贷款方案推荐方法、装置、设备、存储介质及程序产品与流程

1.本发明涉及贷款方案推荐技术领域，尤其涉及一种贷款方案推荐方法、装置、设备、存储介质及程序产品。


背景技术：

2.随着经济的不断发展，人们消费观念的转变，超前消费成为这个社会的一种消费趋势或者主张，贷款业务的需求也越来越大，在出现资金不足的情况时，用户可以通过贷款解决由资金不足引起的问题。
3.在现有的贷款业务中，不同的用户可以向贷款平台提出各自需求，然后由贷款管理员根据用户的不同特征，结合人工经验，确定贷款方案并推荐给用户。但是，使用这种方法，由于仅仅靠人工经验，无法考虑大量特征，并且无法满足更复杂策略的制定需求，进而无法为用户推荐准确地贷款方案，并且通过人工经验制定贷款方案效率低。
4.因此，现有技术中制定贷款方案效率低，同时无法为用户推荐准确地贷款方案。


技术实现要素：

5.本发明的主要目的在于提供一种贷款方案推荐方法、装置、设备、存储介质及程序产品，旨在提高制定贷款方案的效率的同时，提高推荐贷款方案的准确度，进而提高用户的满意度。
6.为实现上述目的，本发明提供一种贷款方案推荐方法，所述方法包括：
7.获取目标用户的贷款需求信息；
8.根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的多个待推荐贷款方案，所述有效变量是由贷款特征确定的，且所述有效变量用于为用户推荐贷款方案提供参数；
9.根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，用以推荐给所述目标用户。
10.可选地，所述方法还包括：
11.获取多个贷款特征以及预测变量；其中，一个贷款特征作为一个贷款变量，所述预测变量用于表示对用于评价贷款方案的指标的预测结果；
12.根据多个贷款变量，通过不同维度进行变量组合，生成多个组合变量；所述不同维度包括时间维度和变量维度；
13.根据所述多个贷款变量、所述多个组合变量以及预测变量，确定所述有效变量。
14.可选地，所述根据所述多个贷款变量、所述多个组合变量以及预测变量，确定所述有效变量，包括：
15.通过至少一种校验方式，对所述多个贷款变量、所述多个组合变量以及预测变量中每个变量进行正确性校验；
16.针对每个变量，若校验结果为通过了所述至少一种校验方式中的任一种校验方式
的校验，则确定所述变量为有效变量。
17.可选地，所述根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的多个待推荐贷款方案，包括：
18.根据目标用户的贷款需求信息，确定所述目标用户所属客群类别；
19.根据所述客群类别以及所述贷款需求信息，从所述有效变量中筛选出匹配的目标变量；
20.根据所述目标变量，确定多个待推荐贷款方案以及所述多个待推荐贷款方案的计算结果。
21.可选地，所述根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，包括：
22.根据所述多个待推荐贷款方案的计算结果，通过全局策略，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案；
23.其中，所述全局策略用于表示满足贷款指标条件的贷款方案。
24.可选地，所述方法还包括：
25.对所述多个待推荐贷款方案进行优先级排序；
26.根据排序结果，确定所述多个目标贷款方案的推荐优先级；
27.根据所述推荐优先级，向所述目标用户推荐各个目标贷款方案。
28.本发明还提供一种贷款方案推荐装置，所述装置包括：
29.获取模块，用于获取有效变量，所述有效变量是由贷款特征确定的，且所述有效变量用于为用户推荐贷款方案提供参数；
30.处理模块，用于根据目标用户所属客群类别和所述有效变量，确定所述目标用户对应的多个待推荐贷款方案；
31.推荐模块，用于根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，用以推荐给所述目标用户。
32.本发明还提供一种贷款方案推荐设备，所述贷款方案推荐设备包括：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贷款方案推荐程序，所述贷款方案推荐程序被所述处理器执行时实现如前述任一项所述的贷款方案推荐方法的步骤。
33.本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有贷款方案推荐程序，所述贷款方案推荐程序被处理器执行时实现如前述任一项所述的贷款方案推荐方法的步骤。
34.本发明还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现前述任一项所述的方法。
35.本发明中，贷款方案的推荐，可以通过获取目标用户的贷款需求信息；根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的多个待推荐贷款方案，所述有效变量是由贷款特征确定的，且所述有效变量用于为用户推荐贷款方案提供参数；再根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，用以推荐给所述目标用户。因此，通过提取的贷款特征来确定有效变量，用以为用户推荐贷款方案，然后基于用户的贷款需求，结合有效变量，来为用户制定出多个待推荐贷款方案，并基于计算结果对多个待推荐贷款方案调整，来确定最终推荐的贷款方
案，无需人工制定，实现了智能推荐贷款方案，提高了推荐的准确度以及效率，进而能够满足用户的个性化需求，提高了用户的满意度。
附图说明
36.图1为本发明实施例提供的一种应用场景示意图；
37.图2为本发明实施例提供的一种贷款方案推荐方法的流程示意图；
38.图3为本发明又一实施例提供的贷款方案推荐方法的流程示意图；
39.图4为本发明另一实施例提供的贷款方案推荐方法的流程示意图；
40.图5为本发明再一实施例提供的贷款方案推荐方法的流程示意图；
41.图6为本发明实施例提供的一种贷款方案推荐装置的结构示意图；
42.图7为本发明实施例提供的一种贷款方案推荐设备的结构示意图。
43.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
44.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明完整地传达给本领域的技术人员。
45.目前，在现有的贷款业务中，不同的用户可以向贷款平台提出各自需求，然后由贷款管理员根据用户的不同特征，结合人工经验，确定贷款方案并推荐给用户。但是，使用这种方法，由于仅仅靠人工经验，无法考虑大量特征，并且无法满足更复杂策略的制定需求，进而无法为用户推荐准确地贷款方案，并且通过人工经验制定贷款方案效率低。因此，现有技术中制定贷款方案效率低，同时无法为用户推荐准确地贷款方案。
46.为了解决这一问题，本发明的技术构思是通过服务端进行数据处理，比如提取贷款特征，通过贷款特征来确定有效变量，用以为用户推荐贷款方案，然后基于用户的贷款需求，结合有效变量，来为用户制定出多个待推荐贷款方案，并基于计算结果对多个待推荐贷款方案调整，来确定最终推荐的贷款方案，无需人工制定，实现了智能推荐贷款方案，提高了推荐的准确度以及效率。
47.下面结合附图，对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
48.需要说明的是，本技术中的“多个”用于表示两个或两个以上，具体数目在此不做具体地限定。示例性地，多个待推荐贷款方案可以为两个待推荐贷款方案或两个以上待推荐贷款方案。
49.图1为本发明实施例提供的一种应用场景示意图。如图1所示，以贷款方案推荐方法的执行主体为服务端，这里指贷款推荐系统的服务端(如，服务器)为例，该服务端可以获取多个用户信息和数据，并从用户数据中提取多个贷款特征，然后基于多个贷款特征，确定用于为用户推荐贷款方案提供参数的有效变量。
50.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户
授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
51.在实际应用中，在客户端(这里指贷款推荐系统的客户端)将目标用户(这里指咨询贷款业务或存在贷款需求的用户等，在此不做具体限定)的贷款需求信息，比如个性化需求以及用户个人信息通过用户授权输入到贷款推荐系统的相应功能处，服务端接收到贷款需求信息后，基于贷款需求信息可以确定该目标用户所属客群类别以及从有效变量中选取适用的目标变量，进而制定出与目标变量关联的贷款策略(这里指待推荐贷款方案)，计算出贷款策略对应的结果，即计算结果。这里的计算结果可以用于表示该贷款策略对应的优惠条件等。
52.为了符合全局策略的规则(这里以银行为例，全局策略是指该银行的某些贷款相关的指标，比如放款额度、利率等，需要符合规定的指标数据)，需要基于全局策略对贷款策略进行调整，使得贷款策略计算出的结果符合全局策略，并将调整后的贷款策略(这里指目标贷款方案)反馈给客户端，用以推荐给目标用户，以供目标用户选用。
53.因此，本发明通过提取的贷款特征来确定有效变量，用以为用户推荐贷款方案，然后基于用户的贷款需求，结合有效变量，来为用户制定出多个待推荐贷款方案，并基于计算结果对多个待推荐贷款方案调整，来确定最终推荐的贷款方案，无需人工制定，实现了智能推荐贷款方案，提高了推荐的准确度以及效率。
54.图2为本发明实施例提供的一种贷款方案推荐方法的流程示意图。如图2所示，本实施例中的方法可以包括：
55.s201、获取目标用户的贷款需求信息。
56.具体地，通过用户授权等方式，从服务器的界面设备输入目标用户的贷款需求信息，比如个性化需求以及用户个人信息，上传成功后，或提交成功后，服务器可以获取该目标用户的贷款需求信息。
57.s202、根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的多个待推荐贷款方案。
58.其中，所述有效变量是由贷款特征确定的，且所述有效变量用于为用户推荐贷款方案提供参数。
59.具体地，根据该贷款需求信息，可以确定用户的个性化特征，然后结合用于为用户推荐贷款方案提供参数的有效变量，为用户制定出符合个性化需求的多个待推荐贷款方案。
60.s203、根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，用以推荐给所述目标用户。
61.具体地，由于该多个待推荐贷款方案的计算结果，是仅仅依据用户个性化需求制定的，但是还需要符合预定规则下的贷款策略，这里指全局策略。因此，为了符合全局策略的规则，同时保证推荐的准确度，需要基于全局策略对多个待推荐贷款方案进行调整，使得多个待推荐贷款方案计算出的结果符合全局策略，并将调整后的贷款方案(这里指目标贷款方案)推荐给目标用户，以供目标用户选用。实现了智能推荐贷款方案，提高了效率，同时，基于用户的贷款需求以及有效变量来制定贷款方案，然后通过计算结果不断调整贷款方案，使得最终用于推荐用户的目标贷款方案更符合用户需求，提高了推荐的准确度以及
用户的满意度。
62.可选地，所述方法还可以通过以下步骤实现：
63.步骤a1、获取多个贷款特征以及预测变量；其中，一个贷款特征作为一个贷款变量，所述预测变量用于表示对用于评价贷款方案的指标的预测结果；
64.步骤a2、根据多个贷款变量，通过不同维度进行变量组合，生成多个组合变量；所述不同维度包括时间维度和变量维度；
65.步骤a3、根据所述多个贷款变量、所述多个组合变量以及预测变量，确定所述有效变量。
66.具体地，可以获取原始数据，比如历史用户的用户数据，并从用户数据中提取多个贷款特征，比如额度、风险利率、额占、可用额度、授信天数、授信时间等。该贷款特征可以作为单个贷款变量，从原始数据中抽取出来，可以基于不同类型的筛选区域提取原始数据中的变量，比如类型1：客户状态，类型2：授信状态，在该两种类型下提取的特征可以为：额度、风险利率、额占、可用额度、授信天数、授信时间等。
67.然后基于变量维度以及时间维度，计算组合变量：对于以上贷款变量，可以根据多个贷款变量、或者根据一个变量在不同分区(这里指不同时间)的多个值，进行某种计算(比如，中位数、平均值等)，计算的结果即为组合变量。前者称为变量合并，后者称为时间合并。这里的组合变量，比如：历史借据借款时长的中位数(说明：所有结清(正常+提前)；合并方式：变量合并)、历史借据借款时长的平均值(说明：所有提前结清；合并方式：变量合并)、历史借据锁期天数中位数(合并方式：变量合并)、历史收息(合并方式：变量合并)、历史借据笔数、是否首借结清客户(合并方式：变量合并)、时点前n天日均额占(说明：n＝30；合并方式：时间合并)、过去指定时段最优利率(说明：指定时段：2022年8月；合并方式：时间合并)等，可根据需求持续添加。
68.通过使用模型对客户的某个特征数据进行预测，比如：提款率、提款金额等，可以作为预测变量。根据贷款变量、组合变量以及预测变量，来确定有效变量。
69.因此，在贷款特征的基础上，增加了组合变量以及预测变量，使得用于制定贷款方案的参数增多，进而推荐的方案更加细化，提高了推荐的方案的准确度。
70.可选地，根据所述多个贷款变量、所述多个组合变量以及预测变量，确定所述有效变量，可以通过以下步骤实现：
71.步骤a31、通过至少一种校验方式，对所述多个贷款变量、所述多个组合变量以及预测变量中每个变量进行正确性校验；
72.步骤a32、针对每个变量，若校验结果为通过了所述至少一种校验方式中的任一种校验方式的校验，则确定所述变量为有效变量。
73.为了使得采用的有效变量制定的推荐的方案的计算结果更为真实、准确，可以对三种类型的变量进行正确性校验，校验通过的即可作为有效变量，存放在变量池中，以供推荐方案的筛选和使用。
74.具体地，结合图3所示，以三种校验方式为例，包括：统计分布校验、抽样、交叉校验；针对每个变量(这里指多个贷款变量、所述多个组合变量以及预测变量中每个变量)，执行下述步骤：
75.方式1、统计分布检验：抽取出变量后，对变量计算其分布，根据预期分布，判断变
量是否符合预期分布。例如：额度，其预期分布是[0，500w]之间，每10万区间有若干数量的客户。
[0076]
方式2、抽样+断言检验：抽样部分客户，已知这些客户的变量的正确值，然后，和抽取出的变量进行断言比较，两者应相等。例如：区域，我们抽样10个客户，地区分别是某10个区域，然后与这10个客户的抽取出大变量种的区域进行比较，两者应该相等。其中，这里的断言是一种在程序中的一阶逻辑(如：一个结果为真或假的逻辑判断式)，目的为了表示与验证软件开发者预期的结果：当程序执行到断言的位置时，对应的断言应该为真。若断言不为真时，程序会中止执行，并给出错误信息。
[0077]
方式3：交叉检验：使用和抽取变量不同的另外一种计算方式，得到变量的某些值，然后和抽取的变量比较，两者应该相等。例如：在贷借据，抽取出来的变量是一个在贷借据的列表，通过该另外一种计算方式，计算每个客户的在贷借据数量，然后和该在贷借据的列表的长度进行比较，两者应该相等。
[0078]
如果三种方式中至少一种方式检验通过，则确定该变量正确，即质量有保证，作为有效变量。
[0079]
可选地，根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的多个待推荐贷款方案，可以通过以下步骤实现：
[0080]
步骤b1、根据目标用户的贷款需求信息，确定所述目标用户所属客群类别；
[0081]
步骤b2、根据所述客群类别以及所述贷款需求信息，从所述有效变量中筛选出匹配的目标变量；
[0082]
步骤b3、根据所述目标变量，确定多个待推荐贷款方案以及所述多个待推荐贷款方案的计算结果。
[0083]
其中，由于不同用户的需求不同，即贷款需求信息不同，那么可以将不同用户划分到不同类别的客群中，基于每个客群的特点，以及结合具体的贷款需求信息，从变量池总筛选出适用于该客群的变量即目标变量；然后根据目标变量，确定多个待推荐贷款方案，并计算得到每个待推荐贷款方案的计算结果，比如优惠方式。其中，贷款方案(或贷款套餐)指由给客户定制的贷款参数(这里指变量)组成的一个贷款选项，贷款参数包括利率、锁期时长、万一贷款时长等；这里的优惠方式是指基于贷款方案本身带来到优惠；比如，该贷款方案对应的总利息、灵活程度(比如随借、定期等)。
[0084]
示例性的，比如目标变量是客户的额度，公式是越高利率越低，具体比如200万以上利率打9折，100-200万利率打9.5折。不同的目标变量确定的贷款方案中的计算公式是不同的，可以依据具体的变量确定，在此不做具体限定。
[0085]
具体地，结合图4所示，图4示出了策略引擎(这里指贷款策略框架)。首先确定客群，然后预先抽取变量，进而制定客群策略。其中，客群策略是基于对变量等于不同值的客群(比如：变量a，比如是额度，额度＝10是一个值，对应一个客群。额度＝20是另外一个值，对应另一个客群。以此类推)，确定相应的套餐参数(这里可以指待推荐贷款方案)，生成套餐参数的中间结果，进而确定为用户推荐的贷款方案。通过该种方式制定出的待推荐贷款方案符合用户个性化需求，进而能够提高推荐的准确度。
[0086]
示例性1，待推荐贷款的方案可以分为优先级(从高到低)：风险标签＝1，不降价；在贷借据＝都是随借，定期、当前价格向下靠档；在贷借据＝都是随借，随借、当前价格向上
靠档。
[0087]
可选地，根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，可以通过以下步骤实现：
[0088]
根据所述多个待推荐贷款方案的计算结果，通过全局策略，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案；
[0089]
其中，所述全局策略用于表示满足贷款指标条件的贷款方案。
[0090]
结合图4所示，通过条件的约束，调整多个待推荐贷款方案。即制定全局策略，对所有客群套餐进行调整，最终输出套餐结果。示例性2，基于示例性1中客群策略(即贷款策略或待推荐贷款方案)计算出的结果(即套餐(中间结果))，通过全局策略来调整待推荐贷款方案。全局策略可以分优先级(从高到低)，比如：额度大于100w，日均占额小于30％，价格降一档；利率不低于5.4％。
[0091]
因此，通过全局策略来动态调整待推荐贷款方案，能够使得贷款方案更为准确，同时更为真实可靠，进而符合用户个性化需求，提高用户的服务体验。
[0092]
可选地，所述方法还可以通过以下步骤实现：
[0093]
步骤c1、对所述多个待推荐贷款方案进行优先级排序；
[0094]
步骤c2、根据排序结果，确定所述多个目标贷款方案的推荐优先级；
[0095]
步骤c3、根据所述推荐优先级，向所述目标用户推荐各个目标贷款方案。
[0096]
具体地，由于制定的贷款方案可能不止一个，各个贷款方案各有不同的优势，因此，可以对多个待推荐贷款方案进行优先级排序，这里排序的依据可以基于用户的个性化需求以及优惠力度指标排序，可以参见示例性1，在此不再赘述。该排序结果可以作为多个目标贷款方案的推荐优先级；或者结合调整后的贷款方案的计算结果，重新调整优先级，将调整后的优先级作为推荐优先级。然后基于推荐优先级向目标用户推荐贷款方案。
[0097]
因此，推荐的方案是多个，可以区分优先级，这样推荐给用户时，便于用户选用，实现了智能推荐贷款方案，推荐效率高以及准确度高。
[0098]
可选地，所述方法还可以通过以下步骤实现：
[0099]
步骤d1、获取所述目标用户确定使用的贷款方案；
[0100]
步骤d2、根据所述使用的贷款方案，更新所述推荐优先级，用以为下一次对多个待推荐贷款方案进行优先级排序提供参考依据。
[0101]
具体地，基于用户实际选用的贷款方案，来调整推荐的贷款方案(这里指目标贷款方案)的优先级，进而为下一次推荐提供参考依据，不断地调整制定的贷款方案，进而使得推荐具有准确性。
[0102]
因此，结合图5所示，本发明通过提取变量，通过变量计算组合变量，然后将变量、组合变量以及通过模型预测得到的预测变量，输入到策略引擎中，即可输出贷款套餐。解决了现有技术中仅仅靠人工经验，无法考虑大量特征，对客户进行智能化贷款套餐制定，在确定策略后，需要重新开发策略，效率低，以及策略依赖的变量，数量较少，无法满足更复杂策略的制定需求。实现了制定的贷款套餐的策略更丰富、效率更高、更智能，同时，由于变量分为单个变量、组合变量以及预测变量等，使得策略更细粒度化，从而更好地实现业务目标，能够满足用户的个性化需求，进而提高了用户服务体验。
[0103]
图6为本发明实施例提供的一种贷款方案推荐装置的结构示意图。
[0104]
如图6所示，所述贷款方案推荐装置可以包括：
[0105]
获取模块601，用于获取目标用户的贷款需求信息；
[0106]
处理模块602，用于根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的多个待推荐贷款方案，所述有效变量是由贷款特征确定的，且所述有效变量用于为用户推荐贷款方案提供参数；
[0107]
推荐模块603，用于根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，用以推荐给所述目标用户。
[0108]
可选地，所述装置还包括：变量确定模块；变量确定模块，用于：
[0109]
获取多个贷款特征以及预测变量；其中，一个贷款特征作为一个贷款变量，所述预测变量用于表示对用于评价贷款方案的指标的预测结果；
[0110]
根据多个贷款变量，通过不同维度进行变量组合，生成多个组合变量；所述不同维度包括时间维度和变量维度；
[0111]
根据所述多个贷款变量、所述多个组合变量以及预测变量，确定所述有效变量。
[0112]
可选地，变量确定模块，具体用于：
[0113]
通过至少一种校验方式，对所述多个贷款变量、所述多个组合变量以及预测变量中每个变量进行正确性校验；
[0114]
针对每个变量，若校验结果为通过了所述至少一种校验方式中的任一种校验方式的校验，则确定所述变量为有效变量。
[0115]
可选地，处理模块，具体用于：
[0116]
根据目标用户的贷款需求信息，确定所述目标用户所属客群类别；
[0117]
根据所述客群类别以及所述贷款需求信息，从所述有效变量中筛选出匹配的目标变量；
[0118]
根据所述目标变量，确定多个待推荐贷款方案以及所述多个待推荐贷款方案的计算结果。
[0119]
可选地，推荐模块，具体用于：
[0120]
根据所述多个待推荐贷款方案的计算结果，通过全局策略，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案；
[0121]
其中，所述全局策略用于表示满足贷款指标条件的贷款方案。
[0122]
可选地，推荐模块，还用于：
[0123]
对所述多个待推荐贷款方案进行优先级排序；
[0124]
根据排序结果，确定所述多个目标贷款方案的推荐优先级；
[0125]
根据所述推荐优先级，向所述目标用户推荐各个目标贷款方案。
[0126]
可选地，所述装置还包括：更新模块；更新模块，用于：
[0127]
获取所述目标用户确定使用的贷款方案；
[0128]
根据所述使用的贷款方案，更新所述推荐优先级，用以为下一次对多个待推荐贷款方案进行优先级排序提供参考依据。
[0129]
前述任一实施例提供的贷款方案推荐装置，用于执行前述以数据提供方作为贷款方案推荐的参与方阐述的任一方法实施例的技术方案，其实现原理和技术效果类似，在此不再赘述。
[0130]
图7为本发明实施例提供的一种贷款方案推荐设备的结构示意图。如图7所示，所述设备可以包括：存储器701、处理器702及存储在所述存储器701上并可在所述处理器702上运行的贷款方案推荐程序，所述贷款方案推荐程序被所述处理器702执行时实现如前述任一实施例所述的贷款方案推荐方法的步骤。
[0131]
可选地，存储器701既可以是独立的，也可以跟处理器702集成在一起。
[0132]
本实施例提供的设备的实现原理和技术效果可以参见前述各实施例，此处不再赘述。
[0133]
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有贷款方案推荐程序，所述贷款方案推荐程序被处理器执行时实现如前述任一实施例所述的贷款方案推荐方法的步骤。
[0134]
本发明实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现前述任一实施例所述的方法。
[0135]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
[0136]
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本发明各个实施例所述方法的部分步骤。
[0137]
应理解，上述处理器可以是中央处理单元(central processing unit，简称cpu)，还可以是其它通用处理器、数字信号处理器(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0138]
存储器可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器，还可以为u盘、移动硬盘、只读存储器、磁盘或光盘等。
[0139]
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0140]
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(application specific integrated circuits，简称asic)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
[0141]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该
要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0142]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0143]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0144]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种贷款方案推荐方法，其特征在于，所述方法包括：获取目标用户的贷款需求信息；根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的多个待推荐贷款方案，所述有效变量是由贷款特征确定的，且所述有效变量用于为用户推荐贷款方案提供参数；根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，用以推荐给所述目标用户。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多个贷款特征以及预测变量；其中，一个贷款特征作为一个贷款变量，所述预测变量用于表示对用于评价贷款方案的指标的预测结果；根据多个贷款变量，通过不同维度进行变量组合，生成多个组合变量；所述不同维度包括时间维度和变量维度；根据所述多个贷款变量、所述多个组合变量以及预测变量，确定所述有效变量。3.根据权利要求2所述的方法，其特征在于，所述根据所述多个贷款变量、所述多个组合变量以及预测变量，确定所述有效变量，包括：通过至少一种校验方式，对所述多个贷款变量、所述多个组合变量以及预测变量中每个变量进行正确性校验；针对每个变量，若校验结果为通过了所述至少一种校验方式中的任一种校验方式的校验，则确定所述变量为有效变量。4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的多个待推荐贷款方案，包括：根据目标用户的贷款需求信息，确定所述目标用户所属客群类别；根据所述客群类别以及所述贷款需求信息，从所述有效变量中筛选出匹配的目标变量；根据所述目标变量，确定多个待推荐贷款方案以及所述多个待推荐贷款方案的计算结果。5.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，包括：根据所述多个待推荐贷款方案的计算结果，通过全局策略，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案；其中，所述全局策略用于表示满足贷款指标条件的贷款方案。6.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：对所述多个待推荐贷款方案进行优先级排序；根据排序结果，确定所述多个目标贷款方案的推荐优先级；根据所述推荐优先级，向所述目标用户推荐各个目标贷款方案。7.一种贷款方案推荐装置，其特征在于，所述装置包括：获取模块，用于获取目标用户的贷款需求信息；处理模块，用于根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的
多个待推荐贷款方案，所述有效变量是由贷款特征确定的，且所述有效变量用于为用户推荐贷款方案提供参数；推荐模块，用于根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，用以推荐给所述目标用户。8.一种贷款方案推荐设备，其特征在于，所述贷款方案推荐设备包括：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贷款方案推荐程序，所述贷款方案推荐程序被所述处理器执行时实现如权利要求1-6中任一项所述的贷款方案推荐方法的步骤。9.一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贷款方案推荐程序，所述贷款方案推荐程序被处理器执行时实现如权利要求1-6中任一项所述的贷款方案推荐方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的贷款方案推荐方法的步骤。

技术总结
本发明公开了一种贷款方案推荐方法、装置、设备、存储介质及程序产品，该方法包括：获取目标用户的贷款需求信息；根据目标用户的贷款需求信息和有效变量，确定所述目标用户对应的多个待推荐贷款方案，所述有效变量是由贷款特征确定的，且所述有效变量用于为用户推荐贷款方案提供参数；根据所述多个待推荐贷款方案的计算结果，对所述多个待推荐贷款方案进行调整，得到相应的多个目标贷款方案，用以推荐给所述目标用户。本发明实现在提高制定贷款方案的效率的同时，提高推荐贷款方案的准确度，进而提高用户的满意度。而提高用户的满意度。而提高用户的满意度。


技术研发人员：黄福华 郑文琛
受保护的技术使用者：深圳前海微众银行股份有限公司
技术研发日：2023.04.12
技术公布日：2023/7/12