CN117575803A - 对象推荐方法、装置、电子设备及存储介质 - Google Patents
对象推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117575803A CN117575803A CN202311672364.XA CN202311672364A CN117575803A CN 117575803 A CN117575803 A CN 117575803A CN 202311672364 A CN202311672364 A CN 202311672364A CN 117575803 A CN117575803 A CN 117575803A
- Authority
- CN
- China
- Prior art keywords
- user
- recommendation information
- information
- weight value
- recommendation
- 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 57
- 238000012545 processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种对象推荐方法、装置、电子设备及存储介质,涉及大数据领域。方法包括:获取多个对象中各对象对应的第一推荐信息;根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值;针对任意一个用户,获取用户的用户信息,用户信息包括用户的用户描述信息、以及用户在历史时段内的多个历史交易信息;根据用户信息,生成用户对应的第三推荐信息,第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值;根据用户对应的第二推荐信息和第三推荐信息,确定待向用户推荐的至少一个目标对象。本申请的方法提高了对象的推荐准确度。
Description
技术领域
本申请涉及大数据领域,尤其涉及一种对象推荐方法、装置、电子设备及存储介质。
背景技术
在当前以用户为中心的各个市场(例如金融市场)环境下,各种对象(例如金融产品)层出不穷,如何精准地为用户推荐适合的对象,成为各个对象提供方着重关注的问题。
在相关技术中,对象提供方可以为用户提供不同种类的对象,针对不同的对象,对象提供方会根据对象信息和用户信息生成对象推荐清单,一个对象推荐清单中包括多个客户的标识。若需要为一个客户推荐对象,必须得找到所有包含该客户的标识的对象推荐清单。由于对象推荐清单的数量巨大,找到一个客户的所有对象推荐清单耗时较长,并且即便找到所有适合一个客户的对象清单,也很难筛选出适合客户的对象。即现有对象的推荐准确度较低。
发明内容
本申请提供一种对象推荐方法、装置、电子设备及存储介质,提高了对象的推荐准确度。
第一方面,本申请提供一种对象推荐方法,包括:
获取多个对象中各对象对应的第一推荐信息,所述第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值;
根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,所述第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值;
针对任意一个用户,获取所述用户的用户信息,所述用户信息包括所述用户的用户描述信息、潜在对象描述信息以及所述用户在历史时段内的多个历史交易信息;
根据所述用户信息,生成所述用户对应的第三推荐信息,所述第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值;
根据所述用户对应的第二推荐信息和所述第三推荐信息,确定待向所述用户推荐的至少一个目标对象。
在一种可能的实施方式中,根据所述用户信息,生成所述用户对应的第三推荐信息,包括:
根据所述用户描述信息,生成所述用户的用户特征向量;
根据所述潜在对象描述信息以及所述多个历史交易信息,确定至少一个待选对象、以及各待选对象的待选权重值;
根据所述用户特征向量,对所述至少一个待选对象的待选权重值进行更新处理,得到所述第三推荐信息。
在一种可能的实施方式中,根据所述潜在对象描述信息以及所述多个历史交易信息,确定至少一个待选对象、以及各待选对象的待选权重值,包括:
针对任意一个历史交易信息,对所述历史交易信息进行文本识别处理,得到所述历史交易信息对应的交易对象、交易类型和交易量;
根据所述潜在对象描述信息以及每个历史交易信息对应的交易对象、交易类型和交易量,确定所述用户对每个交易对象的满意度和已持有饱和度;
根据用户对每个交易对象的满意度和已持有饱和度,确定至少一个待选对象、以及各待选对象的待选权重值。
在一种可能的实施方式中,根据用户对每个交易对象的满意度和已持有饱和度,确定至少一个待选对象、以及各待选对象的待选权重值,包括:
将满意度大于或等于第一阈值、且已持有饱和度小于或等于第二阈值的交易对象,确定为所述至少一个待选对象;
根据所述待选对象的已持有饱和度,确定所述待选对象的剩余饱和度;
针对任意一个待选对象,将用户对所述待选对象的满意度和所述剩余饱和度进行加权求和,得到所述待选对象的待选权重值。
在一种可能的实施方式中,根据所述用户特征向量,对所述至少一个待选对象的待选权重值进行更新处理,得到所述第三推荐信息,包括:
确定每个待选对象对应的标准用户特征向量;
获取所述用户特征向量与每个待选对象对应的标准用户特征向量之间的相似度;
针对任意一个待选对象,根据所述用户特征向量与所述待选对象对应的标准用户特征向量之间的相似度,确定所述待选对象对应的权重更新系数,并根据所述权重更新系数对所述待选对象的待选权重值进行更新处理,得到所述第三推荐信息。
在一种可能的实施方式中,根据所述用户对应的第二推荐信息和所述第三推荐信息,确定待向所述用户推荐的至少一个目标对象,包括:
根据所述第二推荐信息和所述第三推荐信息,确定第一对象集合,所述第一对象集合中包括所述第二推荐信息和所述第三推荐信息中各对象标识对应的对象;
针对所述第一对象集合中的任意一个对象,根据所述对象的第一权重值和/或第二权重值,确定所述对象的目标权重值;
将所述第一对象集合中目标权重值大于或等于预设权重值的对象,确定为所述至少一个目标对象。
在一种可能的实施方式中,根据所述用户对应的第二推荐信息和所述第三推荐信息,确定待向所述用户推荐的至少一个目标对象,包括:
根据所述第二推荐信息和所述第三推荐信息,确定第二对象集合,所述第二对象集合中包括所述第二推荐信息和所述第三推荐信息中相同的对象标识对应的对象;
针对所述第二对象集合中的任意一个对象,根据所述对象的第一权重值和第二权重值,确定所述对象的目标权重值;
将所述第一对象集合中目标权重值大于或等于预设权重值的对象,确定为所述至少一个目标对象。
在一种可能的实施方式中,获取多个对象中各对象对应的第一推荐信息,包括:
接收预设设备发送的所述多个对象中各对象对应的第一推荐信息,所述第一推荐信息为所述预设设备通过预设模型对所述多个对象的对象信息和多个用户的用户信息进行处理得到的。
第二方面,本申请提供一种对象推荐装置,包括:
第一获取模块,用于获取多个对象中各对象对应的第一推荐信息,所述第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值;
第一生成模块,用于根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,所述第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值;
第二获取模块,用于针对任意一个用户,获取所述用户的用户信息,所述用户信息包括所述用户的用户描述信息、潜在对象描述信息以及所述用户在历史时段内的多个历史交易信息;
第二生成模块,用于根据所述用户信息,生成所述用户对应的第三推荐信息,所述第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值;
确定模块,用于根据所述用户对应的第二推荐信息和所述第三推荐信息,确定待向所述用户推荐的至少一个目标对象。
在一种可能的实施方式中,所述第二生成模块,具体用于:
根据所述用户描述信息,生成所述用户的用户特征向量;
根据所述潜在对象描述信息以及所述多个历史交易信息,确定至少一个待选对象、以及各待选对象的待选权重值;
根据所述用户特征向量,对所述至少一个待选对象的待选权重值进行更新处理,得到所述第三推荐信息。
在一种可能的实施方式中,所述第二生成模块,具体用于:
针对任意一个历史交易信息,对所述历史交易信息进行文本识别处理,得到所述历史交易信息对应的交易对象、交易类型和交易量;
根据所述潜在对象描述信息以及每个历史交易信息对应的交易对象、交易类型和交易量,确定所述用户对每个交易对象的满意度和已持有饱和度;
根据用户对每个交易对象的满意度和已持有饱和度,确定至少一个待选对象、以及各待选对象的待选权重值。
在一种可能的实施方式中,所述第二生成模块,具体用于:
将满意度大于或等于第一阈值、且已持有饱和度小于或等于第二阈值的交易对象,确定为所述至少一个待选对象;
根据所述待选对象的已持有饱和度,确定所述待选对象的剩余饱和度;
针对任意一个待选对象,将用户对所述待选对象的满意度和所述剩余饱和度进行加权求和,得到所述待选对象的待选权重值。
在一种可能的实施方式中,所述第二生成模块,具体用于:
确定每个待选对象对应的标准用户特征向量;
获取所述用户特征向量与每个待选对象对应的标准用户特征向量之间的相似度;
针对任意一个待选对象,根据所述用户特征向量与所述待选对象对应的标准用户特征向量之间的相似度,确定所述待选对象对应的权重更新系数,并根据所述权重更新系数对所述待选对象的待选权重值进行更新处理,得到所述第三推荐信息。
在一种可能的实施方式中,所述确定模块,具体用于:
根据所述第二推荐信息和所述第三推荐信息,确定第一对象集合,所述第一对象集合中包括所述第二推荐信息和所述第三推荐信息中各对象标识对应的对象;
针对所述第一对象集合中的任意一个对象,根据所述对象的第一权重值和/或第二权重值,确定所述对象的目标权重值;
将所述第一对象集合中目标权重值大于或等于预设权重值的对象,确定为所述至少一个目标对象。
在一种可能的实施方式中,所述确定模块,具体用于:
根据所述第二推荐信息和所述第三推荐信息,确定第二对象集合,所述第二对象集合中包括所述第二推荐信息和所述第三推荐信息中相同的对象标识对应的对象;
针对所述第二对象集合中的任意一个对象,根据所述对象的第一权重值和第二权重值,确定所述对象的目标权重值;
将所述第一对象集合中目标权重值大于或等于预设权重值的对象,确定为所述至少一个目标对象。
在一种可能的实施方式中,所述第一获取模块,具体用于:
接收预设设备发送的所述多个对象中各对象对应的第一推荐信息,所述第一推荐信息为所述预设设备通过预设模型对所述多个对象的对象信息和多个用户的用户信息进行处理得到的。
第三方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;所述存储器存储计算机执行指令;所述处理器执行所述存储器存储的计算机执行指令,以实现第一方面中任一项所述的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行如第一方面中任一项所述的方法。
第五方面,本申请提供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如第一方面中任一项所述的方法。
本申请提供的对象推荐方法、装置、电子设备及存储介质,包括:获取多个对象中各对象对应的第一推荐信息,第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值;根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值;针对任意一个用户,获取用户的用户信息,用户信息包括用户的用户描述信息、以及用户在历史时段内的多个历史交易信息;根据用户信息,生成用户对应的第三推荐信息,第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值;根据用户对应的第二推荐信息和第三推荐信息,确定待向用户推荐的至少一个目标对象。结合对象的第一推荐信息以及用户信息,准确的确定待向用户推荐的至少一个目标对象,无需依赖人工经验对对象推荐信息进行筛选,直接生成用户维度的推荐信息,以便精准地为用户推荐对象,提高了对象的推荐准确度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种对象推荐方法的流程示意图;
图2为本申请实施例提供的另一种对象推荐方法的流程示意图;
图3为本申请实施例提供的又一种对象推荐方法的流程示意图;
图4为本申请实施例提供的一种对象推荐装置的结构示意图;
图5为本申请实施例中提供的一种电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
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,并且相关数据的收集、使用和处理需要遵守相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
本申请中“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,表示前后关联对象是一种“或”的关系。
本申请实施例中出现的“第一”、“第二”等描述,仅作示意与区分描述对象之用,没有次序之分,也不表示本申请实施例中对对象个数的特别限定,不能构成对本申请实施例的任何限制。例如,第一推荐信息为对象的推荐信息,第二推荐信息为用户的一种推荐信息,第三推荐信息为用户的另一种推荐信息,使用第一推荐信息、第二推荐信息和第三推荐信息只是为了区分不同的推荐信息,而并不表示这三个推荐信息的大小、优先级或重要程度等的不同。
本申请中“至少一个”是指一个或多个,“多个”是指两个或两个以上。
在本申请中,“示例的”、“在一些实施例中”、“例如”、“在另一些实施例中”等用于表示作例子、例证或说明。本申请中被描述为“示例”或“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用示例的一词旨在以具体方式呈现概念。
需要说明的是,本申请的对象推荐方法、装置、电子设备及存储介质可用于大数据技术领域,也可用于除大数据技术领域之外的任意领域,本申请的对象推荐方法、装置、电子设备及存储介质的应用领域不作限定。
本申请的应用场景可以为对象提供方为用户推荐对象,例如银行为用户推荐金融产品。需要说明的是,本申请所涉及的对象推荐方法,不仅可以应用于上述推荐场景,还可以应用于其他推荐场景,本申请所提供的对象推荐方法包括但不限于以上应用场景。
在相关技术中,银行总行的各个业务部门结合自身的业务数据创建了大量的机器学习模型,并利用机器学习模型生成了各个对象(例如金融产品)的对象推荐清单,再将对象推荐清单下发至基层网点。基层网点的工作人员在收到多个对象推荐清单后,会根据自身经验判断那些对象推荐清单是可用的,再根据筛选出的对象推荐清单为用户推荐对象。而人工推荐对象的准确度严重依赖于个人经验,若个人经验较差,则对象推荐准确度较低,降低了客户体验。
为了解决上述技术问题,本申请实施例提供一种对象推荐方法,结合对象推荐信息以及用户信息,准确的生成用户维度的推荐信息,无需依赖人工经验对对象推荐信息进行筛选,直接生成用户维度的推荐信息,以便精准地为用户推荐对象,提高了对象的推荐准确度。
本申请提供的对象推荐方法,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1为本申请实施例提供的一种对象推荐方法的流程示意图。如图1所示,该方法包括以下步骤:
S101、获取多个对象中各对象对应的第一推荐信息,第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值。
作为示例,该实施例的执行主体可以为对象推荐装置,该对象推荐装置的实现有多种。例如,可以为程序软件,也可以为存储有相关计算机程序的介质,例如,U盘等;或者,该装置还可以为集成或安装有相关计算机程序的实体设备,例如,芯片、智能终端、电脑、服务器等。
对象可以为金融产品,例如,理财产品。
第一推荐信息可以是指每个对象可以推荐的多个用户的信息。
在一种可能的实现方式中,可以通过如下方式获取多个对象中各对象对应的第一推荐信息:
接收预设设备发送的多个对象中各对象对应的第一推荐信息,第一推荐信息为预设设备通过预设模型对多个对象的对象信息和多个用户的用户信息进行处理得到的。
例如,任意一个对象的第一推荐信息可以如表1所示:
表1、对象的第一推荐信息
用户权重值可以用于指示用户对对象的满意度。
若对象为理财产品,满意度可以为用户对对象的购买率。
S102、根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值。
第二推荐信息可以是指每个用户可以推荐的多个对象的信息。
每个对象的第一权重值可以用于指示用户对对象的满意度。
若对象为理财产品,满意度可以为用户对对象的购买率。
示例的,若预设设备向对象推荐装置发送了4个对象的第一推荐信息,如表2所示,根据4个对象的第一推荐信息可以生成4个用户的第二推荐信息,如表3所示。
表2、多个对象的第一推荐信息
表3、多个用户的第二推荐信息
S103、针对任意一个用户,获取用户的用户信息,用户信息包括用户的用户描述信息、潜在对象描述信息以及用户在历史时段内的多个历史交易信息。
用户描述信息可以是指用户的基本信息,例如资产变化等信息。
潜在对象描述信息可以是指用户倾向购买的对象的描述信息。
例如,潜在对象描述信息可以为:用户A倾向购买期限为x天、收益率为y%的低风险的理财产品。
历史时段可以根据实际情况设置,本申请对此不作限定。
例如,历史时段可以是指当前时刻之前的三个月。
历史交易信息可以是指用户在本行的历史交易信息,也可以是指用户在他行的历史交易信息。
在一种可能的实现方式中,可以在本行的数据库中获取本行的历史交易信息和/或用户描述信息;可以通过人工获取用户在他行的历史交易信息、潜在对象描述信息和/或用户描述信息。
S104、根据用户信息,生成用户对应的第三推荐信息,第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值。
第三推荐信息可以是指每个用户适合推荐的多个对象的信息。
每个对象的第二权重值可以用于指示用户对对象的满意度。
若对象为理财产品,满意度可以为用户对对象的购买率。
示例的,若有4个用户,则4个用户的第三推荐信息可以如表4。
表4、多个用户的第三推荐信息
S105、根据用户对应的第二推荐信息和第三推荐信息,确定待向用户推荐的至少一个目标对象。
在一种可能的实现方式中,可以通过以下方式根据用户对应的第二推荐信息和第三推荐信息,确定待向用户推荐的至少一个目标对象:
根据第二推荐信息和第三推荐信息,确定第一对象集合,第一对象集合中包括第二推荐信息和第三推荐信息中各对象标识对应的对象;针对第一对象集合中的任意一个对象,根据对象的第一权重值和/或第二权重值,确定对象的目标权重值;将第一对象集合中目标权重值大于或等于预设权重值的对象,确定为至少一个目标对象。
第一对象集合为第二推荐信息和第三推荐信息中的并集。
例如,若有4个用户,且4个用户的第二推荐信息如表3所示,第三推荐信息为表4所示,则4个用户的第一对象集合如表5所示。
表5、多个用户的第一对象集合
若某个对象只有一个权重值,则将该权重值作为目标权重值。
若某个对象有第一权重值和第二权重值,则可以将两个权重值的平均值作为目标权重值,或者,可以将两个权重值中的最大值作为目标权重值。
预设权重值可以根据实际情况设定,本申请对此不作限定。
在一种可能的实现方式中,还可以通过以下方式根据用户对应的第二推荐信息和第三推荐信息,确定待向用户推荐的至少一个目标对象:
根据第二推荐信息和第三推荐信息,确定第二对象集合,第二对象集合中包括第二推荐信息和第三推荐信息中相同的对象标识对应的对象;针对第二对象集合中的任意一个对象,根据对象的第一权重值和第二权重值,确定对象的目标权重值;将第一对象集合中目标权重值大于或等于预设权重值的对象,确定为至少一个目标对象。
第二对象集合为第二推荐信息和第三推荐信息中的交集。
例如,若有4个用户,且4个用户的第二推荐信息如表3所示,第三推荐信息为表4所示,则4个用户的第二对象集合如表6所示。
表6、多个用户的第二对象集合
任意一个对象的目标权重值可以将第一权重值和第二权重值的平均值作为目标权重值,或者,可以将第一权重值和第二权重值中的最大值作为目标权重值。
在一种可能的实现方式中,在确定待向每个用户推荐的至少一个目标对象之后,还可以根据每个用户对应的至少一个目标对象,确定每个用户的最终权重值;将多个用户中最终权重值大于或等于第二预设权重值的用户,确定为至少一个目标用户。
每个用户的最终权重值可以为该用户对应的至少一个目标对象的目标权重值的和值。
多个用户可以是指多个可以推荐的用户。
在图1所示的实施例中,获取多个对象中各对象对应的第一推荐信息,第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值;根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值;针对任意一个用户,获取用户的用户信息,用户信息包括用户的用户描述信息、以及用户在历史时段内的多个历史交易信息;根据用户信息,生成用户对应的第三推荐信息,第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值;根据用户对应的第二推荐信息和第三推荐信息,确定待向用户推荐的至少一个目标对象。结合对象的第一推荐信息以及用户信息,准确的确定待向用户推荐的至少一个目标对象,无需依赖人工经验对对象推荐信息进行筛选,直接生成用户维度的推荐信息,以便精准地为用户推荐对象,提高了对象的推荐准确度。
在图1所示实施例的基础上,下面,结合图2所示的实施例详细说明对象推荐过程。
图2为本申请实施例提供的另一种对象推荐方法的流程示意图。如图2所示,该方法包括以下步骤:
S201、获取多个对象中各对象对应的第一推荐信息,第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值。
需要说明的是,S201的执行过程可以参见S101的执行过程,此处不再赘述。
S202、根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值。
需要说明的是,S202的执行过程可以参见S102的执行过程,此处不再赘述。
S203、针对任意一个用户,获取用户的用户信息,用户信息包括用户的用户描述信息、潜在对象描述信息以及用户在历史时段内的多个历史交易信息。
需要说明的是,S203的执行过程可以参见S103的执行过程,此处不再赘述。
S204、根据用户描述信息,生成用户的用户特征向量。
S205、根据潜在对象描述信息以及多个历史交易信息,确定至少一个待选对象以及各待选对象的待选权重值。
在一种可能的实现方式中,可以通过以下方式根据潜在对象描述信息以及多个历史交易信息,确定至少一个待选对象以及各待选对象的待选权重值:
针对任意一个历史交易信息,对历史交易信息进行文本识别处理,得到历史交易信息对应的交易对象、交易类型和交易量;根据潜在对象描述信息以及每个历史交易信息对应的交易对象、交易类型和交易量,确定用户对每个交易对象的满意度和已持有饱和度;根据用户对每个交易对象的满意度和已持有饱和度,确定至少一个待选对象、以及各待选对象的待选权重值。
交易类型可以是指卖出或买入。
可以根据用户的基本信息和用户的历史交易信息,确定用户对每个交易对象的已持有饱和度。
若预估用户最多可以花10万购买某对象,现在用户已经花了8万购买该对象,则已持有饱和度为80%。
若用户未购买某对象,则该对象的已持有饱和度为0。
用户对每个交易对象都有一个初始满意度。
初始满意度可以根据用户的基本信息确定。
若交易对象为用户多次购买的,且交易量较大的,则可以在该交易对象初始满意度的基础上继续提升该对象的满意度;针对与该交易对象相似的交易对象,可以在相似的交易对象的初始满意度的基础上提升该对象的满意度。
若交易对象为潜在交易对象,则可以在该交易对象初始满意度的基础上继续提升该对象的满意度。
可以根据用户的潜在对象描述信息以及多个历史交易信息,确定全量交易对象的满意度。
在一种可能的实现方式中,可以通过以下方式根据用户对每个交易对象的满意度和已持有饱和度,确定至少一个待选对象、以及各待选对象的待选权重值:
将满意度大于或等于第一阈值、且已持有饱和度小于或等于第二阈值的交易对象,确定为至少一个待选对象;根据待选对象的已持有饱和度,确定待选对象的剩余饱和度;针对任意一个待选对象,将用户对待选对象的满意度和所述剩余饱和度进行加权求和,得到待选对象的待选权重值。
待选对象的剩余饱和度等于1减去该待选对象的已持有饱和度。
S206、根据用户特征向量,对至少一个待选对象的待选权重值进行更新处理,得到第三推荐信息,第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值。
在一种可能的实现方式中,可以通过以下方式根据用户特征向量,对至少一个待选对象的待选权重值进行更新处理,得到第三推荐信息:
确定每个待选对象对应的标准用户特征向量;获取用户特征向量与每个待选对象对应的标准用户特征向量之间的相似度;针对任意一个待选对象,根据用户特征向量与待选对象对应的标准用户特征向量之间的相似度,确定待选对象对应的权重更新系数,并根据权重更新系数对待选对象的待选权重值进行更新处理,得到第三推荐信息。
某个待选对象的标准用户特征向量可以是指最适合该待选对象的用户的特征向量。
可以根据待选对象的信息确定其对应的标准用户特征向量。
针对任意一个待选对象,若用户特征向量与该待选对象对应的标准用户特征向量的相似度较高,则说明用户非常适合该待选对象,则确定的权重更新系数可以大于1。
权重更新系数可以为0到2之间的数字,要是用户特征向量与某个待选对象对应的标准用户特征向量的相似度较高,则权重更新系数可以大于1,要是用户特征向量与某个待选对象对应的标准用户特征向量的相似度较低,则权重更新系数可以小于1。
S207、根据用户对应的第二推荐信息和第三推荐信息,确定待向用户推荐的至少一个目标对象。
需要说明的是,S207的执行过程可以参见S105的执行过程,此处不再赘述。
在图2所示的实施例中,获取多个对象中各对象对应的第一推荐信息,第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值;根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值;针对任意一个用户,获取用户的用户信息,用户信息包括用户的用户描述信息、潜在对象描述信息以及用户在历史时段内的多个历史交易信息;根据用户描述信息,生成用户的用户特征向量;根据潜在对象描述信息以及多个历史交易信息,确定至少一个待选对象、以及各待选对象的待选权重值;根据用户特征向量,对至少一个待选对象的待选权重值进行更新处理,得到第三推荐信息,第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值;根据用户对应的第二推荐信息和第三推荐信息,确定待向用户推荐的至少一个目标对象。结合对象的第一推荐信息以及用户信息,准确的确定待向用户推荐的至少一个目标对象,无需依赖人工经验对对象推荐信息进行筛选,直接生成用户维度的推荐信息,以便精准地为用户推荐对象,提高了对象的推荐准确度。
在上述任意实施例的基础上,下面给出一个具体示例说明本申请的对象推荐过程。
图3为本申请实施例提供的又一种对象推荐方法的流程示意图。如图3所示,该方法包括:
某个银行的总行的各个业务部门对部门内的多个对象分别建立了大量的推荐模型,针对任意一个对象,根据该对象对应的推荐模型,可以生成一个第一推荐信息,然后将第一推荐信息发送至对象推荐装置,对象推荐装置将接收到的多个第一推荐信息整合为每个用户的第二推荐信息,如表3所示。
针对任意一个用户,获取用户描述信息、潜在对象描述信息和用户在历史时段内的他行历史交易信息(这些信息可以称为非结构化用户信息),通过预设规则,提取非结构化用户信息中的有效信息,结合本行行内的用户描述信息和用户在历史时段内的本行历史交易信息(这些信息可以称为结构化用户信息),通过第三推荐信息推荐模型可以确定本行行内全量对象的满意度和已持有饱和度,并根据推荐资源的限制选择合适的满意度和已持有饱和度,最终输出每个用户对应的第三推荐信息,如表4所示。
选取每个用户的第二推荐信息和第三推荐信息中的交集,确定待向每个用户推荐的至少一个目标对象(最终推荐信息),然后发送给工作人员所对应的设备上,以使工作人员可以根据最终推荐信息进行推荐。
本申请技术方案的有益效果为:通过融合各个对象的第一推荐信息,有效减少工作人员的推荐次数,并通过添加工作人员维护的用户信息,有效利用了行内的非结构化数据,多角度考虑对用户的精准营销,提高了对象的推荐准确度,并且有效避免了因工作人员的变动而造成客户丢失的可能性。
图4为本申请实施例提供的一种对象推荐装置的结构示意图。如图4所示,该对象推荐装置10可以包括:第一获取模块11、第一生成模块12、第二获取模块13、第二生成模块14以及确定模块15,其中,
第一获取模块11,用于获取多个对象中各对象对应的第一推荐信息,第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值;
第一生成模块12,用于根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值;
第二获取模块13,用于针对任意一个用户,获取用户的用户信息,用户信息包括用户的用户描述信息、潜在对象描述信息以及用户在历史时段内的多个历史交易信息;
第二生成模块14,用于根据用户信息,生成用户对应的第三推荐信息,第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值;
确定模块15,用于根据用户对应的第二推荐信息和第三推荐信息,确定待向用户推荐的至少一个目标对象。
在一种可能的实施方式中,第二生成模块14,具体用于:
根据用户描述信息,生成用户的用户特征向量;
根据潜在对象描述信息以及多个历史交易信息,确定至少一个待选对象、以及各待选对象的待选权重值;
根据用户特征向量,对至少一个待选对象的待选权重值进行更新处理,得到第三推荐信息。
在一种可能的实施方式中,第二生成模块14,具体用于:
针对任意一个历史交易信息,对历史交易信息进行文本识别处理,得到历史交易信息对应的交易对象、交易类型和交易量;
根据潜在对象描述信息以及每个历史交易信息对应的交易对象、交易类型和交易量,确定用户对每个交易对象的满意度和已持有饱和度;
根据用户对每个交易对象的满意度和已持有饱和度,确定至少一个待选对象、以及各待选对象的待选权重值。
在一种可能的实施方式中,第二生成模块14,具体用于:
将满意度大于或等于第一阈值、且已持有饱和度小于或等于第二阈值的交易对象,确定为至少一个待选对象;
根据待选对象的已持有饱和度,确定待选对象的剩余饱和度;
针对任意一个待选对象,将用户对待选对象的满意度和剩余饱和度进行加权求和,得到待选对象的待选权重值。
在一种可能的实施方式中,第二生成模块14,具体用于:
确定每个待选对象对应的标准用户特征向量;
获取用户特征向量与每个待选对象对应的标准用户特征向量之间的相似度;
针对任意一个待选对象,根据用户特征向量与待选对象对应的标准用户特征向量之间的相似度,确定待选对象对应的权重更新系数,并根据权重更新系数对待选对象的待选权重值进行更新处理,得到第三推荐信息。
在一种可能的实施方式中,确定模块15,具体用于:
根据第二推荐信息和第三推荐信息,确定第一对象集合,第一对象集合中包括第二推荐信息和第三推荐信息中各对象标识对应的对象;
针对第一对象集合中的任意一个对象,根据对象的第一权重值和/或第二权重值,确定对象的目标权重值;
将第一对象集合中目标权重值大于或等于预设权重值的对象,确定为至少一个目标对象。
在一种可能的实施方式中,确定模块15,具体用于:
根据第二推荐信息和第三推荐信息,确定第二对象集合,第二对象集合中包括第二推荐信息和第三推荐信息中相同的对象标识对应的对象;
针对第二对象集合中的任意一个对象,根据对象的第一权重值和第二权重值,确定对象的目标权重值;
将第一对象集合中目标权重值大于或等于预设权重值的对象,确定为至少一个目标对象。
在一种可能的实施方式中,第一获取模块11,具体用于:
接收预设设备发送的多个对象中各对象对应的第一推荐信息,第一推荐信息为预设设备通过预设模型对多个对象的对象信息和多个用户的用户信息进行处理得到的。
需要说明的是,本申请实施例所示的对象推荐装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
图5为本申请实施例中提供的一种电子设备的结构示意图,如图5所示,该电子设备20包括:
处理器(processor)21,电子设备还包括了存储器(memory)22;还可以包括通信接口(Communication Interface)23和总线24。其中,处理器21、存储器22、通信接口23、可以通过总线24完成相互间的通信。通信接口23可以用于信息传输。处理器21可以调用存储器22中的逻辑指令,以执行上述实施例的方法。
此外,上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本申请实施例中的方法对应的程序指令/模块。处理器21通过运行存储在存储器22中的软件程序、指令以及模块,从而执行功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。
本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如前述实施例所述的方法。
本申请实施例提供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如前述实施例所述的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
需要说明的是,本申请的技术方案中,所涉及的金融数据或用户数据等信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种对象推荐方法,其特征在于,包括:
获取多个对象中各对象对应的第一推荐信息,所述第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值;
根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,所述第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值;
针对任意一个用户,获取所述用户的用户信息,所述用户信息包括所述用户的用户描述信息、潜在对象描述信息以及所述用户在历史时段内的多个历史交易信息;
根据所述用户信息,生成所述用户对应的第三推荐信息,所述第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值;
根据所述用户对应的第二推荐信息和所述第三推荐信息,确定待向所述用户推荐的至少一个目标对象。
2.根据权利要求1所述的方法,其特征在于,根据所述用户信息,生成所述用户对应的第三推荐信息,包括:
根据所述用户描述信息,生成所述用户的用户特征向量;
根据所述潜在对象描述信息以及所述多个历史交易信息,确定至少一个待选对象、以及各待选对象的待选权重值;
根据所述用户特征向量,对所述至少一个待选对象的待选权重值进行更新处理,得到所述第三推荐信息。
3.根据权利要求2所述的方法,其特征在于,根据所述潜在对象描述信息以及所述多个历史交易信息,确定至少一个待选对象、以及各待选对象的待选权重值,包括:
针对任意一个历史交易信息,对所述历史交易信息进行文本识别处理,得到所述历史交易信息对应的交易对象、交易类型和交易量;
根据所述潜在对象描述信息以及每个历史交易信息对应的交易对象、交易类型和交易量,确定所述用户对每个交易对象的满意度和已持有饱和度;
根据用户对每个交易对象的满意度和已持有饱和度,确定至少一个待选对象、以及各待选对象的待选权重值。
4.根据权利要求3所述的方法,其特征在于,根据用户对每个交易对象的满意度和已持有饱和度,确定至少一个待选对象、以及各待选对象的待选权重值,包括:
将满意度大于或等于第一阈值、且已持有饱和度小于或等于第二阈值的交易对象,确定为所述至少一个待选对象;
根据所述待选对象的已持有饱和度,确定所述待选对象的剩余饱和度;
针对任意一个待选对象,将用户对所述待选对象的满意度和所述剩余饱和度进行加权求和,得到所述待选对象的待选权重值。
5.根据权利要求2-4任一项所述的方法,其特征在于,根据所述用户特征向量,对所述至少一个待选对象的待选权重值进行更新处理,得到所述第三推荐信息,包括:
确定每个待选对象对应的标准用户特征向量;
获取所述用户特征向量与每个待选对象对应的标准用户特征向量之间的相似度;
针对任意一个待选对象,根据所述用户特征向量与所述待选对象对应的标准用户特征向量之间的相似度,确定所述待选对象对应的权重更新系数,并根据所述权重更新系数对所述待选对象的待选权重值进行更新处理,得到所述第三推荐信息。
6.根据权利要求1-5任一项所述的方法,其特征在于,根据所述用户对应的第二推荐信息和所述第三推荐信息,确定待向所述用户推荐的至少一个目标对象,包括:
根据所述第二推荐信息和所述第三推荐信息,确定第一对象集合,所述第一对象集合中包括所述第二推荐信息和所述第三推荐信息中各对象标识对应的对象;
针对所述第一对象集合中的任意一个对象,根据所述对象的第一权重值和/或第二权重值,确定所述对象的目标权重值;
将所述第一对象集合中目标权重值大于或等于预设权重值的对象,确定为所述至少一个目标对象。
7.根据权利要求1-5任一项所述的方法,其特征在于,根据所述用户对应的第二推荐信息和所述第三推荐信息,确定待向所述用户推荐的至少一个目标对象,包括:
根据所述第二推荐信息和所述第三推荐信息,确定第二对象集合,所述第二对象集合中包括所述第二推荐信息和所述第三推荐信息中相同的对象标识对应的对象;
针对所述第二对象集合中的任意一个对象,根据所述对象的第一权重值和第二权重值,确定所述对象的目标权重值;
将所述第一对象集合中目标权重值大于或等于预设权重值的对象,确定为所述至少一个目标对象。
8.根据权利要求1-7任一项所述的方法,其特征在于,获取多个对象中各对象对应的第一推荐信息,包括:
接收预设设备发送的所述多个对象中各对象对应的第一推荐信息,所述第一推荐信息为所述预设设备通过预设模型对所述多个对象的对象信息和多个用户的用户信息进行处理得到的。
9.一种对象推荐装置,其特征在于,包括:
第一获取模块,用于获取多个对象中各对象对应的第一推荐信息,所述第一推荐信息中包括多个用户的用户标识、以及各用户的用户权重值;
第一生成模块,用于根据各对象对应的第一推荐信息,生成每个用户对应的第二推荐信息,所述第二推荐信息中包括至少一个对象的对象标识、以及每个对象的第一权重值;
第二获取模块,用于针对任意一个用户,获取所述用户的用户信息,所述用户信息包括所述用户的用户描述信息、潜在对象描述信息以及所述用户在历史时段内的多个历史交易信息;
第二生成模块,用于根据所述用户信息,生成所述用户对应的第三推荐信息,所述第三推荐信息包括至少一个对象的对象标识、以及每个对象的第二权重值;
确定模块,用于根据所述用户对应的第二推荐信息和所述第三推荐信息,确定待向所述用户推荐的至少一个目标对象。
10.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至8任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311672364.XA CN117575803A (zh) | 2023-12-07 | 2023-12-07 | 对象推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311672364.XA CN117575803A (zh) | 2023-12-07 | 2023-12-07 | 对象推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117575803A true CN117575803A (zh) | 2024-02-20 |
Family
ID=89889960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311672364.XA Pending CN117575803A (zh) | 2023-12-07 | 2023-12-07 | 对象推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117575803A (zh) |
-
2023
- 2023-12-07 CN CN202311672364.XA patent/CN117575803A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210049622A1 (en) | Marketing method and apparatus based on deep reinforcement learning | |
CN107563757B (zh) | 数据风险识别的方法及装置 | |
US8732015B1 (en) | Social media pricing engine | |
CN104866484A (zh) | 一种数据处理方法和装置 | |
CN107633257B (zh) | 数据质量评估方法及装置、计算机可读存储介质、终端 | |
CN110727857A (zh) | 针对业务对象识别潜在用户的关键特征的方法及装置 | |
CN110019774B (zh) | 标签分配方法、装置、存储介质及电子装置 | |
CN110688433B (zh) | 一种基于路径的特征生成方法及装置 | |
CN112632409A (zh) | 同一用户识别方法、装置、计算机设备和存储介质 | |
CN107330709B (zh) | 确定目标对象的方法及装置 | |
CN110427358B (zh) | 数据清洗方法及装置和信息推荐方法及装置 | |
CN114186024A (zh) | 推荐方法及装置 | |
CN111967970B (zh) | 基于spark平台的银行产品推荐方法及装置 | |
CN109450963B (zh) | 消息推送方法及终端设备 | |
CN112308648A (zh) | 信息处理方法及装置 | |
CN117575803A (zh) | 对象推荐方法、装置、电子设备及存储介质 | |
CN115983907A (zh) | 一种数据推荐方法、装置、电子设备及计算机可读介质 | |
CN114285896A (zh) | 信息推送方法、装置、设备、存储介质及程序产品 | |
CN114757729A (zh) | 交易请求的处理方法、装置、终端设备和存储介质 | |
CN114187091A (zh) | 一种现金流确定方法、装置、设备和存储介质 | |
CN115034788A (zh) | 交易风险评估方法及装置、电子设备、存储介质 | |
CN108537654B (zh) | 客户关系网络图的渲染方法、装置、终端设备及介质 | |
CN111476511A (zh) | 针对服务方所面临特定风险的数据展示方法及装置 | |
CN110570301A (zh) | 风险识别方法、装置、设备及介质 | |
CN110675136A (zh) | 信息处理方法、装置及设备 |
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 |