【技术实现步骤摘要】
基于深度学习的权益发放方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种基于深度学习的权益发放方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着人们需求的逐渐增加，市场上产品之间的差异性逐渐降低，因此，企业或公司等产品供应商为了增加用户的黏着度，会定期向用户发送一些产品之外的权益，例如，优惠券、现金券等。
[0003]现有的权益发放方法多为基于产品热度的权益发放，即通过统计当前多个产品的使用热度，根据该使用热度对所有用户进行统一的权益发放。该方法中，没有考虑到不同用户的需求存在较大差异，仅利用产品的热度来决定如何对权益进行发放，进而导致权益发放的精确度较低，将用户不需要的权益发放至用户手中，降低用户的体验感，减少用户的黏着度。因此，如何提高权益发放的精确度，成为了亟待解决的问题。
技术实现思路
[0004]本专利技术提供一种基于深度学习的权益发放方法、装置及计算机可读存储介质，其主要目的在于解决进行产品推荐时的精确度较低的问题。
[0005...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的权益发放方法，其特征在于，所述方法包括：获取用户的权益获取记录，从所述权益获取记录中提取所述用户对多种预设权益中每一种预设权益的获取次数；获取所述用户的权益使用记录，从所述权益使用记录中提取所述用户对每一种所述预设权益的使用次数；根据所述获取次数以及所述使用次数计算每一种预设权益的使用率，并将所述使用率作为元素生成使用率矩阵；按照预设数量对所述使用率矩阵中的元素进行多次随机采样，得到所述使用率矩阵的多个子集矩阵；利用预先训练的深度神经网络分别提取出所述多个子集矩阵中每一个子集矩阵的特征元素；统计所述特征元素中每一个元素的出现频率，根据所述出现频率计算所述特征元素中每一个元素的特征权重，并向所述用户推荐所述特征权重大于预设权重阈值的元素对应的预设权益。2.如权利要求1所述的基于深度学习的权益发放方法，其特征在于，所述从所述权益获取记录中提取所述用户对多种预设权益中每一种预设权益的获取次数，包括：获取多种预设权益中每一种预设权益对应的数据格式；按照所述数据格式将预设字符编译为规则表达式；利用所述规则表达式对所述权益获取记录中以所述数据格式进行表达的数据进行提取，并统计提取到的数据中每一种预设权益的数量，确定所述数量为每一种预设权益的获取次数。3.如权利要求1所述的基于深度学习的权益发放方法，其特征在于，所述从所述权益获取记录中提取所述用户对多种预设权益中每一种预设权益的获取次数，包括：将所述权益获取记录进行语句拆分，得到拆分语句；利用预设的语义分析模型对所述拆分语句中每一个语句进行卷积及池化处理，得到每一个语句的语句特征；将所述语句特征转换为特征向量，从所述特征向量中逐个选取其中一个向量为目标向量；分别计算所述目标向量与预设多种权益中每一种预设权益对应的权益标签之间的距离值；确定所述距离值最小的权益标签对应的权益为所述特征向量的预设权益；统计所述特征向量中每一个向量对应的预设权益的数量，得到所述用户对每一种预设权益的获取次数。4.如权利要求1所述的基于深度学习的权益发放方法，其特征在于，所述根据所述获取次数以及所述使用次数计算每一种预设权益的使用率，并将所述使用率作为元素生成使用率矩阵，包括：构建空白矩阵；从所述多个预设权益中逐个选取其中一个权益为目标权益；根据所述目标权益的获取次数和所述目标权益的使用次数计算所述目标权益的使用
率；将所述多个预设权益中每一个权益的使用率作为元素填充至所述空白矩阵中，得到使用率矩阵。5.如权利要求4所述的基于深度学习的权益发放方法，其特征在于，所述根据所述目标权益的获取次数和所述目标权益的使用次数计算所述目标权益的使用率，包括：利用如下使用率函数计算所述目标权益的使用率：其中，x为所述目标...
【专利技术属性】
技术研发人员：严杨扬，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
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。