一种产品推荐方法、装置、设备和存储介质与流程

本发明实施例涉及数据处理，尤其涉及一种产品推荐方法、装置、设备和存储介质。

背景技术：

1、目前，银行的用户群体十分庞大，发掘更多的理财产品潜在客户，向该类客户群体推送行内理财产品是一种切实可行的方案。但是想要定位潜在优质用户，并实现理财产品的精准推送需要耗费大量的时间成本和人力成本。因此，需要一种高效的理财产品推送方法来更快更好地向潜在优质客户推送理财产品。

技术实现思路

1、本发明实施例提供一种产品推荐方法、装置、设备和存储介质，以实现能够高效精准的为用户推送理财产品，提升用户体验感。

2、根据本发明的一方面，提供了一种产品推荐方法，包括：

3、获取待推荐对象对应的初始信息；

4、将所述初始信息输入第一模型，得到所述待推荐对象对应的目标信息，其中，所述第一模型通过第一训练样本集迭代训练第一初始模型得到，所述第一训练样本集包括：初始信息样本和所述初始信息样本对应的目标信息样本；

5、将所述目标信息输入第二模型，得到所述待推荐对象对应的目标产品信息，其中，所述第二模型通过第二训练样本集迭代训练第二初始模型得到，所述第二训练样本集包括：目标信息样本和所述目标信息样本对应的产品信息样本；

6、将所述目标产品信息推荐至所述待推荐对象。

7、根据本发明的另一方面，提供了一种产品推荐装置，该装置包括：

8、获取模块，用于获取待推荐对象对应的初始信息；

9、第一输入模块，用于将所述初始信息输入第一模型，得到所述待推荐对象对应的目标信息，其中，所述第一模型通过第一训练样本集迭代训练第一初始模型得到，所述第一训练样本集包括：初始信息样本和所述初始信息样本对应的目标信息样本；

10、第二输入模块，用于将所述目标信息输入第二模型，得到所述待推荐对象对应的目标产品信息，其中，所述第二模型通过第二训练样本集迭代训练第二初始模型得到，所述第二训练样本集包括：目标信息样本和所述目标信息样本对应的产品信息样本；

11、推荐模块，用于将所述目标产品信息推荐至所述待推荐对象。

12、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的产品推荐方法。

16、根据本发明的另一方面，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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的产品推荐方法。

17、本发明实施例通过获取待推荐对象对应的初始信息，将初始信息输入第一模型，得到待推荐对象对应的目标信息，其中，第一模型通过第一训练样本集迭代训练第一初始模型得到，第一训练样本集包括：初始信息样本和初始信息样本对应的目标信息样本，将目标信息输入第二模型，得到待推荐对象对应的目标产品信息，其中，第二模型通过第二训练样本集迭代训练第二初始模型得到，第二训练样本集包括：目标信息样本和目标信息样本对应的产品信息样本，将目标产品信息推荐至待推荐对象。通过本发明的技术方案，能够高效精准的为用户推送理财产品，提升用户体验感。

18、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种产品推荐方法，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，通过第一训练样本集迭代训练第一初始模型，包括：

3.根据权利要求1所述的方法，其特征在于，通过第二训练样本集迭代训练第二初始模型，包括：

4.根据权利要求2所述的方法，其特征在于，根据所述初始信息样本对应的目标信息样本和所述预测信息形成的第一函数训练所述第一初始模型的参数，包括：

5.根据权利要求4所述的方法，其特征在于，根据所述第一度量指标和所述第二度量指标确定第一函数，包括：

6.根据权利要求5所述的方法，其特征在于，根据所述预设步长和所述初始函数确定第一函数，包括：

7.根据权利要求1所述的方法，其特征在于，所述待推荐对象对应的初始信息包括：属性信息、行为信息以及历史产品信息。

8.一种产品推荐装置，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的产品推荐方法。

技术总结
本发明公开了一种产品推荐方法、装置、设备和存储介质。该方法包括：获取待推荐对象对应的初始信息；将初始信息输入第一模型，得到待推荐对象对应的目标信息，其中，第一模型通过第一训练样本集迭代训练第一初始模型得到，第一训练样本集包括：初始信息样本和初始信息样本对应的目标信息样本；将目标信息输入第二模型，得到待推荐对象对应的目标产品信息，其中，第二模型通过第二训练样本集迭代训练第二初始模型得到，第二训练样本集包括：目标信息样本和目标信息样本对应的产品信息样本；将目标产品信息推荐至待推荐对象。通过本发明的技术方案，能够高效精准的为用户推送理财产品，提升用户体验感。

技术研发人员：李文启
受保护的技术使用者：中国农业银行股份有限公司
技术研发日：
技术公布日：2024/2/1