[发明专利]对象的推荐方法、装置、存储介质和处理器

说明书

本发明公开了一种对象的推荐方法、装置、存储介质和处理器。其中，该方法包括：获取用户当前一次交易对象的数据；基于目标模型对当前一次交易对象的数据进行分析，得到用户下一次待交易的对象的概率，其中，目标模型为通过多组样本数据进行训练得到的，每组样本数据包含用户的相邻两次历史交易记录中用户前一次交易对象的数据和用户下一次交易对象的数据；基于上述概率确定是否对用户下一次待交易的对象进行推荐。本发明解决了推荐对象的成单率低的技术问题。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种对象的推荐方法、装置、存储介质和处理器。

背景技术

随着各种产业链的快速发展，大多机构向用户推荐的对象仅是该机构待推广的对象，而并未对用户的以往交易信息进行分析，以至于机构推荐的对象可能并非用户需要的，故而存在推荐对象的成单率低的技术问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种对象的推荐方法、装置、存储介质和处理器，以至少解决推荐对象的成单率低的技术问题。

根据本发明实施例的一个方面，提供了一种对象的推荐方法，包括：获取用户当前一次交易对象的数据；基于目标模型对当前一次交易对象的数据进行分析，得到用户下一次待交易的对象的概率，其中，目标模型为通过多组样本数据进行训练得到的，每组样本数据包含用户的相邻两次历史交易记录中用户前一次交易对象的数据和用户下一次交易对象的数据；基于上述概率确定是否对用户下一次待交易的对象进行推荐。

可选地，在基于目标模型对当前一次交易对象的数据进行分析，得到用户下一次待交易的对象的概率之前，该方法还包括：从样本数据中提取出特征数据；将特征数据输入至第一初始模型；按照机器学习对具有特征数据的第一初始模型进行训练，得到目标模型。

可选地，特征数据包括以下至少之一：用户的个人信息、用户交易过的第一类型交易对象的信息、用户交易过的第二类型交易对象的信息。

可选地，在基于目标模型对当前一次交易对象的数据进行分析，得到用户下一次待交易的对象的概率之前，该方法还包括：从样本数据中提取出相邻两次历史交易记录中前一次交易第一类型交易对象的数据，和后一次交易第一类型交易对象的数据；将前一次交易第一类型交易对象的数据和后一次交易第一类型交易对象的数据输入至第二初始模型；按照马尔科夫链对具有前一次交易第一类型交易对象的数据和后一次交易第一类型交易对象的数据的第二初始模型进行训练，得到目标模型。

可选地，按照马尔科夫链对具有前一次交易第一类型交易对象的数据和后一次交易第一类型交易对象的数据的第二初始模型进行训练，得到目标模型，包括：按照马尔科夫链对具有前一次交易第一类型交易对象的数据和后一次交易第一类型交易对象的数据的第二初始模型进行训练，得到第一目标参数；通过第一目标参数和第二初始模型生成目标模型。

可选地，在基于目标模型对当前一次交易对象的数据进行分析，得到用户下一次待交易的对象的概率之前，该方法还包括：从样本数据中提取出相邻两次历史交易记录中前一次交易第二类型交易对象的数据，和后一次交易第二类型交易对象的数据；将前一次交易第二类型交易对象的数据，和后一次交易第二类型交易对象的数据输入至第三初始模型；按照线性回归对具有前一次交易第二类型交易对象的数据和后一次交易第二类型交易对象的数据的第三初始模型进行训练，得到目标模型。

可选地，按照线性回归对具有前一次交易第二类型交易对象的数据和后一次交易第二类型交易对象的数据的第三初始模型进行训练，得到目标模型，包括：按照线性回归对具有前一次交易第二类型交易对象的数据和后一次交易第二类型交易对象的数据的第三初始模型进行训练，得到第二目标参数；通过第二目标参数和第三初始模型生成目标模型。