[发明专利]产品的推荐方法、装置、计算机设备及存储介质

说明书

本申请涉及人工智能技术领域，揭露了一种产品的推荐方法、装置、计算机设备及存储介质，所述方法包括：获取待推荐客户的第一数据；将第一数据输入评分模型，得到对应的得分，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，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前端；本申请还涉及区块链技术，所以第一数据存储于区块链中。本申请提高了产品推荐的准确率。

技术领域

本申请涉及人工智能领域，尤其涉及一种产品的推荐方法、装置、计算机设备及存储介质。

背景技术

随着银行业务的发展，产品种类越来越多，各种产品面向的客群和背后的风控逻辑不尽相同。在当前获客成本居高不下的背景下，如何充分利用现有客户资源，提高进件成功率和客户复购率是业务与IT共同面临的挑战。在现有技术中，利用客户数据，利用推荐模型对客户进行产品推荐，当客户进件被拒绝后，客户经理会根据自身积累的经验匹配适合客户的信贷产品，促成客户购买产品。在推进线上化这一大背景下，部分产品实现了客户线上自助申请，客户经理无法在申请被拒后第一时间进行推荐，丧失了最佳的推荐时机。因此，如何提高对客户推荐产品的准确率成为了亟待解决的问题。

发明内容

本申请提供了一种产品的推荐方法、装置、计算机设备及存储介质，以解决现有技术中，产品推荐准确率较低的问题。

为解决上述问题，本申请提供了一种产品的推荐方法，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。

进一步的，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。

进一步的，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。

进一步的，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；