产品推销策略的生成方法、装置及电子设备与流程

本发明涉及人工智能，具体而言，涉及一种产品推销策略的生成方法、装置及电子设备。

背景技术：

1、随着金融行业的迅速发展，涌现出各种不同性质的理财方式以及不同类型的金融产品，为了使得更多的用户投资金融产品，所以会向用户推荐相应的金融产品，而如何准确地向用户推荐金融产品，并且使得用户投资该金融产品尤为的重要。

2、现有技术在向用户推荐金融产品时，通常基于协同过滤的推荐算法，通过寻找相似用户为用户推荐金融产品。而基于协同过滤的推算法强调的是用户与用户之间的相似性，忽略了物品本身的特征，导致对于理财产品推荐结果大相径庭，存在生成的产品推销策略的准确率较低。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种产品推销策略的生成方法、装置及电子设备，以至少解决现有技术中存在生成的产品推销策略准确率低的技术问题。

2、根据本发明实施例的一个方面，提供了一种产品推销策略的生成方法，包括：获取目标对象的用户画像信息和m个金融产品的产品信息，其中，用户画像信息至少包括目标对象所持有的n个目标金融产品的产品信息，m个金融产品中至少包括n个目标金融产品，m、n为正整数，且m大于n；对用户画像信息进行特征提取，得到第一特征信息和第二特征信息，其中，第一特征信息用于表征目标对象购买n个目标金融产品的风险偏好，第二特征信息用于表征目标对象购买n个目标金融产品的种类偏好；对每个金融产品的产品信息进行特征提取，得到第三特征信息，其中，第三特征信息为每个金融产品的属性特征信息；基于目标模型对第一特征信息、第二特征信息以及第三特征信息进行处理，得到每个金融产品的评分，其中，每个评分为m个金融产品中的每个金融产品与n个目标金融产品中的每个目标金融产品之间的相似度评分；基于每个金融产品的评分生成产品推销策略，其中，产品推销策略用于向目标对象推荐金融产品。

3、进一步地，目标模型通过以下过程训练得到：获取第一训练集、第二训练集和k个第一标签，其中，第一训练集由k个第一金融产品的产品信息组成，每个第一标签用于表征一个第一金融产品的收益率，每个第一金融产品为每个对象在预设时间段内所持有的金融产品，第二训练集由第三特征信息组成，k为正整数；提取第一训练集中每个第一金融产品的产品特征信息，并设置每个产品特征信息对应的第二标签，其中，第二标签用于表征每个第一金融产品的购买次数；将k个第一标签、每个第一金融产品的产品特征信息、每个产品特征信息对应的第二标签以及第三特征信息输入至预设模型中进行迭代训练，得到目标模型。

4、进一步地，将k个第一标签、每个第一金融产品的产品特征信息、每个产品特征信息对应的第二标签以及第三特征信息输入至预设模型中进行迭代训练，得到目标模型，包括：对第三特征信息进行向量转换处理，得到第一处理结果；对每个第一金融产品的产品特征信息进行向量转换处理，得到第二处理结果；将k个第一标签、每个第一金融产品的产品特征信、每个第二标签、第一处理结果以及第二处理结果输入至预设模型中进行迭代训练，得到目标模型。

5、进一步地，对第三特征信息进行向量转换处理，得到第一处理结果，包括：对第三特征信息中的每个金融产品的属性特征信息进行分词处理，得到每个金融产品对应的多个字段；对每个金融产品对应的多个字段进行词频分析，得到每个金融产品对应的每个字段的分值；将每个金融产品对应的每个字段的分值转换为向量，得到每个金融产品对应的第一向量；基于每个金融产品对应的第一向量得到第一处理结果。

6、进一步地，对每个第一金融产品的产品特征信息进行向量转换处理，得到第二处理结果，包括：对每个第一金融产品的产品特征信息进行分词处理，得到每个第一金融产品对应的多个字段；对每个第一金融产品对应的多个字段进行词频分析，得到每个第一金融产品对应的每个字段的分值；将每个第一金融产品对应的每个字段的分值转换为向量，得到每个第一金融产品对应的第二向量；基于每个第一金融产品对应的第二向量得到第二处理结果。

7、进一步地，将k个第一标签、每个第一金融产品的产品特征信、每个第二标签、第一处理结果以及第二处理结果输入至预设模型中进行迭代训练，得到目标模型，包括：对第一向量和第二向量进行余弦相似度计算，得到每个金融产品与每个第一金融产品之间的相似度评分；将相似度评分、k个第一标签、每个第一金融产品的产品特征信以及每个第二标签输入至预设模型中进行迭代训练，得到目标模型。

8、进一步地，基于每个金融产品的评分生成产品推销策略，包括：对m个金融产品的评分进行排序，得到排序结果；基于排序结果生成产品推销策略。

9、根据本发明实施例的另一方面，还提供了一种产品推销策略的生成装置，包括：获取模块，用于获取目标对象的用户画像信息和m个金融产品的产品信息，其中，用户画像信息至少包括目标对象所持有的n个目标金融产品的产品信息，m个金融产品中至少包括n个目标金融产品，m、n为正整数，且m大于n；第一提取模块，用于对用户画像信息进行特征提取，得到第一特征信息和第二特征信息，其中，第一特征信息用于表征目标对象购买n个目标金融产品的风险偏好，第二特征信息用于表征目标对象购买n个目标金融产品的种类偏好；第二提取模块，用于对每个金融产品的产品信息进行特征提取，得到第三特征信息，其中，第三特征信息为每个金融产品的属性特征信息；处理模块，用于基于目标模型对第一特征信息、第二特征信息以及第三特征信息进行处理，得到每个金融产品的评分，其中，每个评分为m个金融产品中的每个金融产品与n个目标金融产品中的每个目标金融产品之间的相似度评分；生成模块，用于基于每个金融产品的评分生成产品推销策略，其中，产品推销策略用于向目标对象推荐金融产品。

10、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的产品推销策略的生成。

11、根据本发明实施例的另一方面，还提供了一种电子设备，电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的产品推销策略的生成。

12、在本发明实施例中，通过获取目标对象的用户画像信息和m个金融产品的产品信息，其中，用户画像信息至少包括目标对象所持有的n个目标金融产品的产品信息，m个金融产品中至少包括n个目标金融产品，m、n为正整数，且m大于n；然后对用户画像信息进行特征提取，得到第一特征信息和第二特征信息，其中，第一特征信息用于表征目标对象购买n个目标金融产品的风险偏好，第二特征信息用于表征目标对象购买n个目标金融产品的种类偏好；然后对每个金融产品的产品信息进行特征提取，得到第三特征信息，其中，第三特征信息为每个金融产品的属性特征信息；然后基于目标模型对第一特征信息、第二特征信息以及第三特征信息进行处理，得到每个金融产品的评分，其中，每个评分为m个金融产品中的每个金融产品与n个目标金融产品中的每个目标金融产品之间的相似度评分；最后基于每个金融产品的评分生成产品推销策略，其中，产品推销策略用于向目标对象推荐金融产品。

13、在上述过程中，通过将表征目标对象购买n个目标金融产品的风险偏好的第一特征信息、表征目标对象购买n个目标金融产品的种类偏好的第二特征信息以及表征产品库中的每个金融产品的属性特征信息的第三特征信息输入到目标模型中，得到目标对象所购买的目标金融产品与产品库中的每个金融产品之间的相似度评分，根据相似度评分生成产品推销策略，实现了弱化用户与用户之间的联系，强调产品与用户之间的联系，从而实现了提高生成产品推销策略的准确率的技术效果，进而解决现有技术中存在生成的产品推销策略准确率低的技术问题。