CN117076730A - 金融业务推荐方法、装置、计算机设备和存储介质 - Google Patents
金融业务推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117076730A CN117076730A CN202311054534.8A CN202311054534A CN117076730A CN 117076730 A CN117076730 A CN 117076730A CN 202311054534 A CN202311054534 A CN 202311054534A CN 117076730 A CN117076730 A CN 117076730A
- Authority
- CN
- China
- Prior art keywords
- user
- historical
- financial
- service
- financial service
- 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 54
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 230000006399 behavior Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005457 optimization 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
- 230000005587 bubbling Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000011159 matrix material Substances 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
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种金融业务推荐方法、装置、计算机设备、存储介质和计算机程序产品,涉及大数据技术领域。所述方法包括:根据金融业务网点中当前用户的人脸信息,确定当前用户的用户信息;根据用户信息,确定当前用户的用户类型;在用户类型为历史用户的情况下,从金融业务推荐库中获取与当前用户匹配的推荐金融业务;金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,用户业务关系网络根据每个历史用户的历史金融业务构建得到;将推荐金融业务发送至金融业务网点的业务终端;业务终端用于展示推荐金融业务。采用本方法能够提高金融业务的推荐准确率。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种金融业务推荐方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
线下网点是商业银行最重要的分销渠道,承载了交易、营销、形象展示等功能,是银行间竞争的重要筹码,具有极其重要的意义。
随着同业竞争日益激烈,网点营销主阵地作用愈发凸显,各种金融产品和金融服务的展示销售更多、更频繁地堆叠到网点,给网点和员工造成巨大的压力和挑战。然而,到店客户往往要经历网点工作人员一系列固化的营销推荐流程,这种营销推荐由于脱离个体情况,存在推荐准确率较低的问题。
发明内容
基于此,有必要针对金融业务推荐准确率低的技术问题,提供一种金融业务推荐方法、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业务推荐方法。所述方法包括:
根据金融业务网点中当前用户的人脸信息,确定所述当前用户的用户信息;
根据所述用户信息,确定所述当前用户的用户类型;
在所述用户类型为历史用户的情况下,从金融业务推荐库中获取与所述当前用户匹配的推荐金融业务;所述金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,所述用户业务关系网络根据每个历史用户的历史金融业务构建得到;
将所述推荐金融业务发送至所述金融业务网点的业务终端;所述业务终端用于向所述当前用户展示所述推荐金融业务。
在其中一个实施例中,在根据金融业务网点中当前用户的人脸信息,确定所述当前用户的用户信息之前,还包括:
将所述多个历史用户作为节点,并获取所述多个历史用户的历史金融业务;
在任意两个历史用户的历史金融业务之间具有相同的金融业务的情况下,构建所述任意两个历史用户对应的节点连边;
根据所述相同的金融业务的数量,确定所述任意两个历史用户对应的节点连边的边权重;
根据所述节点、所述节点连边和所述边权重,得到所述用户业务关系网络。
在其中一个实施例中,在得到所述用户业务关系网络之后,还包括:
分别从所述用户业务关系网络中,筛选出与每个历史用户连接所需的连边数量不超过预设连边数量的多个历史用户,作为所述每个历史用户的相邻用户;
根据所述每个历史用户的相邻用户对应的所有历史金融业务和所述每个历史用户对应的历史金融业务,得到与所述每个历史用户匹配的推荐金融业务;
根据与所述每个历史用户匹配的推荐金融业务,构建得到所述金融业务推荐库。
在其中一个实施例中,所述根据所述每个历史用户的相邻用户对应的所有历史金融业务和所述每个历史用户对应的历史金融业务,得到与所述每个历史用户匹配的推荐金融业务,包括:
对所述每个历史用户的相邻用户对应的所有历史金融业务进行去重处理,得到预处理的金融业务集合;
在所述预处理的金融业务集合中,删除所述每个历史用户对应的历史金融业务,得到与所述每个历史用户匹配的推荐金融业务。
在其中一个实施例中,在得到与所述每个历史用户匹配的推荐金融业务之后,还包括:
获取所述每个历史用户的历史行为数据;
根据所述历史行为数据,确定所述每个历史用户与所述推荐金融业务中各个金融业务之间的匹配权重;
根据所述匹配权重,以及所述推荐金融业务中各个金融业务对应的相邻用户与所述每个历史用户之间的边权重,确定所述推荐金融业务中各个金融业务的推荐顺序。
在其中一个实施例中,所述根据与所述每个历史用户匹配的推荐金融业务,构建得到所述金融业务推荐库,包括:
按照所述推荐顺序,对所述推荐金融业务进行排序,得到排序后的推荐金融业务;
根据所述排序后的推荐金融业务,构建得到所述金融业务推荐库。
在其中一个实施例中,在将所述推荐金融业务发送至所述金融业务网点的业务终端之后,还包括:
接收所述业务终端发送的针对所述当前用户的金融业务推荐结果;
根据所述金融业务推荐结果,更新所述当前用户的历史行为数据;
根据所述当前用户的更新后历史行为数据,对所述金融业务推荐库进行更新。
在其中一个实施例中,在确定所述当前用户的用户类型之后,还包括:
在所述用户类型为新用户的情况下,发送针对新用户的预设推荐金融业务至所述金融业务网点的业务终端,使所述业务终端向所述当前用户展示所述预设推荐金融业务。
第二方面,本申请还提供了一种金融业务推荐装置。所述装置包括:
用户确定模块,用于根据金融业务网点中当前用户的人脸信息,确定所述当前用户的用户信息;
类型确定模块,用于根据所述用户信息,确定所述当前用户的用户类型;
匹配业务模块,用于在所述用户类型为历史用户的情况下,从金融业务推荐库中获取与所述当前用户匹配的推荐金融业务;所述金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,所述用户业务关系网络根据每个历史用户的历史金融业务构建得到;
推荐业务模块,用于将所述推荐金融业务发送至所述金融业务网点的业务终端;所述业务终端用于向所述当前用户展示所述推荐金融业务。
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:
根据金融业务网点中当前用户的人脸信息,确定所述当前用户的用户信息;
根据所述用户信息,确定所述当前用户的用户类型;
在所述用户类型为历史用户的情况下,从金融业务推荐库中获取与所述当前用户匹配的推荐金融业务;所述金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,所述用户业务关系网络根据每个历史用户的历史金融业务构建得到;
将所述推荐金融业务发送至所述金融业务网点的业务终端;所述业务终端用于向所述当前用户展示所述推荐金融业务。
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:
根据金融业务网点中当前用户的人脸信息,确定所述当前用户的用户信息;
根据所述用户信息,确定所述当前用户的用户类型;
在所述用户类型为历史用户的情况下,从金融业务推荐库中获取与所述当前用户匹配的推荐金融业务;所述金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,所述用户业务关系网络根据每个历史用户的历史金融业务构建得到;
将所述推荐金融业务发送至所述金融业务网点的业务终端;所述业务终端用于向所述当前用户展示所述推荐金融业务。
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:
根据金融业务网点中当前用户的人脸信息,确定所述当前用户的用户信息;
根据所述用户信息,确定所述当前用户的用户类型;
在所述用户类型为历史用户的情况下,从金融业务推荐库中获取与所述当前用户匹配的推荐金融业务;所述金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,所述用户业务关系网络根据每个历史用户的历史金融业务构建得到;
将所述推荐金融业务发送至所述金融业务网点的业务终端;所述业务终端用于向所述当前用户展示所述推荐金融业务。
上述金融业务推荐方法、装置、计算机设备、存储介质和计算机程序产品,首先,根据金融业务网点中当前用户的人脸信息,确定当前用户的用户信息,以根据用户信息,确定当前用户的用户类型,后续基于不同的用户类型采用不同的推荐方式,能够更有针对性地实现金融业务推荐;然后,在用户类型为历史用户的情况下,从金融业务推荐库中获取与当前用户匹配的推荐金融业务,其中,金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,用户业务关系网络根据每个历史用户的历史金融业务构建得到;基于历史金融业务构建得到的用户业务关系网络,能够通过历史金融业务建立用户之间的联系,然后根据用户业务关系网络确定出的与当前用户相匹配的推荐金融业务,能够考虑到用户之间的相似性和兴趣,从而得到更准确的推荐金融业务;最后,将推荐金融业务发送至金融业务网点的业务终端,业务终端用于向当前用户展示推荐金融业务。上述方法中,通过有效地利用用户的历史金融业务和用户业务关系网络,更精准地挖掘用户的兴趣,得到更有针对性的推荐金融业务,再确定用户信息来获取与当前用户相匹配的推荐金融业务,提高了向用户推荐金融业务的推荐准确率。
附图说明
图1为一个实施例中金融业务推荐方法的应用环境图;
图2为一个实施例中金融业务推荐方法的流程示意图;
图3为一个实施例中构建金融业务推荐库的步骤的流程示意图;
图4为另一个实施例中金融业务推荐方法的流程示意图;
图5为一个实施例中向到达金融业务网点的当前用户推荐金融业务的流程示意图;
图6为一个实施例中金融业务推荐装置的结构框图;
图7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。
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。若涉及广告推送的方案,增加说明,推送的广告,用户可以拒绝或可以便捷拒绝广告推送信息等。
本申请实施例提供的金融业务推荐方法,可以应用于如图1所示的应用环境中。其中,服务器102通过网络与终端104进行通信。数据存储系统可以存储服务器102需要处理的数据。数据存储系统可以集成在服务器102上,也可以放在云上或其他网络服务器上。服务器根据金融业务网点中当前用户的人脸信息,确定当前用户的用户信息;服务器根据用户信息,确定当前用户的用户类型;在用户类型为历史用户的情况下,服务器从金融业务推荐库中获取与当前用户匹配的推荐金融业务,其中,金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,用户业务关系网络根据每个历史用户的历史金融业务构建得到;服务器将推荐金融业务发送至金融业务网点的业务终端;业务终端用于向当前用户展示推荐金融业务。其中,服务器102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。终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑等。
在一个实施例中,如图2所示,提供了一种金融业务推荐方法,以该方法应用于图1中的服务器102为例进行说明,包括以下步骤:
步骤S201,根据金融业务网点中当前用户的人脸信息,确定当前用户的用户信息。
示例性地,服务器102接收金融业务网点中摄像头实时采集得到的当前用户的人脸信息。然后服务器102需要对当前用户的人脸信息进行特征提取和匹配,包括将人脸图像转换为数值表示,通常通过深度学习技术中的人脸识别模型(如卷积神经网络)来提取人脸特征,然后将提取到的特征与已有的人脸特征数据库中的特征进行比对,以确认当前用户的用户信息是否已被记录。
步骤S202,根据用户信息,确定当前用户的用户类型。
其中,用户类型包括历史用户和新用户。
示例性地,服务器102根据当前用户的人脸信息在已有的人脸特征数据库中的特征进行比对,在比对不成功的情况下,即当前用户的用户信息未记录于数据库中,那么当前用户的用户类型为新用户;在比对成功的情况下,即当前用户的用户信息已记录于数据库中,然后根据当前用户已记录的用户信息,确定当前用户是否已参与新用户推荐金融业务,若没参与,则确定当前用户为新用户,若已参与,则确定当前用户为历史用户。
步骤S203,在用户类型为历史用户的情况下,从金融业务推荐库中获取与当前用户匹配的推荐金融业务。
其中,金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,用户业务关系网络根据每个历史用户的历史金融业务构建得到。
示例性地,在当前用户为历史用户的情况下,则当前用户具有已参与的历史金融业务,服务器102可以预先基于当前用户的历史金融业务构建包含当前用户的用户业务关系网络,然后服务器102根据用户业务关系网络确定出与当前用户匹配的推荐金融业务,并基于当前用户的用户标识预先将推荐金融业务存储于金融业务推荐库中。在当前用户到达金融业务网点时,可以即时根据用户标识检索得到与当前用户匹配的推荐金融业务。
步骤S204,将推荐金融业务发送至金融业务网点的业务终端。
其中,业务终端用于向当前用户展示推荐金融业务。
示例性地,服务器102确定出与当前用户匹配的推荐金融业务后,将推荐金融业务发送至金融业务网点的业务终端中,使得业务终端展示推荐金融业务,可以辅助金融业务网点中的业务人员向当前用户推荐匹配的推荐金融业务。
上述金融业务推荐方法中,首先,根据金融业务网点中当前用户的人脸信息,确定当前用户的用户信息,以根据用户信息,确定当前用户的用户类型,后续基于不同的用户类型采用不同的推荐方式,能够更有针对性地实现金融业务推荐;然后,在用户类型为历史用户的情况下,从金融业务推荐库中获取与当前用户匹配的推荐金融业务,其中,金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,用户业务关系网络根据每个历史用户的历史金融业务构建得到;基于历史金融业务构建得到的用户业务关系网络,能够通过历史金融业务建立用户之间的联系,然后根据用户业务关系网络确定出的与当前用户相匹配的推荐金融业务,能够考虑到用户之间的相似性和兴趣,从而得到更准确的推荐金融业务;最后,将推荐金融业务发送至金融业务网点的业务终端,业务终端用于向当前用户展示推荐金融业务。上述方法中,通过有效地利用用户的历史金融业务和用户业务关系网络,更精准地挖掘用户的兴趣,得到更有针对性的推荐金融业务,再确定用户信息来获取与当前用户相匹配的推荐金融业务,提高了向用户推荐金融业务的推荐准确率。
在一个实施例中,在上述步骤S201根据金融业务网点中当前用户的人脸信息,确定当前用户的用户信息之前,还包括:将多个历史用户作为节点,并获取多个历史用户的历史金融业务;在任意两个历史用户的历史金融业务之间具有相同的金融业务的情况下,构建任意两个历史用户对应的节点连边;根据相同的金融业务的数量,确定任意两个历史用户对应的节点连边的边权重;根据节点、节点连边和边权重,得到用户业务关系网络。
示例性地,服务器需要预先构建用户业务关系网络,然后得到每个历史用户的推荐金融业务并存储于金融业务推荐库中。服务器以历史用户作为用户业务关系网络中的节点;然后查询获取每个历史用户的历史金融业务,并两两对比历史用户对应的历史金融业务,若两个历史用户的历史金融业务之间具有相同金融业务的情况下,则构建这两个历史用户对应的节点之间的节点连边;同时,服务器还根据这两个历史用户的历史金融业务之间相同金融业务的数量,作为这两个历史用户的节点连边的边权重,完成用户业务关系网络的构建。举例说明,若历史用户A的历史金融业务为(1,2,3),历史用户B的历史金融业务为(2,3,4),则A和B之间具有两个相同的历史金融业务2和3,边权重为2。
本实施例中,通过历史用户的历史金融业务,构建用户业务关系网络,有助于提供更准确的历史用户之间的业务关系分析,可以发现历史用户之间的隐性关系,更全面地理解历史用户的偏好,有助于后续实现更精准的金融业务推荐。
在一个实施例中,如图3所示,在上述得到用户业务关系网络之后,还包括以下步骤:
步骤S301,分别从用户业务关系网络中,筛选出与每个历史用户连接所需的连边数量不超过预设连边数量的多个历史用户,作为每个历史用户的相邻用户。
步骤S302,根据每个历史用户的相邻用户对应的所有历史金融业务和每个历史用户对应的历史金融业务,得到与每个历史用户匹配的推荐金融业务。
步骤S303,根据与每个历史用户匹配的推荐金融业务,构建得到金融业务推荐库。
示例性地,服务器从用户业务关系网络中确定出每个历史用户的相邻用户。服务器需要筛选出与每个历史用户连接所需的连边数量不超过预设连边数量的多个历史用户,作为相邻用户。举例说明,用户A与用户B之间具有节点连边,用户B与用户C之间具有节点连边,但是用户A与用户C之间不具有节点连边,那么连接用户A与用户C需要通过用户B,则用户A与用户C连接所需的连边数量为2。若预设连边数量为2时,则用户B和用户C均为用户A的相邻用户;若预设连边数量为1时,则用户B为用户A的相邻用户,而用户C不为用户A的相邻用户。服务器在确定出与每个历史用户相似的相邻用户后,从相邻用户对应的所有历史金融业务,可以确定出与对应历史用户相匹配的潜在金融业务;同时根据每个历史用户各自的历史金融业务,可以剔除历史用户已参与的金融业务,从而得到与每个历史用户匹配的推荐金融业务。服务器基于所有历史用户的推荐金融业务,构建金融业务推荐库。
本实施例中,通过预设连边数量,可以根据需求得到与历史用户兴趣相似的相邻用户或范围更广的跨兴趣的相邻用户。然后基于相邻用户的历史金融业务可以确定出更个性化、更全面、更准确的推荐金融业务,提高向历史用户推荐的准确性。
在一个实施例中,上述步骤S302根据每个历史用户的相邻用户对应的所有历史金融业务和每个历史用户对应的历史金融业务,得到与每个历史用户匹配的推荐金融业务,还包括:对每个历史用户的相邻用户对应的所有历史金融业务进行去重处理,得到预处理的金融业务集合;在预处理的金融业务集合中,删除每个历史用户对应的历史金融业务,得到与每个历史用户匹配的推荐金融业务。
示例性地,服务器需要对每个历史用户的相邻用户对应的所有金融业务做去重处理,得到预处理的金融业务集合,然后还需要删除其中每个历史用户对应的历史金融业务,最后才得到与每个历史用户匹配的推荐金融业务。
本实施例中,通过对相邻用户对应的所有金融业务做去重处理,可以减少存储的数据大小;然后删除其中每个历史用户对应的历史金融业务,可以避免向历史用户推荐已参与的重复金融业务,提高推荐的效率。
在一个实施例中,在上述步骤S302得到与每个历史用户匹配的推荐金融业务之后,还包括:获取每个历史用户的历史行为数据;根据历史行为数据,确定每个历史用户与推荐金融业务中各个金融业务之间的匹配权重;根据匹配权重,以及推荐金融业务中各个金融业务对应的相邻用户与每个历史用户之间的边权重,确定推荐金融业务中各个金融业务的推荐顺序。
示例性地,历史用户的历史行为数据至少包括历史用户在用户终端上使用金融业务相关应用程序的埋点数据、向历史用户推荐金融业务的历史推荐结果和历史用户的历史金融业务等。历史用户与金融业务之间的匹配权重可以由多个维度确定:例如,根据历史用户的埋点数据,确定出历史用户对某一金融业务的浏览时间、点击次数等,则可以基于浏览时间、点击次数确定匹配权重;或者,根据历史用户的历史推荐结果,确定出用户明确拒绝过或拒绝次数达到阈值的金融业务,则可以将此金融业务的匹配权重确定为0;又或者,根据历史用户的历史金融业务,确定出历史金融业务中每个业务类型的比重,根据业务类型的比重,确定相同业务类型的金融业务的匹配权重等。同时,确定金融业务和对应的相邻用户与每个历史用户之间的边权重,例如,用户A和用户B之间的边权重为2,用户A和用户C之间的边权重为3,用户B的历史金融业务为(1,2),用户C的历史金融业务为(2,3),那么业务1针对用户A的边权重为2,业务2针对用户A的边权重为5,业务3针对用户A的边权重为3。而对于预设连边数量大于1的情况,没有连边节点之间的边权重基于共同连接节点数确定,例如用户A和用户B、C之间具有连边,用户D和用户B、C之间具有连边,而用户A和用户D之间不具有连边,那么A和D之间的潜在边权重可以为2,而用户D的历史金融业务针对用户A的边权重可以由2和预先训练确定的衰减系数相加确定。服务器在确定出推荐金融业务中各个金融业务针对对应历史用户的匹配权重和边权重后,可以将匹配权重和边权重进行相乘确定最后的排序权重,也可以根据匹配权重和边权重各自预先训练确定的推荐权重进行加权相加,确定最后的排序权重。服务器按照排序权重的大小顺序,确定推荐金融业务中各个金融业务的推荐顺序。
进一步地,在一个实施例中,上述步骤S303根据与每个历史用户匹配的推荐金融业务,构建得到金融业务推荐库,还包括:按照推荐顺序,对推荐金融业务进行排序,得到排序后的推荐金融业务;根据排序后的推荐金融业务,构建得到金融业务推荐库。
示例性地,服务器根据推荐顺序对推荐金融业务进行排序处理,再据根据排序后的推荐金融业务,构建得到金融业务推荐库。后续在发送推荐金融业务至业务终端时,可以选择靠前的推荐金融业务进行发送。
本实施例中,通过历史用户的历史行为数据确定每个推荐金融业务的匹配权重,以及确定每个推荐金融业务对应的边权重,基于匹配权重和边权重确定出推荐金融业务对应的推荐顺序,后续可以基于推荐顺序发送推荐金融业务至业务终端,可以更具有针对性地向用户进行金融业务的推荐,以提高金融业务的推荐准确率和推荐效率。
在一个实施例中,在上述将推荐金融业务发送至金融业务网点的业务终端之后,还包括:接收业务终端发送的针对当前用户的金融业务推荐结果;根据金融业务推荐结果,更新当前用户的历史行为数据;根据当前用户的更新后历史行为数据,对金融业务推荐库进行更新。
示例性地,金融业务网点的业务人员基于业务终端展示的推荐金融业务,完成向当前用户进行金融业务的推荐后,将金融业务推荐结果通过业务终端发回至服务器中。服务器基于金融业务推荐结果,更新当前用户的历史行为数据,包括推荐成功时更新当前用户的历史金融业务,以及推荐失败时更新当前用户已拒绝的金融业务等。服务器基于更新后历史行为数据,对金融业务推荐库进行更新。
本实施例中,通过金融业务推荐结果,更新历史行为数据以及更新金融业务推荐库,实现了实时的金融业务推荐动态优化,有利于保持推荐金融业务的针对性,提高金融业务推荐的推荐效果,确保用户获得最精确的推荐。
在一个实施例中,在上述步骤202确定当前用户的用户类型之后,还包括:在用户类型为新用户的情况下,发送针对新用户的预设推荐金融业务至金融业务网点的业务终端,使业务终端向当前用户展示预设推荐金融业务。
示例性地,服务器根据用户信息确定出当前用户为新用户的情况下,从数据库中查询得到针对新用户的预设推荐金融业务,例如金融账户开户、信用卡开户、手机银行开户等。然后服务器将针对新用户的预设推荐金融业务发送至金融业务网点的业务终端,使业务终端展示预设推荐金融业务。
本实施例中,通过发送针对新用户的预设推荐金融业务至业务终端,可以辅助金融业务网点的业务人员将当前用户转化为历史用户。
在另一个实施例中,如图4所示,提供了一种金融业务推荐方法,该方法包括以下步骤:
步骤S401,将多个历史用户作为节点,并获取多个历史用户的历史金融业务。
步骤S402,在任意两个历史用户的历史金融业务之间具有相同的金融业务的情况下,构建任意两个历史用户对应的节点连边。
步骤S403,根据相同的金融业务的数量,确定任意两个历史用户对应的节点连边的边权重,根据节点、节点连边和边权重,得到用户业务关系网络。
步骤S404,分别从用户业务关系网络中,筛选出与每个历史用户连接所需的连边数量不超过预设连边数量的多个历史用户,作为每个历史用户的相邻用户。
步骤S405,对每个历史用户的相邻用户对应的所有历史金融业务进行去重处理,得到预处理的金融业务集合。
步骤S406,在预处理的金融业务集合中,删除每个历史用户对应的历史金融业务,得到与每个历史用户匹配的推荐金融业务。
步骤S407,获取每个历史用户的历史行为数据,根据历史行为数据,确定每个历史用户与推荐金融业务中各个金融业务之间的匹配权重。
步骤S408,根据匹配权重,以及推荐金融业务中各个金融业务对应的相邻用户与每个历史用户之间的边权重,确定推荐金融业务中各个金融业务的推荐顺序。
步骤S409,按照推荐顺序,对推荐金融业务进行排序,得到排序后的推荐金融业务,根据排序后的推荐金融业务,构建得到金融业务推荐库。
步骤S410,根据金融业务网点中当前用户的人脸信息,确定当前用户的用户信息,根据用户信息,确定当前用户的用户类型。
步骤S411,在用户类型为历史用户的情况下,从金融业务推荐库中获取与当前用户匹配的推荐金融业务,将推荐金融业务发送至金融业务网点的业务终端。
步骤S412,在用户类型为新用户的情况下,发送针对新用户的预设推荐金融业务至金融业务网点的业务终端。
步骤S413,接收业务终端发送的针对当前用户的金融业务推荐结果,根据金融业务推荐结果,更新当前用户的历史行为数据,根据当前用户的更新后历史行为数据,对金融业务推荐库进行更新。
示例性地,构建用户业务关系网络G。以业务为纽带、用户为节点构建用户业务关系网络,即参与了相同业务的用户之间建立连边,参与相同业务的数量作为边的边权重k,以将用户与业务的关系转化成了用户与用户的关系,既考虑到了业务,也建立了用户关系。
建立金融业务推荐库,主要思想是给用户推荐和他兴趣相似的其他用户喜欢的业务,用户业务关系网络的边代表了两个用户之间存在某种相似的兴趣。以节点i为例,筛选出与节点i的直接连接(即预设连边数量为1)的所有节点,建立节点间的边权重k与筛选出的节点的关联关系,得到集合A,即
A=[i1,i2,…,in],n<N
其中,n为与节点i的直接连接的所有节点数,N为网络G的节点总数。
将集合A中的元素in替换成对应的历史金融业务集合,即元素in所代表的用户已参与的历史金融业务信息,得到集合B,即
B=[[p1,p2,…,pm1],[p1,p3,…,pm2],…,[p2,…,pmm’)]]
其中,pmm’为某一金融业务。
将集合B中的元素进行合并去重,保留节点间的边权重k与筛选出的节点的关联关系,得到节点i所代表客户的可营销产品集合C,即
C=[p1,p2,…,pm]
节点i对应的已营销产品信息为集合I,定义I=[p2,p3,p4],即可得到节点i所代表客户的优先营销产品集合E,即
E=[p1,p5,…,pm],m>5
此时,集合E的金融业务仅考虑了用户相似性,并没有考虑用户的操作行为习惯和产品接受程度等因素。通过对手机银行埋点数据的分析统计,得到[用户、金融业务、查看次数]等的关系数据,然后根据关系数据确定匹配权重,并根据匹配权重和边权重对集合E进行冒泡排序优化推荐流程。得到节点i所代表客户的推荐营销产品集合F,即
F=[p6,p1,…,pm],m>5
以此类推,得到所有节点对应的推荐金融业务,这些推荐金融业务组成了金融业务推荐库。
进一步地,在一个实施例中,在用户到达金融业务网点之后,可以采用如图5所示的流程进行金融业务的推荐。
本实施例中,通过上述方案,可以提供对到店用户的精准高效推荐,避免了脱离个体情况的盲目推荐,有效解决了网点推荐工作中的难点和痛点问题,提高推荐转化率。同时,该技术方案可以精准高效推荐用户真正需要的金融业务,不仅能够提高业务人员的推荐积极性,也有利于培养用户到店习惯和品牌价值传递,提升网点营销推荐主阵地作用。
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业务推荐方法的金融业务推荐装置。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业务推荐装置实施例中的具体限定可以参见上文中对于金融业务推荐方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种金融业务推荐装置,包括:用户确定模块601、类型确定模块602、匹配业务模块603和推荐业务模块604,其中:
用户确定模块601,用于根据金融业务网点中当前用户的人脸信息,确定当前用户的用户信息;
类型确定模块602,用于根据用户信息,确定当前用户的用户类型;
匹配业务模块603,用于在用户类型为历史用户的情况下,从金融业务推荐库中获取与当前用户匹配的推荐金融业务;金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,用户业务关系网络根据每个历史用户的历史金融业务构建得到;
推荐业务模块604,用于将推荐金融业务发送至金融业务网点的业务终端;业务终端用于向当前用户展示推荐金融业务。
在一个实施例中,上述金融业务推荐装置还包括网络构建模块,用于将多个历史用户作为节点,并获取多个历史用户的历史金融业务;在任意两个历史用户的历史金融业务之间具有相同的金融业务的情况下,构建任意两个历史用户对应的节点连边;根据相同的金融业务的数量,确定任意两个历史用户对应的节点连边的边权重;根据节点、节点连边和边权重,得到用户业务关系网络。
在一个实施例中,上述金融业务推荐装置还包括推荐库构建模块,用于分别从用户业务关系网络中,筛选出与每个历史用户连接所需的连边数量不超过预设连边数量的多个历史用户,作为每个历史用户的相邻用户;根据每个历史用户的相邻用户对应的所有历史金融业务和每个历史用户对应的历史金融业务,得到与每个历史用户匹配的推荐金融业务;根据与每个历史用户匹配的推荐金融业务,构建得到金融业务推荐库。
在一个实施例中,上述推荐库构建模块,还用于对每个历史用户的相邻用户对应的所有历史金融业务进行去重处理,得到预处理的金融业务集合;在预处理的金融业务集合中,删除每个历史用户对应的历史金融业务,得到与每个历史用户匹配的推荐金融业务。
在一个实施例中,上述金融业务推荐装置还包括顺序确定模块,用于获取每个历史用户的历史行为数据;根据历史行为数据,确定每个历史用户与推荐金融业务中各个金融业务之间的匹配权重;根据匹配权重,以及推荐金融业务中各个金融业务对应的相邻用户与每个历史用户之间的边权重,确定推荐金融业务中各个金融业务的推荐顺序。
在一个实施例中,上述推荐库构建模块,还用于按照推荐顺序,对推荐金融业务进行排序,得到排序后的推荐金融业务;根据排序后的推荐金融业务,构建得到金融业务推荐库。
在一个实施例中,上述推荐库构建模块,还用于接收业务终端发送的针对当前用户的金融业务推荐结果;根据金融业务推荐结果,更新当前用户的历史行为数据;根据当前用户的更新后历史行为数据,对金融业务推荐库进行更新。
在一个实施例中,上述推荐业务模块604,还用于在用户类型为新用户的情况下,发送针对新用户的预设推荐金融业务至金融业务网点的业务终端,使业务终端向当前用户展示预设推荐金融业务。
上述金融业务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7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推荐金融业务数据。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业务推荐方法。
本领域技术人员可以理解,图7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,还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上述各方法实施例中的步骤。
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,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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上述各方法实施例中的步骤。
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)
1.一种金融业务推荐方法,其特征在于,所述方法包括:
根据金融业务网点中当前用户的人脸信息,确定所述当前用户的用户信息;
根据所述用户信息,确定所述当前用户的用户类型;
在所述用户类型为历史用户的情况下,从金融业务推荐库中获取与所述当前用户匹配的推荐金融业务;所述金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,所述用户业务关系网络根据每个历史用户的历史金融业务构建得到;
将所述推荐金融业务发送至所述金融业务网点的业务终端;所述业务终端用于向所述当前用户展示所述推荐金融业务。
2.根据权利要求1所述的方法,其特征在于,在根据金融业务网点中当前用户的人脸信息,确定所述当前用户的用户信息之前,还包括:
将所述多个历史用户作为节点,并获取所述多个历史用户的历史金融业务;
在任意两个历史用户的历史金融业务之间具有相同的金融业务的情况下,构建所述任意两个历史用户对应的节点连边;
根据所述相同的金融业务的数量,确定所述任意两个历史用户对应的节点连边的边权重;
根据所述节点、所述节点连边和所述边权重,得到所述用户业务关系网络。
3.根据权利要求2所述的方法,其特征在于,在得到所述用户业务关系网络之后,还包括:
分别从所述用户业务关系网络中,筛选出与每个历史用户连接所需的连边数量不超过预设连边数量的多个历史用户,作为所述每个历史用户的相邻用户;
根据所述每个历史用户的相邻用户对应的所有历史金融业务和所述每个历史用户对应的历史金融业务,得到与所述每个历史用户匹配的推荐金融业务;
根据与所述每个历史用户匹配的推荐金融业务,构建得到所述金融业务推荐库。
4.根据权利要求3所述的方法,其特征在于,所述根据所述每个历史用户的相邻用户对应的所有历史金融业务和所述每个历史用户对应的历史金融业务,得到与所述每个历史用户匹配的推荐金融业务,包括:
对所述每个历史用户的相邻用户对应的所有历史金融业务进行去重处理,得到预处理的金融业务集合;
在所述预处理的金融业务集合中,删除所述每个历史用户对应的历史金融业务,得到与所述每个历史用户匹配的推荐金融业务。
5.根据权利要求3所述的方法,其特征在于,在得到与所述每个历史用户匹配的推荐金融业务之后,还包括:
获取所述每个历史用户的历史行为数据;
根据所述历史行为数据,确定所述每个历史用户与所述推荐金融业务中各个金融业务之间的匹配权重;
根据所述匹配权重,以及所述推荐金融业务中各个金融业务对应的相邻用户与所述每个历史用户之间的边权重,确定所述推荐金融业务中各个金融业务的推荐顺序;
所述根据与所述每个历史用户匹配的推荐金融业务,构建得到所述金融业务推荐库,包括:
按照所述推荐顺序,对所述推荐金融业务进行排序,得到排序后的推荐金融业务;
根据所述排序后的推荐金融业务,构建得到所述金融业务推荐库。
6.根据权利要求5所述的方法,其特征在于,在将所述推荐金融业务发送至所述金融业务网点的业务终端之后,还包括:
接收所述业务终端发送的针对所述当前用户的金融业务推荐结果;
根据所述金融业务推荐结果,更新所述当前用户的历史行为数据;
根据所述当前用户的更新后历史行为数据,对所述金融业务推荐库进行更新。
7.根据权利要求1所述的方法,其特征在于,在确定所述当前用户的用户类型之后,还包括:
在所述用户类型为新用户的情况下,发送针对新用户的预设推荐金融业务至所述金融业务网点的业务终端,使所述业务终端向所述当前用户展示所述预设推荐金融业务。
8.一种金融业务推荐装置,其特征在于,所述装置包括:
用户确定模块,用于根据金融业务网点中当前用户的人脸信息,确定所述当前用户的用户信息;
类型确定模块,用于根据所述用户信息,确定所述当前用户的用户类型;
匹配业务模块,用于在所述用户类型为历史用户的情况下,从金融业务推荐库中获取与所述当前用户匹配的推荐金融业务;所述金融业务推荐库中包括多个历史用户的推荐金融业务,每个历史用户的推荐金融业务根据用户业务关系网络中对应历史用户的相邻用户的历史金融业务确定,所述用户业务关系网络根据每个历史用户的历史金融业务构建得到;
推荐业务模块,用于将所述推荐金融业务发送至所述金融业务网点的业务终端;所述业务终端用于向所述当前用户展示所述推荐金融业务。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311054534.8A CN117076730A (zh) | 2023-08-21 | 2023-08-21 | 金融业务推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311054534.8A CN117076730A (zh) | 2023-08-21 | 2023-08-21 | 金融业务推荐方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117076730A true CN117076730A (zh) | 2023-11-17 |
Family
ID=88711099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311054534.8A Pending CN117076730A (zh) | 2023-08-21 | 2023-08-21 | 金融业务推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117076730A (zh) |
-
2023
- 2023-08-21 CN CN202311054534.8A patent/CN117076730A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2021218110A1 (en) | Learning from distributed data | |
CN112148973B (zh) | 一种信息推送的数据处理方法及装置 | |
CN111444394A (zh) | 获取实体间关系表达的方法、系统和设备、广告召回系统 | |
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 | |
CN112632405A (zh) | 一种推荐方法、装置、设备及存储介质 | |
CN110555713A (zh) | 一种确定销量预测模型的方法和装置 | |
CN111078997B (zh) | 一种资讯推荐方法及装置 | |
CN115423555A (zh) | 一种商品推荐方法、装置、电子设备及存储介质 | |
CN114693409A (zh) | 产品匹配方法、装置、计算机设备、存储介质和程序产品 | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
CN113837843B (zh) | 产品推荐方法、装置、介质及电子设备 | |
CN117076730A (zh) | 金融业务推荐方法、装置、计算机设备和存储介质 | |
Bakar et al. | Application of graph theory and matrix approach as decision analysis tool for smartphone selection | |
CN112734352A (zh) | 一种基于数据维度的单据审核方法和装置 | |
CN113822691A (zh) | 用户账号的识别方法、装置、系统和介质 | |
CN110738538A (zh) | 识别相似物品的方法和装置 | |
CN113067888B (zh) | 一种家庭用户信息推送方法、系统及存储介质 | |
CN117036041A (zh) | 业务信息推送方法、装置、计算机设备和存储介质 | |
CN117033765A (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
CN114139061A (zh) | 一种目标客户筛选系统及其方法 | |
CN116881545A (zh) | 产品推荐方法、装置、计算机设备、存储介质和程序产品 | |
CN116720087A (zh) | 账务数据匹配方法、装置、计算机设备和存储介质 | |
CN118247012A (zh) | 推送线索生成方法、产品推送方法、装置及设备 | |
CN116664190A (zh) | 电子券推荐方法、装置、计算机设备和存储介质 | |
CN115659022A (zh) | 资源推送数据处理方法、装置、计算机设备和存储介质 |
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 |