推荐方法、分类模型的训练方法和相关设备技术

本公开提供一种推荐方法、分类模型的训练方法和相关设备，推荐方法包括：获取待推荐用户的基础信息以及购买金融产品的行为信息；根据基础信息以及行为信息构建待推荐用户的特征向量；将特征向量输入至分类模型，得到分类模型的输出结果，并根据输出结果确定待推荐用户所属的客户群体；确定客户群体对应的目标推送方式以及目标金融产品，并按照目标推荐方式向待推荐用户关联的终端推送目标金融产品的信息。本公开中，提高了金融产品的推荐效果。提高了金融产品的推荐效果。提高了金融产品的推荐效果。

【技术实现步骤摘要】
推荐方法、分类模型的训练方法和相关设备


[0001]本公开涉及通信技术，尤其涉及一种推荐方法、分类模型的训练方法和相关设备。

技术介绍

[0002]金融机构有着庞大的客户群体，金融机构可以向庞大的客户群体推荐合适的金融产品。
[0003]示例性技术中，通过对用户历史购买的金融产品以及应有程序上用户浏览的金融产品的记录来分析用户的喜好，再向用户推荐其喜好的金融产品。
[0004]中老年客户是金融产品的有力消费者，但这些中老年客户中的一部分客户是不会去浏览或使用应用程序，从而无法获取浏览信息准确的为这些客户进行推荐，导致客户的流失。可知，现有的金融产品的推荐效果较差。

技术实现思路

[0005]本公开提供一种推荐方法、分类模型的训练方法和相关设备，用以解决金融产品的推荐效果较差的问题。
[0006]一方面，本公开提供一种推荐方法，包括：
[0007]获取待推荐用户的基础信息以及购买金融产品的行为信息；
[0008]根据所述基础信息以及所述行为信息构建所述待推荐用户的特征向量；
[0009]将所述特征向量输入至分类模型，得到所述分类模型的输出结果，并根据所述输出结果确定所述待推荐用户所属的客户群体；
[0010]确定所述客户群体对应的目标推送方式以及目标金融产品，并按照所述目标推荐方式向所述待推荐用户关联的终端推送所述目标金融产品的信息。
[0011]另一方面，本公开还提供一种分类模型的训练方法，包括：
[0012]获取各个训练样本，所述训练样本由第一用户的基础信息以及购买金融产品的行为信息确定；
[0013]根据各个训练样本获得多个三元组样本，所述三元组样本由目标样本、正样本以及负样本构成；
[0014]根据各个所述三元组样本对预设模型进行训练得到分类模型，所述分类模型用于根据待推荐用户的基础信息以及购买金融产品的行为信息确定所述待推荐用户所属的客户群体。
[0015]在一实施例中，所述根据各个训练样本获得多个三元组样本的步骤包括：
[0016]在各个所述训练样本中确定目标样本；
[0017]在各个所述训练样本中确定与所述目标样本相似的多个第一样本，并在各个所述训练样本中确定与所述目标样本不相似的多个第二样本；
[0018]在各个所述第一样本中确定正样本，并在各个所述第二样本中确定负样本；
[0019]根据所述目标样本、所述正样本以及所述负样本构建三元组样本。
[0020]在一实施例中，所述在各个所述第二样本中确定负样本的步骤包括：
[0021]获取所述正样本与所述目标样本之间的第一距离，并获取各个所述第二样本与所述目标样本之间的第二距离；
[0022]确定各个所述第二距离与所述第一距离之间的第一差值；
[0023]将小于预设阈值的所述第一差值对应的第二样本确定负样本。
[0024]在一实施例中，所述预设模型的损失函数根据正样本与目标样本之间的距离、负样本与目标样本之间的距离、以及预设阈值设置。
[0025]在另一方面，本公开还提供一种推荐装置，包括：
[0026]第一获取模块，用于获取待推荐用户的基础信息以及购买金融产品的行为信息；
[0027]构建模块，用于根据所述基础信息以及所述行为信息构建所述待推荐用户的特征向量；
[0028]输入模块，用于将所述特征向量输入至分类模型，得到所述分类模型的输出结果，并根据所述输出结果确定所述待推荐用户所属的客户群体；
[0029]确定模块，用于确定所述客户群体对应的目标推送方式以及目标金融产品，并按照所述目标推荐方式向所述待推荐用户关联的终端推送所述目标金融产品的信息。
[0030]在另一方面，本公开还提供一种推荐设备，包括：存储器以及处理器；
[0031]所述存储器存储计算机执行指令；
[0032]所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如上所述的推荐方法。
[0033]在另一方面，本公开还提供一种分类模型的训练装置，包括：
[0034]第二获取模块，用于获取各个训练样本，所述训练样本由第一用户的基础信息以及购买金融产品的行为信息确定；
[0035]所述第二获取模块，还用于根据各个训练样本获得多个三元组样本，所述三元组样本由目标样本、正样本以及负样本构成；
[0036]训练模块，用于根据各个所述三元组样本对预设模型进行训练得到分类模型，所述分类模型用于根据待推荐用户的基础信息以及购买金融产品的行为信息确定所述待推荐用户所属的客户群体。
[0037]在另一方面，本公开还提供一种分类模型的训练设备，包括：存储器以及处理器；
[0038]所述存储器存储计算机执行指令；
[0039]所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如上所述的分类模型的训练方法。
[0040]在另一方面，本公开还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上所述的推荐方法或如上所述的分类模型的训练方法。
[0041]本公开提供的推荐方法、分类模型的训练方法和相关设备，获取待推荐用户的基础信息以及购买金融产品的行为信息，并根据基础信息以及行为信息构建待推荐用户的特征向量，再将特征向量输入至分类模型，以确定待推荐用户所属的客户群体，且确定客户群体对应的目标推送方式以及目标金融产品，最后以目标推荐方式向待推荐用户推送目标金融产品的信息。本公开中，通过用户的基础信息以及购买金融产品的行为信息进行金融产
品的推荐，即便用户不浏览金融产品，也可准确的为客户推荐金融产品，提高了金融产品的推荐效果；此外，按照用户所属的客户群体的推送方式为用户推送金融产品的信息，使得用户基于推送方式获知用户所喜好的金融产品的信息，进一步提高了金融产品的推荐效果。
附图说明
[0042]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0043]图1为本公开推荐方法第一实施例的流程示意图；
[0044]图2为本公开分类模型的训练方法第一实施例的流程示意图；
[0045]图3为本公开分类模型的训练方法第二实施例的流程示意图；
[0046]图4为本公开分类模型的训练方法第三实施例的流程示意图；
[0047]图5为本公开涉及的三元组样本的示意图；
[0048]图6为本公开推荐装置的模块示意图；
[0049]图7为本公开分类模型的训练装置的模块示意图；
[0050]图8为本公开推荐设备/分类模型的训练设备的硬件结构示意图。
[0051]通过上述附图，已示出本公开明确的实施例，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公开构思的范围，而是通过参考特定实施例为本领域技术人员说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐方法，其特征在于，包括：获取待推荐用户的基础信息以及购买金融产品的行为信息；根据所述基础信息以及所述行为信息构建所述待推荐用户的特征向量；将所述特征向量输入至分类模型，得到所述分类模型的输出结果，并根据所述输出结果确定所述待推荐用户所属的客户群体；确定所述客户群体对应的目标推送方式以及目标金融产品，并按照所述目标推荐方式向所述待推荐用户关联的终端推送所述目标金融产品的信息。2.一种分类模型的训练方法，其特征在于，包括：获取各个训练样本，所述训练样本由第一用户的基础信息以及购买金融产品的行为信息确定；根据各个训练样本获得多个三元组样本，所述三元组样本由目标样本、正样本以及负样本构成；根据各个所述三元组样本对预设模型进行训练得到分类模型，所述分类模型用于根据待推荐用户的基础信息以及购买金融产品的行为信息确定所述待推荐用户所属的客户群体。3.根据权利要求2所述的分类模型的训练方法，其特征在于，所述根据各个训练样本获得多个三元组样本的步骤包括：在各个所述训练样本中确定目标样本；在各个所述训练样本中确定与所述目标样本相似的多个第一样本，并在各个所述训练样本中确定与所述目标样本不相似的多个第二样本；在各个所述第一样本中确定正样本，并在各个所述第二样本中确定负样本；根据所述目标样本、所述正样本以及所述负样本构建三元组样本。4.根据权利要求3所述的分类模型的训练方法，其特征在于，所述在各个所述第二样本中确定负样本的步骤包括：获取所述正样本与所述目标样本之间的第一距离，并获取各个所述第二样本与所述目标样本之间的第二距离；确定各个所述第二距离与所述第一距离之间的第一差值；将小于预设阈值的所述第一差值对应的第二样本确定负样本。5.根据权利要求4所述的分类模型的训练方法，其特征在于，所述预设模型的损失函数根据正样本与目标样本之间的距离、负样...

【专利技术属性】
技术研发人员：张文铭，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：