用户权益匹配方法及装置制造方法及图纸

本发明专利技术可用于人工智能技术领域，本发明专利技术提供了一种用户权益匹配方法及装置，包括：获取目标用户的用户数据以及目标用户的历史兑换权益数据；根据用户数据、历史兑换权益数据以及基于神经网络预先建立的用户权益匹配模型对目标用户进行权益匹配。本发明专利技术将权益资源、用户、关联用户三者建立了关系，提供了更具有广泛性和迭代优化机制的权益匹配方法。本发明专利技术基于知识图谱技术，可以将用户与用户，用户和权益隐藏关系联系在一起，从而可以辅助推送更加精准，并做到推送结果有迹可循。一方面可以充分利用权益库资源，使得各类权益资源均被释放；向用户推送更加具有针对性的权益福利，更满足客户的真实需求，减少用户查找时间，提升用户体验。用户体验。用户体验。

【技术实现步骤摘要】
用户权益匹配方法及装置


[0001]本专利技术属于人工智能
，具体涉及一种用户权益匹配方法及装置。

技术介绍

[0002]在当今金融领域，客户权益已成为日常营销与获客的重要工具。传统银行为提升用户留存率与贡献度，已与各类商户合作为客户提供多项权益服务，涵盖出行、医疗、商务等各类生活场景。例如酒店预订服务、租车服务、票务预订服务、生活定制服务等。客户等级不同，可享受的权益内容也有所差异，其中面向高净值客户、私人银行客户的权益最为丰富。客户在线上领取权益后可直接享受线下相应福利。
[0003]具体地，银行通常通过建立商户合作权益库，将可提供的各类权益集中起来在渠道统一进行展示，用户发起权益请求后完成兑换。现有权益发放规则无法根据用户特点、用户等级，将用户和权益进行个性化匹配，无法根据客户与客户之间的关系进行深度学习。无法较好地向客户发放最适合的权益活动，用户体验和留存率较低。
[0004]现有技术中，通过运用大数据、用户画像及历史行为分析来将用户与产品进行匹配的方法运用越来越广泛。现有的推荐系统在分析手段上仅关注单一客户与产品间的关系，没有充分延伸至历史下单客户的关联客户，没有挖掘关联客户与产品间的关系。在银行客户强关联性的场景下，不能充分发挥其效果，不适用于权益资源匹配。因此需要一种能够覆盖更多关联客户的信息匹配方法。

技术实现思路

[0005]本专利技术属于人工智能
，其所提供的用户权益匹配方法及装置将权益资源、用户、关联用户三者建立了关系，提供了更具有广泛性和迭代优化机制的权益匹配方法。本专利技术基于知识图谱技术，可以将用户与用户，用户和权益隐藏关系联系在一起，从而可以辅助推送更加精准，并做到推送结果有迹可循。一方面可以充分利用权益库资源，使得各类权益资源均被释放；另一方面，向用户推送更加具有针对性的权益福利，更满足客户的真实需求，减少用户查找时间，提升用户体验。
[0006]为解决上述技术问题，本专利技术提供以下技术方案：
[0007]第一方面，本专利技术提供一种用户权益匹配方法，包括：
[0008]获取目标用户的用户数据以及所述目标用户的历史兑换权益数据；
[0009]根据所述用户数据、所述历史兑换权益数据以及基于神经网络预先建立的用户权益匹配模型对所述目标用户进行权益匹配。
[0010]一实施例中，建立所述用户权益匹配模型的方法包括以下步骤：
[0011]根据预生成权益资源库以及所述历史兑换权益数据生成训练数据；
[0012]利用卷积神经网络生成所述用户权益匹配模型的初始模型；
[0013]利用所述训练数据对所述初始模型进行训练，以生成所述用户权益匹配模型。
[0014]一实施例中，所述根据预生成权益资源库以及所述历史兑换权益数据生成训练数
据，包括：
[0015]根据所述权益资源库构建权益知识图谱；
[0016]根据目标客户历史兑换权益数据构建初始客户知识图谱；
[0017]根据所述权益知识图谱以及所述初始客户知识图谱构建客户权益训练图谱。
[0018]一实施例中，所述根据所述权益资源库构建权益知识图谱包括：
[0019]拆分所述权益资源库中的权益信息为结构化数据以及非结构化数据；
[0020]根据所述结构化数据以及非结构化数据构建权益知识图谱。
[0021]一实施例中，用户权益匹配方法还包括：
[0022]获取所述目标客户的关联客户信息；
[0023]根据所述关联客户信息构建目标客户知识图谱。
[0024]一实施例中，所述利用所述训练数据对所述初始模型进行训练，以生成所述用户权益匹配模型包括：
[0025]以所述目标客户知识图谱生成训练结束条件；
[0026]根据所述训练结束条件以及所述客户权益训练图谱对所述初始模型进行训练，以生成用户权益匹配模型。
[0027]一实施例中，所述根据所述训练结束条件以及所述客户权益训练图谱对所述初始模型进行训练，以生成用户权益匹配模型，包括：
[0028]将所述客户权益训练图谱中实体以及关系通过不同的映射矩阵映射到空间向量中进行标识，以生成预生成的卷积神经网络初始模型的输入数据；
[0029]将所述输入数据输入至所述初始模型中，以训练所述初始模型；
[0030]当达到所述训练结束条件时，训练结束，以生成所述用户权益匹配模型。
[0031]一实施例中，用户权益匹配方法还包括：
[0032]获取所述目标用户对其匹配权益的使用数据以及反馈信息；
[0033]根据所述使用数据以及所述反馈信息对所述用户权益匹配模型进行迭代优化。
[0034]第二方面，本专利技术提供一种用户权益匹配装置，包括：
[0035]用户数据获取模块，用于获取目标用户的用户数据以及所述目标用户的历史兑换权益数据；
[0036]权益匹配模块，用于根据所述用户数据、所述历史兑换权益数据以及基于神经网络预先建立的用户权益匹配模型对所述目标用户进行权益匹配。
[0037]一实施例中，用户权益匹配装置还包括：匹配模型建立模块，用于建立所述用户权益匹配模型，所述匹配模型建立模块包括：
[0038]训练数据生成单元，用于根据预生成权益资源库以及所述历史兑换权益数据生成训练数据；
[0039]初始模型生成单元，用于利用卷积神经网络生成所述用户权益匹配模型的初始模型；
[0040]匹配模型建立单元，用于利用所述训练数据对所述初始模型进行训练，以生成所述用户权益匹配模型。
[0041]一实施例中，所述训练数据生成单元包括：
[0042]权益图谱构建单元，用于根据所述权益资源库构建权益知识图谱；
[0043]初始图谱构建单元，用于根据目标客户历史兑换权益数据构建初始客户知识图谱；
[0044]训练图谱构建单元，用于根据所述权益知识图谱以及所述初始客户知识图谱构建客户权益训练图谱。
[0045]一实施例中，所述权益图谱构建单元包括：
[0046]权益信息拆分单元，用于拆分所述权益资源库中的权益信息为结构化数据以及非结构化数据；
[0047]权益图谱构建子单元，用于根据所述结构化数据以及非结构化数据构建权益知识图谱。
[0048]一实施例中，用户权益匹配装置还包括：
[0049]关联客户信息获取模块，用于获取所述目标客户的关联客户信息；
[0050]目标客户图谱获取模块，用于根据所述关联客户信息构建目标客户知识图谱。
[0051]一实施例中，所述匹配模型建立单元包括：
[0052]结束条件生成单元，用于以所述目标客户知识图谱生成训练结束条件；
[0053]匹配模型建立子单元，用于根据所述训练结束条件以及所述客户权益训练图谱对所述初始模型进行训练，以生成用户权益匹配模型。
[0054]一实施例中，所述匹配模型建立子单元包括：
[0055]输入数据生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户权益匹配方法，其特征在于，包括：获取目标用户的用户数据以及所述目标用户的历史兑换权益数据；根据所述用户数据、所述历史兑换权益数据以及基于神经网络预先建立的用户权益匹配模型对所述目标用户进行权益匹配。2.根据权利要求1所述的用户权益匹配方法，其特征在于，建立所述用户权益匹配模型的方法包括以下步骤：根据预生成权益资源库以及所述历史兑换权益数据生成训练数据；利用卷积神经网络生成所述用户权益匹配模型的初始模型；利用所述训练数据对所述初始模型进行训练，以生成所述用户权益匹配模型。3.根据权利要求2所述的用户权益匹配方法，其特征在于，所述根据预生成权益资源库以及所述历史兑换权益数据生成训练数据，包括：根据所述权益资源库构建权益知识图谱；根据目标客户历史兑换权益数据构建初始客户知识图谱；根据所述权益知识图谱以及所述初始客户知识图谱构建客户权益训练图谱。4.根据权利要求3所述的用户权益匹配方法，其特征在于，所述根据所述权益资源库构建权益知识图谱包括：拆分所述权益资源库中的权益信息为结构化数据以及非结构化数据；根据所述结构化数据以及非结构化数据构建权益知识图谱。5.根据权利要求4所述的用户权益匹配方法，其特征在于，还包括：获取所述目标客户的关联客户信息；根据所述关联客户信息构建目标客户知识图谱。6.根据权利要求5所述的用户权益匹配方法，其特征在于，所述利用所述训练数据对所述初始模型进行训练，以生成所述用户权益匹配模型包括：以所述目标客户知识图谱生成训练结束条件；根据所述训练结束条件以及所述客户权益训练图谱对所述初始模型进行训练，以生成用户权益匹配模型。7.根据权利要求6所述的用户权益匹配方法，其特征在于，所述根据所述训练结束条件以及所述客户权益训练图谱对所述初始模型进行训练，以生成用户权益匹配模型，包括：将所述客户权益训练图谱中实体以及关系通过不同的映射矩阵映射到空间向量中进行标识，以生成预生成的卷积神经网络初始...

【专利技术属性】
技术研发人员：刘璇，文晋京，李曼丽，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：