(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 202211289660.7 (22)申请日 2022.10.20 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 王欣　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 严罗一　黄健 (51)Int.Cl. G06Q 30/06(2012.01) G06F 16/9535(2019.01) G06K 9/62(2022.01) G06N 7/00(2006.01) (54)发明名称 服务产品的推荐方法及装置 (57)摘要 本申请提供一种服务产品的推荐方法及装 置， 该方法包括： 获取用户的待处理的服务信息： 其中， 服务信息包括： 至少一个信息组， 信息组包 括： 服务数据、 服务数据的生 成时间、 服务数据的 装置信息； 对信息组进行特征挖掘 处理， 得到信 息组的第一服务特征， 确定服务信息对应的第二 服务特征； 根据第二服务特征以及预设识别模 型， 确定第一概率信息以及第二概率信息， 其中， 第一概率信息用于指示需要使用待推荐的服务 产品的概率值； 第二概率信息用于指示不需要使 用待推荐的服务产品的概率值。 若第一概率信息 大于第二概率信息， 则向用户推荐待推荐的服务 产品。 本申请中提供的方法可以提高向用户推荐 的服务产品的准确性。 权利要求书3页 说明书19页 附图5页 CN 115439194 A 2022.12.06 CN 115439194 A 1.一种服 务产品的推荐方法， 其特 征在于， 包括： 获取用户的待处理的服务信息： 其中， 所述服务信息包括： 至少一个信息组， 所述信息 组具有服务类别标识； 所述信息组包括： 服务数据、 服务数据的生成时间、 服务数据的装置 信息； 对所述信息组进行特征挖掘处理， 得到所述信息组的第一服务特征， 并确定所述服务 信息对应的第二 服务特征； 根据所述第二服务特征以及预设识别模型， 确定第一概率信息以及第二概率信息， 其 中， 所述第一概率信息用于指示需要使用待推荐的服务产品的概率值； 所述第二概率信息 用于指示不需要使用所述待推荐的服务产品的概率值； 所述预设识别模型用于确定需要使 用所述待推荐的服 务产品的概 率以及不需要 使用所述待推荐的服 务产品的概 率； 若所述第一概率信 息大于所述第 二概率信 息， 则向所述用户推荐所述待推荐的服务产 品。 2.根据权利要求1所述的方法， 其特征在于， 对所述信息组进行特征挖掘处理， 得到所 述信息组的第一 服务特征， 包括： 基于所述信息组的服务数据、 所述服务数据的生成时间， 确定第一向量集合， 其中， 所 述第一向量集合包括： 至少一个第一特征向量， 其中， 所述第一特征向量包括： 服务数据以 及所述服务数据的生成时间； 不同第一特 征向量所包 含服务数据的生成时间不同； 对所述第 一向量集合进行聚类处理， 得到第一聚类结果； 所述第一聚类结果包括： 至少 一个第一类簇以及与所述第一类簇一一对应的第一聚类特征； 所述第一类簇包括至少一个 第一特征向量； 基于所述信息组的服务数据、 所述服务数据的装置信息， 确定第二向量集合， 其中， 所 述第二向量集合包括： 至少一个第二特征向量， 所述第二特征向量包括： 服务数据以及所述 服务数据的装置信息； 不同第二特 征向量所包 含服务数据的生成时间不同； 对所述第 二向量集合进行聚类处理， 得到第二聚类结果， 所述第二聚类结果包括： 至少 一个第二类簇以及所述第二类簇对应的第二聚类特征； 所述第二类簇包括至少一个第二特 征向量； 确定所述第一聚类特 征以及所述第二聚类特 征为所述信息组的第一 服务特征。 3.根据权利要求2所述的方法， 其特征在于， 对所述第一向量集合进行聚类处理， 得到 第一聚类结果， 包括： 对所述第 一向量集合进行筛选处理， 并确定筛选后得到的K个第一特征向量为K个第一 中心向量； K为 正整数； 其中， 每一第一中心向量对应一个第一类簇； 针对每一第一特征向量， 确定所述第一向量集合中的第一特征向量分别与所述K个第 一中心向量的第一差值结果； 确定取值最小的第一差值结果所对应的第一中心向量的第一 类簇为所述第一特 征向量所属的第一类簇； 针对每一第 一类簇， 确定所述第 一类簇中的第一特征向量对应的第一差值总和， 其中， 所述第一差值总和为所述第一特征向量与所述第一类簇中各第一特征向量的差值之和； 确 定所述第一类簇对应的第一中心向量与所述第一类簇中各第一特征向量的第二差值总和； 基于所述第一差值总和以及所述第二差值总和， 确定所述第一类簇对应的第一聚类特 征； 确定第一类簇以及第一类簇的第一聚类特 征为所述第一聚类结果。权　利　要　求　书 1/3 页 2 CN 115439194 A 24.根据权利要求3所述的方法， 其特征在于， 基于所述第 一差值总和以及所述第 二差值 总和， 确定所述第一类簇对应的第一聚类特 征， 包括： 若所述第一差值总和小于所述第 二差值总和， 则确定所述第 一差值总和对应的第 一特 征向量为所述第一类簇对应的第一聚类特 征； 若所述第一差值总和大于或等于所述第 二差值总和， 则确定所述第 二差值总和对应的 第一中心向量 为所述第一类簇对应的第一聚类特 征。 5.根据权利要求1所述的方法， 其特征在于， 所述预设识别模型为基于获取到各待训练 的服务信息的第三服务特征以及获取到的各所述待训练的服务信息所对应的第一使用信 息所建立的； 所述待训练的服务信息的第三服务特征为基于所述待训练的服务信息中所包 含的信息组的第四服务特征所确定的； 所述信息组的第四服务特征为基于对所述信息组进 行特征挖掘处理得到的； 所述第一使用信息用于表征在所述待训练的服务信息下所述用户 是否已使用所述待推荐的服 务产品。 6.根据权利要求5所述的方法， 其特征在于， 所述预设识别模型为贝叶斯公式建立的； 其中， 所述预设模型中包括的第三概率信息、 第四概率信息、 第五概率信息以及第六概率信 息为基于各所述待训练的服务信息的第三服务特征以及各所述待训练的服务信息所对应 的第一使用信息所确定的； 其中， 第三概率信 息用于表征各第 一使用信 息中表征使用所述待推荐的服务产品的第 一使用信息出现的概率； 第四概率信息用于表征各第一使用信息中表征未使用所述待推荐 的服务产品的第一使用信息出现概率； 所述第五概率信息用于表征在使用所述待推荐的服 务产品的情况下， 第三服务特征出现的概率； 所述第六概率信息用于表征在未使用所述待 推荐的服 务产品的情况 下， 第三服务特征出现的概 率。 7.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 若确定所述待处理的服务信息中装置信息的数据维度大于所述预设模型建立过程中 所获取到的待训练的服务信息中装置信息的数据维度， 且所述待推荐的服务产品未改变 时， 则根据所述待处理的服务信息中装置信息的数据维度， 调整所述待训练的服务信息对 应的第三 服务特征， 得到调整后的第三 服务特征； 基于所述调 整后的第 三服务特征， 对所述待训练 的服务信 息对应的第 三服务特征的第 五概率信息以及第六概率信息进 行调整， 得到调整后的第五概率信息以及调整后的第六概 率信息； 基于所述第 三概率信 息、 所述第四概率信 息、 所述调整后的第五概率信息、 所述调整后 的第六概 率信息以及贝叶斯公式更新所述预设识别模型。 8.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 若确定所述待处理的服务信息中的数据维度大于所述预设模型建立过程中所获取到 的待训练的服务信息中的数据维度， 且所述待推荐的服务产品发生变化时， 则根据所述待 处理的服务信息中的数据维度， 调整所述待训练的服务信息对应的第三服务特征， 得到调 整后的第三 服务特征； 获取所述待训练的服务信息对应的第二使用信息， 其中， 第二使用信息用于表征变化 后待推荐的服 务产品是否被使用； 根据所述第二使用信息、 所述调整后的待训练的服务特征信息对所述第三概率信息、权　利　要　求　书 2/3 页 3 CN 115439194 A 3