[发明专利]产品的推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种产品的推荐方法，其特征在于，所述方法包括：

获取待推荐客户的第一数据；

将所述第一数据输入评分模型，得到待推荐客户对应的得分，所述评分模型基于逻辑回归模型训练得到；

将所述待推荐客户对应的第一数据和得分输入第一推荐模型，得到多个第一产品，所述第一推荐模型基于随机森林模型训练得到；

将多个所述第一产品推送到所述待推荐客户所在前端，当所述待推荐客户拒绝所述第一产品后，接收所述待推荐客户反馈的反馈数据；

利用所述待推荐客户对应的第一数据、反馈数据和得分，输入第二推荐模型，得到多个第二产品；

将多个所述第二产品作为最终推荐产品输出至所述前端。

2.根据权利要求1所述的产品的推荐方法，其特征在于，所述获取待推荐客户的第一数据包括：

发送验证指令至所述待推荐客户所在前端，接收所述前端针对所述验证指令反馈的信息，并进行校验；

当校验通过时，获取所述待推荐客户的第一数据。

3.根据权利要求1所述的产品的推荐方法，其特征在于，在所述获取待推荐客户的第一数据之前，还包括：

获取历史客户数据集；

利用均衡算法对所述历史客户数据集进行均衡处理，得到均衡数据集；

利用均衡数据集，对逻辑回归模型、随机森林模型以及xgboost模型分别进行训练，对应得到所述评分模型、第一推荐模型和第二推荐模型。

4.根据权利要求3所述的产品的推荐方法，其特征在于，所述利用均衡算法对所述历史客户数据集进行均衡处理包括：

获取所述历史客户数据集中各数据类型及其对应的文本数据量；

对各所述数据类型对应的文本数据量进行平均值计算，得到平均数据量；

将各数据类型的文本数据量与所述平均数据量进行比较；

若小于所述平均数据量，则将该数据类型对应的文本数据作为待增广的文本数据，并计算该数据类型对应的文本数据量与所述平均数据量的差值，得到增广数量；

基于所述增广数量，采用合成少数类过采样算法或数据增广工具对所述待增广的文本数据进行增广。

5.根据权利要求3所述的产品的推荐方法，其特征在于，所述利用均衡数据集，对逻辑回归模型、随机森林模型以及xgboost模型分别进行训练包括：

通过特征选取模型对所述均衡数据集中各数据类型进行特征重要性计算，根据所述特征重要性，提取所述均衡数据集中第一预设比例的数据类型对应的数据，作为第二数据；

利用方差分析对所述第二数据中各数据类型进行显著性计算，并根据所述显著性，提取所述第二数据中第二预设比例的数据类型对应的数据，作为第三数据；

利用第三数据对所述逻辑回归模型、随机森林模型以及xgboost模型分别进行训练。

6.根据权利要求1所述的产品的推荐方法，其特征在于，在所述得到待推荐客户对应的得分之后，还包括：

将所述待推荐客户对应的得分与预设数值进行判断；

当所述得分小于所述预设数值时，将发送推荐结束信息至前端。

7.根据权利要求1所述的产品的推荐方法，其特征在于，所述将多个所述第一产品推送到所述待推荐客户所在前端，当所述待推荐客户拒绝所述第一产品后，接收所述待推荐客户反馈的反馈数据包括：

在将多个所述第一产品推送到所述前端的同时，还将发送反馈表至所述前端；

接收所述前端发送的所述待推荐客户填写后的反馈表；

对所述填写后的反馈表进行特征提取，得到反馈数据。