[发明专利]一种基于决策树的产品推荐方法及装置

说明书

本申请公开了一种基于决策树的产品推荐方法及装置，获取待测客户的特征，针对每种产品，将特征输入至与产品对应的决策树中，得到每种产品的客户风险承受等级，其中，决策树基于样本客户的客户风险承受等级、特征、以及特征占比之间的对应关系预先构建，客户风险承受等级越高，则待测客户的风险承受能力越强。将客户风险承受等级大于预设等级的产品，作为推荐给待测客户的产品。利用本申请所述的方法，基于预先构建的决策树，可以准确评估每种产品的客户风险承受等级，依据客户风险承受等级向待测客户推荐产品，能够确保推荐给待测客户的产品能够满足其自身风险承受能力。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种基于决策树的产品推荐方法及装置。

背景技术

客户在购买银行推荐的产品之后，受限于客户自身因素的影响，客户可能无法承受购买该产品所带来的风险，从而引发不可预估的后果，给银行和客户带来巨大的负面影响。

为此，如何向客户推荐满足其自身风险承受能力的产品，成为本领域亟需解决的问题。

发明内容

本申请提供了一种基于决策树的产品推荐方法及装置，目的在于向客户推荐满足其自身风险承受能力的产品。

为了实现上述目的，本申请提供了以下技术方案：

一种基于决策树的产品推荐方法，包括：

获取待测客户的特征；

针对每种产品，将所述特征输入至与所述产品对应的决策树中，得到每种所述产品的客户风险承受等级；其中，所述决策树基于样本客户的客户风险承受等级、特征、以及特征占比之间的对应关系预先构建；所述客户风险承受等级越高，则所述待测客户的风险承受能力越强；

将所述客户风险承受等级大于预设等级的产品，作为推荐给所述待测客户的产品。

可选的，所述决策树基于样本客户的客户风险承受等级、特征、以及特征占比之间的对应关系预先构建，包括：

获取所述产品的样本客户信息；

对所述样本客户信息进行解析，得到样本客户的客户风险承受等级、特征、以及特征占比之间的对应关系；其中，所述特征占比表征具备所述特征的样本客户的总数在样本总数中所占的比重；

基于所述对应关系，构建训练数据集；

基于所述训练数据集，计算所述特征的信息增益；

基于各个所述特征的信息增益，构建决策树。

可选的，所述基于所述对应关系，构建训练数据集，包括：

按照对应的特征占比从大到小的顺序，对各个所述特征进行排序，得到特征序列；

选取所述特征序列中的前m位特征，作为目标特征；

基于所述客户风险承受等级、所述目标特征、以及所述特征占比之间的对应关系，构建训练数据集。

可选的，所述基于所述训练数据集，计算所述特征的信息增益，包括：

利用与所述目标特征对应的特征占比，计算所述客户风险承受等级的信息熵；

利用所述信息熵和预设的条件熵，计算所述目标特征的信息增益。

可选的，所述基于各个所述特征的信息增益，构建决策树，包括：

按照所述信息增益从大到小的顺序，对各个所述目标特征进行排序，生成决策树。

可选的，所述获取待测客户的特征，包括：

利用人脸识别算法，对所述待测客户进行身份验证；