技术摘要：
本发明公开了一种基于GBST的用户推荐方法、装置及电子设备，所述方法包括：通过梯度提升生存树GBST模型确定目标用户的长期动支预测结果；根据所述长期动支预测结果在第1推荐周期内的动支预测值向对应的目标用户发送推荐信息，根据所述长期动支预测结果更新所述第1 i推  全部
背景技术：
随着互联网金融行业的蓬勃发展，向贷款机构申请消费信用贷款的用户越来越 多，用户可在授信额度范围内一次或多次贷款。然而研究数据表明，存量用户在发生借款之 后，发生再次贷款的意愿随着时间逐渐下降，余额留存慢慢下跌，导致资金的闲置，流动性 低。 为了提高整体的再贷率与余额留存，目前的做法主要以人工策略分组为主，辅以 简单的单个时间点的动支二分类模型，来对所有存量用户进行福利促动。然而，这种方式 中，对于大部分的存量用户，都采用较高成本的福利进行促动，会导致部分动支意愿较高的 客户产生“薅羊毛”的行为，加大公司的促动成本。此外，这种方式只能预测用户在单个时间 点的动支意愿，因而只能对用户进行一次静态的福利促动，导致促动效率低下、新增放款额 低，影响公司利润的问题。
技术实现要素：
本发明旨在解决现有存量用户促动成本高、效率低，导致新增放款额低、公司利润 低的技术问题。 为了解决上述技术问题，本发明第一方面提出一种基于GBST的用户推荐方法，所 述方法包括： 通过梯度提升生存树GBST模型确定目标用户的长期动支预测结果； 根据所述长期动支预测结果在第1推荐周期内的动支预测值向对应的目标用户发 送推荐信息， 根据所述长期动支预测结果更新所述第1 i推荐周期内未促动目标用户在第(1 i) 1推荐周期内的动支预测值，并根据所述第(1 i) 1推荐周期内的动支预测值向所述第1 i推荐周期内未促动目标用户发送推荐信息，i是自然数； 当i等于预设值时，结束推荐。 根据本发明一种优选的实施方式，所述通过梯度提升生存树GBST模型确定目标用 户的长期动支预测结果包括： 根据推荐特征将目标用户分为不同的人群包； 通过GBST模型确定不同人群包中各个目标用户的长期动支预测结果。 根据本发明一种优选的实施方式，所述通过GBST模型确定不同人群包中各个目标 用户的长期动支预测结果包括： 通过最大化生存曲线差异建立基础生存树； 利用前一棵生存树预测的生存概率与真实标签的残差进行优化迭代，训练后面的 4 CN 111583016 A 说　明　书 2/9 页 生存树，直到总体损失函数小于阈值停止迭代； 叠加每颗生存树的结果，输出每个目标用户的最优生存曲线作为该目标用户的长 期动支预测结果。 根据本发明一种优选的实施方式，在所述迭代过程中，采用随机采样的方法防止 模型过拟合。 根据本发明一种优选的实施方式，所述方法还包括： 创建不同用户组与推荐信息的关联表； 所述根据所述长期动支预测结果在第i推荐周期内的动支预测值向对应的目标用 户发送推荐信息包括： 根据所述长期动支预测结果在第i推荐周期内的动支预测值将所述目标用户分为 不同的用户组； 根据所述关联表向目标用户发送与其所在用户组对应的推荐信息。 根据本发明一种优选的实施方式，所述推荐信息包括免息券、优惠券、现金红包、 回馈金中的至少一种。 根据本发明一种优选的实施方式，所述推荐周期为1周。 为了解决上述技术问题，本发明第二方面提供一种基于GBST的用户推荐装置，所 述装置包括： 模型确定模块，用于通过梯度提升生存树GBST模型确定目标用户的长期动支预测 结果； 发送模块，用于根据所述长期动支预测结果在第1推荐周期内的动支预测值向对 应的目标用户发送推荐信息； 循环发送模块，用于根据所述长期动支预测结果更新所述第1 i推荐周期内未促 动目标用户在第(1 i) 1推荐周期内的动支预测值，并根据所述第(1 i) 1推荐周期内的动 支预测值向所述第1 i推荐周期内未促动目标用户发送推荐信息，当i等于预设值时，结束 推荐；i是自然数。 根据本发明一种优选的实施方式，所述模型确定模块包括： 分类模块，用于根据推荐特征将目标用户分为不同的人群包； 确定模块，用于通过GBST模型确定不同人群包中各个目标用户的长期动支预测结 果。 根据本发明一种优选的实施方式，所述确定模块包括： 建立模块，用于通过最大化生存曲线差异建立基础生存树； 迭代模块，用于利用前一棵生存树预测的生存概率与真实标签的残差进行优化迭 代，训练后面的生存树，直到总体损失函数小于阈值停止迭代； 输出模块，用于叠加每颗生存树的结果，输出每个目标用户的最优生存曲线作为 该目标用户的长期动支预测结果。 根据本发明一种优选的实施方式，所述迭代模块采用随机采样的方法防止模型过 拟合。 根据本发明一种优选的实施方式，所述装置还包括： 创建模块，用于创建不同用户组与推荐信息的关联表； 5 CN 111583016 A 说　明　书 3/9 页 所述发送模块包括： 分组模块，用于根据所述长期动支预测结果在第i推荐周期内的动支预测值将所 述目标用户分为不同的用户组； 子发送模块，用于根据所述关联表向目标用户发送与其所在用户组对应的推荐信 息。 根据本发明一种优选的实施方式，所述推荐信息包括免息券、优惠券、现金红包、 回馈金中的至少一种。 根据本发明一种优选的实施方式，所述推荐周期为1周。 为解决上述技术问题，本发明第三方面提供一种电子设备，包括： 处理器；以及 存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理 器执行上述的方法。 为了解决上述技术问题，本发明第四方面提出一种计算机可读存储介质，其中，所 述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实 现上述方法。 本发明通过梯度提升生存树GBST模型来确定目标用户在不同时间段的长期动支 预测结果；根据长期动支预测结果动态更新用户在不同推荐周期内的动支意愿动支预测 值，再根据不同推荐周期内的动支意愿动支预测值向用户推荐不同的福利信息，促动存量 用户再次贷款。本发明可以动态预测和更新用户在不同推荐周期内的动支意愿，结合静态 分析，搭配合理的福利推荐信息，在控制营销成本的前提下，促进新增放款额的提升，促动 更多的不活跃或睡眠优质用户，从而提高公司利润。 附图说明 为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚， 下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本 发明的示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下， 可以根据这些附图获得其他实施例的附图。 图1是本发明一种基于GBST的用户推荐方法的流程示意图； 图2是本发明根据推荐特征将目标用户分为不同的人群包步骤的示意图； 图3是本发明根据动支预测值向对应的用户发送推荐信息的示意图； 图4本发明一种基于GBST的用户推荐装置的结构框架示意图； 图5是根据本发明的一种电子设备的示例性实施例的结构框图； 图6是本发明一个计算机可读介质实施例的示意图。