电子红包的发放方法及装置、存储介质和电子设备与流程

本技术涉及人工智能领域、金融科技领域及其他相关领域，具体而言，涉及一种电子红包的发放方法及装置、存储介质和电子设备。

背景技术：

1、在相关技术中在对客户进行优惠发放时，主要是是根据工作人员设定的分类规则对客户进行分类，即通过人工的方式根据客户的消费信息、收入信息和信贷信息等，确定客户的类别信息，并根据客户的类别信息，确定客户对应的电子红包的金额，并对客户进行不同额度的电子红包的发放，导致工作人员依据分类规则进行分类的工作效率比较低，无法快速实现电子红包的发放的问题。

2、针对相关技术中采用人工的方式根据预设分类规则对客户进行分类，并根据客户类别对客户进行不同额度的电子红包的发放，在客户的体量达到一定规模后，容易导致电子红包的发放效率比较低的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本技术的主要目的在于提供一种电子红包的发放方法及装置、存储介质和电子设备，以解决相关技术中根据工作人员设定的分类规则对客户进行分类，并根据客户类别对客户进行不同额度的电子红包的发放，导致对客户发放电子红包的准确性比较低的问题。

2、为了实现上述目的，根据本技术的一个方面，提供了一种电子红包的发放方法。该方法包括：获取目标对象对应的目标数据信息和所述目标对象的目标行为信息，其中，所述目标数据信息中至少包括所述目标对象的身份信息和消费信息，所述目标行为信息为所述目标对象在接收到历史电子红包之后的行为信息，所述目标行为信息至少包括开户行为信息和存款行为信息；依据所述目标行为信息和所述历史电子红包的金额，对第一目标网络模型进行训练和更新，得到第二目标网络模型；通过所述第二目标网络模型依据所述目标数据信息，确定待对所述目标对象发放的目标电子红包的目标金额，其中，所述目标电子红包用于在所述目标对象对个人养老金账户进行存款时对存款金额进行减免；依据所述目标金额，对所述目标对象发放所述目标电子红包。

3、进一步地，在依据所述目标行为信息对第一目标网络模型进行训练和更新，得到第二目标网络模型之前，所述方法还包括：获取训练样本数据，其中，所述训练样本数据中至少包括多个样本目标对象的样本数据信息、样本电子红包的样本金额、所述样本金额的真实评估值、第一历史行为信息和第二历史行为信息，所述第一历史行为信息为所述样本目标对象在接收到所述样本金额对应的样本电子红包前的历史行为信息，所述第二历史行为信息为所述样本目标对象在接收到所述样本电子红包后的历史行为信息；依据所述训练样本数据，对初始网络模型进行训练，得到所述第一目标网络模型，其中，所述初始网络模型中至少包括第一网络模型和第二网络模型，所述第一网络模型用于对所述样本电子红包的金额进行预测和评估，所述第二网络模型用于训练所述第一网络模型。

4、进一步地，依据所述训练样本数据，对初始网络模型进行训练，得到所述第一目标网络模型包括：依据所述训练样本数据和所述第二网络模型，对所述第一网络模型进行训练，得到第三网络模型；依据所述第三网络模型的参数，对所述第二网络模型的参数进行更新，得到第四网络模型；判断依据所述第三网络模型得到的所述样本金额的第一预测评估值与目标评估值之间的误差是否小于预设数值，若所述第一预测评估值与目标评估值之间的误差大于或等于所述预设数值，则重复执行依据所述第四网络模型和所述训练样本数据对所述第三网络模型进行训练的步骤，直至所述第一预测评估值与所述目标评估值之间的误差小于所述预设数值，并依据当前的第三网络模型，得到所述第一目标网络模型，其中，所述目标评估值中包括所述真实评估值和依据所述第四网络模型得到的第二预测评估值。

5、进一步地，依据所述训练样本数据和所述第二网络模型，对所述第一网络模型进行训练，得到第三网络模型包括：通过所述第一网络模型对所述样本数据信息和所述第一历史行为信息进行处理，得到所述样本电子红包对应的第一预测金额和所述第一预测金额对应的第一评估值；通过所述第二网络模型对所述样本数据信息和所述第二历史行为信息进行处理，得到所述样本电子红包对应的第二预测金额和所述第二预测金额对应的第二评估值；通过所述第一网络模型对所述样本金额进行评估，得到第三评估值；依据所述真实评估值、所述第二评估值、所述第三评估值和所述第一预测金额，对所述第一网络模型进行训练，得到所述第三网络模型。

6、进一步地，通过所述第一网络模型对所述样本数据信息和所述第一历史行为信息进行处理，得到所述样本电子红包对应的第一预测金额和所述第一预测金额对应的第一评估值包括：通过所述第一网络模型中的第一预测网络对所述样本数据信息和所述第一历史行为信息进行处理，得到所述第一预测金额；通过所述第一网络模型中的第一评估网络对所述第一预测金额进行评估，得到所述第一评估值。

7、进一步地，所述第一网络模型由第一预测网络和第一评估网络组成，依据所述真实评估值、所述第二评估值、所述第三评估值和所述第一预测金额，对所述第一网络模型进行训练，得到所述第三网络模型包括：依据所述真实评估值、所述第二评估值和所述第三评估值，对所述第一评估网络进行训练，得到第三评估网络；依据所述第一预测金额和所述第一评估值，对所述第一预测网络进行训练，得到第三预测网络；依据所述第三评估网络和所述第三预测网络，得到所述第三网络模型。

8、进一步地，依据所述真实评估值、所述第二评估值和所述第三评估值，对所述第一评估网络进行训练，得到第三评估网络包括：依据所述真实评估值、所述第二评估值和所述第三评估值进行计算，得到所述第一评估网络对应的第一损失函数；依据梯度下降算法和所述第一损失函数，对所述第一评估网络的参数进行训练，得到所述第三评估网络。

9、进一步地，依据所述第一预测金额和所述第一评估值，对所述第一预测网络进行训练，得到第三预测网络包括：依据所述第一预测金额和所述第一评估值进行计算，得到所述第一预测网络对应的第二损失函数；依据梯度上升算法和所述第二损失函数，对所述第一预测网络的参数进行训练，得到所述第三预测网络。

10、为了实现上述目的，根据本技术的另一方面，提供了一种电子红包的发放装置。该装置包括：第一获取单元，用于获取目标对象对应的目标数据信息和所述目标对象的目标行为信息，其中，所述目标数据信息中至少包括所述目标对象的身份信息和消费信息，所述目标行为信息为所述目标对象在接收到历史电子红包之后的行为信息，所述目标行为信息至少包括开户行为信息和存款行为信息；更新单元，用于依据所述目标行为信息和所述历史电子红包的金额，对第一目标网络模型进行训练和更新，得到第二目标网络模型；确定单元，用于通过目标网络模型依据所述目标数据信息，确定待对所述目标对象发放的目标电子红包的目标金额，其中，所述目标电子红包用于在所述目标对象对个人养老金账户进行存款时对存款金额进行减免；发放单元，用于依据所述目标金额，对所述目标对象发放所述目标电子红包。

11、进一步地，所述装置还包括：第二获取单元，用于获取训练样本数据，其中，所述训练样本数据中至少包括多个样本目标对象的样本数据信息、样本电子红包的样本金额、所述样本金额的真实评估值、第一历史行为信息和第二历史行为信息，所述第一历史行为信息为所述样本目标对象在接收到所述样本金额对应的样本电子红包前的历史行为信息，所述第二历史行为信息为所述样本目标对象在接收到所述样本电子红包后的历史行为信息；训练单元，用于依据所述训练样本数据，对初始网络模型进行训练，得到所述第一目标网络模型，其中，所述初始网络模型中至少包括第一网络模型和第二网络模型，所述第一网络模型用于对所述样本电子红包的金额进行预测和评估，所述第二网络模型用于训练所述第一网络模型。

12、进一步地，训练单元包括：训练子单元，用于依据所述训练样本数据和所述第二网络模型，对所述第一网络模型进行训练，得到第三网络模型；更新子单元，用于依据所述第三网络模型的参数，对所述第二网络模型的参数进行更新，得到第四网络模型；判断子单元，用于判断依据所述第三网络模型得到的所述样本金额的第一预测评估值与所述目标评估值之间的误差是否小于预设数值，若所述第一预测评估值与目标评估值之间的误差大于或等于所述预设数值，则重复执行依据所述第四网络模型和所述训练样本数据对所述第三网络模型进行训练的步骤，直至所述第一预测评估值与所述目标评估值之间的误差小于所述预设数值，并依据当前的第三网络模型，得到所述第一目标网络模型，其中，所述目标评估值中包括所述真实评估值和依据所述第四网络模型得到的第二预测评估值。

13、进一步地，训练子单元包括：第一处理模块，用于通过所述第一网络模型对所述样本数据信息和所述第一历史行为信息进行处理，得到所述样本电子红包对应的第一预测金额和所述第一预测金额对应的第一评估值；第二处理模块，用于通过所述第二网络模型对所述样本数据信息和所述第二历史行为信息进行处理，得到所述样本电子红包对应的第二预测金额和所述第二预测金额对应的第二评估值；评估模块，用于通过所述第一网络模型对所述样本金额进行评估，得到第三评估值；训练模块，用于依据所述真实评估值、所述第二评估值、所述第三评估值和所述第一预测金额，对所述第一网络模型进行训练，得到所述第三网络模型。

14、进一步地，第一处理模块包括：处理子模块，用于通过所述第一网络模型中的第一预测网络对所述样本数据信息和所述第一历史行为信息进行处理，得到所述第一预测金额；评估子模块，用于通过所述第一网络模型中的第一评估网络对所述第一预测金额进行评估，得到所述第一评估值。

15、进一步地，训练模块包括：第一训练子模块，用于依据所述真实评估值、所述第二评估值和所述第三评估值，对所述第一评估网络进行训练，得到第三评估网络；第二训练子模块，用于依据所述第一预测金额和所述第一评估值，对所述第一预测网络进行训练，得到第三预测网络；生成子模块，用于依据所述第三评估网络和所述第三预测网络，得到所述第三网络模型。

16、进一步地，第一训练子模块包括：第一计算子模块，用于依据所述真实评估值、所述第二评估值和所述第三评估值进行计算，得到所述第一评估网络对应的第一损失函数；第三训练子模块，用于依据梯度下降算法和所述第一损失函数，对所述第一评估网络的参数进行训练，得到所述第三评估网络。

17、进一步地，第二训练子模块包括：第二计算子模块，用于依据所述第一预测金额和所述第一评估值进行计算，得到所述第一预测网络对应的第二损失函数；第四训练子模块，用于依据梯度上升算法和所述第二损失函数，对所述第一预测网络的参数进行训练，得到所述第三预测网络。

18、为了实现上述目的，根据本技术的一方面，提供了一种计算机可读存储介质，所述存储介质存储程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的电子红包的发放方法。

19、为了实现上述目的，根据本技术的另一个方面，还提供了一种电子设备，电子设备包括一个或多个处理器和存储器，存储器用于存储一个或多个处理器实现上述任意一项所述的电子红包的发放方法。

20、通过本技术，采用以下步骤：获取目标对象对应的目标数据信息和所述目标对象的目标行为信息，其中，目标数据信息中至少包括目标对象的身份信息和消费信息，所述目标行为信息为所述目标对象在接收到历史电子红包之后的行为信息，所述目标行为信息至少包括开户行为信息和存款行为信息；依据所述目标行为信息和所述历史电子红包的金额，对第一目标网络模型进行训练和更新，得到第二目标网络模型；通过所述第二目标网络模型依据目标数据信息，确定待对目标对象发放的目标电子红包的目标金额，其中，目标电子红包用于在目标对象对个人养老金账户进行存款时对存款金额进行减免；依据目标金额，对目标对象发放目标电子红包，解决了相关技术中根据工作人员设定的分类规则对客户进行分类，并根据客户类别对客户进行不同额度的电子红包的发放，导致工作人员依据分类规则进行分类的工作效率比较低，无法快速实现电子红包的发放的问题。通过目标网络模型对目标对象对应的目标电子红包的金额进行预测，确定目标电子红包的目标金额，提高了确定目标金额的准确性和效率，避免了采用人工的方式根据预设分类规则对客户进行分类，并根据客户类别对客户进行不同额度的电子红包的发放，导致电子红包的发放效率比较低的问题，进而达到了提高发放电子红包效率的效果。