[发明专利]信息推荐方法及装置、可读存储介质

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取待服务用户的个人标识信息和历史行为信息；

根据所述个人标识信息和所述历史行为信息，判断所述待服务用户是否符合预设条件；

当所述待服务用户符合预设条件时，根据所述个人标识信息、所述历史行为信息以及预设的推荐问题模型，确定针对所述待服务用户的推荐问题；所述预设的推荐问题模型采用如下方式生成：获取历史问题库、已服务用户的信息以及已服务用户对推荐问题的评估结果；对所述已服务用户的信息进行处理，得到特征变量；根据所述已服务用户的信息、所述特征变量以及所述历史问题库，选取至少一个分类算法进行模型训练，得到推荐问题工程模型；

根据所述推荐问题工程模型和所述评估结果，纠正模型输出的推荐问题，得到所述预设的推荐问题模型；所述选取至少一个分类算法进行模型训练，包括：判断所述已服务用户接受服务的次数是否超过预设阈值；当判定所述已服务用户接受服务的次数超过预设阈值，将所述已服务用户分为对照组用户、第一训练组用户和第二训练组用户；选取基于直方图的决策树算法预测所述第一训练组用户的推荐问题得分，得到所述第一训练组用户的推荐问题；选取逻辑回归算法预测所述第二训练组用户的推荐问题得分，得到所述第二训练组用户的推荐问题；结合基于直方图的决策树算法和逻辑回归算法，再次预测所述第二训练组用户的推荐问题得分，得到更新的所述第二训练组用户的推荐问题；

当检测到所述待服务用户已登陆，将所述推荐问题推送到所述待服务用户对应的用户终端。

2.如权利要求1所述的信息推荐方法，其特征在于，所述根据所述个人标识信息和所述历史行为信息，判断所述待服务用户是否符合预设条件，包括：

根据所述个人标识信息，判断所述待服务用户是否为已注册用户；

根据所述个人标识信息和所述历史行为信息，判断所述待服务用户是否存在历史服务记录。

3.如权利要求1所述的信息推荐方法，其特征在于，所述选取至少一个分类算法进行模型训练，包括：

判断所述已服务用户接受服务的次数是否超过预设阈值；

当判断所述已服务用户接受服务的次数未超过预设阈值，将所述已服务用户分为对照组用户和训练用户；

选取基于直方图的决策树算法预测所述训练组用户的推荐问题得分，得到所述训练组用户的推荐问题。

4.如权利要求1或3所述的信息推荐方法，其特征在于，还包括：将预设问题作为所述对照组用户的推荐问题。

5.如权利要求1或3所述的信息推荐方法，其特征在于，还包括：将所述已服务用户在预设时间内查看过的所述推荐问题剔除，得到更新的推荐问题。

6.如权利要求1所述的信息推荐方法，其特征在于，还包括：将所述待服务用户在预设时间内查看过的所述推荐问题剔除，得到更新的推荐问题。

7.如权利要求1所述的信息推荐方法，其特征在于，所述个人标识信息包括个人标签，以及以下至少一种：姓名、年龄、性别、职业以及账号；所述历史行为信息包括以下至少一种：借款金额、借款日期、登陆次数、登陆时间、历史点击问题、历史点击操作以及历史浏览记录。

8.如权利要求1所述的信息推荐方法，其特征在于，还包括：当所述待服务用户不符合预设条件时，当检测到所述待服务用户已登陆，将预设问题推送到所述待服务用户对应的用户终端。