[发明专利]银行产品推送方法及装置

权利要求书

1.一种银行产品推送方法，其特征在于，包括：

获取用户的个人信息；

输入用户的个人信息对应的个人特征数据至预先训练好的神经网络模型，获得所述用户的目标风险等级和目标收益等级；

在银行网点产品集中具有所述目标风险等级和目标收益等级对应的银行网点产品的情况下，确定与所述目标风险等级和目标收益等级对应的目标银行网点产品；

在银行网点产品集中不具有所述目标风险等级和目标收益等级对应的银行网点产品的情况下，制定与所述目标风险等级和目标收益等级对应的目标银行网点产品；

发送所述目标银行网点产品对应的广告信息至所述用户的移动终端。

2.如权利要求1所述的方法，其特征在于，所述制定与所述目标风险等级和目标收益等级对应的目标银行网点产品包括：

在所述银行网点产品集中获得与所述目标风险等级对应的至少一个银行网点产品；

在所述至少一个银行网点产品中确定收益等级最高的备用银行网点产品；

基于所述备用银行网点产品调整产品参数获得目标银行网点产品，使得所述目标银行网点产品的收益等级达到所述目标收益等级。

3.如权利要求1所述的方法，其特征在于，还包括：

判断所述用户是否到达银行网点办理所述目标银行网点产品；

若无，则间隔预设时间后再次发送所述目标银行网点产品对应的广告信息至所述用户的移动终端。

4.如权利要求3所述的方法，其特征在于，还包括：

记录所述目标银行网点产品对应的广告信息的发送次数；

若所述目标银行网点产品对应的广告信息的发送次数超过预设次数，则于银行线上产品集中查询与所述目标风险等级和目标收益等级对应的目标银行线上产品；

发送所述目标银行线上产品对应的广告信息至所述用户的移动终端，以供所述移动终端展示所述广告信息。

5.如权利要求1所述的方法，其特征在于，还包括：

获取多个用户的个人信息和用户的风险等级和收益等级；

基于各个用户的个人信息和用户的风险等级和收益等级，构建训练样本集；

基于训练样本集对神经网络模型进行有监督训练；

在达到训练结束条件后，确定为训练好的神经网络模型；

其中所述神经网络模型为以个人特征数据为输入，以风险等级和收益等级为输出的机器模型。

6.一种银行产品推送装置，其特征在于，包括：

获取单元，用于获取用户的个人信息；

输入单元，用于输入用户的个人信息对应的个人特征数据至预先训练好的神经网络模型，获得所述用户的目标风险等级和目标收益等级；

确定单元，用于在银行网点产品集中具有所述目标风险等级和目标收益等级对应的银行网点产品的情况下，确定与所述目标风险等级和目标收益等级对应的目标银行网点产品；

制定单元，用于在银行网点产品集中不具有所述目标风险等级和目标收益等级对应的银行网点产品的情况下，制定与所述目标风险等级和目标收益等级对应的目标银行网点产品；

发送单元，用于发送所述目标银行网点产品对应的广告信息至所述用户的移动终端。

7.如权利要求6所述的装置，其特征在于，所述制定单元包括：

获得单元，用于在所述银行网点产品集中获得与所述目标风险等级对应的至少一个银行网点产品；

确定备用单元，用于在所述至少一个银行网点产品中确定收益等级最高的备用银行网点产品；

调整单元，用于基于所述备用银行网点产品调整产品参数获得目标银行网点产品，使得所述目标银行网点产品的收益等级达到所述目标收益等级。

8.如权利要求6所述的装置，其特征在于，还包括：

判断单元，用于判断所述用户是否到达银行网点办理所述目标银行网点产品；

发送单元，还用于若无，则间隔预设时间后再次发送所述目标银行网点产品对应的广告信息至所述用户的移动终端。