[发明专利]银行奖品信息推荐方法及装置

权利要求书

1.一种银行奖品信息推荐方法，其特征在于，包括：

根据不同用户的银行交易信息，确定不同用户的用户特征参数；

获取对应不同用户的银行奖品的属性参数；

针对每一用户，基于奖品权重机器学习模型，根据该用户的用户特征参数，和该用户的银行奖品的属性参数，生成对应该用户的银行奖品的权重；所述奖品权重机器学习模型根据历史银行奖品权重数据，对机器学习模型训练得到；所述历史银行奖品权重数据包括：对应不同用户的：用户特征参数、银行奖品的属性参数和银行奖品的权重的历史数据；

针对不同用户，按对应不同用户的银行奖品的权重从高到低的顺序，向不同用户推荐银行奖品信息。

2.如权利要求1所述的方法，其特征在于，所述用户特征参数为用于描述银行交易信息的用户特征参数；所述银行交易信息包括用户的工作及收入信息、身份信息、信贷信息和客服咨询记录；

根据不同用户的银行交易信息，确定不同用户的用户特征参数，包括：

基于用户信息处理模型，对不同用户的银行交易信息进行预处理；所述预处理包括数据筛选处理和数据加工处理；所述用户信息处理模型用于对用户的银行交易信息进行数据筛选处理和数据加工处理；

根据预处理后的不同用户的银行交易信息，确定不同用户的用户特征参数。

3.如权利要求1所述的方法，其特征在于，所述银行奖品的属性参数为用于描述银行奖品信息的属性参数；所述银行奖品信息包括银行奖品的类型、权限、所涉及业务和/或发放标准的信息；

获取对应不同用户的银行奖品的属性参数，包括：

从银行奖品数据库中，获取对应不同用户的银行奖品信息；

根据对应不同用户的银行奖品信息，确定对应不同用户的银行奖品的属性参数。

4.如权利要求1所述的方法，其特征在于，还包括：

按如下方式建立奖品权重机器学习模型：

将历史银行奖品权重数据划分为训练数据集和测试数据集；

基于机器学习算法，以训练数据集，对机器学习模型进行训练，获得奖品权重机器学习模型；

以测试数据集，对训练好的奖品权重机器学习模型进行测试。

5.如权利要求1所述的方法，其特征在于，还包括：

根据银行奖品所对应的业务数据，对不同用户的用户特征参数和不同用户的银行奖品的权重，进行调整。

6.一种银行奖品信息推荐装置，其特征在于，包括：

用户特征参数确定模块，用于根据不同用户的银行交易信息，确定不同用户的用户特征参数；

银行奖品属性参数获取模块，用于获取对应不同用户的银行奖品的属性参数；

银行奖品权重生成模块，用于针对每一用户，基于奖品权重机器学习模型，根据该用户的用户特征参数，和该用户的银行奖品的属性参数，生成对应该用户的银行奖品的权重；所述奖品权重机器学习模型根据历史银行奖品权重数据，对机器学习模型训练得到；所述历史银行奖品权重数据包括：对应不同用户的：用户特征参数、银行奖品的属性参数和银行奖品的权重的历史数据；

银行奖品推荐模块，用于针对不同用户，按对应不同用户的银行奖品的权重从高到低的顺序，向不同用户推荐银行奖品信息。

7.如权利要求6所述的装置，其特征在于，所述用户特征参数为用于描述银行交易信息的用户特征参数；所述银行交易信息包括用户的工作及收入信息、身份信息、信贷信息和客服咨询记录；

用户特征参数确定模块，具体用于：

基于用户信息处理模型，对不同用户的银行交易信息进行预处理；所述预处理包括数据筛选处理和数据加工处理；所述用户信息处理模型用于对用户的银行交易信息进行数据筛选处理和数据加工处理；

根据预处理后的不同用户的银行交易信息，确定不同用户的用户特征参数。