一种数据处理方法及装置制造方法及图纸

本申请公开了一种数据处理方法及装置，服务器在从渠道设备处接收第一用户的用户信息后，首先确定与所述用户信息匹配的第一产品集合，之后，从所述第一产品集合中确定第二产品集合，所述第二产品集合中包括在所述渠道设备对应的渠道中营销的产品。在确定出满足当前渠道设备的产品后，利用第一模型和第二模型计算所述第二产品集合中各个产品的推荐得分。其中，所述第一模型根据所述第一用户的历史行为数据得到，所述第二模型根据所述第一用户的实时行为数据得到。在计算所述各个产品的推荐得分时，所述第一模型的初始权重低于所述第二模型的初始权重，根据所述各个产品的推荐得分，确定向所述第一用户推荐的产品。确定向所述第一用户推荐的产品。确定向所述第一用户推荐的产品。

【技术实现步骤摘要】
一种数据处理方法及装置


[0001]本申请涉及数据处理领域，特别是涉及一种数据处理方法及装置。

技术介绍

[0002]当前，银行营销系统主动为用户推荐产品时，通常根据两种模型形成推荐列表：基于用户历史行为数据的模型，以及基于用户实时行为数据的模型。但是，在进行推荐时，由于采用的模型不同，得到的推荐产品就可能不同，因此，不能准确得到进行推荐的最佳产品，推荐效果不好。
[0003]为此，急需一种方案，可以解决这一问题。

技术实现思路

[0004]本申请所要解决的技术问题是，提供一种数据处理方法，以解决当前银行营销系统主动为用户推荐产品时，由于依据的推荐模型不同而不能准确得到进行推荐的最佳产品，推荐效果不好的问题。
[0005]第一方面，本申请实施例提供了一种数据处理的方法，所述方法包括：
[0006]从渠道设备处接收第一用户的用户信息；
[0007]确定与所述用户信息匹配的第一产品集合；
[0008]从所述第一产品集合中确定出第二产品集合，所述第二产品集合中包括在所述渠道设备对应的渠道中营销的产品；
[0009]利用第一模型和第二模型计算所述第二产品集合中各个产品的推荐得分；
[0010]根据所述各个产品的推荐得分，确定向所述第一用户推荐的产品；
[0011]其中：
[0012]所述第一模型根据所述第一用户的历史行为数据得到，所述第二模型根据所述第一用户的实时行为数据得到，所述历史行为数据用于体现所述第一用户历史关注的产品，所述实时行为数据用于体现所述第一用户在包括当前时刻的第一时间段内关注的产品，在计算所述各个产品的推荐得分时，所述第一模型的初始权重低于所述第二模型的初始权重。
[0013]可选的，所述根据所述各个产品的推荐得分，确定向所述第一用户推荐的产品，包括：
[0014]对所述各个产品的推荐得分由高到低进行排序；
[0015]将所述各个产品中排序靠前的预设数目个产品，确定为向所述第一用户推荐的产品。
[0016]可选的，第一时刻为所述当前时刻之后的任一时刻，所述第二模型在所述第一时刻的权重，小于所述第二模型的初始权重，所述第一时刻和所述当前时刻之间的差值越大，则所述第二模型的初始权重和所述第二模型在第一时刻的权重之间的差值越大。
[0017]可选的，第一时刻为所述当前时刻之后的任一时刻，所述第一模型在所述第一时
刻的权重，等于所述第一模型的初始权重。
[0018]可选的，所述方法还包括：
[0019]将所确定的向所述第一用户推荐的产品的信息，发送给所述渠道设备。
[0020]可选的，所述第一模型的初始权重和所述第二模型的初始权重由用户配置。
[0021]第二方面，本申请实施例提供了一种数据处理的装置，所述装置包括：
[0022]接收模块，用于：从渠道设备处接收第一用户的用户信息；
[0023]第一确定模块，用于：确定与所述用户信息匹配的第一产品集合；
[0024]第二确定模块，用于：从所述第一产品集合中确定出第二产品集合，所述第二产品集合中包括在所述渠道设备对应的渠道中营销的产品；
[0025]计算模块，用于：利用第一模型和第二模型计算所述第二产品集合中各个产品的推荐得分；
[0026]第三确定模块，用于：根据所述各个产品的推荐得分，确定向所述第一用户推荐的产品；
[0027]其中：
[0028]所述第一模型根据所述第一用户的历史行为数据得到，所述第二模型根据所述第一用户的实时行为数据得到，所述历史行为数据用于体现所述第一用户历史关注的产品，所述实时行为数据用于体现所述第一用户在包括当前时刻的第一时间段内关注的产品，在计算所述各个产品的推荐得分时，所述第一模型的初始权重低于所述第二模型的初始权重。
[0029]可选的，所述第三确定模块，用于：
[0030]对所述各个产品的推荐得分由高到低进行排序；
[0031]将所述各个产品中排序靠前的预设数目个产品，确定为向所述第一用户推荐的产品。
[0032]可选的，第一时刻为所述当前时刻之后的任一时刻，所述第二模型在所述第一时刻的权重，小于所述第二模型的初始权重，所述第一时刻和所述当前时刻之间的差值越大，则所述第二模型的初始权重和所述第二模型在第一时刻的权重之间的差值越大。
[0033]可选的，第一时刻为所述当前时刻之后的任一时刻，所述第一模型在所述第一时刻的权重，等于所述第一模型的初始权重。
[0034]可选的，所述装置还包括发送模块，用于：将所确定的向所述第一用户推荐的产品的信息，发送给所述渠道设备。
[0035]可选的，所述第一模型的初始权重和所述第二模型的初始权重由用户配置。
[0036]与现有技术相比，本申请实施例具有以下优点：
[0037]本申请实施例提供了一种数据处理方法，服务器在从渠道设备处接收第一用户的用户信息后，首先确定与所述用户信息匹配的第一产品集合。在确定出所述第一产品集合后，为确定所述第一产品集合中满足当前渠道设备的产品，从所述第一产品集合中确定第二产品集合，所述第二产品集合中包括在所述渠道设备对应的渠道中营销的产品。在确定出满足当前渠道设备的产品后，为综合利用基于用户历史行为数据的模型，以及基于用户实时行为数据的模型，准确得到针对当前用户进行推荐的最佳产品，利用第一模型和第二模型计算所述第二产品集合中各个产品的推荐得分。其中，所述第一模型根据所述第一用
户的历史行为数据得到，所述第二模型根据所述第一用户的实时行为数据得到，所述历史行为数据用于体现所述第一用户历史关注的产品，所述实时行为数据用于体现所述第一用户在包括当前时刻的第一时间段内关注的产品。考虑到用户实时关注的产品与历史关注的产品相比，更能影响当前用户的购买选择，因此，在计算所述各个产品的推荐得分时，所述第一模型的初始权重低于所述第二模型的初始权重，从而使所述第二模型对推荐得分的贡献程度更大，推荐得分反映的用户当前关注的产品更加准确。计算出所述第二产品集合中各个产品的推荐得分后，根据所述各个产品的推荐得分，确定向所述第一用户推荐的产品。采用本方案，银行营销系统在主动为用户推荐产品时，能够综合利用基于用户历史行为数据的模型，以及基于用户实时行为数据的模型，准确得到针对当前用户进行推荐的最佳产品，提高推荐成功率。
附图说明
[0038]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1为本申请实施例中一种数据处理方法的流程示意图；
[0040]图2为本申请实施例中一种数据处理装置的结构示意图。
具体实施方式
[0041]为了使本
的人员更好地理解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：从渠道设备处接收第一用户的用户信息；确定与所述用户信息匹配的第一产品集合；从所述第一产品集合中确定出第二产品集合，所述第二产品集合中包括在所述渠道设备对应的渠道中营销的产品；利用第一模型和第二模型计算所述第二产品集合中各个产品的推荐得分；根据所述各个产品的推荐得分，确定向所述第一用户推荐的产品；其中：所述第一模型根据所述第一用户的历史行为数据得到，所述第二模型根据所述第一用户的实时行为数据得到，所述历史行为数据用于体现所述第一用户历史关注的产品，所述实时行为数据用于体现所述第一用户在包括当前时刻的第一时间段内关注的产品，在计算所述各个产品的推荐得分时，所述第一模型的初始权重低于所述第二模型的初始权重。2.根据权利要求1所述的方法，其特征在于，所述根据所述各个产品的推荐得分，确定向所述第一用户推荐的产品，包括：对所述各个产品的推荐得分由高到低进行排序；将所述各个产品中排序靠前的预设数目个产品，确定为向所述第一用户推荐的产品。3.根据权利要求1所述的方法，其特征在于，第一时刻为所述当前时刻之后的任一时刻，所述第二模型在所述第一时刻的权重，小于所述第二模型的初始权重，所述第一时刻和所述当前时刻之间的差值越大，则所述第二模型的初始权重和所述第二模型在第一时刻的权重之间的差值越大。4.根据权利要求1所述的方法，其特征在于，第一时刻为所述当前时刻之后的任一时刻，所述第一模型在所述第一时刻的权重，等于所述第一模型的初始权重。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所确定的向所述第一用户推荐的产品的信息，发送给所述渠道设备。6.根据权利要求1所述的方法，其特征在于，所述第一模型的初始权重和所述第二模型的初始权重由用户配置。7.一种数据处理装置，其特征在于，所述装置包括：...

【专利技术属性】
技术研发人员：蒋金平，杨声钢，谢峥，李龙，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：