[发明专利]基于决策树模型的产品交易方法、装置和计算机设备

说明书

本申请揭示了一种基于决策树模型的产品交易方法、装置、计算机设备和存储介质，所述方法包括：接收用户终端发送的对指定产品的交易申请；判断所述用户终端是否需要进行适当性评级；若所述用户终端需要进行适当性评级，将指定问卷发送给所述用户终端；接收所述用户终端发送的具有所述用户终端的答案的所述指定问卷，并将所述具有所述用户终端的答案的所述指定问卷输入预设的基于决策树模型的训练完成的适当性分级模型，从而获得所述用户终端的适当性级别；若所述指定产品的预设风险级别与所述用户终端的适当性级别匹配，则允许对所述指定产品进行交易。从而统一问卷并利用决策树提高信息处理的准确性。

技术领域

本申请涉及到计算机领域，特别是涉及到一种基于决策树模型的产品交易方法、装置、计算机设备和存储介质。

背景技术

产品的信息反馈一般通过实地调研、问卷调查等方式来获得，并可作为产品改进、研发方向确定、产品是否允许交易等重要举措的依据。现有技术关于采用问卷来获取产品的反馈信息，只是机械地调取预先准备的问卷，并且对于通过问卷获得的信息仅能通过人为经验的处理，因此会导致问卷不统一、信息处理结果不准确等问题。因此，现有技术缺乏能够有效解决上述技术问题的技术方案。

发明内容

本申请的主要目的为提供一种基于决策树模型的产品交易方法、装置、计算机设备和存储介质，旨在统一问卷并利用决策树提高信息处理的准确性。

为了实现上述发明目的，本申请提出一种基于决策树模型的产品交易方法，包括以下步骤：

接收用户终端发送的对指定产品的交易申请；

根据预设的适当性判断规则，判断所述用户终端是否需要进行适当性评级；

若所述用户终端需要进行适当性评级，则根据预设的问卷获取规则获取指定问卷，并将所述指定问卷发送给所述用户终端；

接收所述用户终端发送的具有所述用户终端的答案的所述指定问卷，并将所述具有所述用户终端的答案的所述指定问卷输入预设的基于决策树模型的训练完成的适当性分级模型，从而获得所述用户终端的适当性级别；

判断所述指定产品的预设风险级别与所述用户终端的适当性级别是否匹配；

若所述指定产品的预设风险级别与所述用户终端的适当性级别匹配，则

利用大数据技术获取所述用户终端对应的用户的特征信息，其中所述特征信息至少包括所述用户的职业信息；

将所述特征信息输入预设的基于神经网络模型训练完成的倾向类别预测模型中进行运算，从而获得所述用户的倾向类别；其中，所述倾向类别预测模型基于特征信息，以及与特征信息关联的倾向类别组成的样本数据训练而成，其中训练的过程中采用随机梯度下降法，利用反向传导法则更新所述神经网络模型各层的参数；

判断所述指定产品的预设风险级别与所述用户的倾向类别是否匹配；

若所述指定产品的预设风险级别与所述用户的倾向类别匹配，则允许对所述指定产品进行交易。

进一步地，所述根据预设的适当性判断规则，判断所述用户终端是否需要进行适当性评级的步骤,包括：

判断所述用户终端是否曾进行过适当性评级；

若所述用户终端曾进行过适当性评级，则获取所述用户终端最近一次进行适当性评级的时间点；

判断当前时间-所述用户终端最近一次进行适当性评级的时间点的差值是否大于预设的时间阈值；

若当前时间-所述用户终端最近一次进行适当性评级的时间点的差值大于预设的时间阈值，则判定所述用户终端需要进行适当性评级。