备的网络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业务信息推送方法。
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：
获取业务发送请求，识别业务发送请求中的用户期望业务类型；
在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
获取相应用户的风险承受能力等级；
根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
识别业务发送请求的数据类型，在数据类型为语音数据的情况下，将相应语音数据转化为文本；
根据预设词典对文本进行分词处理，得到文本对应的词向量；
判断词向量中是否存在预设业务类型对应的关键词，在存在的情况下，将相应的预设业务类型作为用户期望业务类型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
在用户期望业务类型不为辅助类的预设业务类型的情况下，将用户期望业务类型对应的业务信息推送至相应用户，业务信息用于指示用户终端办理用户期望业务。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取相应用户对应的历史资源管理数据；
将历史资源管理数据输入至训练后的风险分类模型中，得到相应用户对应的用户风险承受能力等级。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据用户信息，从业务产品数据库中选取用户期望业务类型对应的候选产品，并获取每一候选产品对应的预期获取资源数量和风险系数；
根据用户风险承受能力等级、以及每一候选产品对应的预期获取资源数量和风险系数，确定每一候选产品的推荐排序；
基于每一候选产品对应的预期获取资源数量、风险系数以及推荐排序，生成每一候选产品的候选业务推荐信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取每一候选产品的产品属性信息，产品属性信息中包括预期获取资源数量与投入资源数量和投入资源时长之间的对应关系；
获取相应用户的预期投入资源数量，根据每一候选产品的产品属性信息，确定每一候选产品对应的预期获取资源数量和风险系数。
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：
获取业务发送请求，识别业务发送请求中的用户期望业务类型；
在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
获取相应用户的风险承受能力等级；
根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
识别业务发送请求的数据类型，在数据类型为语音数据的情况下，将相应语音数据转化为文本；
根据预设词典对文本进行分词处理，得到文本对应的词向量；
判断词向量中是否存在预设业务类型对应的关键词，在存在的情况下，将相应的预设业务类型作为用户期望业务类型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在用户期望业务类型不为辅助类的预设业务类型的情况下，将用户期望业务类型对应的业务信息推送至相应用户，业务信息用于指示用户终端办理用户期望业务。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取相应用户对应的历史资源管理数据；
将历史资源管理数据输入至训练后的风险分类模型中，得到相应用户对应的用户风险承受能力等级。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据用户信息，从业务产品数据库中选取用户期望业务类型对应的候选产品，并获取每一候选产品对应的预期获取资源数量和风险系数；
根据用户风险承受能力等级、以及每一候选产品对应的预期获取资源数量和风险系数，确定每一候选产品的推荐排序；
基于每一候选产品对应的预期获取资源数量、风险系数以及推荐排序，生成每一候选产品的候选业务推荐信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取每一候选产品的产品属性信息，产品属性信息中包括预期获取资源数量与投入资源数量和投入资源时长之间的对应关系；
获取相应用户的预期投入资源数量，根据每一候选产品的产品属性信息，确定每一候选产品对应的预期获取资源数量和风险系数。
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：
获取业务发送请求，识别业务发送请求中的用户期望业务类型；
在用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起业务发送请求的用户的用户信息；
获取相应用户的风险承受能力等级；
根据用户信息和风险承受能力等级，确定用户期望业务类型对应的候选业务推荐信息，将候选业务推荐信息推送至相应用户。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
识别业务发送请求的数据类型，在数据类型为语音数据的情况下，将相应语音数据转化为文本；
根据预设词典对文本进行分词处理，得到文本对应的词向量；
判断词向量中是否存在预设业务类型对应的关键词，在存在的情况下，将相应的预设业务类型作为用户期望业务类型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在用户期望业务类型不为辅助类的预设业务类型的情况下，将用户期望业务类型对应的业务信息推送至相应用户，业务信息用于指示用户终端办理用户期望业务。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取相应用户对应的历史资源管理数据；
将历史资源管理数据输入至训练后的风险分类模型中，得到相应用户对应的用户风险承受能力等级。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据用户信息，从业务产品数据库中选取用户期望业务类型对应的候选产品，并获取每一候选产品对应的预期获取资源数量和风险系数；
根据用户风险承受能力等级、以及每一候选产品对应的预期获取资源数量和风险系数，确定每一候选产品的推荐排序；
基于每一候选产品对应的预期获取资源数量、风险系数以及推荐排序，生成每一候选产品的候选业务推荐信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取每一候选产品的产品属性信息，产品属性信息中包括预期获取资源数量与投入资源数量和投入资源时长之间的对应关系；
获取相应用户的预期投入资源数量，根据每一候选产品的产品属性信息，确定每一候选产品对应的预期获取资源数量和风险系数。
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。
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 (10)
1.一种业务信息推送方法，其特征在于，所述方法包括：
获取业务发送请求，识别所述业务发送请求中的用户期望业务类型；
在所述用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起所述业务发送请求的用户的用户信息；
获取相应用户的风险承受能力等级；
根据所述用户信息和所述风险承受能力等级，确定所述用户期望业务类型对应的候选业务推荐信息，将所述候选业务推荐信息推送至相应用户。
2.根据权利要求1所述的方法，其特征在于，所述识别所述业务发送请求中的用户期望业务类型，包括：
识别所述业务发送请求的数据类型，在所述数据类型为语音数据的情况下，将相应语音数据转化为文本；
根据预设词典对所述文本进行分词处理，得到所述文本对应的词向量；
判断所述词向量中是否存在预设业务类型对应的关键词，在存在的情况下，将相应的预设业务类型作为用户期望业务类型。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述用户期望业务类型不为所述辅助类的预设业务类型的情况下，将所述用户期望业务类型对应的业务信息推送至相应用户，所述业务信息用于指示所述用户终端办理用户期望业务。
4.根据权利要求1所述的方法，其特征在于，所述获取相应用户的风险承受能力等级，包括：
获取相应用户对应的历史资源管理数据；
将所述历史资源管理数据输入至训练后的风险分类模型中，得到相应用户对应的用户风险承受能力等级。
5.根据权利要求1所述的方法，其特征在于，所述根据所述用户信息和所述风险承受能力等级，确定所述用户期望业务类型对应的候选业务推荐信息，包括：
根据所述用户信息，从业务产品数据库中选取所述用户期望业务类型对应的候选产品，并获取每一候选产品对应的预期获取资源数量和风险系数；
根据所述用户风险承受能力等级、以及每一候选产品对应的预期获取资源数量和风险系数，确定每一候选产品的推荐排序；
基于每一候选产品对应的预期获取资源数量、风险系数以及推荐排序，生成每一候选产品的候选业务推荐信息。
6.根据权利要求5所述的方法，其特征在于，所述获取每一候选产品对应的预期获取资源数量和风险系数，包括：
获取每一候选产品的产品属性信息，所述产品属性信息中包括预期获取资源数量与投入资源数量和投入资源时长之间的对应关系；
获取相应用户的预期投入资源数量，根据每一候选产品的产品属性信息，确定每一候选产品对应的预期获取资源数量和风险系数。
7.一种业务信息推送装置，其特征在于，所述装置包括：
通信模块，用于获取业务发送请求，识别所述业务发送请求中的用户期望业务类型；
信息获取模块，用于在所述用户期望业务类型为辅助类的预设业务类型的情况下，根据相应辅助类的预设业务类型，调取发起所述业务发送请求的用户的用户信息；
等级获取模块，用于获取相应用户的风险承受能力等级；
信息推荐模块，用于根据所述用户信息和所述风险承受能力等级，确定所述用户期望业务类型对应的候选业务推荐信息，将所述候选业务推荐信息推送至相应用户。
8.一种计算机设备，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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品，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6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310786550.XA CN117036041A (zh) | 2023-06-29 | 2023-06-29 | 业务信息推送方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310786550.XA CN117036041A (zh) | 2023-06-29 | 2023-06-29 | 业务信息推送方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117036041A true CN117036041A (zh) | 2023-11-10 |
Family
ID=88628724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310786550.XA Pending CN117036041A (zh) | 2023-06-29 | 2023-06-29 | 业务信息推送方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117036041A (zh) |
-
2023
- 2023-06-29 CN CN202310786550.XA patent/CN117036041A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114297509A (zh) | 用户兴趣向量生成方法、产品推荐方法、装置、设备、介质 | |
| CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
| CN114693409A (zh) | 产品匹配方法、装置、计算机设备、存储介质和程序产品 | |
| US11847599B1 (en) | Computing system for automated evaluation of process workflows | |
| CN112069269A (zh) | 基于大数据和多维特征的数据溯源方法及大数据云服务器 | |
| CN116501979A (zh) | 信息推荐方法、装置、计算机设备及计算机可读存储介质 | |
| CN117036041A (zh) | 业务信息推送方法、装置、计算机设备和存储介质 | |
| CN114170000A (zh) | 信用卡用户风险类别识别方法、装置、计算机设备和介质 | |
| KR102480239B1 (ko) | 사용자를 위한 가맹점 관리 및 매칭 방법 | |
| CN117221838A (zh) | 基于5g消息的业务办理方法、装置、计算机设备和介质 | |
| US20240061866A1 (en) | Methods and systems for a standardized data asset generator based on ontologies detected in knowledge graphs of keywords for existing data assets | |
| CN117455664A (zh) | 资源数据的处理方法、装置、计算机设备和存储介质 | |
| CN117390258A (zh) | 金融业务推荐方法、装置、计算机设备和存储介质 | |
| CN117333255A (zh) | 产品推荐方法、装置、计算机设备、存储介质和程序产品 | |
| CN117951265A (zh) | 营销话术实时生成方法、装置、设备及存储介质 | |
| CN116702789A (zh) | 语义分析方法、装置、计算机设备以及存储介质 | |
| CN117788051A (zh) | 基于人工智能的客户偏好分析方法、装置、设备及介质 | |
| CN116664190A (zh) | 电子券推荐方法、装置、计算机设备和存储介质 | |
| CN117541885A (zh) | 样本数据处理方法、装置、存储介质和系统 | |
| CN117076730A (zh) | 金融业务推荐方法、装置、计算机设备和存储介质 | |
| CN117954025A (zh) | 问卷文本生成方法、装置、计算机设备、存储介质 | |
| CN117407418A (zh) | 信息获取方法、装置、计算机设备、存储介质和程序产品 | |
| CN116881545A (zh) | 产品推荐方法、装置、计算机设备、存储介质和程序产品 | |
| CN118035423A (zh) | 信息查询方法、装置、计算机设备和存储介质 | |
| CN114842237A (zh) | 催收方式的确定方法、装置、计算机设备、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |