(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 202210809035.4 (22)申请日 2022.07.11 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 赵娟　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 樊一槿　张祥意 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的用户态 势预测方法及装置 (57)摘要 本发明提供了一种基于深度学习的用户态 势预测方法及装置， 基于深度学习的用户态势预 测方法包括： 获取用户的属性数据； 根据所述属 性数据以及预先建立的用户态势预测模型预测 所述用户态势走向， 其中所述用户态势预测模型 是基于深度学习算法所建立的。 本发 明一方面通 过深度学习模型术对用户问卷调查进行可信度 分析， 甄别真实用户， 减少无效用户冗余量。 另一 方面， 利用真实大数据对其进行态势分析， 群里 类别归类， 推送合理的功能与产品， 并定期根据 使用情况以及群体类别态势分析， 定期向用户更 新推荐服 务。 权利要求书2页 说明书10页 附图7页 CN 115186182 A 2022.10.14 CN 115186182 A 1.一种基于深度学习的用户态 势预测方法， 其特 征在于， 包括： 获取用户的属性数据； 根据所述属性数据以及预先建立的用户态势预测模型预测所述用户态势走向， 其中所 述用户态 势预测模型 是基于深度学习算法所建立的。 2.如权利要求1所述的基于深度 学习的用户态势预测方法， 其特征在于， 建立所述用户 态势预测模型包括以下步骤： 根据历史用户的属性数据以及其对应的投资偏好数据建立训练数据集； 基于所述深度学习算法建立所述用户态 势预测模型的初始模型； 根据所述训练数据集训练所述初始模型， 以生成所述用户态 势预测模型。 3.如权利要求1所述的基于深度学习的用户态 势预测方法， 其特 征在于， 还 包括： 根据所述用户调查问卷生成其对应的态 势分析图谱。 4.如权利要求3所述的基于深度 学习的用户态势预测方法， 其特征在于， 所述根据 所述 属性数据以及预 先建立的用户态 势预测模型 预测所述用户态 势走向， 包括： 根据所述态 势分析图谱以及所述用户态 势预测模型 预测所述用户态 势走向。 5.一种基于深度学习的用户态 势预测装置， 其特 征在于， 包括： 属性数据获取模块， 用于获取用户的属性数据； 态势走向预测模块， 用于根据 所述属性数据以及预先建立的用户态势预测模型预测所 述用户态 势走向， 其中所述用户态 势预测模型 是基于深度学习算法所建立的。 6.如权利要求5所述的基于深度学习的用户态势预测装置， 其特征在于， 还包括： 预测 模型建立模块， 用于建立所述用户态 势预测模型， 所述预测模型建立模块包括： 训练数据建立单元， 用于根据历史用户的属性数据以及其对应的投资偏好数据建立训 练数据集； 初始模型建立单元， 用于基于所述深度学习算法建立所述用户态势预测模型的初始模 型； 预测模型生成单元， 用于根据所述训练数据集训练所述初始模型， 以生成所述用户态 势预测模型。 7.如权利要求5所述的基于深度学习的用户态 势预测装置， 其特 征在于， 还 包括： 分析图谱生成模块， 用于根据所述用户调查问卷生成其对应的态 势分析图谱。 8.如权利要求5所述的基于深度 学习的用户态势预测装置， 其特征在于， 所述态势走向 预测模块包括： 态势走向预测单元， 用于根据 所述态势分析图谱以及所述用户态势预测模型预测所述 用户态势走向。 9.一种计算机程序产品， 包括计算机程序/指令， 其特征在于， 该计算机程序/指令被处 理器执行时实现权利要求1至4任一项所述的一种基于深度学习的用户态势预测方法的步 骤。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现权利要求1至4任一项所述的基于深 度学习的用户态 势预测方法的步骤。 11.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被权　利　要　求　书 1/2 页 2 CN 115186182 A 2处理器执行时实现权利要求1至4任一项所述的基于深度学习的用户态 势预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115186182 A 3