[发明专利]共享产品的推荐方法、装置以及电子设备

权利要求书

1.一种共享产品的推荐方法，所述方法包括：

获取用户的信用信息；

将所述信用信息输入推荐模型进行计算；其中，所述推荐模型为机器学习模型；所述机器学习模型的建模特征包括用户的信用信息；

基于所述推荐模型的计算结果为所述用户推荐共享产品；其中，所述用户对所述共享产品的使用记录用于评估所述用户的信用信息。

2.根据权利要求1所述的方法，所述建模特征还包括共享产品的基本信息；其中，所述共享产品的基本信息包括共享产品的信用准入条件；

所述方法还包括：

将共享产品的基本信息输入所述推荐模型进行计算。

3.根据权利要求2所述的方法，所述建模特征还包括共享产品的使用条件信息；以及，用于确定用户是否满足所述共享产品的使用条件的用户信息。

4.根据权利要求2所述的方法，所述推荐模型的计算结果为用户对应于共享产品的使用概率；

所述基于所述推荐模型的计算结果为所述用户推荐共享产品，包括：

确定所述推荐模型计算得到的用户对应于共享产品的使用概率是否达到预设阈值；如果所述用户对应于共享产品的使用概率达到预设阈值，将所述共享产品向所述用户推荐。

5.根据权利要求4所述的方法，所述将所述共享产品向所述用户推荐之前，还包括：

确定所述用户是否满足所述共享产品的使用条件；

如果所述用户满足所述共享产品的使用条件，则将所述共享产品推荐给所述用户。

6.根据权利要求3或5所述的方法，所述使用条件包括以下条件中的一个或者多个的组合：

用户与共享产品的距离小于预设阈值；

用户匹配为共享产品预设的使用人群；

用户的使用环境匹配为共享产品预设的使用环境；

用户对共享产品的使用记录中负面使用记录的比例低于预设阈值。

7.根据权利要求1所述的方法，所述用户的信用信息为基于信用评估模型对用户进行评估得到的信用评分。

8.一种共享产品的推荐装置，所述装置包括：

获取模块，获取用户的信用信息；

计算模块，将所述信用信息输入推荐模型进行计算；其中，所述推荐模型为基机器学习模型；所述机器学习模型的建模特征包括用户的信用信息；

推荐模块，基于所述推荐模型的计算结果为所述用户推荐共享产品；其中，所述用户对所述共享产品的使用记录用于评估所述用户的信用信息。

9.根据权利要求8所述的装置，所述建模特征还包括共享产品的基本信息；其中，所述共享产品的基本信息包括共享产品的信用准入条件；

所述计算模块进一步：

将共享产品的基本信息输入所述推荐模型进行计算。

10.根据权利要求9所述的装置，所述建模特征还包括共享产品的使用条件信息；以及，用于确定用户是否满足所述共享产品的使用条件的用户信息。

11.根据权利要求9所述的装置，所述推荐模型的计算结果为用户对应于共享产品的使用概率；

所述推荐模块：

确定所述推荐模型计算得到的用户对应于共享产品的使用概率是否达到预设阈值；如果所述用户对应于共享产品的使用概率达到预设阈值，将所述共享产品向所述用户推荐。

12.根据权利要求9所述的装置，所述推荐模块进一步：

在将所述共享产品向所述用户推荐之前，确定所述用户是否满足所述共享产品的使用条件；

如果所述用户满足所述共享产品的使用条件，则将所述共享产品推荐给所述用户。

13.根据权利要求10或者12所述的装置，所述使用条件包括以下条件中的一个或者多个的组合：

用户与共享产品的距离小于预设阈值；

用户匹配为共享产品预设的使用人群；

用户的使用环境匹配为共享产品预设的使用环境；

用户对共享产品的使用记录中负面使用记录的比例低于预设阈值。

14.根据权利要求8所述的装置，所述用户的信用信息为基于信用评估模型对用户进行评估得到的信用评分。

15.一种电子设备，包括：

处理器；

用于存储机器可执行指令的存储器；

其中，通过读取并执行所述存储器存储的与客服中心的人员轮休管控的控制逻辑对应的机器可执行指令，所述处理器被促使：

获取用户的信用信息；

将所述信用信息输入推荐模型进行计算；其中，所述推荐模型为机器学习模型；所述机器学习模型的建模特征包括用户的信用信息；

基于所述推荐模型的计算结果为所述用户推荐共享产品；其中，所述用户对所述共享产品的使用记录用于评估所述用户的信用信息。