本发明涉及计算机，尤其涉及一种信用业务的用户推荐方法、装置、设备、介质及产品。
背景技术：
1、信用业务一直以来都是金融行业的重要利润来源之一，近年来，随着人工智能的快速发展，衍生出了智能外呼类的新型营销手段，利用智能外呼系统(如智能机器人)对目标人群进行电话营销。
2、在实现本发明的过程中，发现现有技术中至少存在以下技术问题：
3、目前，智能外呼系统采用的外呼名单通常由人工导入或与业务系统对接导入，导致外呼人群的用户量巨大，不仅需要花费大量的外呼时间，业务转化率也很低。
技术实现思路
1、本发明实施例提供了一种信用业务的用户推荐方法、装置、设备及介质，以解决信用业务的外呼人群的用户量巨大的问题，提高信用业务的转化率。
2、根据本发明一个实施例提供了一种信用业务的用户推荐方法，该方法包括：
3、根据待检测数据集和预先训练完成的用户推荐模型，确定目标行为数据集；其中，所述待检测数据集中包含至少一个待检测用户分别对应的待检测用户画像；
4、根据投放需求策略和所述目标行为数据集，对所述至少一个待检测用户进行筛选得到信用业务的推荐用户集；
5、其中，所述用户推荐模型为多任务学习模型，所述用户推荐模型是基于训练数据集对应的预测行为数据集训练得到的，所述预测行为数据集包括预测意向数据集、预测批核数据集、预测建联批核数据集和预测投诉数据集中至少两种，所述预测意向数据集表征信用业务的办理意向情况，所述预测批核数据集表征资产配置批核的通过情况，所述预测建联批核数据集表征具备信用业务的办理意向且资产配置批核通过的情况。
6、根据本发明另一个实施例提供了一种信用业务的用户推荐装置，该装置包括：
7、目标行为数据集确定模块，用于根据待检测数据集和预先训练完成的用户推荐模型，确定目标行为数据集；其中，所述待检测数据集中包含至少一个待检测用户分别对应的待检测用户画像；
8、推荐用户集确定模块，用于根据投放需求策略和所述目标行为数据集，对所述至少一个待检测用户进行筛选得到信用业务的推荐用户集；
9、其中，所述用户推荐模型为多任务学习模型，所述用户推荐模型是基于训练数据集对应的预测行为数据集训练得到的，所述预测行为数据集包括预测意向数据集、预测批核数据集、预测建联批核数据集和预测投诉数据集中至少两种，所述预测意向数据集表征信用业务的办理意向情况，所述预测批核数据集表征资产配置批核的通过情况，所述预测建联批核数据集表征具备信用业务的办理意向且资产配置批核通过的情况。
10、根据本发明另一个实施例提供了一种电子设备，该电子设备包括：
11、至少一个处理器；以及
12、与所述至少一个处理器通信连接的存储器；其中，
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的信用业务的用户推荐方法。
14、根据本发明另一个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的信用业务的用户推荐方法。
15、根据本发明另一个实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本发明任一实施例所述的信用业务的用户推荐方法。
16、本发明实施例的技术方案，通过设置用户推荐模型为多任务学习模型，采用训练数据集对应的预测行为数据集训练得到，其中，预测行为数据集包括预测意向数据集、预测批核数据集、预测建联批核数据集和预测投诉数据集中至少两种，使得用户推荐模型融合学习了多种任务行为的行为特征，提高了行为数据集的准确度，使其更准确的表达了用户与信用业务的匹配程度，并且根据投放需求策略和目标行为数据集，对至少一个待检测用户进行筛选得到信用业务的推荐用户集，解决了信用业务的外呼人群的用户量巨大的问题，采用推荐用户集能够有效保证用户参与信用业务的积极性，进而提高了信用业务的转化率。
17、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种信用业务的用户推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，当所述投放需求策略仅包括意向转化策略时，所述目标行为数据集包括目标意向数据集；
3.根据权利要求1所述的方法，其特征在于，当所述投放需求策略仅包括批核转化策略时，所述目标行为数据集包括目标批核数据集；
4.根据权利要求1所述的方法，其特征在于，当所述投放需求策略包括意向转化策略、批核转化策略和预设投放规模时，所述目标行为数据集包括目标意向数据集、目标批核数据集和目标建联批核数据集；
5.根据权利要求4所述的方法，其特征在于，所述根据所述预设投放规模、所述意向用户集、所述批核用户集和所述建联批核用户集，确定信用业务的推荐用户集，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述预设投放规模、所述意向用户集、所述批核用户集和所述建联批核用户集，确定信用业务的推荐用户集，还包括：
7.根据权利要求5所述的方法，其特征在于，所述根据所述预设投放规模、所述意向用户集、所述批核用户集和所述建联批核用户集，确定信用业务的推荐用户集，还包括：
8.根据权利要求1所述的方法，其特征在于，所述目标行为数据集包括目标意向数据集、目标批核数据集、目标建联批核数据集和目标投诉数据集；
9.根据权利要求1-8任一项所述的方法，其特征在于，所述方法还包括：
10.根据权利要求9所述的方法，其特征在于，所述根据所述预测行为数据集，确定目标损失函数值，包括：
11.一种信用业务的用户推荐装置，其特征在于，包括：
12.一种电子设备，其特征在于，所述电子设备包括：
13.一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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-10中任一项所述的信用业务的用户推荐方法。
14.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-10中任一项所述的信用业务的用户推荐方法。
