[发明专利]客户权益推送方法及装置、存储介质及电子设备

权利要求书

1.一种客户权益推送方法，其特征在于，包括：

获取待推送客户在预设时间段内的日常消费数据；

将所述日常消费数据处理成多个语句；

在每个语句的首个字符之前设置预设标识，得到每个语句对应的更新后的语句；

利用预先构建的神经网络分类模型，对每个更新后的语句进行处理，得到分类结果；

基于所述分类结果，确定所述推送客户的消费偏好；

基于所述消费偏好，向所述待推送客户推送权益。

2.根据权利要求1所述的方法，其特征在于，所述利用预先构建的神经网络分类模型，对每个更新后的语句进行处理，得到分类结果，包括：

利用预先构建的神经网络分类模型中的神经网络层，对每个更新后的语句进行处理，得到每个更新后的语句的隐含向量；所述更新后的语句的隐含向量包括所述预设标识的向量和除所述预设标识外的每个字符的向量；

利用预先构建的神经网络分类模型中的重注意力层，对每个更新后的语句的隐含向量进行处理，得到每个更新后的语句的加权向量；

将每个更新后的语句的加权向量叠加所述预设标识的向量，得到每个更新后的语句的最终向量；

将每个更新后的语句的最终向量输入至预先构建的神经网络分类模型中的分类器中，得到分类结果。

3.根据权利要求2所述的方法，其特征在于，所述利用预先构建的神经网络模型中的重注意力层，对每个更新后的语句的隐含向量进行处理，得到每个更新后的语句的加权向量，包括：

针对每个更新后的语句，利用所述神经网络模型中的重注意力层，确定每个目标字符的权重，并基于每个目标字符权重，和每个目标字符的向量，计算每个更新后的语句的加权向量；其中，目标字符为所述更新后的语句中除所述预设标识外的任意一个字符，所述每个目标字符的权重依据该目标字符的向量与所述预设标识的向量，通过预设的得分公式计算得到。

4.根据权利要求1所述的方法，其特征在于，所述将所述日常消费数据处理成多个语句，包括：

针对所述日常消费数据中的每一条消费记录，确定所述消费记录中的隐私数据，将所述隐私数据进行删除；

基于删除隐私数据后的各条消费记录，得到所述日常消费数据的多个语句。

5.根据权利要求1所述的方法，其特征在于，所述基于所述消费偏好，向所述待推送客户推送权益，包括：

确定预设的与所述消费偏好关联的权益；

将所确定的权益推送至所述待推送客户。

6.一种客户权益推送装置，其特征在于，包括：

获取单元，用于获取待推送客户在预设时间段内的日常消费数据；

处理单元，用于将所述日常消费数据处理成多个语句；

设置单元，用于在每个语句的首个字符之前设置预设标识，得到每个语句对应的更新后的语句；

分类单元，用于利用预先构建的神经网络分类模型，对每个更新后的语句进行处理，得到分类结果；

确定单元，用于基于所述分类结果，确定所述推送客户的消费偏好；

推送单元，用于基于所述消费偏好，向所述待推送客户推送权益。

7.根据权利要求6所述的装置，其特征在于，所述分类单元，包括：

第一处理子单元，用于利用预先构建的神经网络分类模型中的神经网络层，对每个更新后的语句进行处理，得到每个更新后的语句的隐含向量；所述更新后的语句的隐含向量包括所述预设标识的向量和除所述预设标识外的每个字符的向量；

第二处理子单元，用于利用预先构建的神经网络分类模型中的重注意力层，对每个更新后的语句的隐含向量进行处理，得到每个更新后的语句的加权向量；

叠加子单元，用于将每个更新后的语句的加权向量叠加所述预设标识的向量，得到每个更新后的语句的最终向量；

输入子单元，用于将每个更新后的语句的最终向量输入至预先构建的神经网络分类模型中的分类器中，得到分类结果。