保管箱类别推荐方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及人工智能技术领域，提供一种保管箱类别推荐方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待存放物品的类别和存放地区，查询存放地区的气候特征数据，根据待存放物品的类别和存放地区的气候特征数据，确定保管箱类别的推荐概率，根据保管箱类别的推荐概率，确定待推荐保管箱类别。采用本方法能够有针对性的推荐与待存放物品更为匹配的保管箱类别，实现准确的保管箱类别推荐。进一步的，能够辅助业务人员或引导客户确定最终的更为匹配的保管箱类别，且能够有效降低由保管箱类别推荐不准确致使待存放物品发生损毁的风险。品发生损毁的风险。品发生损毁的风险。

【技术实现步骤摘要】
保管箱类别推荐方法、装置、计算机设备和存储介质


[0001]本申请涉及人工智能
，特别是涉及一种保管箱类别推荐方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着人们生活水平的不断提高，收入的不断增加，人们对保险箱柜或者保管箱的业务需求逐渐增大。目前，用户若需保管实体物品，需要在线上办理保管箱业务，保管箱类别的推荐通常由用户自行选择，或者用户根据业务人员的推荐选择相应的保管箱类别。
[0003]然而，由于物品的类别的差异以及不同厂家，不同版本的保管箱本身的产品差异，导致在进行物品存放保管箱类别推荐时，计算机单纯依赖上次使用的保管箱类别数据来进行推荐，或者是计算机被动响应业务人员、客户的操作来匹配、推荐保管箱类别。由此可见，上述方式，导致无法实现保管箱类别的准确推荐。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种准确的保管箱类别推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种保管箱类别推荐方法。所述方法包括：
[0006]获取待存放物品的类别和存放地区；
[0007]查询存放地区的气候特征数据；
[0008]根据待存放物品的类别和存放地区的气候特征数据，确定保管箱类别的推荐概率；
[0009]根据保管箱类别的推荐概率，确定待推荐保管箱类别。
[0010]在一个实施例中，根据待存放物品的类别和存放地区的气候特征数据，确定保管箱类别的推荐概率包括：
[0011]将待存放物品的类别和存放地区的气候特征数据作为输入数据，调用已训练的保管箱类别推荐模型，得到保管箱类别的推荐概率；
[0012]其中，保管箱类别推荐模型基于存放地区的气候特征数据和箱型特征数据训练得到。
[0013]在一个实施例中，将待存放物品的类别和存放地区的气候特征数据作为输入数据，调用已训练的保管箱类别推荐模型，得到保管箱类别的推荐概率之前，方法还包括：
[0014]获取模型样本数据，模型样本数据包括不同地区的气候分布数据和对应的箱型特征数据；
[0015]对不同地区的气候分布数据和对应的箱型特征数据进行数据预处理，得到目标模型样本数据；
[0016]获取初始保管箱类别推荐模型；
[0017]基于目标模型样本数据，训练初始保管箱类别推荐模型，得到保管箱类别推荐模
型。
[0018]在一个实施例中，对不同地区的气候分布数据和箱型特征数据进行数据预处理，得到目标模型样本数据包括：
[0019]对箱型特征数据依次进行数值化处理和聚类处理，得到保管箱类别划分结果；
[0020]根据不同地区的气候分布数据，对不同地区进行划分，得到不同地区的气候特征数据；
[0021]归集保管箱类别划分结果和对应的不同地区的气候特征数据，得到目标模型样本数据。
[0022]在一个实施例中，基于目标模型样本数据，训练初始保管箱类别推荐模型，得到保管箱类别推荐模型包括：
[0023]基于目标模型样本数据，采用梯度下降算法和动态学习率训练初始保管箱类别推荐模型，得到保管箱类别推荐模型。
[0024]在一个实施例中，根据保管箱类别的推荐概率，确定待推荐保管箱类别包括：
[0025]对保管箱类别的推荐概率进行排序；
[0026]选取保管箱类别的推荐概率较大的第一预设数量的保管箱类别；
[0027]确定选取的保管箱类别为待推荐保管箱类别。
[0028]在一个实施例中，确定待推荐保管箱类别之后，方法还包括：
[0029]推送待推荐保管箱类别；
[0030]接收物品存放评价反馈数据；
[0031]根据物品存放评价反馈数据，更新保管箱类别推荐模型。
[0032]在一个实施例中，推送待推荐保管箱类别之后，方法还包括：
[0033]获取待推荐保管箱类别对应的业务地点以及保管箱类别推荐对象所在位置；
[0034]推送与保管箱类别推荐对象所在位置的距离较近的第二预设数量的业务地点。
[0035]第二方面，本申请还提供了一种保管箱类别推荐装置。所述装置包括：
[0036]数据获取模块，用于获取待存放物品的类别和存放地区；
[0037]数据查询模块，用于获取所述存放地区的气候特征数据；
[0038]推荐概率确定模块，用于根据所述待存放物品的类别和所述存放地区的气候特征数据，确定保管箱类别的推荐概率；
[0039]保管箱类别确定模块，用于根据保管箱类别的推荐概率，确定待推荐保管箱类别。
[0040]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述保管箱类别推荐方法中的步骤。
[0041]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述保管箱类别推荐方法中的步骤。
[0042]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述保管箱类别推荐方法中的步骤。
[0043]上述保管箱类别推荐方法、装置、计算机设备、存储介质和计算机程序产品，以待存放物品的类别和存放地区为基准点，同时考虑了不同地区的气候的差异对于物品存放的
要求的影响，进一步查询存放地区的气候特征数据，进而根据待存放物品的类别和存放地区的气候特征，确定保管箱类别的推荐概率，再根据保管箱类别的推荐概率，确定待推荐保管箱类别。整个方案，不仅考虑了物品类别的差异对存放物品的箱型有着不同的要求，还考虑到了物品存放受气候的差异的影响，可能会出现损毁的可能性，综合待存放物品的类别和存放地区的气候特性，有针对性的推荐与待存放物品更为匹配的保管箱类别，实现准确的保管箱类别推荐。进一步的，还能够辅助业务人员或引导客户确定最终的更为匹配的保管箱类别，且有效降低了由保管箱类别推荐不准确致使待存放物品发生损毁的风险。
附图说明
[0044]图1为一个实施例中保管箱类别推荐方法的应用环境图；
[0045]图2为一个实施例中保管箱类别推荐方法的流程示意图；
[0046]图3为另一个实施例中保管箱类别推荐方法的流程示意图；
[0047]图4为一个实施例中训练保管箱类别推荐模型的流程示意图；
[0048]图5为一个实施例中保管箱类别推荐模型的结构示意图；
[0049]图6为一个实施例中保管箱类别推荐模型中神经元运算示意图；
[0050]图7为另一个实施例中保管箱类别推荐方法的详细流程示意图；
[0051]图8为一个实施例中保管箱类别推荐装置的结构框图；
[0052]图9为另一个实施例中保管箱类别推荐装置的结构框图；
[0053]图10为一个实施例中计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种保管箱类别推荐方法，其特征在于，所述方法包括：获取待存放物品的类别和存放地区；查询所述存放地区的气候特征数据；根据所述待存放物品的类别和所述存放地区的气候特征数据，确定保管箱类别的推荐概率；根据所述保管箱类别的推荐概率，确定待推荐保管箱类别。2.根据权利要求1所述的方法，其特征在于，所述根据所述待存放物品的类别和所述存放地区的气候特征数据，确定保管箱类别的推荐概率包括：将所述待存放物品的类别和所述存放地区的气候特征数据作为输入数据，调用已训练的保管箱类别推荐模型，得到保管箱类别的推荐概率；其中，所述保管箱类别推荐模型基于存放地区的气候特征数据和箱型特征数据训练得到。3.根据权利要求2所述的方法，其特征在于，所述将所述待存放物品的类别和所述存放地区的气候特征数据作为输入数据，调用已训练的保管箱类别推荐模型，得到保管箱类别的推荐概率之前，所述方法还包括：获取模型样本数据，所述模型样本数据包括不同地区的气候分布数据和对应的箱型特征数据；对所述不同地区的气候分布数据和对应的箱型特征数据进行数据预处理，得到目标模型样本数据；获取初始保管箱类别推荐模型；基于所述目标模型样本数据，训练所述初始保管箱类别推荐模型，得到保管箱类别推荐模型。4.根据权利要求3所述的方法，其特征在于，所述对所述不同地区的气候分布数据和所述箱型特征数据进行数据预处理，得到目标模型样本数据包括：对所述箱型特征数据依次进行数值化处理和聚类处理，得到保管箱类别划分结果；根据所述不同地区的气候分布数据，对不同地区进行划分，得到不同地区的气候特征数据；归集所述保管箱类别划分结果和对应的所述不同地区的气候特征数据，得到目标模型样本数据。5.根据权利要求3所述的方法，其特征在于，所述基于所述目标模型样本数据，训练所述初始保管箱类别推荐模型，得到保管箱类别推荐模型包括：基于所述目标模型样本数据，采用梯度下降算法和动态学习率训练所述初始保管箱类别推荐模型，得到保管箱类别推荐模型。6.根据权利要求1至5任意一项所述的方法，其特征在于，所述根据保管箱类别的推荐概率，确定待推荐保管箱类别包括：对所述保管箱类别的推荐概率进行排序；选取保管箱类别的推荐概率较大的第一预设数量的保管箱类别，得到待推荐保管箱类别。7.根据权利要求2至5任意一项所述的方法，其特征在于，所述确定待推荐保管箱类别
之后，所述方法还包括：推送所述待推荐保管箱类别；接收物品存放评价反馈数据；根据所述物品存放评价反馈数据，更新所述保管箱类别推荐模型。8.根据权利要求7所述的方法，其特征在于，所述推送所述待推荐保管箱类别之后，所述方法还包括：获取待推荐保管箱类别对应的业务地点以及保管箱类别推荐对象所在位置；推送与所述保管箱类别推荐对象所在位置的距离较近的第二预设数量的业务地点。9.一种保管箱类别推荐装置，其特征在于，所述装置包括：数据获取模块，用于获取待存放...

【专利技术属性】
技术研发人员：孙荣铖，程强，黄青君，马波，李鹏程，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：