【技术实现步骤摘要】
信息推荐方法、信息推荐装置、电子设备及可读存储介质
本公开实施例涉及人工智能
,更具体地,涉及一种信息推荐方法、信息推荐装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
随着金融产业的快速发展,目前金融机构会将一些待推广的金融信息推荐给各个用户。在实现本公开构思的过程中,专利技术人发现相关技术中至少存在如下问题,采用相关技术难以实现个性化的金融信息推荐。
技术实现思路
有鉴于此,本公开实施例提供了一种信息推荐方法、信息推荐装置、电子设备、计算机可读存储介质及计算机程序产品。本公开实施例的一个方面提供了一种信息推荐方法,包括:获取目标用户的目标金融行为信息,其中,上述目标用户的目标金融行为信息包括以下至少一项:上述目标用户的用户流水信息、用户风险评估信息和金融产品信息;将上述目标用户的目标金融行为信息输入信息推荐模型,输出针对多个候选金融信息中的每个候选金融信息的推荐得分;根据多个上述推荐得分,从上述多个候选金融信息中确定目标金融信息;以及向上述目标用户推荐上述目标金融信息。根据本公开的实施例,上述获取目标用户的目标金融行为信息,包括:获取上述目标用户的原始金融行为信息;确定上述原始金融行为信息中与用户隐私相关的用户敏感信息;利用数据脱敏方法处理上述用户敏感信息,得到处理后的用户敏感信息;以及根据上述原始金融行为信息和上述处理后的用户敏感信息,确定上述目标金融行为信息。根据本公开的实施例,上述信息推荐模型包括点击率模型和收益模型,其中,上述点击率模 ...
【技术保护点】
1.一种信息推荐方法,包括:/n获取目标用户的目标金融行为信息,其中,所述目标用户的目标金融行为信息包括以下至少一项:所述目标用户的用户流水信息、用户风险评估信息和金融产品信息;/n将所述目标用户的目标金融行为信息输入信息推荐模型,输出针对多个候选金融信息中的每个候选金融信息的推荐得分;/n根据多个所述推荐得分,从所述多个候选金融信息中确定目标金融信息;以及/n向所述目标用户推荐所述目标金融信息。/n
【技术特征摘要】
1.一种信息推荐方法,包括:
获取目标用户的目标金融行为信息,其中,所述目标用户的目标金融行为信息包括以下至少一项:所述目标用户的用户流水信息、用户风险评估信息和金融产品信息;
将所述目标用户的目标金融行为信息输入信息推荐模型,输出针对多个候选金融信息中的每个候选金融信息的推荐得分;
根据多个所述推荐得分,从所述多个候选金融信息中确定目标金融信息;以及
向所述目标用户推荐所述目标金融信息。
2.根据权利要求1所述的方法,其中,所述获取目标用户的目标金融行为信息,包括:
获取所述目标用户的原始金融行为信息;
确定所述原始金融行为信息中与用户隐私相关的用户敏感信息;
利用数据脱敏方法处理所述用户敏感信息,得到处理后的用户敏感信息;以及
根据所述原始金融行为信息和所述处理后的用户敏感信息,确定所述目标金融行为信息。
3.根据权利要求1所述的方法,其中,所述信息推荐模型包括点击率模型和收益模型,其中,所述点击率模型是利用第一长短期记忆神经网络模型、第一深度神经网络模型和第一神经网络模型联合训练得到的,所述收益模型是利用第二长短期记忆神经网络模型、第二深度神经网络模型和第二神经网络模型联合训练得到的。
4.根据权利要求3所述的方法,其中,所述将所述目标用户的目标金融行为信息输入信息推荐模型,输出针对多个候选金融信息中的每个候选金融信息的推荐得分,包括:
将所述目标用户的目标金融行为信息输入所述点击率模型,输出针对所述多个候选金融信息中的每个候选金融信息的点击率;
将所述目标用户的目标金融行为信息输入所述收益模型,输出针对所述多个候选金融信息中的每个候选金融信息的效益;以及
根据所述多个候选金融信息中的每个候选金融信息的点击率和效益,确定针对所述候选金融信息的推荐得分。
5.根据权利要求3所述的方法,其中,所述点击率模型是利用第一长短期记忆神经网络模型、第一深度神经网络模型和第一神经网络模型联合训练得到的,包括:
获取第一训练样本,其中,所述第一训练样本包括多个正样本和多个负样本,每个所述正样本包括样本用户的目标金融行为信息和所述样本用户针对样本产品的真实点击率,每个所述负样本包括所述样本用户的目标训练金融行为信息和所述样本用户针对所述样本产品的真实展示信息,所述样本用户的目标训练金融行为信息包括所述样本用户的用户流水信息、用户风险评估信息和金融产品信息;
将所述多个正样本中的每个正样本所包括的样本用户的用户流水信息输入所述第一长短期记忆神经网络模型,输出第一向量;
将所述多个正样本中的每个正样本所包括的样本用户的用户风险评估信息和金融产品信息输入所述第一深度神经网络模型,输出第二向量;
将所述第二向量和所述第二向量进行拼接,得到第三向量;
将所述第三向量输入所述第一神经网络模型,输出所述正样本所包括的所述样本用户针对所述样本产品的预测点击率;
将所述多个负样本中的每个负样本所包括的样本用户的用户流水信息输入所述第一长短期记忆神经网络模型,输出第四向量;
将所述多个负样本中的每个负样本所包括的样本用户的用户风险评估信息和金融产品信息输入所述第一深度神经网络模型,输出第五向量;
将所述第四向量和所述第五向量进行拼接,得到第六向量;
将所述第六向量输入所述第一神经网络模型,...
【专利技术属性】
技术研发人员:魏珊珊,陈惠梅,戴子纬,
申请(专利权)人:中国工商银行股份有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。