[发明专利]一种权益推送方法、装置、计算机设备及存储介质

权利要求书

1.一种权益推送方法，其特征在于，所述方法包括：

获取目标客户的第一属性信息数据，所述第一属性信息数据包括所述目标客户的第一基础信息数据和针对银行业务的多个维度的第一行为数据；

确定每个维度的第一行为数据对应的权重值；

根据所述第一基础信息数据、所述多个维度的第一行为数据和每个维度的第一行为数据对应的权重值构建所述目标客户的目标特征数据；

基于所述目标客户的目标特征数据，通过价值预测模型预测所述目标客户对目标银行的价值等级；

基于所述目标客户对目标银行的价值等级进行权益推送。

2.根据权利要求1所述的方法，其特征在于，所述确定每个维度的第一行为数据对应的权重值，包括：

获取属性映射关系表，所述属性映射关系表包括客户的不同维度的行为数据和对应的权重数值；

基于所述属性映射关系表确定每个维度的第一行为数据对应的权重值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一基础信息数据、所述多个维度的第一行为数据和每个维度的第一行为数据对应的权重值构建所述目标客户的目标特征数据，包括：

对所述第一基础信息数据、所述多个维度的第一行为数据和每个维度的第一行为数据对应的权重值进行特征提取，得到所述目标客户的初始特征数据；

对所述目标客户的初始特征数据进行降维处理，得到所述目标客户的目标特征数据。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取历史客户的第二属性信息数据和对应的价值等级标签，所述第二属性信息数据包括所述历史客户的第二基础信息数据和针对银行业务的多个维度的第二行为数据；

确定每个维度的第二行为数据对应的权重值；

根据所述第二基础信息数据、所述多个维度的第二行为数据和每个维度的第二行为数据对应的权重值构建所述历史客户的目标特征数据；

基于所述历史客户的目标特征数据和对应的价值等级标签对初始网络模型进行训练，得到所述价值预测模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述历史客户的目标特征数据和对应的价值等级标签对初始网络模型进行训练，得到所述价值预测模型，包括：

基于所述历史客户的目标特征数据和对应的价值等级标签构建样本数据；

将所述样本数据划分为训练样本和测试样本；

利用所述训练样本对所述初始网络模型进行训练，并利用所述测试样本对训练得到的价值预测模型进行测试优化，直到得到满足条件的价值预测模型。

6.根据权利要求4所述的方法，其特征在于，所述确定每个维度的第二行为数据对应的权重，包括：

获取属性映射关系表，所述属性映射关系表包括客户的不同维度的行为数据和对应的权重数值；

基于所述属性映射关系表确定每个维度的第二行为数据对应的权重值。

7.根据权利要求4所述的方法，其特征在于，所述根据所述第二基础信息数据、所述多个维度的第二行为数据和每个维度的第二行为数据对应的权重值构建所述历史客户的目标特征数据，包括：

对所述第二基础信息数据、所述多个维度的第二行为数据和每个维度的第二行为数据对应的权重值进行特征提取，得到所述历史客户的初始特征数据；

对所述历史客户的初始特征数据进行降维处理，得到所述历史客户的目标特征数据。