CN117271908A - 一种基于过滤算法的产品推荐方法、电子装置及介质 - Google Patents

Abstract

本申请实施例公开了一种基于过滤算法的产品推荐方法、电子装置及介质，可应用于人工智能领域或金融领域，用于实现给用户推荐合适的资金配置方案。本申请实施例方法包括：判断用户类型，所述用户类型用于指示目标用户的资金配置习惯；根据所述用户类型对产品进行推荐排序；根据所述推荐排序向所述目标用户发送目标消息，所述目标消息用于向所述目标用户推荐所述产品。本申请实施例能够实现向用户精准推荐资金配置。

Description

一种基于过滤算法的产品推荐方法、电子装置及介质

技术领域

本申请实施例涉及人工智能技术及金融科技领域，尤其涉及一种基于过滤算法的产品推荐方法、电子装置及介质。

背景技术

目前在购买新房部分楼盘会有冻资摇号的政策以确定该购房者有购买资格。冻资会选择冻资合作银行，购房者会将资金集中转入该账户，在购房者摇号结束后如未摇中等情况未购买房产，则该部分资金可能会闲置，客户在结束摇号后未在该行查找到合适的资金分配方案，可能会将资金转出。如摇中，则后续可能会有购房贷款需求。

由于该场景下一般资金较多，避免该客户的流失，因此需要一种基于过滤算法的产品推荐方法。

发明内容

本申请实施例提供了一种基于过滤算法的产品推荐方法、电子装置及介质，可应用于人工智能领域或金融领域，用于实现给用户推荐合适的资金配置方案。

本申请实施例第一方面提供一种数据预测方法，判断用户类型，所述用户类型用于指示目标用户的资金配置习惯，所述用户类型用于指示目标用户的资金配置习惯；根据所述用户类型对产品进行推荐排序；根据所述推荐排序向所述目标用户发送目标消息，所述目标消息用于向所述目标用户推荐所述产品。

在一些可选的实施方式中，所述用户类型包括贷款群体或资金配置群体。

在一些可选的实施方式中，若所述用户类型为贷款群体，则通过建立用户行为习惯模型来对所述产品进行推荐排序。

在一些可选的实施方式中，通过建立用户行为习惯模型，匹配历史信贷记录，通过对信贷产品的评价、信贷金额、客户年龄等因素推荐信贷产品。

在一些可选的实施方式中，若所述用户类型为资金配置群体，则通过协调过滤算法来对所述产品进行推荐排序。

在一些可选的实施方式中，根据银行基础数据信息，通过协同过滤算法，筛选出同资产、同龄等特征的客户配置信息；根据所述客户配置信息进行推荐排序。

在一些可选的实施方式中，所述目标消息为5G消息。

本申请实施例第二方面提供一种电子装置，包括：

判断单元，用于判断用户类型，用户类型用于指示目标用户的资金配置习惯；

排序单元，用于根据所述用户类型对产品进行推荐排序；

发送单元，用于根据所述推荐排序向所述目标用户发送目标消息，目标消息用于向所述目标用户推荐所述产品。

本申请实施例第三方面提供一种电子装置，包括：

处理器以及存储器，所述处理器与所述存储器耦合；

所述存储器，用于存储程序；

所述处理器，用于执行所述存储器中的程序，使得电子装置执行如前述第一方面所述的方法。

本申请实施例第四方面提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如前述第一方面所述的方法。

附图说明

图1为本申请实施例中产品推荐方法的一个业务流程图；

图2为本申请实施例中产品推荐方法的一个实施例示意图；

图3为本申请实施例中产品推荐方法的另一实施例示意图；

图4为本申请实施例中电子装置的一个实施例示意图；

图5为本申请实施例中电子装置的另一实施例示意图。

具体实施方式

本申请实施例提供了一种基于过滤算法的产品推荐方法、电子装置及介质，可应用于人工智能领域或金融领域，用于实现给用户推荐合适的资金配置方案。

下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本申请的说明书、权利要求书及附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或装置不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或装置固有的其它单元。

所述产品推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子装置中的至少一种。换言之，所述产品推荐方法可以由安装在终端装置或服务端装置的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

本发明实施例中，用户类型根据用户特征信息得到，用户特征信息中包含用户基本特征信息及用户偏好特征信息两种类型的信息，所述用户基本信息为用户的基本固定的特征信息(如用户的年龄、性别)，筛选出同资产、同龄等特征的客户配置信息。用户偏好特征信息为在该配置下用户喜好的产品类型(用户点击最多的产品类型、购买最多的产品类型)，因此，所述用户偏好特征信息需要在产品的推荐及用户的选择过程中不断积累；所述产品特征信息中包含产品基本特征信息及产品偏好特征信息两种类别的信息，产品基本信息为产品的基本固定的特征信息，产品偏好特征信息为偏好该产品的用户特征信息，因此，所述产品偏好特征信息需要在物品的推荐及用户的选择过程中不断积累。

目前在购买新房部分楼盘会有冻资摇号的政策以确定该购房者有购买资格。冻资会选择冻资合作银行，购房者会将资金集中转入该账户，在购房者摇号结束后如未摇中等情况未购买房产，则该部分资金可能会闲置，客户在结束摇号后未在该行查找到合适的资金分配方案，可能会将资金转出。如摇中，则后续可能会有购房贷款需求。

该场景下一般资金较多，避免该客户的流失，基于此，本申请实施例提供一种基于过滤算法精准推荐产品的方法，在摇号结束后通过协调过滤算法，如摇中后续需要信贷相关产品或未中则需要理财基金存款等相关产品，给用户推荐合适的资金配置方案，便于活客落客。

鉴于上述，本申请实施例提出一种基于过滤算法的产品推荐方法

在购房冻资过程中会形成特定客户，该客户的群体会有一部分贷款需求，一部分会存款优质存款理财客户资质。在摇号确定是否本次购房后，可针对不同场景进行智能推荐。

请参阅图1，图1为本申请实施例中产品推荐方法的一个业务流程图。通过协同过滤算法，在购房冻资过程中会形成特定客户，该客户的群体会有一部分贷款需求，一部分会存款优质存款理财客户资质。在摇号确定是否本次购房后，可针对不同场景进行智能推荐。场景一：贷款群体。通过建立用户行为习惯模型，通过大数据技术，匹配历史信贷记录，通过对信贷产品的评价、信贷金额、客户年龄等因素推荐合适的信贷产品；场景二：资金配置群体。通过协同过滤算法，通过大数据技术，筛选出同资产、同龄等特征的客户配置信息，如哪种理财、基金等在该配置在购买较多及评价较高等。以上场景可进行智能推荐，通过5G消息将推荐信息推送给场景客户。

一、资金配置群体；

请参阅图2，本申请实施例中一种产品推荐方法包括：

201、判断用户类型；

在本申请实施例中，首先获取冻资客户资源，并根据该客户资源判断用户类型。根据银行基础数据信息，通过大数据技术筛选匹配出该同规模资产配置、同龄等特征的客户配置信息。

202、通过协同过滤算法进行推荐排序；

当用户类型为资金配置群体时，该群体需要理财基金存款等相关产品，因此通过协同过滤算法，对该类产品进行推荐排序。协同过滤算法基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐。

协同过滤算法基本上有两类：基于用户、基于产品。这两类中都离不开一个叫做“关联规则”的模型，即把两个看似没有关系的产品，通过某种关系关联在一起，具体实现方式就是关联规则分析算法。

关联规则分析算法包括但是不限于以下关联规则挖掘算法：Apriori算法、基于划分的算法和FP-树频集算法。

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。

基于划分的算法，先把数据库从逻辑上分成几个互不相交的块，每次单独考虑一个分块并对它生成所有的频集，然后把产生的频集合并，用来生成所有可能的频集，最后计算这些项集的支持度。

FP-树频集算法，针对Apriori算法的固有缺陷，采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树(FP-tree)，同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。

在实际应用中，可以使用Apriori算法、基于划分的算法或FP-树频集算法中的任意一种算法，具体此处不做限定。

203、推送推荐消息。

在本申请实施例中，当获取到产品的推荐排序之后，以发送消息的方式向用户推送该产品。

在实际应用中，可以使用第五代移动通信技术(5th generation mobilecommunication technology，5G)消息，向用户推送产品。

二、贷款群体

请参阅图3，本申请实施例中一种产品推荐方法包括：

301、判断用户类型；

在本申请实施例中，首先获取冻资客户资源，并根据该客户资源判断用户类型。根据银行基础数据信息，通过大数据技术筛选匹配出该同规模资产配置、同龄等特征的客户配置信息。

302、建立用户行为习惯模型；

在本申请实施例中，获取用户行为习惯参数，根据参数建立用户行为习惯模型。如该客户在行内前期资产已有历史数据，根据用户资产金额、购买产品记录、时长等建立用户行为习惯模型，通过用户行为习惯模型匹配历史信贷记录，通过对信贷产品的评价、信贷金额、客户年龄等因素推荐合适的信贷产品。

303、推送推荐消息。

在本申请实施例中，当获取到产品的推荐排序之后，以发送消息的方式向用户推送该产品。

在实际应用中，可以使用5G消息向用户推送产品。

产品推送消息为需要向待推荐用户推荐产品的请求，所述产品推送消息中包含可以推荐的每个待推荐产品的产品信息及待推荐用户的待推荐用户信息，其中，所述产品信息与所述用户特征信息类型相同内容不同，也包含用户基本信息与用户偏好信息两种类型的信息，其中，包含的用户偏好信息可以为空；所述产品信息与所述产品特征信息类型相同，内容不同，也包含产品基本信息与产品偏好信息两种类型的信息

上面对本申请实施例中的产品推荐方法进行了描述，下面对本申请实施例中的电子装置进行描述，请参阅图4，本申请实施例中电子装置的一个实施例包括：

判断单元401，用于判断用户类型，用户类型用于指示目标用户的资金配置习惯；

排序单元402，用于根据用户类型对产品进行推荐排序；

发送单元403，用于根据推荐排序向所述目标用户发送目标消息，目标消息用于向目标用户推荐产品。

请参阅图5，图5为本申请实施例提供的电子装置的一种结构示意图。

电子装置具体包括：

处理器501、存储器502、输入输出单元503、总线505；

处理器501与存储器502、输入输出单元503以及总线505相连；

存储器502中存储有程序；

处理器501执行存储器502中的程序，使得电子装置执行前述实施例中的方法。

本发明提供的一种基于过滤算法的产品推荐方法、电子装置及介质可用于人工智能领域或金融领域。上述仅为示例，并不对本发明提供的一种基于过滤算法的产品推荐方法、电子装置及介质的应用领域进行限定。

本领域技术人员将可理解，信息、信号和数据可使用各种不同技术和技艺中的任何技术和技艺来表示。例如，以上描述通篇引述的数据、指令、命令、信息、信号、位(比特)、码元、和码片可由电压、电流、电磁波、磁场或磁粒子、光场或光学粒子、或其任何组合来表示。

本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。

结合本文所公开的实施例描述的各种解说性逻辑模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。

结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。

在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。

上述计算机可读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该服务器执行时，使得服务器：获取待维护文本；识建立所述待维护文本与目标组件之间的对应关系；响应于用户在当前页面对所述待维护文本的触发操作，根据所述待维护文本与目标组件之间的对应关系，在所述当前页面展示所述目标组件对应的目标文本。

特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，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。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装。在该计算机程序被处理装置执行时，执行本申请实施例的方法中限定的上述功能。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种产品推荐方法，其特征在于，所述方法包括：

判断用户类型，所述用户类型用于指示目标用户的资金配置习惯；

根据所述用户类型对产品进行推荐排序；

根据所述推荐排序向所述目标用户发送目标消息，所述目标消息用于向所述目标用户推荐所述产品。

2.根据权利要求1所述的产品推荐方法，其特征在于，所述用户类型包括贷款群体或资金配置群体。

3.根据权利要求2所述的产品推荐方法，其特征在于，所述根据所述用户类型对产品进行推荐排序，包括：

若所述用户类型为贷款群体，则通过建立用户行为习惯模型来对所述产品进行推荐排序。

4.根据权利要求3所述的产品推荐方法，其特征在于，所述通过建立用户行为习惯模型来对所述产品进行推荐排序，包括：

通过建立用户行为习惯模型，匹配历史信贷记录，通过对信贷产品的评价、信贷金额、客户年龄等因素推荐信贷产品。

5.根据权利要求2所述的产品推荐方法，其特征在于，所述根据所述用户类型对产品进行推荐排序，包括：

若所述用户类型为资金配置群体，则通过协调过滤算法来对所述产品进行推荐排序。

6.根据权利要求1所述的产品推荐方法，其特征在于，所述通过协调过滤算法来对所述产品进行推荐排序，包括：

根据银行基础数据信息，通过协同过滤算法，筛选出同资产、同龄等特征的客户配置信息；

根据所述客户配置信息进行推荐排序。

7.根据权利要求1所述的产品推荐方法，其特征在于，所述目标消息为5G消息。

8.一种电子装置，其特征在于，包括：

判断单元，用于判断用户类型，所述用户类型用于指示目标用户的资金配置习惯；

排序单元，用于根据所述用户类型对产品进行推荐排序；

发送单元，用于根据所述推荐排序向所述目标用户发送目标消息，所述目标消息用于向所述目标用户推荐所述产品。

9.一种电子装置，其特征在于，包括：

处理器以及存储器，所述处理器与所述存储器耦合；

所述存储器，用于存储程序；

所述处理器，用于执行所述存储器中的程序，使得所述电子装置执行如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至7中任意一项所述的方法。