基于人工智能的信用卡权益推荐方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例涉及人工智能技术领域，公开了一种基于人工智能的信用卡权益推荐方法、装置、设备及介质，所述方法包括：获取用户历史交易记录，所述历史交易记录包括个人数据和信用卡权益信息；基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型，所述目标信用卡权益评价模型包括：逻辑回归算法、决策树算法和随机森林算法；将待评价的信用卡权益的权益信息输入所述目标信用卡权益评价模型，得到所述待评价的信用卡权益的评分；根据评分判断是否向所述用户推荐所述待评价的信用卡权益。为不同用户建立具有针对性的模型，考虑不同用户对于不同信用卡权益的需求和偏好，可以更加精准地为用户推荐更符合用户偏好和需求的信用卡产品。求的信用卡产品。求的信用卡产品。

【技术实现步骤摘要】
基于人工智能的信用卡权益推荐方法、装置、设备及介质


[0001]本专利技术涉及基于人工智能
，尤其涉及一种基于人工智能的信用卡权益推荐方法、装置、设备及介质。

技术介绍

[0002]信用卡作为一种重要的金融工具，已经成为人们日常生活中不可或缺的一部分。随着信用卡市场的不断扩大，各家银行也在不断推出各种各样的信用卡权益，以吸引更多的用户。然而，不同的用户对于不同的信用卡权益有着不同的需求和偏好，因此如何根据用户的特征和需求，为其推荐最适合的信用卡权益，成为信用卡部门面临的一个重要问题。
[0003]现有技术中大多是通过获取用户的历史交易数据，为用户推荐适合的信用卡产品和权益。然而，现有技术大多只考虑了用户的消费行为和信用记录等因素，而忽略了用户对于不同信用卡权益的需求和偏好，对用户的历史交易数据缺少挖掘，使得用户的历史交易数据的利用率不高，导致推荐效果不佳，用户信用卡消费不理想。
[0004]同时，用户与用户之间是存在差异的，同一用户在不同的时间、不同的地点的消费喜好也是不同的，因此只考虑了用户的消费行为和信用记录等因素为用户推荐信用卡权益是不精准的。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于人工智能的信用卡权益推荐方法、装置、设备及介质，用于解决现有技术中用户的历史交易数据的利用率低下，缺乏挖掘，导致信用卡权益的推荐不准确的问题。
[0006]为达上述之一或部分或全部目的或是其他目的，本专利技术提出一种基于人工智能的信用卡权益推荐方法，包括：获取目标用户的历史交易记录，所述历史交易记录包括所述目标用户的个人数据和所述目标用户参与的信用卡权益信息；
[0007]基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型，所述目标信用卡权益评价模型包括：逻辑回归算法、决策树算法和随机森林算法；
[0008]将待评价的信用卡权益的权益信息输入所述目标信用卡权益评价模型，得到所述待评价的信用卡权益的评分；
[0009]根据所述评分判断是否向所述目标用户推荐所述待评价的信用卡权益。
[0010]另一方面，本申请提供了一种基于人工智能的信用卡权益推荐装置，所述装置包括：
[0011]数据接收模块，用于获取目标用户的历史交易记录，所述历史交易记录包括所述目标用户的个人数据和所述目标用户参与的信用卡权益信息；
[0012]模型建立模块，用于基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型，所述目标信用卡权益评价模型包括：逻辑回归算法、决策树算法和随机森林算法；
[0013]评价模块，用于将待评价的信用卡权益的权益信息输入所述目标信用卡权益评价模型，得到所述待评价的信用卡权益的评分；
[0014]推荐模块，用于根据所述评分判断是否向所述目标用户推荐所述待评价的信用卡权益。
[0015]另一方面，本申请提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行：获取目标用户的历史交易记录，所述历史交易记录包括所述目标用户的个人数据和所述目标用户参与的信用卡权益信息；基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型，所述目标信用卡权益评价模型包括：逻辑回归算法、决策树算法和随机森林算法；将待评价的信用卡权益的权益信息输入所述目标信用卡权益评价模型，得到所述待评价的信用卡权益的评分；根据所述评分判断是否向所述目标用户推荐所述待评价的信用卡权益的步骤。
[0016]另一方面，本申请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上存储有计算机程序，所述计算机程序被处理器运行时执行：获取目标用户的历史交易记录，所述历史交易记录包括所述目标用户的个人数据和所述目标用户参与的信用卡权益信息；基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型，所述目标信用卡权益评价模型包括：逻辑回归算法、决策树算法和随机森林算法；将待评价的信用卡权益的权益信息输入所述目标信用卡权益评价模型，得到所述待评价的信用卡权益的评分；根据所述评分判断是否向所述目标用户推荐所述待评价的信用卡权益的步骤。
[0017]实施本专利技术实施例，将具有如下有益效果：
[0018]通过获取目标用户的历史交易记录，所述历史交易记录包括所述目标用户的个人数据和所述目标用户参与的信用卡权益信息；基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型，所述目标信用卡权益评价模型包括：逻辑回归算法、决策树算法和随机森林算法；将待评价的信用卡权益的权益信息输入所述目标信用卡权益评价模型，得到所述待评价的信用卡权益的评分；根据所述评分判断是否向所述目标用户推荐所述待评价的信用卡权益。为不同用户建立具有针对性的模型，考虑不同用户对于不同信用卡权益的需求和偏好，可以更加精准地为用户推荐更符合用户偏好和需求的信用卡产品。采用了逻辑回归算法、决策树算法和随机森林算法的机器学习算法，可以不断优化目标信用卡权益评价模型，提升信用卡业务推荐权益的准确性和用户满意度。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]其中：
[0021]图1是本申请实施例提供的一种基于人工智能的信用卡权益推荐方法的应用场景图；
[0022]图2是本申请实施例提供的一种基于人工智能的信用卡权益推荐方法的流程图；
[0023]图3是本申请实施例提供的一种基于人工智能的信用卡权益推荐装置的结构示意图；
[0024]图4是本专利技术一实施例中计算机设备的一结构示意图；
[0025]图5是本专利技术一实施例中计算机设备的另一结构示意图。
[0026]图6是本申请实施例提供的一种电子设备的结构示意图；
[0027]图7是本申请实施例提供的一种存储介质的结构示意图。
具体实施方式
[0028]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0029]本专利技术实施例提供的基于人工智能的信用卡权益推荐方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务端进行通信。服务端可以获取目标用户的历史交易记录，所述历史交易记录包括所述目标用户的个人数据和所述目标用户参与的信用卡权益信息；基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型，所述目标信用卡权益评价模型包括：逻辑回归算法、决策树算法和随本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的信用卡权益推荐方法，其特征在于，包括：获取目标用户的历史交易记录，所述历史交易记录包括所述目标用户的个人数据和所述目标用户参与的信用卡权益信息；基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型，所述目标信用卡权益评价模型包括：逻辑回归算法、决策树算法和随机森林算法；将待评价的信用卡权益的权益信息输入所述目标信用卡权益评价模型，得到所述待评价的信用卡权益的评分；根据所述评分判断是否向所述目标用户推荐所述待评价的信用卡权益。2.如权利要求1所述的基于人工智能的信用卡权益推荐方法，其特征在于，所述基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型的步骤，包括：基于所述个人数据构建用户画像，所述用户画像包括代表用户消费习惯的因素；根据所述用户画像和所述信用卡权益信息建立目标信用卡权益评价模型，所述信用卡权益信息包括信用卡权益的属性数据和信用卡权益的使用数据。3.如权利要求2所述的基于人工智能的信用卡权益推荐方法，其特征在于，所述基于所述个人数据和所述信用卡权益信息建立目标信用卡权益评价模型的步骤，包括：将所述代表用户消费习惯的因素和所述信用卡权益信息按预设规则进行特征选取，得到代表用户消费习惯的目标因素和所述信用卡权益信息中的目标特征，并根据所述目标因素和所述目标特征构建目标数据集，所述预设规则为选择满足与目标变量的相关性大于等于第一阈值，且满足与目标变量的互信息大于等于第二阈值的特征，所述目标变量为信用卡权益的表现分值；基于所述目标数据集构建训练集，并基于所述训练集训练预设信用卡权益评价模型，得到所述目标信用卡权益评价模型，所述预设信用卡权益评价模型包括：逻辑回归算法、决策树算法和随机森林算法。4.如权利要求3所述的基于人工智能的信用卡权益推荐方法，其特征在于，在所述将所述代表用户消费习惯的因素和所述信用卡权益信息按预设规则进行特征选取，得到代表用户消费习惯的目标因素和所述信用卡权益信息中的目标特征的步骤之前，还包括：对所述代表用户消费习惯的因素和所述信用卡权益信息进行数据清理，得到初始数据，所述数据清理的过程包括：缺失值处理、异常值处理和重复值处理；将所述初始数据进行特征变换，得到目标数据，所述特征变换的过程包括：标准化处理和对数转换处理。5.如权利要求4所述的基于人工智能的信用卡权益推荐方法，其特征在于，所述将所述代表用户消费习惯的因素和所述信用卡权益信息按预设规则进行特征选取，得到代表用户消费习惯的目标因素和所述信用...

【专利技术属性】
技术研发人员：黄超，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：