[发明专利]一种基于机器学习的贷款产品推荐方法及系统

权利要求书

1.一种基于机器学习的贷款产品推荐方法，其中，所述方法包括：

获得第一企业状态数据信息，其中，所述第一企业状态数据信息为静态数据；

根据所述第一企业状态数据信息，获得第一样本数据信息；

将所述第一样本数据信息作为第一输入信息；

获得第一筛选指令和业务筛选特征信息，其中，所述业务筛选特征信息与企业贷款需求之间具有第一关联度；

根据所述第一筛选指令和所述业务筛选特征信息，对所述第一企业状态数据信息进行业务筛选之后，获得第一业务字段表；

对所述第一业务字段表进行特征筛选，获得目标模型特征信息；

将所述目标模型特征信息作为第二输入信息；

获得第一静态模型；

将所述第一输入信息、第二输入信息输入至所述第一静态模型中，获得所述第一静态模型的第一输出信息，其中，所述第一输出信息为客户运行结果信息；

根据所述第一输出信息，获得第一静态产品客户推荐名单；

基于GP数据库，获得第一预定时间内的第二企业状态数据信息，其中，所述第二企业状态数据信息为动态数据，且所述第二企业状态数据信息为所有企业访问地址的url集合；

对所述第二企业状态数据信息进行数据清洗处理之后，获得动态数据样本集；

将所述动态数据样本集输入至训练LSTM模型中，对所述训练LSTM模型进行训练和测试，获得优化后的所述训练LSTM模型；

将所述第一静态产品客户推荐名单输入至所述优化后的所述训练LSTM模型中，获得目标产品推荐客户名单。

2.如权利要求1所述的方法，其中，所述根据所述第一企业状态数据信息，获得第一样本数据信息，包括：

根据所述第一企业状态数据信息，获得第一正样本数据和第一负样本数据；

获得第一预设比例；

按照所述第一预设比例，从所述第一正样本数据和所述第一负样本数据中，获得第一建模数据集；

对所述第一建模数据集进行划分之后，获得所述第一样本数据信息，其中，所述第一样本数据信息中包括第一训练集和第二测试集。

3.如权利要求1所述的方法，其中，所述根据所述第一筛选指令和所述业务筛选特征信息，对所述第一企业状态数据信息进行业务筛选之后，获得第一业务字段表，所述方法还包括：

根据所述第一筛选指令和所述业务筛选特征信息，对所述第一企业状态数据信息进行筛选，获得所有初筛字段信息；

获得第一合并指令；

根据所述第一合并指令，将所述所有初筛字段信息进行合并，获得所述第一业务字段表。

4.如权利要求1所述的方法，其中，所述对所述第一业务字段表进行特征筛选，获得目标模型特征信息，包括：

判断所述第一业务字段表中的各个记录字段是否满足第一预设条件；

如果不满足所述第一预设条件，则获得第一记录字段信息，其中，所述第一记录字段信息为所有不满足所述第一预设条件的记录字段的集合；

获得所述第一业务字段表中的各个记录字段的第一缺失率；

获得预设缺失率阈值；

依次将所述第一记录字段信息中的各个记录字段的第一缺失率分别与所述预设缺失率阈值进行比对，获得第二记录字段信息和第三记录字段信息，其中，所述第二记录字段信息为所述第一记录字段信息中超过所述预设缺失率阈值的各个记录字段的集合，所述第三记录字段信息为所述第一记录字段信息中未超过所述预设缺失率阈值的各个记录字段的集合；

获得第一剔除指令；

根据所述第一剔除指令，将所述第二记录字段信息进行剔除。

5.如权利要求4所述的方法，其中，所述方法还包括：

判断所述第三记录字段信息中是否存在数值类别型变量；

如果存在，则采用第一数值对所述数值类别型变量的缺失值进行填补；

判断所述第三记录字段信息中是否存在数值连续型变量；

如果存在，则采用第二数值对所述数值连续型变量的缺失值进行填补之后，获得第二业务字段表。