[发明专利]基于深度学习的推荐方法、装置、电子设备和存储介质

说明书

本申请涉及人工智能技术领域，具体公开了一种基于深度学习的推荐方法、装置、电子设备和存储介质，其中，推荐方法包括：获取建模样本集；对至少一个历史委托数据进行聚类处理，得到至少一个聚类簇；根据每个历史委托数据进行数据检索，得到至少一个第一数据组；对至少一个第一数据组中的每个第一数据组进行预处理，得到至少一个第二数据组；将至少一个第二数据组输入深度学习模型进行训练，得到排序模型；获取待推荐委托，并根据待推荐委托，在至少一个聚类簇中确定第一聚类簇；获取第一聚类簇对应的律师数据组；将律师数据组和待推荐委托输入排序模型，得到目标律师数据，并将目标律师数据推荐给待推荐委托的请求人。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于深度学习的推荐方法、装置、电子设备和存储介质。

背景技术

目前，司法诉讼是金融资产关联公司维护国家金融债权的最后屏障，也是经济活动中追索债务常用的手段，并且是不良资产有效催收的重要方式之一。但是，由于个人贷款业务具有单笔授信金额小、笔数多、客户数量庞大、客户来源地分散等特点，导致诉讼难的问题尤为突出。而造成这类问题的原因，往往是由于在律师选聘时的精准度较低，导致选聘的律师与委托之间的匹配度较低，金融机构需求与司法资源不匹配，从而使诉讼跟进不及时、回款率低，大大降低不良资产的处置效率，影响诉讼进展，增加清收成本。

发明内容

为了解决现有技术中存在的上述问题，本申请实施方式提供了一种基于深度学习的推荐方法、装置、电子设备和存储介质，可以针对委托业务的特性精准推荐律师，提升不良资产清收处置的精细管理水平。

第一方面，本申请的实施方式提供了一种基于深度学习的推荐方法，包括：

获取建模样本集，其中，建模样本集包括至少一个历史委托数据，至少一个历史委托数据中的每个历史委托数据用于记录一次完整的不良资产委托数据；

对至少一个历史委托数据进行聚类处理，得到至少一个聚类簇；

根据每个历史委托数据进行数据检索，得到至少一个第一数据组，其中，至少一个第一数据组与至少一个历史委托数据一一对应；

对至少一个第一数据组中的每个第一数据组进行预处理，得到至少一个第二数据组，其中，至少一个第二数据组和至少一个第一数据组一一对应；

将至少一个第二数据组输入深度学习模型进行训练，得到排序模型；

获取待推荐委托，并根据待推荐委托，在至少一个聚类簇中确定第一聚类簇，其中，第一聚类簇对应的历史委托与待推荐委托之间的相似度最高；

获取第一聚类簇对应的律师数据组；

将律师数据组和待推荐委托输入排序模型，得到目标律师数据，并将目标律师数据推荐给待推荐委托的请求人。

第二方面，本申请的实施方式提供了一种基于深度学习的推荐装置，包括：

采集模块，用于获取建模样本集，其中，建模样本集包括至少一个历史委托数据，至少一个历史委托数据中的每个历史委托数据用于记录一次完整的不良资产委托数据；

聚类模块，用于对至少一个历史委托数据进行聚类处理，得到至少一个聚类簇；

预处理模块，用于根据每个历史委托数据进行数据检索，得到至少一个第一数据组，其中，至少一个第一数据组与至少一个历史委托数据一一对应，以及对至少一个第一数据组中的每个第一数据组进行预处理，得到至少一个第二数据组，其中，至少一个第二数据组和至少一个第一数据组一一对应；

训练模块，用于将至少一个第二数据组输入深度学习模型进行训练，得到排序模型；