[发明专利]业务产品推送方法、装置、计算机设备和存储介质

权利要求书

1.一种业务产品推送方法，其特征在于，所述方法包括：

获取待推送用户的用户数据；

根据所述用户数据确定所述待推送用户所属的用户类型；

在多个预先训练的产品类模型中获取所述用户类型对应的目标产品类模型；

获取所述目标产品类模型对应的产品类样本数据，将所述用户数据分别与所述产品类样本数据进行组合，得到多个组合对数据；

将多个组合对数据输入至所述目标产品类模型中，得到所述待推送用户对应的产品匹配结果；

根据所述产品匹配结果确定目标业务产品，将所述目标业务产品推送至所述待推送用户对应的用户终端。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户数据确定所述待推送用户所属的用户类型包括：

对所述用户数据进行特征提取，得到所述待推送用户的用户特征数据；

根据所述用户特征数据确定所述待推送用户所属的用户类型。

3.根据权利要求2所述的方法，其特征在于，所述获取所述目标产品类模型对应的产品类样本数据，将所述用户数据分别与所述产品类样本数据进行组合包括：

获取所述目标产品类模型对应的产品类样本特征，将所述用户特征数据分别与所述产品类样本特征进行组合。

4.根据权利要求1所述的方法，其特征在于，所述根据所述产品匹配结果确定目标业务产品包括：

在所述产品匹配结果中选取匹配度最高的组合对数据；

将所述匹配度最高的组合对数据中产品类样本数据对应的业务产品确定为目标业务产品。

5.根据权利要求1所述的方法，其特征在于，所述根据所述产品匹配结果确定目标业务产品包括：

在所述产品匹配结果中选取匹配度大于预设匹配度阈值的组合对数据；

将选取的组合对数据中产品类样本数据对应的业务产品确定为目标业务产品。

6.根据权利要求1至5任意一项所述的方法，其特征在于，在所述获取待推送用户的用户数据之前，所述方法还包括：

获取多个深度学习模型中各个深度学习模型对应的产品类样本数据；各个深度学习模型包括共享权值的第一网络以及第二网络；

根据各个深度学习模型对应的产品类样本数据分别训练相应的第一网络以及第二网络，直至满足第一训练条件，得到初始深度学习模型；

根据各个深度学习模型对应的产品类样本数据对相应的初始深度学习模型进行组合对的训练，直至满足第二训练条件，得到多个预先训练的产品类模型。

7.一种业务产品推送装置，其特征在于，所述装置包括：

数据获取模块，用于获取待推送用户的用户数据；

用户类型确定模块，用于根据所述用户数据确定所述待推送用户所属的用户类型；

模型获取模块，用于在多个预先训练的产品类模型中获取所述用户类型对应的目标产品类模型；

数据组合模块，用于获取所述目标产品类模型对应的产品类样本数据，将所述用户数据分别与所述产品类样本数据进行组合，得到多个组合对数据；

产品匹配模块，用于将多个组合对数据输入至所述目标产品类模型中，得到所述待推送用户对应的产品匹配结果；

产品推送模块，用于根据所述产品匹配结果确定目标业务产品，将所述目标业务产品推送至所述待推送用户对应的用户终端。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。