申请/专利权人:中国平安财产保险股份有限公司
申请日:2021-08-31
公开(公告)日:2024-04-05
公开(公告)号:CN113706204B
主分类号:G06Q30/0207
分类号:G06Q30/0207;G06N3/0464;G06F40/211;G06F40/216;G06F40/30
优先权:
专利状态码:有效-授权
法律状态:2024.04.05#授权;2021.12.14#实质审查的生效;2021.11.26#公开
摘要:本发明涉及人工智能技术,揭露了一种基于深度学习的权益发放方法,包括:从用户的权益获取记录中提取用户对每一种权益的获取次数;从用户的权益使用记录中提取用户对每一种权益的使用次数;根据获取次数及使用次数生成使用率矩阵;按照预设数量对使用率矩阵中的元素进行采样,得到多个子集矩阵;提取出每一个子集矩阵的特征元素;统计特征元素中每一个元素的出现频率,根据出现频率计算每一个特征元素的特征权重,并向用户推荐特征权重大于预设权重阈值的元素对应的权益。此外,本发明还涉及区块链技术,权益获取记录可存储于区块链的节点。本发明还提出一种基于深度学习的权益发放装置、电子设备以及存储介质。本发明可以提高产品推荐精确度。
主权项:1.一种基于深度学习的权益发放方法,其特征在于,所述方法包括:获取用户的权益获取记录,从所述权益获取记录中提取所述用户对多种预设权益中每一种预设权益的获取次数;获取所述用户的权益使用记录,从所述权益使用记录中提取所述用户对每一种所述预设权益的使用次数;根据所述获取次数以及所述使用次数计算每一种预设权益的使用率,并将所述使用率作为元素生成使用率矩阵;按照预设数量对所述使用率矩阵中的元素进行随机采样,并将采样得到的元素汇集为所述使用率矩阵的子集矩阵,判断所述子集矩阵的数量是否等于预设阈值;若所述子集矩阵的数量不等于预设阈值,则返回按照预设数量对所述使用率矩阵中的元素进行随机采样的步骤;若所述子集矩阵的数量等于预设阈值,则将所有子集矩阵汇集为所述使用率矩阵的多个子集矩阵;从所述多个子集矩阵中逐个选取其中一个矩阵为目标矩阵,利用预先训练的深度神经网络将所述目标矩阵中的每一个元素进行特征描述,得到元素特征,利用预设的激活函数计算每一个元素的元素特征的特征值,选取所述特征值大于预设特征阈值的元素特征对应的元素为所述目标矩阵的特征元素,所述深度神经网络通过函数映射的方式将所述目标矩阵中每一个元素映射至预先构建的特征空间,利用每一个元素在该特征空间内的坐标值对所述深度神经网络中预设的多个神经元进行赋值,并通过全连接的方式将每个神经元的数值进行重复筛选,进而得到每一个元素的元素特征;统计所述特征元素中每一个元素的出现频率,根据所述出现频率计算所述特征元素中每一个元素的特征权重,并向所述用户推荐所述特征权重大于预设权重阈值的元素对应的预设权益。
全文数据:
权利要求:
百度查询: 中国平安财产保险股份有限公司 基于深度学习的权益发放方法、装置、设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。