System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,尤其涉及一种产品的推荐方法和装置。
技术介绍
1、随着经济的不断发展,用户对理财产品的需求日益增长。精准、高效、低成本地向有购买意向的用户推荐合适的理财产品,对于提升理财产品的转化率,增加用户粘性具有重要意义。
2、现有的理财产品推荐方法多采用人工推荐方式,该方式需要消耗大量的人力成本。现有的理财产品推荐模型,无法准确识别出具有购买意向的用户或者无法满足用户需求,准确地为具有购买意向的用户推荐合适的理财产品,导致理财产品的转化率较低、甚至出现用户流失等问题。
3、针对上述问题,目前尚未提出有效的解决方案。
技术实现思路
1、本说明书实施例提供了一种产品的推荐方法和装置,以解决现有技术无法精准、高效、低成本地向意向用户推荐感兴趣的目标产品的问题。
2、第一方面,本说明书实施例提供了一种产品的推荐方法,该方法包括:
3、将多个用户的信息输入至意向识别模型,确定意向用户;
4、根据多种不同的目标变量预测方法,确定目标变量的预测值,所述目标变量为对意向用户支出资源产生影响的变量;
5、根据目标变量的预测值,预测意向用户相对多个产品的资源支出量;
6、根据资源支出量,基于多个产品向意向用户推荐感兴趣的目标产品。
7、在一些实施例中,所述将多个用户信息输入至意向识别模型,确定意向用户,包括:
8、将多个用户信息输入至意向识别模型,得到多个用户的兴趣值;
10、在一些实施例中,所述方法还包括:
11、根据目标变量的属性数据,匹配多种不同的目标变量预测方法;
12、所述根据目标变量的属性数据,匹配多种不同的目标变量预测方法,包括:
13、在目标变量在第一预设时间内的变化趋势呈现持续增长或持续降低时,匹配第一预测方法;
14、在目标变量在第一预设时间内的变化趋势呈现不断变化时,匹配第二预测方法;
15、相应地,所述根据多种不同的目标变量预测方法,确定目标变量的预测值,包括:
16、根据第一预测方法,预测目标变量在预设时间内的取值,得到目标变量的第一预测值,所述预设时间大于第一预设时间;
17、根据第二预测方法,预测目标变量在预设时间内的取值,得到目标变量的第二预测值。
18、在一些实施例中,所述方法还包括:
19、以第一预设时间为自变量、意向用户在第一预设时间内的资源收入量为因变量,建立多项式回归模型,所述多项式回归模型用于预测意向用户在预设时间内的资源收入量;
20、相应地,所述根据第一预测方法,预测目标变量在预设时间内的取值,得到目标变量的第一预测值,包括:
21、将预设时间输入至多项式回归模型,得到意向用户在预设时间内的资源收入量,将意向用户在预设时间内的资源收入量作为目标变量的第一预测值;
22、所述根据第二预测方法,预测目标变量在预设时间内的取值,得到目标变量的第二预测值,包括:
23、对第一预设时间内的目标变量进行移动平均处理,预测目标变量在预设时间内的取值,得到目标变量的第二预测值。
24、在一些实施例中,所述方法还包括:
25、根据第一预设时间内的目标变量和第一预设时间内意向用户的资源支出量,建立混合回归模型,所述混合回归模型用于预测意向用户在预设时间内相对多个产品的资源支出量;
26、相应地,所述根据目标变量的预测值,预测意向用户相对多个产品的资源支出量,包括:
27、将第一预测值、第二预测值输入至混合回归模型,得到意向用户在预设时间内相对多个产品的资源支出量。
28、在一些实施例中,所述根据资源支出量,基于多个产品向意向用户推荐感兴趣的目标产品,包括:
29、将意向用户在预设时间内相对多个产品的资源支出量与预设支出量阈值进行比对;
30、根据比对结果,从多个产品中选出感兴趣的目标产品,向意向用户推荐感兴趣的目标产品,所述意向用户在预设时间内相对目标产品的资源支出量大于预设支出量阈值。
31、在一些实施例中,所述方法还包括:
32、对多个用户的信息进行降维处理;
33、利用降维处理后的多个用户的信息训练分类模型,得到意向识别模型。
34、第二方面,本说明书实施例还提供了一种产品的推荐装置,该装置包括:
35、识别模块,用于将多个用户的信息输入至意向识别模型,确定意向用户;
36、第一预测模块,用于根据多种不同的目标变量预测方法,确定目标变量的预测值,所述目标变量为对意向用户支出资源产生影响的变量;
37、第二预测模块,用于根据目标变量的预测值,预测意向用户相对多个产品的资源支出量;
38、推荐模块,用于根据资源支出量,基于多个产品向意向用户推荐感兴趣的目标产品。
39、第三方面,本说明书实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序/指令,所述处理器执行所述计算程序/指令以实现上述产品的推荐方法的步骤。
40、第四方面,本说明书实施例还提供了一种计算机可读存储介质,其上存储有计算机程序/指令,所述计算机程序/指令被处理器执行时实现上述产品的推荐方法的步骤。
41、第五方面,本说明书实施例还提供了一种计算机程序产品,所述计算机程序/指令被处理器执行时实现上述产品的推荐方法的步骤。
42、本说明书实施例提供了一种产品的推荐方法和装置,首先,将多个用户的信息输入至意向识别模型,确定意向用户。其次,根据多种不同的目标变量预测方法,确定目标变量的预测值,所述目标变量为对意向用户支出资源产生影响的变量。然后,根据目标变量的预测值,预测意向用户相对多个产品的资源支出量。最后,根据资源支出量,基于多个产品向意向用户推荐感兴趣的目标产品。本说明书实施例中,通过将多个用户的信息输入至意向识别模型,可以准确、快速、低成本地识别出多个用户的购买意向,从而可以准确、快速地确定出意向用户。通过根据不同的目标变量预测方法,预测目标变量,可以准确地得到目标变量的预测值,从而可以准确地预测出意向用户相对多个产品的资源支出量。通过预测意向用户相对多个产品的资源支出量,可以筛选出意向用户感兴趣的目标产品,从而可以精准地为意向用户推荐感兴趣的目标产品,满足用户需求。进而可以提升产品的转化率,增加用户粘性。
本文档来自技高网...【技术保护点】
1.一种产品的推荐方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述将多个用户信息输入至意向识别模型,确定意向用户,包括:
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求1所述的方法,其特征在于,所述根据资源支出量,基于多个产品向意向用户推荐感兴趣的目标产品,包括:
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
8.一种产品的推荐装置,其特征在于,包括:
9.一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序/指令,其特征在于,所述处理器执行所述计算程序/指令以实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现权利要求1至7任一项所述方法的步骤。
11.一种计算机程序产
...【技术特征摘要】
1.一种产品的推荐方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述将多个用户信息输入至意向识别模型,确定意向用户,包括:
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求1所述的方法,其特征在于,所述根据资源支出量,基于多个产品向意向用户推荐感兴趣的目标产品,包括:
7.根据权利要求1所述的方法,其特征在于,...
【专利技术属性】
技术研发人员:汪志艺,黄俊辉,
申请(专利权)人:中国工商银行股份有限公司,
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。