3.1.2　推荐策略类型

在企业推荐系统中，最核心的是基于AI技术和推荐算法构建推荐模型，从而建立智能推荐引擎。推荐引擎有3个重要模块：客户建模模块、推荐对象模块、推荐算法模块。针对推荐策略，通过算法模型优代，企业可以让客户更加信赖推荐的信息，进而提升推荐系统的可解释性和客户满意度。

AI技术包括个性化召回算法、个性化推荐算法、支持向量机、XGBoost梯度爆炸算法、深度神经网络、深度兴趣进化网络、自然语言处理等，如图3-4所示。利用AI技术的系统可以理解业务数据的逻辑与关系，抽取关键词，构建知识图谱，并根据对问题的理解给出或计算出答案。

图3-4　AI技术

推荐算法包括基于内容推荐、基于协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐等，如图3-5所示。在金融产品智能推荐应用中，推荐算法主要体现在以下几个方面。

图3-5　推荐算法类型

1）基于内容推荐算法。基于内容推荐算法是建立在贷款产品的内容基础上做出推断，即用机器学习的方法，从关于内容的特征描述事件中得到客户的兴趣标签，然后根据客户偏好进行相似内容的推荐。

2）基于协同过滤推荐算法。基于协同过滤推荐算法是系统通过客户的贷款行为或浏览记录等隐式动态信息明确客户的喜好程度，并根据这一喜好程度对目标客户进行推荐。

3）基于关联规则推荐算法。基于关联规则推荐是以关联规则为基础，将贷款产品作为规则头、申请记录作为规则体，挖掘不同贷款产品在申请过程中的相关性。

4）基于效用推荐算法。基于效用推荐算法是在对客户使用贷款产品的效用基础上进行计算，结果很大程度上依赖系统所采用的效用函数。它能把非产品属性考虑进去，如企业客户的可靠性和贷款产品的可得性等。

5）基于知识推荐算法。基于知识推荐算法关注贷款产品满足某一特定客户的相关知识，因此能解释需要和推荐的关系。它不是在客户需要和偏好基础上进行推荐，而是基于任何支持推理的知识结构，在某种程度上可以看成一种推理技术。