[发明专利]产品推送方法、装置、设备及介质

说明书

本公开提供了一种产品推送方法，可以应用于人工智能与金融技术领域。该产品推送方法，包括：获取待识别的交易行为数据，其中，交易行为数据包括交易数据和行为数据；将待识别的交易行为数据输入至预先训练好的分类模型，输出分类结果，其中，预先训练好的分类模型基于预设损失函数训练得到，预设损失函数根据预设计算距离条件构建得到；从分类结果中识别目标分类结果；以及基于目标分类结果，推送关联产品。本公开还提供了一种产品推送装置、设备、存储介质和程序产品。

技术领域

本公开涉及人工智能与金融技术领域，具体涉及产品推送方法、装置、设备、介质和程序产品。

背景技术

随着互联网的不断发展，通过互联网进行交易已经被广泛应用。各种网站、小程序等都有对产品的各种推送广告，便于用户对其进行交易。然而，目前的推送广告一般通过规则筛选等方式圈定部分用户，部分直接面向全部用户进行推送，未考虑用户的实际需求，浪费可在首页进行推送的资源。因此，如何解决产品的推送营销的精准度问题至关重要。

发明内容

鉴于上述问题，本公开提供了一种产品推送方法、装置、设备、介质和程序产品。

根据本公开的第一个方面，提供了一种产品推送方法，包括：

获取待识别的交易行为数据，其中，交易行为数据包括交易数据和行为数据；

将待识别的交易行为数据输入至预先训练好的分类模型，输出分类结果，其中，预先训练好的分类模型基于预设损失函数训练得到，预设损失函数根据预设计算距离条件构建得到；

从分类结果中识别目标分类结果；以及

基于目标分类结果，推送关联产品。

根据本公开的实施例，预设损失函数根据预设计算距离条件构建得到包括：

根据预设计算距离条件，构建针对相同分类标签的第一损失函数；

根据预设计算距离条件，构建针对不同分类标签的第二损失函数；

将第一损失函数和第二损失函数进行合并，得到预设损失函数。

根据本公开的实施例，预设计算距离条件包括马氏距离。

根据本公开的实施例，预先训练好的分类模型基于预设损失函数训练得到包括：

将在预定时间区间内产生的与目标产品相关的历史交易行为数据，按照预设条件进行分类处理，得到多个带有分类标签的历史交易行为数据，其中，历史交易行为数据包括历史交易数据和历史行为数据；

将多个带有分类标签的历史交易行为数据输入至待训练的分类模型，输出训练分类结果，其中，待训练的分类模型基于预设计算距离条件构建得到；

将训练分类结果和分类标签输入预设损失函数，输出损失结果；

根据损失结果调整待训练的分类模型的模型参数，直至预设损失函数的损失结果或迭代次数满足预设条件；以及

将预设损失函数的损失结果或迭代次数满足预设条件时得到的分类模型作为训练好的分类模型。

根据本公开的实施例，待训练的分类模型包括计算模块和分类模块；将多个带有分类标签的历史交易行为数据输入至待训练的分类模型，输出训练分类结果包括：

将多个带有分类标签的历史交易行为数据输入至计算模块，用于根据预设计算距离条件对两个带有分类标签的历史交易行为数据之间的距离进行计算，输出距离计算结果；

将距离计算结果输入分类模块，用于进行聚类分类，输出训练分类结果。

根据本公开的实施例，历史交易数据包括：各渠道交易信息和/ 或交易流水；历史行为数据包括网页或应用程序访问行为数据。