[发明专利]一种基于神经网络的智能卡片推荐方法及装置

说明书

本发明公开了一种基于神经网络的智能卡片推荐方法及装置，该方法包括获取用户的卡片推荐请求，根据用户的卡片推荐请求，提取出用户的用户特征，将用户的用户特征输入至智能卡片推荐模型中，得到各卡片的推荐分数，智能卡片推荐模型是对由各用户的历史数据、各终端厂商的平台数据、各发卡行的平台数据和卡片组织的平台数据组成的训练集进行训练学习得到的，将推荐分数大于预设阈值的卡片推荐给用户。由于在训练智能卡片推荐模型时，使用的数据来源多，数据维度广，使得智能卡片推荐模型的推荐成功率高，进而可以提高用户的申卡或用卡效率。

技术领域

本发明涉及卡片推荐技术领域，尤其涉及一种基于神经网络的智能卡片推荐方法及装置。

背景技术

近年来，随着智能手机的蓬勃发展，人们越来越频繁地使用手机钱包来进行交易结算的支付，但手机中绑定多张不同银行卡(借记卡、贷记卡)、交通卡也会带来一些不便。例如，当用户选择手机钱包支付时，应用会弹出系统默认的借记卡，而用户偏向于使用信用卡时需要手动进行选择，支付效率较低。本专利提案提供了一种手机钱包智能发卡、选卡方法，用于在发卡时自动推荐发卡行和卡片，颠覆现有发卡模式，提高发卡效率；在支付时，向用户推荐付款卡片，减少用户操作、提高支付效率、改善用户的支付体验。

发明内容

本发明实施例提供一种基于神经网络的智能卡片推荐方法及装置，用以实现根据用户的需求自动向用户推荐卡片，降低用户的操作步骤，提高用户的用卡效率。

第一方面，本发明实施例提供一种基于神经网络的智能卡片推荐方法，包括：

获取用户的卡片推荐请求；

根据所述用户的卡片推荐请求，提取出所述用户的用户特征；

将所述用户的用户特征输入至智能卡片推荐模型中，得到各卡片的推荐分数；所述智能卡片推荐模型是对由各用户的历史数据、各终端厂商的平台数据、各发卡行的平台数据和卡片组织的平台数据组成的训练集进行训练学习得到的；

将推荐分数大于预设阈值的卡片推荐给所述用户。

上述技术方案中，由于在训练智能卡片推荐模型时，使用的数据来源多，数据维度广，使得智能卡片推荐模型的推荐成功率高，进而可以提高用户的申卡或用卡效率。

可选的，所述对各由用户的历史数据、各终端厂商的平台数据、各发卡行的平台数据和卡片组织的平台数据组成的训练集进行训练学习得到所述智能卡片推荐模型，包括：

获取各用户的历史数据、各终端厂商的平台数据、各发卡行的平台数据和卡片组织的平台数据；

对所述各用户的历史数据、各终端厂商的平台数据、各发卡行的平台数据和卡片组织的平台数据进行标注，得到训练集；

对所述训练集中的数据进行特征提取，得到各用户的群体特征、用户特征和反馈特征；

将所述各用户的群体特征、用户特征和反馈特征输入至预设的神经网络模型进行训练学习，直到模型收敛，得到所述智能卡片推荐模型。

上述技术特征中，通过设置反馈特征进行反馈训练，可以使得推荐的卡片能够更准确及时，推荐结果更能被用户所接受。

可选的，所述群体特征包括移动终端设备用户群特点、卡用户群特点和商户用户群特点；

所述用户特征包括用户的自身画像、用户的历史交易数据和相似用户的历史交易数据；

所述反馈特征包括用户使用勘误、用户推荐接受度和补充勘误。

可选的，卡片推荐请求为发卡请求，所述智能卡片推荐模型为智能卡片发卡模型；

所述对所述训练集中的数据进行特征提取，得到各用户的群体特征、用户特征和反馈特征，包括：