[发明专利]基于遗传算法的产品推荐方法、装置、设备及存储介质

说明书

本发明实施例涉及人工智能领域，公开了一种基于遗传算法的产品推荐方法、装置、设备及存储介质，该方法包括：获取数据流信息，数据流信息中包括产品信息和客户信息；将数据流信息输入预训练的现金流预测模型，得到数据流信息中现金流数据的预测结果；获取第一样本训练数据集，并将第一样本训练数据集输入预设的遗传算法模型进行训练，得到投资组合推荐模型；将数据流信息和预测结果输入投资组合推荐模型，确定目标推荐产品，并将目标推荐产品发送给客户终端，以精准预测客户现金流数据的流向情况，实现了智能化的为客户推荐投资产品，提高了产品推荐的准确率和效率。本发明涉及区块链技术，如可将数据流写入区块链中，以用于数据取证等场景。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于遗传算法的产品推荐方法、装置、设备及存储介质。

背景技术

目前，市面上通过大数据模型精准预测企业未来现金流情况的软件较少，同时，在不同的产品推荐场景中，由于大数据平台上的产品数据非常多，很难实现产品推荐技术，所以面向企业智能化推荐投资产品服务方案的软件更少。因此，如何实现高效、准确、智能化的产品推荐是一项重大议题。

发明内容

本发明实施例提供了一种基于遗传算法的产品推荐方法、装置、设备及存储介质，可以精准预测客户现金流数据的流向情况，实现了智能化的为客户推荐投资产品，提高了产品推荐的准确率和效率。

第一方面，本发明实施例提供了一种基于遗传算法的产品推荐方法，包括：

获取数据流信息，所述数据流信息中包括产品信息和客户信息，所述数据流信息是从企业大数据平台、外联数据平台、银行大数据平台中的一个或多个获取到的与各个产品相关联的数据信息；

将所述数据流信息输入预训练的现金流预测模型，得到所述数据流信息中现金流数据的预测结果；

获取第一样本训练数据集，所述第一样本训练数据集中包括多个产品的历史投资数据，并将所述第一样本训练数据集输入预设的遗传算法模型进行训练，得到投资组合推荐模型；

将所述数据流信息和所述预测结果输入投资组合推荐模型，确定目标推荐产品，并将所述目标推荐产品发送给客户终端。

进一步地，所述将所述数据流信息输入预训练的现金流预测模型，得到所述数据流信息中现金流数据的预测结果之前，还包括：

获取第二样本训练数据集，所述第二样本训练数据集包括多个历史现金流数据；

将所述第二样本训练数据集输入预训练的时间序列预测模型，得到损失函数值；

当所述损失函数值不满足预设条件时，调整所述时间序列预测模型的模型参数，并将所述第二样本训练数据集输入调整模型参数后的时间序列预测模型进行迭代训练；

当迭代训练得到的损失函数值满足预设条件时，确定得到所述现金流预测模型。

进一步地，所述获取第二样本训练数据集之后，还包括：

对所述第二样本训练数据集中的各个历史现金流数据进行预处理，并对预处理后的第二样本训练数据集进行平稳性检测；

若所述平稳性检测未通过，则对所述预处理后的第二样本训练数据集进行差分处理；

当执行多次所述差分处理后所述平稳性检测通过时，对所述差分处理后的第二样本训练数据集进行白噪声检验处理；

当所述白噪声检验未通过时，对所述差分处理后的第二样本训练数据集进行自相关计算和偏自相关计算，得到所述自相关计算的第一结果数据以及所述偏自相关计算的第二结果数据；

所述将所述第二样本训练数据集输入预训练的时间序列预测模型，得到损失函数值，包括：