【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及大語言模型，尤其是涉及一種保險推薦文本的生成方法和裝置及相關(guān)設(shè)備。
技術(shù)介紹
1、在保險領(lǐng)域，保險行業(yè)的推薦文本是基于客戶的數(shù)據(jù)和需求，通過有針對性地溝通為客戶推薦保險業(yè)務(wù)。推薦文本的內(nèi)容可能包括保險產(chǎn)品的特點(diǎn)、優(yōu)勢、適用場景以及如何滿足客戶特定的保障需求，推薦文本的生成依賴于收集的客戶信息，如年齡、性別、職業(yè)、已有保險產(chǎn)品等。通過這些信息，保險公司能夠設(shè)計(jì)出符合客戶預(yù)期和需求的推薦文本，以提高保險產(chǎn)品的吸引力和銷售轉(zhuǎn)化率。
2、在相關(guān)技術(shù)中，傳統(tǒng)的推薦文本生成系統(tǒng)往往依賴于預(yù)設(shè)的靜態(tài)模板和規(guī)則，這限制了文本的個性化程度，難以滿足客戶多樣化和動態(tài)變化的需求。例如，對于不同客戶的不同理賠歷史，難以生成精細(xì)化的個性化推薦文本。
技術(shù)實(shí)現(xiàn)思路
1、本申請實(shí)施例的主要目的在于提出一種保險推薦文本的生成方法和裝置及相關(guān)設(shè)備，旨在生成高度個性化的保險推薦文本。
2、為實(shí)現(xiàn)上述目的，本申請實(shí)施例的第一方面提出了一種保險推薦文本的生成方法，所述方法包括：
3、獲取目標(biāo)對象的歷史理賠數(shù)據(jù)以及外部事件數(shù)據(jù)，并根據(jù)所述歷史理賠數(shù)據(jù)以及所述外部事件數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)；
4、將所述多源融合數(shù)據(jù)輸入預(yù)訓(xùn)練的文本生成模型中，以使所述文本生成模型根據(jù)所述多源融合數(shù)據(jù)生成原始推薦文本；
5、將所述多源融合數(shù)據(jù)與所述原始推薦文本進(jìn)行比對，得到偏差數(shù)據(jù)；
6、將所述偏差數(shù)據(jù)以及所述原始推薦文本輸入所述文本生成模型中，以使所述文本生成
7、將所述目標(biāo)推薦文本推送給所述目標(biāo)對象。
8、在一些實(shí)施例，所述外部事件數(shù)據(jù)包括實(shí)時天氣數(shù)據(jù)以及新聞數(shù)據(jù)，所述獲取目標(biāo)對象的歷史理賠數(shù)據(jù)以及外部事件數(shù)據(jù)，并根據(jù)所述歷史理賠數(shù)據(jù)以及所述外部事件數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)，包括：
9、獲取所述目標(biāo)對象的歷史理賠數(shù)據(jù)；其中，所述歷史理賠數(shù)據(jù)包括所述目標(biāo)對象的歷史理賠次數(shù)、歷史理賠金額以及歷史理賠類型；
10、從至少一個天氣數(shù)據(jù)源獲取未來預(yù)設(shè)時間段內(nèi)的實(shí)時天氣數(shù)據(jù)；
11、從至少一個新聞數(shù)據(jù)源獲取熱點(diǎn)新聞數(shù)據(jù)以及歷史自然災(zāi)害造成的自然災(zāi)害損失數(shù)據(jù)；
12、根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)。
13、在一些實(shí)施例，所述根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)，包括：
14、對所述實(shí)時天氣數(shù)據(jù)進(jìn)行極端天氣特征提取，得到關(guān)鍵天氣特征；
15、根據(jù)所述目標(biāo)對象的所述歷史理賠次數(shù)以及所述歷史理賠金額，計(jì)算所述目標(biāo)對象的理賠頻率以及平均理賠金額；
16、對所述熱點(diǎn)新聞數(shù)據(jù)進(jìn)行自然語言處理，得到熱點(diǎn)關(guān)鍵詞以及對應(yīng)的事件描述數(shù)據(jù)；
17、根據(jù)所述關(guān)鍵天氣特征、所述理賠頻率、所述平均理賠金額、所述自然災(zāi)害損失數(shù)據(jù)、所述熱點(diǎn)關(guān)鍵詞以及對應(yīng)的所述事件描述數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)。
18、在一些實(shí)施例，所述根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)，包括：
19、根據(jù)所述歷史賠付數(shù)據(jù)，生成歷史賠付數(shù)據(jù)權(quán)重；
20、根據(jù)所述實(shí)時天氣數(shù)據(jù)，生成實(shí)時天氣數(shù)據(jù)權(quán)重；
21、根據(jù)所述自然災(zāi)害損失數(shù)據(jù)，生成自然災(zāi)害損失權(quán)重；
22、根據(jù)所述熱點(diǎn)新聞數(shù)據(jù)，生成熱點(diǎn)新聞權(quán)重；
23、根據(jù)所述歷史理賠數(shù)據(jù)、所述歷史賠付數(shù)據(jù)權(quán)重、所述實(shí)時天氣數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)權(quán)重、所述自然災(zāi)害損失數(shù)據(jù)、所述自然災(zāi)害損失權(quán)重、所述熱點(diǎn)新聞數(shù)據(jù)以及所述熱點(diǎn)新聞權(quán)重，構(gòu)建所述多源融合數(shù)據(jù)。
24、在一些實(shí)施例，在根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)之前，還包括：
25、針對所述歷史理賠數(shù)據(jù)，響應(yīng)于檢索到所述歷史理賠數(shù)據(jù)中的所述理賠金額存在缺失，對所述理賠金額進(jìn)行數(shù)據(jù)填充處理；
26、針對所述實(shí)時天氣數(shù)據(jù)，響應(yīng)于檢索到所述實(shí)時天氣數(shù)據(jù)中存在異常天氣數(shù)據(jù)，基于預(yù)設(shè)的天氣數(shù)據(jù)閾值對所述異常天氣數(shù)據(jù)進(jìn)行異常處理；
27、對所述新聞數(shù)據(jù)進(jìn)行去重處理。
28、在一些實(shí)施例，所述將所述多源融合數(shù)據(jù)與所述原始推薦文本進(jìn)行比對，得到偏差數(shù)據(jù)，包括
29、從所述原始推薦文本中提取出關(guān)鍵數(shù)據(jù)點(diǎn)；
30、將所述關(guān)鍵數(shù)據(jù)點(diǎn)與所述歷史理賠數(shù)據(jù)以及所述外部事件數(shù)據(jù)中對應(yīng)的原始數(shù)據(jù)點(diǎn)進(jìn)行比對，標(biāo)記所有差異數(shù)據(jù)點(diǎn)，所有所述差異數(shù)據(jù)點(diǎn)構(gòu)成所述偏差數(shù)據(jù)。
31、在一些實(shí)施例，所述將所述偏差數(shù)據(jù)以及所述原始推薦文本輸入所述文本生成模型中，以使所述文本生成模型對所述原始推薦文本進(jìn)行校正，得到目標(biāo)推薦文本，包括：
32、將所述原始推薦文本以及標(biāo)記所有所述差異數(shù)據(jù)點(diǎn)的所述偏差數(shù)據(jù)一并輸入所述文本生成模型中，以使所述文本生成模型根據(jù)每一所述差異數(shù)據(jù)點(diǎn)，參照對應(yīng)的所述原始數(shù)據(jù)點(diǎn)，對所述原始推薦文本進(jìn)行校正，得到所述目標(biāo)推薦文本。
33、為實(shí)現(xiàn)上述目的，本申請實(shí)施例的第二方面提出了一種保險推薦文本的生成裝置，所述裝置包括：
34、獲取模塊，用于獲取目標(biāo)對象的歷史理賠數(shù)據(jù)以及外部事件數(shù)據(jù)，并根據(jù)所述歷史理賠數(shù)據(jù)以及所述外部事件數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)；
35、第一輸入模塊，用于將所述多源融合數(shù)據(jù)輸入預(yù)訓(xùn)練的文本生成模型中，以使所述文本生成模型根據(jù)所述多源融合數(shù)據(jù)生成原始推薦文本；
36、比對模塊，用于將所述多源融合數(shù)據(jù)與所述原始推薦文本進(jìn)行比對，得到偏差數(shù)據(jù)；
37、第二生成模塊，用于將所述偏差數(shù)據(jù)以及所述原始推薦文本輸入所述文本生成模型中，以使所述文本生成模型對所述原始推薦文本進(jìn)行校正，得到目標(biāo)推薦文本；
38、推送模塊，用于將所述目標(biāo)推薦文本推送給所述目標(biāo)對象。
39、為實(shí)現(xiàn)上述目的，本申請實(shí)施例的第三方面提出了一種電子設(shè)備，所述電子設(shè)備包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)上述第一方面所述的方法。
40、為實(shí)現(xiàn)上述目的，本申請實(shí)施例的第四方面提出了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述第一方面所述的方法。
41、本申請?zhí)岢龅谋ｋU推薦文本的生成方法和裝置，其通過獲取目標(biāo)對象的歷史理賠數(shù)據(jù)以及外部事件數(shù)據(jù)，并根據(jù)歷史理賠數(shù)據(jù)以及外部事件數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)；將多源融合數(shù)據(jù)輸入預(yù)訓(xùn)練的文本生成模型中，以使文本生成模型根據(jù)多源融合數(shù)據(jù)生成原始推薦文本；將多源融合數(shù)據(jù)與原始推薦文本進(jìn)行比對，得到偏差數(shù)據(jù)；將偏差數(shù)據(jù)以及原始推薦文本輸入文本生成模型中，以使文本生成模型對原始推薦文本進(jìn)行校正，得到目標(biāo)推薦文本；將目標(biāo)推薦文本推送給目本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種保險推薦文本的生成方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述外部事件數(shù)據(jù)包括實(shí)時天氣數(shù)據(jù)以及新聞數(shù)據(jù)，所述獲取目標(biāo)對象的歷史理賠數(shù)據(jù)以及外部事件數(shù)據(jù)，并根據(jù)所述歷史理賠數(shù)據(jù)以及所述外部事件數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)，包括：
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)，包括：
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，在根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)之前，還包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述多源融合數(shù)據(jù)與所述原始推薦文本進(jìn)行比對，得到偏差數(shù)據(jù)，包括
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述將所述偏差數(shù)據(jù)以及所述原始推薦文本輸入所述文本生
8.一種保險推薦文本的生成裝置，其特征在于，包括：
9.一種電子設(shè)備，其特征在于，包括：存儲器、處理器，所述存儲器存儲有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)如權(quán)利要求1至7中任意一項(xiàng)所述的保險推薦文本的生成方法。
10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有程序，所述程序被處理器執(zhí)行實(shí)現(xiàn)如權(quán)利要求1至7中任意一項(xiàng)所述的保險推薦文本的生成方法。
...【技術(shù)特征摘要】
1.一種保險推薦文本的生成方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述外部事件數(shù)據(jù)包括實(shí)時天氣數(shù)據(jù)以及新聞數(shù)據(jù)，所述獲取目標(biāo)對象的歷史理賠數(shù)據(jù)以及外部事件數(shù)據(jù)，并根據(jù)所述歷史理賠數(shù)據(jù)以及所述外部事件數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)，包括：
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融合數(shù)據(jù)，包括：
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，在根據(jù)所述歷史理賠數(shù)據(jù)、所述實(shí)時天氣數(shù)據(jù)、所述自然災(zāi)害損失數(shù)據(jù)以及所述熱點(diǎn)新聞數(shù)據(jù)構(gòu)建多源融...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：沈東崎，
申請(專利權(quán))人：中國平安財產(chǎn)保險股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。