产品信息推送方法及系统技术方案

本发明专利技术提供一种产品信息推送方法及系统。该产品信息推送方法包括：获取产品需求模型；获取客户的当前客户属性信息；将当前客户属性信息输入产品需求模型中，得到当前产品类别；向客户推送当前产品类别对应的产品信息。本发明专利技术可以提高产品推送的客观性和准确度，降低人工成本，为客户及时提供合适的产品。

【技术实现步骤摘要】
产品信息推送方法及系统
本专利技术涉及数据分析
，具体地，涉及一种产品信息推送方法及系统。
技术介绍
目前主要通过问卷调查的形式获取客户对产品的评价信息，由人工分析产品的风险和收益情况，最后确定具体的产品推送方案。这种方式存在以下缺陷：1、问卷调查由人为经验设置，缺乏科学依据，会影响产品推送的准确度。2、人工分析确定品推送方案耗时且低产，不适用于处理海量数据。
技术实现思路
本专利技术实施例的主要目的在于提供一种产品信息推送方法及系统，以提高产品推送的客观性和准确度，降低人工成本，为客户及时提供合适的产品。为了实现上述目的，本专利技术实施例提供一种产品信息推送方法，包括：获取产品需求模型；获取客户的当前客户属性信息；将当前客户属性信息输入产品需求模型中，得到当前产品类别；向客户推送当前产品类别对应的产品信息。本专利技术实施例还提供一种产品信息推送系统，包括：模型获取单元，用于获取产品需求模型；信息获取单元，用于获取客户的当前客户属性信息；产品类别单元，用于将当前客户属性信息输入产品需求模型中，得到当前产品类别；产品信息单元，用于向客户推送当前产品类别对应的产品信息。本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的产品信息推送方法的步骤。本专利技术实施例还提供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所述的产品信息推送方法的步骤。本专利技术实施例的产品信息推送方法及系统先获取客户的当前客户属性信息，再将当前客户属性信息输入产品需求模型中，得到当前产品类别，最后向客户推送当前产品类别对应的产品信息，可以提高产品推送的客观性和准确度，降低人工成本，为客户及时提供合适的产品。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中产品信息推送方法的流程图；图2是本专利技术一实施例中获取产品需求模型的流程图；图3是本专利技术实施例中S202的流程图；图4是本专利技术实施例中数据预处理的示意图；图5是本专利技术一实施例中决策树训练模型的示意图；图6是本专利技术实施例中产品信息推送系统的结构框图；图7是本专利技术实施例中计算机设备的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本领域技术人员知道，本专利技术的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。鉴于现有技术影响产品推送的准确度，不适用于处理海量数据，本专利技术实施例提供一种产品信息推送方法，以提高产品推送的客观性和准确度，降低人工成本，为客户及时提供合适的产品。以下结合附图对本专利技术进行详细说明。图1是本专利技术一实施例中产品信息推送方法的流程图。如图1所示，产品信息推送方法包括：S101：获取产品需求模型。S102：获取客户的当前客户属性信息。S103：将当前客户属性信息输入产品需求模型中，得到当前产品类别。一实施例中，S103包括：确定当前客户属性信息满足的分类条件；将分类条件对应的叶节点的产品类别作为当前产品类别。例如，当前客户属性信息包括属性1、属性2和属性3。属性1小于第一阈值N1，属性2小于第二阈值N2，大于第三阈值N3，上述分类条件对应叶节点3，则叶节点3的产品类别1为当前产品类别。一实施例中，在执行S103之前包括：获取上一时刻的客户属性信息；将当前客户属性信息(例如属性1、属性2和属性3)分别与对应的阈值(例如第一阈值、第二阈值、第三阈值)进行比较，得到当前比较结果；将上一时刻的客户属性信息(例如属性1、属性2和属性3)分别与对应的阈值(例如第一阈值、第二阈值、第三阈值)进行比较，得到上一时刻比较结果；当当前比较结果与上一时刻比较结果不同时，执行S103。S104：向客户推送当前产品类别对应的产品信息。图1所示的产品信息推送方法的执行主体可以为计算机。由图1所示的流程可知，本专利技术实施例的产品信息推送方法及系统先获取客户的当前客户属性信息，再将当前客户属性信息输入产品需求模型中，得到当前产品类别，最后向客户推送当前产品类别对应的产品信息，可以提高产品推送的客观性和准确度，降低人工成本，为客户及时提供合适的产品。图2是本专利技术一实施例中获取产品需求模型的流程图。如图2所示，在执行S101之前还包括：预先通过以下方式获取产品需求模型；S201：将预先获取的历史客户属性信息和对应的历史产品类别划分为训练数据和测试数据。其中，将历史客户属性信息和对应的历史产品类别作为历史原始数据，在将历史原始数据进行划分之前，需要对历史原始数据进行预处理。图4是本专利技术实施例中数据预处理的示意图。如图4所示，共有N个客户，历史客户属性信息包括n个属性，属性值可以为A-E。历史产品类别可以为1类至5类。经过数据预处理后，用二进制数字来表示各个属性值。数据预处理包括数据清洗和特征选择等操作。如图4所示，客户2的数据中有多个关键属性值为空，则通过数据清洗删除客户2的数据。经过特征选择后，确定属性4为非关键属性，则删除历史原始数据中的属性4，以凸显显著属性，最大效力发挥数据功效。对数据预处理后的数据训练和测试始决策树模型，可直接、高效处理有效数据。其中，训练数据与测试数据的比例可以为4:1。S202：根据训练数据训练预设的初始决策树模型，得到决策树训练模型。S203：将测试数据输入各个决策树训练模型中，得到对应的测试产品类别。S204：根据测试产品类别和对应的历史产品类别确定各个决策树训练模型的准确率。其中，准确率为测试产品类别和对应的历史产品类别一致的测试数据的数量与全部测试数据的比。S205：将准确率的最大值对应的决策树训练模型作为产品需求模型。其中，当准确率的最大值小于或等于预设的准确率阈值时，优化调整决策树训练模型的训练参数(如叶节点的最小数据量、是否进行裁剪和是否进行交叉验证等)，直至训练得到准确率的最大值大于准确率阈值的决策树训练模型。图3是本专利技术实施例中S202的流程图。如图3所示，S202包括：S301：根据训练数据训练得到决策树训本文档来自技高网...

【技术保护点】
1.一种产品信息推送方法，其特征在于，包括：/n获取产品需求模型；/n获取客户的当前客户属性信息；/n将所述当前客户属性信息输入所述产品需求模型中，得到当前产品类别；/n向所述客户推送所述当前产品类别对应的产品信息。/n

【技术特征摘要】
1.一种产品信息推送方法，其特征在于，包括：
获取产品需求模型；
获取客户的当前客户属性信息；
将所述当前客户属性信息输入所述产品需求模型中，得到当前产品类别；
向所述客户推送所述当前产品类别对应的产品信息。


2.根据权利要求1所述的产品信息推送方法，其特征在于，还包括：
预先通过以下方式获取产品需求模型：
将预先获取的历史客户属性信息和对应的历史产品类别划分为训练数据和测试数据；
根据所述训练数据训练预设的初始决策树模型，得到决策树训练模型；
将所述测试数据输入各个决策树训练模型中，得到对应的测试产品类别；
根据所述测试产品类别和对应的历史产品类别确定各个决策树训练模型的准确率；
将所述准确率的最大值对应的决策树训练模型作为所述产品需求模型。


3.根据权利要求2所述的产品信息推送方法，其特征在于，根据所述训练数据训练预设的初始决策树模型包括：
根据所述训练数据训练得到所述决策树训练模型中各个叶节点对应的分类条件；
根据各个叶节点中所述历史产品类别确定各个叶节点的产品类别；
根据各个叶节点对应的分类条件和各个叶节点的产品类别得到决策树训练模型。


4.根据权利要求3所述的产品信息推送方法，其特征在于，确定各个叶节点的产品类别包括：
根据各个叶节点中各个历史产品类别的数量、所述训练数据中各个历史产品类别的数量和各个叶节点中训练数据的数量确定各个叶节点中各个历史产品类别的权重；
将各个叶节点中所述权重的最大值对应的历史产品类别作为各个叶节点的产品类别。


5.根据权利要求4所述的产品信息推送方法，其特征在于，得到当前产品类别包括：
确定所述当前客户属性信息满足的分类条件；
将所述分类条件对应的叶节点的产品类别作为当前产品类别。


6.一种产品信息推送系统，其特征在于，包括：
模型获取单元，用于获取产品需求模型；
信息获取单元，用于获取客户的当前客户属性信息；
产品类别单元，用于将所述当前客户属性信息输入所述产品需求模型中，得...

【专利技术属性】
技术研发人员：阳骁尧，
申请(专利权)人：中国建设银行股份有限公司，建信金融科技有限责任公司，
类型：发明
国别省市：北京;11