(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 202210461678.4 (22)申请日 2022.04.28 (71)申请人 深圳前海微众 银行股份有限公司 地址 518000 广东省深圳市南 山区沙河西 路1819号深圳湾科技 生态园7栋A座 (72)发明人 吴兆基　廖焕章　郭巍　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 黄廷山 (51)Int.Cl. G06F 16/9535(2019.01) G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 信息推送方法、 装置、 设备及计算机可读存 储介质 (57)摘要 本发明公开了一种信息推送方法、 装置、 设 备及计算机可读存储介质， 所述方法包括： 获取 存在贷款购车记录的历史用户作为正样本， 以及 获取存在无购车意向记录的历史用户作为负样 本； 获取正样本在贷款购车记录的生成时间之前 预设时长内的用户数据， 以及获取各负样本在无 购车意向记录的生成时间之前的预设时长内的 用户数据， 根据各用户数据生成训练数据集； 根 据训练数据集训练得到购车意向分析模 型； 获取 目标用户在当前时间之前预设时长内的用户数 据， 采用购车意向分析模型基于用户数据分析得 到目标用户的购车意向分析结果； 当购车意向分 析结果表征目标用户有贷款购车意向时， 向目标 用户推送预设待推送的车贷信息。 本发明提高了 车贷信息 推送的精准度。 权利要求书2页 说明书14页 附图2页 CN 114969509 A 2022.08.30 CN 114969509 A 1.一种信息推送方法， 其特 征在于， 所述方法包括以下步骤： 获取多个存在贷款购车记录的历史用户作为正样本， 以及获取多个存在无购车意向记 录的历史用户作为负 样本； 获取各所述正样本在所述贷款购车记录的生成时间之前预设时长内的第 一用户数据， 以及获取各所述负样本在所述无购车意向记录的生成时间之前的所述预设时长内的第二 用户数据， 根据各 所述第一用户数据和各 所述第二用户数据生成训练数据集； 根据所述训练数据集训练得到购车意向分析模型； 获取目标用户在 当前时间之前所述预设时长内的第 三用户数据， 采用所述购车意向分 析模型基于所述第三用户数据分析 得到所述目标用户的购车意向分析 结果； 当所述购车意向分析结果表征所述目标用户有贷款购车意向时， 向所述目标用户推送 预设待推送的车贷信息 。 2.如权利要求1所述的信 息推送方法， 其特征在于， 所述根据各所述第 一用户数据和各 所述第二用户数据生成训练数据集的步骤 包括： 提取各所述第一用户数据和各所述第二用户数据中相同数据特征下的特征值构建特 征值集， 得到各个数据特 征分别对应的特 征值集； 将各所述正样本和各所述负样本分别对应的贷款购车标签值组成标签值集， 其中， 正 样本对应的贷款购车标签值用于表示所述正样本存在贷款购车记录， 负样本对应的贷款购 车标签值用于表示所述负 样本存在无购车意向记录； 分别计算各个数据特 征的特征值集与所述标签值 集之间的相关度； 从各个数据特 征中选取相关度大于预设阈值的数据特 征作为样本特 征； 从各所述第一用户数据和各所述第二用户数据中分别提取出所述样本特征下的特征 值， 得到各 所述正样本和各 所述负样本分别对应的特 征数据； 将各所述正样本和各所述负样本分别对应的特征数据和贷款购车标签值作为训练数 据集。 3.如权利要求2所述的信 息推送方法， 其特征在于， 所述根据所述训练数据集训练得到 购车意向分析模型的步骤 包括： 将所述训练数据集中各样本对应的特征数据分别 输入待训练模型进行处理， 得到各样 本对应的购车意向预测值； 根据各所述购车意向预测值和所述训练数据集中各样本对应的贷款购车标签值计算 所述待训练模型的损失函数； 根据所述损失函数检测所述待训练模型 是否收敛； 若收敛， 则将所述待训练模型作为训练得到的购车意向分析模型； 若未收敛， 则根据所述损 失函数对所述待训练模型中的各个模型参数进行更新， 基于 更新后的待训练模型再返回执行所述将所述训练数据集中各样本对应的特征数据分别输 入待训练模型进行处 理， 得到各样本对应的购车意向预测值的步骤。 4.如权利要求3所述的信 息推送方法， 其特征在于， 所述将所述训练数据集中各样本对 应的特征数据分别输入待训练模型进 行处理， 得到各样本对应的购车意向预测值的步骤包 括： 将所述训练数据集中各样本对应的特征数据中的缺失值采用预设填充值进行填充， 将权　利　要　求　书 1/2 页 2 CN 114969509 A 2各样本经过填充后的特征数据分别输入待训练模型进 行处理， 得到各样本对应的购车意向 预测值。 5.如权利要求1至4任一项所述的信息推送方法， 其特征在于， 所述当所述购车意向分 析结果表征所述目标用户有贷款购车意向时， 向所述目标用户推送预设待推送的车贷信息 的步骤之后， 还 包括： 检测在所述当前时间之后的所述预设时长内所述目标用户是否存在贷款购车记录； 若不存在， 则将所述目标用户作为新增负样本， 并采用所述新增负样本对所述购车意 向分析模型进 行微调训练， 以基于经过微调训练后的购车意向分析模型对用户进 行购车意 向分析。 6.如权利要求5所述的信 息推送方法， 其特征在于， 所述采用所述新增负样本对所述购 车意向分析模型进行微调训练的步骤 包括： 设置所述新增负样本的第 一训练权重和所述训练数据集中各个样本的第 二训练权重， 其中， 所述第一训练权 重大于所述第二训练权 重； 按照所述第一训练权重和所述第二训练权重采用所述新增负样本和所述训练数据集 对所述购车以下分析模型进行微调训练。 7.如权利要求5所述的信 息推送方法， 其特征在于， 所述采用所述新增负样本对所述购 车意向分析模型进行微调训练的步骤之前， 还 包括： 将所述目标用户作为 新增负样本后， 检测当前新增负 样本的数量是否 达到预设数量； 若达到所述预设数量， 则执行所述采用所述新增负样本对所述购车意向分析模型进行 微调训练的步骤。 8.一种信息推送装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取多个存在贷款购车记录的历史用户作为正样本， 以及获取多个存 在无购车意向记录的历史用户作为负 样本； 生成模块， 用于获取各所述正样本在所述贷款购车记录的生成时间之前预设时长 内的 第一用户数据， 以及获取各所述负样本在所述无购车意向记录的生成时间之前的所述预设 时长内的第二用户数据， 根据各所述第一用户数据和各所述第二用户数据生成训练数据 集； 训练模块， 用于根据所述训练数据集训练得到购车意向分析模型； 预测模块， 用于获取目标用户在当前时间之前所述预设时长内的第三用户数据， 采用 所述购车意向分析模型基于所述第三用户数据分析得到所述目标用户的购车意向分析结 果； 推送模块， 用于当所述购车意向分析结果表征所述目标用户有贷款购车意向时， 向所 述目标用户推送预设待推送的车贷信息 。 9.一种信息推送设备， 其特征在于， 所述信息推送设备包括： 存储器、 处理器及存储在 所述存储器上并可在所述处理器上运行的信息推送程序， 所述信息推送程序被所述处理器 执行时实现如权利要求1至7中任一项所述的信息推送方法的步骤。 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上存储有信息推 送程序， 所述信息推送程序被处理器执行时实现如权利要求 1至7中任一项所述的信息推送 方法的步骤。权　利　要　求　书 2/2 页 3 CN 114969509 A 3