【技术实现步骤摘要】
业务推荐方法、装置、相关设备及存储介质
本专利技术涉及数据处理领域,尤其涉及一种业务推荐方法、装置、相关设备及存储介质。
技术介绍
随着互联网技术、通信技术的发展和社会信用体系的构建,基于信用分为用户提供各类服务场景逐渐发展起来。通信运营商拥有巨大的数据资产,能够较好地评估用户的信用能力。基于通信运商评估的信用分,可以发展各类信用应用服务,例如信用购机、信用住店、信用租车、信用通信(不停机)、信用借书、信用号码贷款等等。近年来,随着信用评估技术和信用应用体系的逐渐成熟,信用服务领域和信用业务场景越来越丰富。相关技术中,信用业务推荐技术的推荐准确度差,从而导致用户体验较差。
技术实现思路
为解决相关技术问题,本专利技术实施例提供一种业务推荐方法、装置、相关设备及存储介质。本专利技术实施例的技术方案是这样实现的:本专利技术实施例提供了一种业务推荐方法,应用于服务器,包括:获取第一用户的信用参数;所述信用参数表征第一用户的信用能力;利用获取的信用参数及所述第一用户的身份信息,确定所述第一用户能够使用的信用业务;利用所述第一用户的第一数据及第二数据,确定所述第一用户的信用服务模式偏好;并利用所述第一数据及第二数据,确定所述第一用户的信用业务需求;所述第一数据表征所述第一用户的信用业务历史行为;所述第二数据表征所述第一用户在通信运营商产生的历史行为;利用确定的所述第一用户能够使用的信用业务、信用服务模式偏好、信用业务需求,对所述第一用户进行信用业务推荐 ...
【技术保护点】
1.一种业务推荐方法,其特征在于,应用于服务器,包括:/n获取第一用户的信用参数;所述信用参数表征第一用户的信用能力;/n利用获取的信用参数及所述第一用户的身份信息,确定所述第一用户能够使用的信用业务;/n利用所述第一用户的第一数据及第二数据,确定所述第一用户的信用服务模式偏好;并利用所述第一数据及第二数据,确定所述第一用户的信用业务需求;所述第一数据表征所述第一用户的信用业务历史行为;所述第二数据表征所述第一用户在通信运营商产生的历史行为;/n利用确定的所述第一用户能够使用的信用业务、信用服务模式偏好、信用业务需求,对所述第一用户进行信用业务推荐。/n
【技术特征摘要】
1.一种业务推荐方法,其特征在于,应用于服务器,包括:
获取第一用户的信用参数;所述信用参数表征第一用户的信用能力;
利用获取的信用参数及所述第一用户的身份信息,确定所述第一用户能够使用的信用业务;
利用所述第一用户的第一数据及第二数据,确定所述第一用户的信用服务模式偏好;并利用所述第一数据及第二数据,确定所述第一用户的信用业务需求;所述第一数据表征所述第一用户的信用业务历史行为;所述第二数据表征所述第一用户在通信运营商产生的历史行为;
利用确定的所述第一用户能够使用的信用业务、信用服务模式偏好、信用业务需求,对所述第一用户进行信用业务推荐。
2.根据权利要求1所述的方法,其特征在于,所述利用获取的信用参数及所述第一用户的身份信息,确定所述第一用户能够使用的信用业务,包括:
针对数据库中至少两类信用业务中的每类信用业务,从相应类信用业务中确定与所述获取的信用参数匹配的业务及对应的业务等级,或者从相应类信用业务中确定与所述第一用户的身份信息匹配的业务及对应的业务等级。
3.根据权利要求1所述的方法,其特征在于,所述利用所述第一用户的第一数据及第二数据,确定所述第一用户的信用服务模式偏好,包括:
对所述第一数据和第二数据进行第一特征提取,得到第一提取结果,并所述第一数据和第二数据进行第二特征提取,得到第二提取结果;所述第一提取结果表征所述第一用户的行为;所述第二提取结果表征所述第一用户的时间序列;
利用所述第一提取结果,结合第一模型,评估所述第一用户的信用服务模式偏好,得到第一信用服务模式偏好结果;
利用所述第二提取结果,结合第二模型,评估所述第一用户的信用服务模式偏好,得到第二信用服务模式偏好结果;
利用第一信用服务模式偏好结果和第二信用服务模式偏好结果,确定所述第一用户的信用服务模式偏好。
4.根据权利要求3所述的方法,其特征在于,所述利用第一信用服务模式偏好结果和第二信用服务模式偏好结果,确定所述第一用户的信用服务模式偏好,包括:
将所述第一信用服务模式偏好结果进行归一化处理,得到第一处理结果;并将所述第二信用服务模式偏好结果进行归一化处理,得到第二处理结果;
利用所述第一处理结果和第二处理结果,确定所述第一用户的信用服务模式偏好。
5.根据权利要求1所述的方法,其特征在于,所述利用所述第一数据及第二数据,确定所述第一用户的信用业务需求,包括:
对所述第一数据及第二数据进行特征提取,获得用户需求特征;
在获得的用户需求特征符合第一条件的情况下,将获得的用户需求特征输入至深度学习模型中,得到所述第一用户的信用业务需求;所述深度学习模型是利用训练样本基于隐含狄利克雷分布-长短时记忆网络LDA-LSTM算法建立的;
在获得的用户需求特征符合第二条件的情况下,将获得的用户需求特征输入至专家规则推荐模型中,得到所述第一用户的信用业务需求;所述专家规则推荐模型是利用训练样本构建需求标签,基于构建的需求标签建立的;
其中,所述第一条件与第二条件不同。
6.根据权利要求5所述的方法,其特征在于,在利用深度学习模型得到的所述第一用户的信用业务需求与深度学习模型对应的推荐项目过滤规则不匹配的情况下,将获得的用户需求特征输入至专家规则推荐模型中,得到所述第一用户的信用业务需求。
7.根据权利要求5所述的方法,其特征在于,在利用专家规则推荐模型得到的所述第一用户的信用业务需求与专家规则推荐模型对应的推荐项目过滤规则不匹配的情况下,将获得的用户需求特征输入至随机策略推荐模型中,得到所述第一用户的信用业...
【专利技术属性】
技术研发人员:孙越佳,张科,杜瑜,刘晓宇,杨勇,
申请(专利权)人:中国移动通信有限公司研究院,中国移动通信集团有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。