[发明专利]银行产品推荐方法、装置、设备及存储介质

权利要求书

1.一种银行产品推荐方法，其特征在于，包括：

从银行系统获取用户历史数据及银行产品历史数据，对所述银行产品历史数据进行归一化预处理，对归一化预处理的银行产品历史数据进行特征识别，确定所述银行产品历史数据的所有银行产品特征；

基于所述银行产品特征，对所述银行产品历史数据进行划分，将属于相同银行产品特征的所述银行产品历史数据分配至同一训练样本，生成包括若干个训练样本的训练集；

构建用于推荐银行产品的初始银行产品推荐模型，基于所述用户历史数据及所述训练集的训练样本对所述初始银行产品推荐模型进行训练，得到训练好的银行产品推荐模型；

获取用户的用户数据，调用所述银行产品推荐模型对所述用户数据进行处理，得到所述用户的多个银行产品；

从所述多个银行产品中筛选出用户未购买过的目标银行产品，将所述目标银行产品推荐给所述用户。

2.根据权利要求1所述的方法，其特征在于，所述初始银行产品推荐模型包括决策树模型，所述基于所述用户历史数据及所述训练集的训练样本对所述初始银行产品推荐模型进行训练，得到训练好的银行产品推荐模型，包括：

基于决策树算法，将所述训练样本输入预先构建的决策树模型进行训练，得到训练好的多个目标决策树模型；其中，所述决策树模型的数量与所述训练样本的数量相同；

将所述多个目标决策树模型进行组合，得到训练好的银行产品推荐模型。

3.根据权利要求1所述的方法，其特征在于，所述基于所述用户历史数据及所述训练集的训练样本对所述初始银行产品推荐模型进行训练，得到训练好的银行产品推荐模型，包括：

将所述训练样本输入至预设的标准决策树模型中，根据各个所述训练样本在所述标准决策树模型的叶子节点中被使用的次数，对各个所述训练样本进行重要程度排序；

将排在前N位的所述训练样本确定为目标训练样本；其中，所述N为正整数；

利用所述目标训练样本及所述用户历史数据对所述初始银行产品推荐模型进行训练。

4.根据权利要求1所述的方法，其特征在于，所述从所述多个银行产品中筛选出用户未购买过的目标银行产品，包括：

获取所述用户的银行产品购买记录；

根据所述银行产品购买记录，从所述多个银行产品中筛选出所述用户未购买过的目标银行产品。

5.根据权利要求1所述的方法，其特征在于，当所述目标银行产品包括多个时，所述将所述目标银行产品推荐给所述用户，包括：

根据所述用户数据提取所述用户的用户特征，将所述用户特征转换为特征向量；

使用预设的排序模型计算所述多个目标银行产品与所述特征向量的相关性；

根据所述相关性的高低对所述多个目标银行产品进行排序，将排在前M位的目标银行产品推荐给所述用户；其中所述M为正整数。

6.根据权利要求1所述的方法，其特征在于，当所述目标银行产品包括多个时，所述将所述目标银行产品推荐给所述用户，包括：

根据所述用户数据提取所述用户的用户特征，并获取各个所述目标银行产品的产品信息；

基于所述用户特征及产品信息对应预测所述用户购买每个所述目标银行产品的概率值；

将概率值超过预设阈值的目标银行产品推荐给所述用户。

7.根据权利要求1所述的方法，其特征在于，所述基于所述用户历史数据及所述训练集的训练样本对所述初始银行产品推荐模型进行训练之后，还包括：

计算每次训练后的所述初始银行产品推荐模型的损失值；

判断所述损失值是否小于预设损失值；

当确定所述损失值小于预设损失值时，则判定所述初始银行产品推荐模型完成训练，得到训练好的银行产品推荐模型；

当确定所述损失值不小于预设损失值时，根据所述损失值调整所述初始银行产品推荐模型的参数，并返回执行所述基于所述用户历史数据及所述训练集的训练样本对所述初始银行产品推荐模型进行训练的步骤，以对调整参数后的所述初始银行产品推荐模型再次训练，直至所述损失值小于预设损失值为止。