[发明专利]推荐数据的方法、装置、存储介质和处理器

权利要求书

1.一种推荐数据的方法，其特征在于，包括：

获取目标用户的特征数据，其中，所述特征数据包括：所述目标用户的用户特征和/或与所述目标用户关联的关联对象的对象特征；

基于可解释神经网络模型，对所述目标用户的特征数据进行分析，得到推荐数据，其中，所述可解释神经网络模型用于建立不同的特征数据与对应的推荐数据之间的映射关系。

2.根据权利要求1所述的方法，其特征在于，在得到所述推荐数据之后，所述方法还包括：

计算所述目标用户选择所述推荐数据的概率；

基于计算得到的所述推荐数据的概率，确定是否向所述目标用户推荐所述推荐数据。

3.根据权利要求2所述的方法，其特征在于，在所述推荐数据的概率超过推荐阈值的情况下，向所述目标用户推荐所述推荐数据。

4.根据权利要求1所述的方法，其特征在于，在基于可解释神经网络模型，对所述目标用户的特征数据进行分析，得到所述推荐数据之前，所述方法还包括：

获取样本数据，其中，所述样本数据包括：不同类型用户的用户信息、以及与所述不同类型用户关联的关联对象的信息；

基于学习模型对所述样本数据进行学习，生成所述可解释神经网络模型。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，在所述目标用户为驾驶车辆的车辆用户，且所述关联对象为所述车辆的情况下，所述用户特征为所述车辆用户的至少一个用户信息，所述对象特征包括：所述车辆的至少一个车辆信息和已经为所述车辆购买的保险的保险信息；

其中，所述推荐数据为基于所述用户信息和所述车辆信息而预测得到的车辆保险的种类。

6.根据权利要求5所述的方法，其特征在于，对预先存储的车辆保险按照种类进行分类，所述车辆的车辆信息和已购买的保险的保险信息作为关键的学习因素用于构建所述可解释神经网络模型。

7.一种推荐数据的方法，其特征在于，包括：

在交互界面上输入并显示目标用户的特征数据，其中，所述特征数据包括：所述目标用户的用户特征和/或与所述目标用户关联的关联对象的对象特征；

在所述交互界面上显示推荐数据，其中，所述推荐数据为基于可解释神经网络模型，对所述目标用户的特征数据进行分析得到，所述可解释神经网络模型用于建立不同的特征数据与对应的推荐数据之间的映射关系。

8.根据权利要求7所述的方法，其特征在于，在所述交互界面上显示推荐数据之前，所述方法还包括：

计算所述目标用户选择所述推荐数据的概率；

基于计算得到的所述推荐数据的概率，确定是否向所述目标用户推荐所述推荐数据；

在所述推荐数据的概率超过推荐阈值的情况下，在所述交互界面上显示提示信息，其中，所述提示信息用户提示用户将在所述交互界面上显示所述推荐数据。

9.一种推荐数据的装置，其特征在于，包括：

获取单元，用于获取目标用户的特征数据，其中，所述特征数据包括：所述目标用户的用户特征和/或与所述目标用户关联的关联对象的对象特征；

分析单元，用于基于可解释神经网络模型，对所述目标用户的特征数据进行分析，得到推荐数据，其中，所述可解释神经网络模型用于建立不同的特征数据与对应的推荐数据之间的映射关系。

10.一种推荐数据的装置，其特征在于，包括：

第一显示单元，用于在交互界面上输入并显示目标用户的特征数据，其中，所述特征数据包括：所述目标用户的用户特征和/或与所述目标用户关联的关联对象的对象特征；

第二显示单元，用于在所述交互界面上显示推荐数据，其中，基于可解释神经网络模型，对所述目标用户的特征数据进行分析，得到所述推荐数据，其中，所述可解释神经网络模型用于建立不同的特征数据与对应的推荐数据之间的映射关系。