(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210932019.4 (22)申请日 2022.08.04 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 张伟　胡露露　吴沅宣　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 吴玲 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/215(2019.01) G06K 9/62(2022.01) (54)发明名称 一种业务推荐方法、 系统、 电子设备及存储 介质 (57)摘要 本申请提供一种业务推荐方法、 系统、 电子 设备及存储介质， 可应用于云计算计算领域或者 金融领域， 根据预先定义的用户行为字典， 采集 多个历史用户行为； 从多个历史用户行为中筛选 出多个业务 关联行为， 并利用各个业务关联行为 对待训练的预测模型进行训练， 得到预测模型； 当检测目标用户的当前用户行为时， 将当前用户 行为输入预训练的预测模型中， 以使预训练的预 测模型利用当前用户行为进行预测， 得到目标业 务； 向目标用户推荐目标业 务。 权利要求书2页 说明书8页 附图2页 CN 115292594 A 2022.11.04 CN 115292594 A 1.一种业 务推荐方法， 其特 征在于， 所述方法包括 根据预先定义的用户行为字典， 采集多个历史用户行为； 从所述多个历史用户行为中筛选出多个业务关联行为， 并利用各个所述业务关联行为 对待训练的预测模型进行训练， 得到预测模型； 当检测目标用户的当前用户行为时， 将所述当前用户行为输入预训练的预测模型中， 以使所述预训练的预测模型利用所述当前用户行为进行 预测， 得到目标业 务； 向所述目标用户推荐所述目标业 务。 2.根据权利要求1所述的方法， 其特征在于， 所述从所述多个历史用户行为中筛选出多 个业务关联行为， 并利用各个所述业务关联行为对待训练的预测模型进行训练， 得到预测 模型， 包括： 对各个所述历史用户行为进行分类， 并对每个类别下的各个历史用户行为进行数据清 洗， 得到每 个类别下的多个目标历史用户行为； 计算各个所述目标历史用户行为之间的历史关联性； 从各个所述历史用户行为中， 筛选出大于预设历史关联性阈值的历史关联性对应的业 务关联行为； 依次将各个所述业务关联行为输入待训练 的预测模型， 以使所述待训练 的预测模型利 用各个所述业务关联行为进行预测， 得到每个所述业务关联行为对应的预测 业务， 并分别 利用每个所述预测业务和目标业务构建的损失函数， 对待训练的预测模型进行参数调节， 直至所述待训练的预测模型达 到收敛， 预训练的预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述对各个历史用户行为进行分类， 并对 每个类别下的各个历史用户行为进行数据清洗， 得到每个类别下的多个目标历史用户行 为， 包括： 利用K‑means聚类算法对各个历史用户行为进行分类； 对每个类别下的各个历史用户行为进行数据清洗， 得到每个类别下的多个目标历史用 户行为。 4.根据权利要求2所述的方法， 其特征在于， 所述计算各个所述目标历史用户行为之间 的历史关联性， 包括： 基于apri ori算法， 计算各个所述目标历史用户行为之间的历史关联性。 5.一种业 务推荐系统， 其特 征在于， 所述系统包括： 采集单元， 用于根据预 先定义的用户行为字典， 采集多个历史用户行为； 训练单元， 用于从所述多个历史用户行为中筛选出多个业务关联行为， 并利用各个所 述业务关联行为对待训练的预测模型进行训练， 得到预测模型； 预测单元， 用于当检测目标用户的当前用户行为时， 将所述当前用户行为输入预训练 的预测模型中， 以使所述预训练的预测模型利用所述当前用户行为进行预测， 得到目标业 务； 业务推荐单 元， 用于向所述目标用户推荐所述目标业 务。 6.根据权利要求5所述的系统， 其特 征在于， 所述训练单 元， 包括： 分类单元， 用于对各个所述历史用户行为进行分类， 并对每个类别下的各个历史用户 行为进行 数据清洗， 得到每 个类别下的多个目标历史用户行为；权　利　要　求　书 1/2 页 2 CN 115292594 A 2关联性计算单 元， 用于计算各个所述目标历史用户行为之间的历史关联性； 筛选单元， 用于从各个所述历史用户行为中， 筛选出大于预设历史关联性阈值的历史 关联性对应的业 务关联行为； 训练子单元， 用于依次将各个所述业务关联行为输入待训练的预测模型， 以使所述待 训练的预测模型利用各个所述业务关联行为进行预测， 得到每个所述业务关联行为对应的 预测业务， 并分别利用每个所述预测业务和目标业务构建的损失函数， 对待训练的预测模 型进行参数调节， 直至所述待训练的预测模型达 到收敛， 预训练的预测模型。 7.根据权利要求6所述的系统， 其特 征在于， 所述分类单 元， 包括： 分类子单 元， 用于利用K ‑means聚类算法对各个历史用户行为进行分类； 数据清洗单元， 用于对每个类别下的各个历史用户行为进行数据清洗， 得到每个类别 下的多个目标历史用户行为。 8.根据权利要求6所述的系统， 其特 征在于， 所述关联性计算单 元， 包括： 关联性计算子单元， 用于基于apriori算法， 计算各个所述目标历史用户行为之间的历 史关联性。 9.一种电子设备， 其特征在于， 包括： 处理器以及存储器， 所述处理器以及存储器通过 通信总线相连； 其中， 所述处理器， 用于调用并执行所述存储器中存储的程序； 所述存储器， 用于存储程序， 所述 程序用于实现如权利要求1 ‑5任一项所述的产品推荐方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 可执行指令， 所述计算机可 执行指令用于执 行如权利要求1 ‑5任一项所述的产品推荐方法。权　利　要　求　书 2/2 页 3 CN 115292594 A 3