(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 202211138944.6 (22)申请日 2022.09.19 (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 滕建德　王增峰　王欣　曹仰止　 张亚泽　 (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 薛平　陶海萍 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/04(2012.01) (54)发明名称 基于区块链的信用贷产品推荐方法及银行 端节点 (57)摘要 本发明公开了一种基于区块链的信用贷产 品推荐方法及银行端节点， 涉及区块链技术领 域， 多个银行端节点构成区块链网络， 每一银行 端节点均预先存储有所有银行的信用贷产品的 详细信息， 该方法包括： 在检测到用户的登录通 知时， 获取当前用户的特征信息； 将当前用户的 特征信息输入客户喜好信用贷产品预测模型， 得 到当前用户喜欢程度排名前N个的信用贷产品的 唯一标识； 根据每一信用贷产品的唯一标识到区 块链网络中查询得到所有银行端节点共识验证 通过的每一信用贷产品的详细信息； 将共识验证 通过的前N个信用贷产品的详细信息发送至用户 的客户端。 本发 明可以安全准确地为用户推荐喜 好的信用贷产品， 提升 了用户体验。 权利要求书2页 说明书8页 附图3页 CN 115311081 A 2022.11.08 CN 115311081 A 1.一种基于区块链的信用贷产品推荐方法， 其特征在于， 多个银行端节点构成区块链 网络， 每一银行端节点均预先存储有所有银行 的信用贷产品的详细信息， 该方法应用于任 意一个银行端节点， 该 方法包括： 在检测到用户的登录通知时， 获取当前用户的特 征信息； 将当前用户的特征信 息输入客户喜好信用贷产品预测模型， 得到当前用户喜欢程度排 名前N个的信用贷产品的唯一标识； N为大于1的正整 数， 所述客户喜好信用贷产品预测模型 根据多家银行 的多个历史用户的特征信息及对应的喜好信用贷产品样本基于联邦学习预 先训练生成； 根据每一信用贷产品的唯一标识到区块链网络中查询得到所有银行端节点共识验证 通过的每一信用贷产品的详细信息； 将共识验证通过的前N个信用贷产品的详细信息发送至所述用户的客户端。 2.如权利要求1所述的基于区块链的信用贷产品推荐方法， 其特征在于， 还包括每一银 行端节点按照如下 方法预先训练所述 客户喜好信用贷产品预测模型： 获取多个历史用户的特 征信息及对应的喜好信用贷产品样本； 从历史用户的特 征信息中提取 出重要程度高于预设值的多个特 征； 对重要程度高于预设值的多个特征进行二 次特征提取， 得到二 次特征提取后的特征信 息； 利用多个历史用户的二 次特征提取后的特征信 息及对应的喜好信用贷产品样本， 训练 客户喜好信用贷产品预测模型， 得到每一银行端节点对应的训练好的客户喜好信用贷产品 预测模型； 所述模型参数用于上传联邦学习网络集群， 由联邦学习网络集群对多个银行端 节点上传的模型参数进行 联合训练得到最终的客户喜好信用贷产品预测模型。 3.如权利要求1所述的基于区块链的信用贷产品推荐方法， 其特征在于， 将共识验证通 过的前N个信用贷产品的详细信息发送至所述用户的客户端， 包括： 将共识验证通过的前N 个信用贷产品的详细信息通过5G网络发送至所述用户的客户端。 4.如权利要求1所述的基于区块链的信用贷产品推荐方法， 其特征在于， 将共识验证通 过的前N个信用贷产品的详细信息发送至所述用户的客户端， 包括： 将共识验证通过的前N 个信用贷产品的详细信息排序后发送至所述用户的客户端。 5.一种基于区块链的信用贷产品推荐银行端节点， 其特征在于， 多个银行端节点构成 区块链网络， 每一银行端节点均预先存储有所有银行 的信用贷产品的详细信息， 该银行端 节点包括： 获取单元， 用于在检测到用户的登录通知时， 获取当前用户的特 征信息； 预测单元， 用于将当前用户的特征信息输入客户喜好信用贷产品预测模型， 得到当前 用户喜欢程度排名前N个的信用贷产品的唯一标识； N为大于1的正整 数， 所述客户喜好信用 贷产品预测模型根据多家银行的多个历史用户的特征信息及对应的喜好信用贷产品样本 基于联邦学习预 先训练生成； 查询单元， 用于根据每一信用贷产品的唯一标识到区块链网络中查询得到所有银行端 节点共识验证通过的每一信用贷产品的详细信息； 推荐单元， 用于将共识验证通过的前N个信用贷产品的详细信息发送至所述用户的客 户端。权　利　要　求　书 1/2 页 2 CN 115311081 A 26.如权利要求5所述的基于区块链的信用贷产品推荐银行端节点， 其特征在于， 还包括 训练单元， 用于按照如下 方法预先训练所述 客户喜好信用贷产品预测模型： 获取多个历史用户的特 征信息及对应的喜好信用贷产品样本； 从历史用户的特 征信息中提取 出重要程度高于预设值的多个特 征； 对重要程度高于预设值的多个特征进行二 次特征提取， 得到二 次特征提取后的特征信 息； 利用多个历史用户的二 次特征提取后的特征信 息及对应的喜好信用贷产品样本， 训练 客户喜好信用贷产品预测模型， 得到每一银行端节点对应的训练好的客户喜好信用贷产品 预测模型； 所述模型参数用于上传联邦学习网络集群， 由联邦学习网络集群对多个银行端 节点上传的模型参数进行 联合训练得到最终的客户喜好信用贷产品预测模型。 7.如权利要求5所述的基于区块链的信用贷产品推荐银行端节点， 其特征在于， 所述推 荐单元具体用于： 将共识验证通过的前N个信用贷产品的详细信息通过5G网络发送至所述 用户的客户端。 8.如权利要求5所述的基于区块链的信用贷产品推荐银行端节点， 其特征在于， 所述推 荐单元具体用于： 将共识验证通过的前N个信用贷产品的详细信息排序后发送至所述用户 的客户端。 9.一种计算机设备， 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计算机程序时实现权利要求1至4任一所述方 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 理器执行时实现权利要求1至4任一所述方法。 11.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至4任一所述方法。权　利　要　求　书 2/2 页 3 CN 115311081 A 3