本發明專利技術涉及人工智能領域，公開了一種保險產品推薦方法、裝置、設備及存儲介質。該方法包括：獲取目標用戶的車輛服務信息，并按照預設服務維度，提取車輛服務信息中的多個實體特征；按照預置特征工程，對各實體特征進行增強，得到對應的目標維度特征，并基于目標維度特征，對目標用戶進行服務偏好分析，得到服務偏好的相關度得分；根據相關度得分構建用戶服務畫像，并基于用戶服務畫像，利用預置協同過濾算法對目標用戶進行產品匹配，得到產品推薦信息；根據產品推薦信息，對目標用戶進行產品推薦。本發明專利技術實現了通過車輛服務信息來實現保險產品的推薦。產品的推薦。產品的推薦。
【技術實現步驟摘要】
保險產品推薦方法、裝置、設備及存儲介質
[0001]本專利技術涉及人工智能領域，尤其涉及一種保險產品推薦方法、裝置、設備及存儲介質。
技術介紹
[0002]隨著智能手機的普及，移動互聯網進入了高速發展階段，保險業迎來新一輪擴容潮。借助互聯網金融和大數據，保險公司的業務全面開花，有的與電商合作，致力于打造自營的電商平臺，有的與互聯網公司合作，讓保險嵌入到互聯網生態中，實現保險的“深層觸網”。由此帶來了紛繁復雜的信息，造成了信息過載的問題，如何從眾多信息中挖掘有用信息，助力保險產品的營銷成為保險公司重點關注的問題。
[0003]傳統的保險產品推薦使用的基本上都是歷史的銷售數據，考慮不夠全面。經過數據分析，發現客戶對車輛相關服務(加油服務、洗車服務等)的偏好程度會在一定程度上影響其購買保險產品。但當前并無直接針對車輛加油和其他相關服務進行人工智能的保險產品推薦的方法。
技術實現思路
[0004]本專利技術的主要目的在于解決現有人工智能產品推薦針對性較低的技術問題。
[0005]本專利技術第一方面提供了一種保險產品推薦方法，包括：獲取目標用戶的車輛服務信息，并按照預設服務維度，提取車輛服務信息中的多個實體特征；按照預置特征工程，對各實體特征進行增強，得到對應的目標維度特征，并基于目標維度特征，對目標用戶進行服務偏好分析，得到服務偏好的相關度得分；根據相關度得分構建用戶服務畫像，并基于用戶服務畫像，利用預置協同過濾算法對目標用戶進行產品匹配，得到產品推薦信息；根據產品推薦信息，對目標用戶進行產品推薦。
[0006]可選的，在本專利技術第一方面的第一種實現方式中，按照預設服務維度，提取車輛服務信息中的多個實體特征包括：按照預設服務維度，統計車輛服務信息在各個預設服務場景中的服務指標；分別計算服務指標在各個服務場景中的分類屬性值；根據分類屬性值，識別服務維度在各個服務場景中對應的多個實體特征。
[0007]可選的，在本專利技術第一方面的第二種實現方式中，按照預置特征工程，對各實體特征進行增強，得到對應的目標維度特征包括：采用各實體特征建立特征矩陣，并對特征矩陣進行特征分解，得到基礎特征和特征融合因子；利用基礎特征和特征融合因子進行特征重建，得到融合特征，其中，融合特征包括單特征和復合特征；選取融合特征中的復合特征作為各實體特征增強后的目標維度特征。
[0008]可選的，在本專利技術第一方面的第三種實現方式中，基于目標維度特征，對目標用戶進行服務偏好分析，得到服務偏好的相關度得分包括：區分目標用戶中各個用戶所屬的目標維度特征，得到多個特征集，并提取各特征集之間的偏好共性信息；根據偏好共性信息，計算各特征集之間的相似距離，并根據相似距離，計算各個用戶之間的相關度得分。
[0009]可選的，在本專利技術第一方面的第四種實現方式中，根據相關度得分構建用戶服務畫像包括：根據相關度得分，構建用戶服務畫像模型，并對用戶服務畫像模型中的參數進行初始化處理，得到分布參數；根據分布參數，利用用戶服務畫像模型生成分組特征向量，并對分組特征向量進行分組，以及對分組特征向量進行重構；基于分組的結果，計算分組誤差，以及基于重構的結果，計算分組特征向量對應的重構概率；采用預置最小化模型方法，對用戶服務畫像模型進行優化，直到分組誤差和重構概率之和小于預設閾值時，得到用戶服務畫像。
[0010]可選的，在本專利技術第一方面的第五種實現方式中，基于用戶服務畫像，利用預置協同過濾算法對目標用戶進行產品匹配，得到產品推薦信息包括：根據用戶服務畫像，匹配目標用戶中各個用戶的感興趣產品和對應的感興趣程度；根據感興趣程度，計算各感興趣產品之間的余弦相似度，并根據余弦相似度，確定各感興趣產品與各個用戶之間的推薦得分；根據推薦得分，調整各個用戶對應的感興趣產品，得到產品推薦信息。
[0011]本專利技術第二方面提供了一種保險產品推薦裝置，包括：提取模塊，用于獲取目標用戶的車輛服務信息，并按照預設服務維度，提取車輛服務信息中的多個實體特征；分析模塊，用于按照預置特征工程，對各實體特征進行增強，得到對應的目標維度特征，并基于目標維度特征，對目標用戶進行服務偏好分析，得到服務偏好的相關度得分；匹配模塊，用于根據相關度得分構建用戶服務畫像，并基于用戶服務畫像，利用預置協同過濾算法對目標用戶進行產品匹配，得到產品推薦信息；推薦模塊，用于根據產品推薦信息，對目標用戶進行產品推薦。
[0012]可選的，在本專利技術第二方面的第一種實現方式中，提取模塊包括：統計單元，用于按照預設服務維度，統計車輛服務信息在各個預設服務場景中的服務指標；第一計算單元，用于分別計算服務指標在各個服務場景中的分類屬性值；識別單元，用于根據分類屬性值，識別服務維度在各個服務場景中對應的多個實體特征。
[0013]可選的，在本專利技術第二方面的第二種實現方式中，分析模塊包括：分解單元，用于采用各實體特征建立特征矩陣，并對特征矩陣進行特征分解，得到基礎特征和特征融合因子；重建單元，用于利用基礎特征和特征融合因子進行特征重建，得到融合特征，其中，融合特征包括單特征和復合特征；選取單元，用于選取融合特征中的復合特征作為各實體特征增強后的目標維度特征。
[0014]可選的，在本專利技術第二方面的第三種實現方式中，分析模塊還包括：區分單元，用于區分目標用戶中各個用戶所屬的目標維度特征，得到多個特征集，并提取各特征集之間的偏好共性信息；第二計算單元，用于根據偏好共性信息，計算各特征集之間的相似距離，并根據相似距離，計算各個用戶之間的相關度得分。
[0015]可選的，在本專利技術第二方面的第四種實現方式中，匹配模塊包括：構建單元，用于根據相關度得分，構建用戶服務畫像模型，并對用戶服務畫像模型中的參數進行初始化處理，得到分布參數；分組單元，用于根據分布參數，利用用戶服務畫像模型生成分組特征向量，并對分組特征向量進行分組，以及對分組特征向量進行重構；第三計算單元，用于基于分組的結果，計算分組誤差，以及基于重構的結果，計算分組特征向量對應的重構概率；優化單元，用于采用預置最小化模型方法，對用戶服務畫像模型進行優化，直到分組誤差和重構概率之和小于預設閾值時，得到用戶服務畫像。
[0016]可選的，在本專利技術第二方面的第五種實現方式中，匹配模塊還包括：匹配單元，用于根據用戶服務畫像，匹配目標用戶中各個用戶的感興趣產品和對應的感興趣程度；確定單元，用于根據感興趣程度，計算各感興趣產品之間的余弦相似度，并根據余弦相似度，確定各感興趣產品與各個用戶之間的推薦得分；調整單元，用于根據推薦得分，調整各個用戶對應的感興趣產品，得到產品推薦信息。
[0017]本專利技術第三方面提供了一種保險產品推薦設備，包括：存儲器和至少一個處理器，存儲器中存儲有指令；至少一個處理器調用存儲器中的指令，以使得保險產品推薦設備執行上述的保險產品推薦方法。
[0018]本專利技術的第四方面提供了一種計算機可讀存儲介質，計算機可讀存儲介質中存儲有指令，當其在計算機上運行時，使得計算機執行上述的保險產品推薦方法。
[0019]本專利技術本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種保險產品推薦方法，其特征在于，所述保險產品推薦方法包括：獲取目標用戶的車輛服務信息，并按照預設服務維度，提取所述車輛服務信息中的多個實體特征；按照預置特征工程，對各所述實體特征進行增強，得到對應的目標維度特征，并基于所述目標維度特征，對所述目標用戶進行服務偏好分析，得到服務偏好的相關度得分；根據所述相關度得分構建用戶服務畫像，并基于所述用戶服務畫像，利用預置協同過濾算法對所述目標用戶進行產品匹配，得到產品推薦信息；根據所述產品推薦信息，對所述目標用戶進行產品推薦。2.根據權利要求1所述的保險產品推薦方法，其特征在于，所述按照預設服務維度，提取所述車輛服務信息中的多個實體特征包括：按照預設服務維度，統計所述車輛服務信息在各個預設服務場景中的服務指標；分別計算所述服務指標在各個服務場景中的分類屬性值；根據所述分類屬性值，識別所述服務維度在各個服務場景中對應的多個實體特征。3.根據權利要求1所述的保險產品推薦方法，其特征在于，所述按照預置特征工程，對各所述實體特征進行增強，得到對應的目標維度特征包括：采用各所述實體特征建立特征矩陣，并對所述特征矩陣進行特征分解，得到基礎特征和特征融合因子；利用所述基礎特征和所述特征融合因子進行特征重建，得到融合特征，其中，所述融合特征包括單特征和復合特征；選取所述融合特征中的復合特征作為各所述實體特征增強后的目標維度特征。4.根據權利要求1所述的保險產品推薦方法，其特征在于，所述基于所述目標維度特征，對所述目標用戶進行服務偏好分析，得到服務偏好的相關度得分包括：區分所述目標用戶中各個用戶所屬的目標維度特征，得到多個特征集，并提取各所述特征集之間的偏好共性信息；根據所述偏好共性信息，計算各所述特征集之間的相似距離，并根據所述相似距離，計算所述各個用戶之間的相關度得分。5.根據權利要求1所述的保險產品推薦方法，其特征在于，所述根據所述相關度得分構建用戶服務畫像包括：根據所述相關度得分，構建用戶服務畫像模型，并對所述用戶服務畫像模型中的參數進行初始化處理，得到分布參數；根據所述分布參數，利用所述用戶服務畫像模型生成分組特征向量，并對所述分組特征向量進行分組，以及對所述分組特征向量進行重構；基于分組的結果，計算分組誤差，以及基于重構的結果，計算所述分組特征向量對應的重構概率；采用預置最小化模型方法，...
【專利技術屬性】
技術研發人員：李雨潔，曹裕華，
申請(專利權)人：平安科技深圳有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。