【技术实现步骤摘要】
本专利技术涉及数据分析，具体涉及一种基于人工智能的客户推荐方法。
技术介绍
1、金融产品类型多样，比如包括不同类型的基金产品、股票产品、债券产品、理财产品等，每种金融产品面向的客户购买群体通常不同。不同的客户购买群体具有不同的客户特征。为了提高不同金融产品推荐的精准性，近些年，借助机器学习的金融产品推荐方法得到了广泛应用。机器学习通过学习每种金融产品面向的客户购买群体的客户特征，通过在群体客户特征与指定类型金融产品之间建立映射关系，相比较传统的通过客户特征相似度匹配的方法进行金融产品推荐具有更高的精准性。
2、但通过机器学习进行金融产品推荐具有以下问题：
3、机器学习虽能够挖掘更深层次的客户特征、金融产品特征，但一旦训练样本发生变化，为了确保推荐精度，通常需要对推荐模型进行迭代更新训练，当模型训练算法复杂或是客户样本在不同时刻经常容易变化时，每次进行模型迭代更新耗时且复杂，模型使用的维护成本较高。
4、因此，本领域期待：
5、1、在推荐金融产品时，能够在发挥机器学习具备的客户推荐精准性的优...
【技术保护点】
1.一种基于人工智能的客户推荐方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于人工智能的客户推荐方法，其特征在于，步骤S1中，对所述指定类型金融产品构建或更新时刻对应的所述客户多类型特征数据图模板的方法包括步骤：
3.根据权利要求1所述的基于人工智能的客户推荐方法，其特征在于，步骤S1中，对各所述疑似意向客户的多类型特征数据进行预处理的方法包括步骤：
4.根据权利要求3所述的基于人工智能的客户推荐方法，其特征在于，步骤B2中，不变像素位点的判断方法包括步骤：
5.根据权利要求4所述的基于人工智能的客户推荐方法，...
【技术特征摘要】
1.一种基于人工智能的客户推荐方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于人工智能的客户推荐方法，其特征在于，步骤s1中，对所述指定类型金融产品构建或更新时刻对应的所述客户多类型特征数据图模板的方法包括步骤：
3.根据权利要求1所述的基于人工智能的客户推荐方法，其特征在于，步骤s1中，对各所述疑似意向客户的多类型特征数据进行预处理的方法包括步骤：
4.根据权利要求3所述的基于人工智能的客户推荐方法，其特征在于，步骤b2中，不变像素位点的判断方法包括步骤：
5.根据权利要求4所述的基于人工智能的客户推荐方法，其特征在于，同个所述特征元素对应的像素位点的设置位置在所述意向客户多类型特征数据图和所述客户多类型特征数据图模板中相同；所述颜色特征差异为所述两两像素位点的颜色特征的差值绝对值。<...
【专利技术属性】
技术研发人员：饶丝伊，王涛，杨旎，陈敏，金燕南，
申请(专利权)人：杭州惠民征信有限公司，
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。