技术特征：
1.一种基于遗传算法的产品推荐方法，其特征在于，包括：获取数据流信息，所述数据流信息中包括产品信息和客户信息，所述数据流信息是从企业大数据平台、外联数据平台、银行大数据平台中的一个或多个获取到的与各个产品相关联的数据信息；将所述数据流信息输入预训练的现金流预测模型，得到所述数据流信息中现金流数据的预测结果；获取第一样本训练数据集，所述第一样本训练数据集中包括多个产品的历史投资数据，并将所述第一样本训练数据集输入预设的遗传算法模型进行训练，得到投资组合推荐模型；将所述数据流信息和所述预测结果输入投资组合推荐模型，确定目标推荐产品，并将所述目标推荐产品发送给客户终端。2.根据权利要求1所述的方法，其特征在于，所述将所述数据流信息输入预训练的现金流预测模型，得到所述数据流信息中现金流数据的预测结果之前，还包括：获取第二样本训练数据集，所述第二样本训练数据集包括多个历史现金流数据；将所述第二样本训练数据集输入预训练的时间序列预测模型，得到损失函数值；当所述损失函数值不满足预设条件时，调整所述时间序列预测模型的模型参数，并将所述第二样本训练数据集输入调整模型参数后的时间序列预测模型进行迭代训练；当迭代训练得到的损失函数值满足预设条件时，确定得到所述现金流预测模型。3.根据权利要求2所述的方法，其特征在于，所述获取第二样本训练数据集之后，还包括：对所述第二样本训练数据集中的各个历史现金流数据进行预处理，并对预处理后的第二样本训练数据集进行平稳性检测；若所述平稳性检测未通过，则对所述预处理后的第二样本训练数据集进行差分处理；当执行多次所述差分处理后所述平稳性检测通过时，对所述差分处理后的第二样本训练数据集进行白噪声检验处理；当所述白噪声检验未通过时，对所述差分处理后的第二样本训练数据集进行自相关计算和偏自相关计算，得到所述自相关计算的第一结果数据以及所述偏自相关计算的第二结果数据；所述将所述第二样本训练数据集输入预训练的时间序列预测模型，得到损失函数值，包括：将所述第二样本训练数据集、所述差分处理的次数、所述第一结果数据以及所述第二结果数据输入预训练的时间序列预测模型，得到所述损失函数值。4.根据权利要求2所述的方法，其特征在于，所述将所述数据流信息输入预训练的现金流预测模型，得到所述数据流信息中现金流数据的预测结果之前，还包括：将所述第二样本训练数据集输入预训练的业务规则预测模型，得到损失函数值；当所述损失函数值不满足预设条件时，调整所述业务规则预测模型的模型参数，并将所述第二样本训练数据集输入调整模型参数后的业务规则预测模型进行迭代训练；当迭代训练得到的损失函数值满足预设条件时，确定得到所述现金流预测模型。5.根据权利要求4所述的方法，其特征在于，所述将所述数据流信息输入预训练的现金
流预测模型，得到所述数据流信息中现金流数据的预测结果之前，还包括：根据预设的融合规则对所述时间序列预测模型和所述业务规则预测模型进行融合处理，得到融合预测模型；将所述第二样本训练数据集输入所述融合预测模型，得到损失函数值；当所述损失函数值不满足预设条件时，调整所述融合预测模型的模型参数，并将所述第二样本训练数据集输入调整模型参数后的融合预测模型进行迭代训练；当迭代训练得到的损失函数值满足预设条件时，确定得到所述现金流预测模型。6.根据权利要求1所述的方法，其特征在于，所述将所述第一样本训练数据集输入预设的遗传算法模型进行训练，得到投资组合推荐模型，包括：从所述第一样本训练数据集中的各个历史投资数据中获取各个产品之间的组合投资比例数据以及每个产品单独的投资比例数据；对所述组合投资比例数据和所述每个产品单独的投资比例数据进行转换处理，得到转换投资数据；将所述历史投资数据与所述转换投资数据进行合并处理，得到合并投资数据，并对所述合并投资数据进行排序；根据排序后的合并投资数据选取一个或多个目标投资数据，并将所述一个或多个目标投资数据输入所述预设的遗传算法模型进行训练，得到所述投资组合推荐模型。7.根据权利要求6所述的方法，其特征在于，所述将所述数据流信息和所述预测结果输入投资组合推荐模型，确定目标推荐产品，包括：获取所述数据流信息中的产品信息的属性信息，并根据所述属性信息对各个产品进行分类；将分类后的数据流信息和所述预测结果输入所述投资组合推荐模型中，确定所述目标推荐产品。8.一种基于遗传算法的产品推荐装置，其特征在于，包括：获取单元，用于获取数据流信息，所述数据流信息中包括产品信息和客户信息，所述数据流信息是从企业大数据平台、外联数据平台、银行大数据平台中的一个或多个获取到的与各个产品相关联的数据信息；预测单元，用于将所述数据流信息输入预训练的现金流预测模型，得到所述数据流信息中现金流数据的预测结果；训练单元，用于获取第一样本训练数据集，所述第一样本训练数据集中包括多个产品的历史投资数据，并将所述第一样本训练数据集输入预设的遗传算法模型进行训练，得到投资组合推荐模型；推荐单元，用于将所述数据流信息和所述预测结果输入投资组合推荐模型，确定目标推荐产品，并将所述目标推荐产品发送给客户终端。9.一种计算机设备，其特征在于，包括处理器和存储器，其中，所述存储器用于存储计算机程序，所述处理器被配置用于调用所述计算机程序，执行如权利要求1
‑
7任一项所述的方法。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存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1
‑
7任一项所述的方法。
技术总结
本发明实施例涉及人工智能领域，公开了一种基于遗传算法的产品推荐方法、装置、设备及存储介质，该方法包括：获取数据流信息，数据流信息中包括产品信息和客户信息；将数据流信息输入预训练的现金流预测模型，得到数据流信息中现金流数据的预测结果；获取第一样本训练数据集，并将第一样本训练数据集输入预设的遗传算法模型进行训练，得到投资组合推荐模型；将数据流信息和预测结果输入投资组合推荐模型，确定目标推荐产品，并将目标推荐产品发送给客户终端，以精准预测客户现金流数据的流向情况，实现了智能化的为客户推荐投资产品，提高了产品推荐的准确率和效率。本发明涉及区块链技术，如可将数据流写入区块链中，以用于数据取证等场景。取证等场景。取证等场景。
技术研发人员：潘敏 刘志强 彭莉 文广明
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2021.08.31
技术公布日：2021/11/30