CN107492036A - 一种保险保单托管***及其数据处理方法 - Google Patents

Abstract

本发明公开了一种保险保单托管***及其数据处理方法，包括保单数据托管单元、控制终端和数据库服务器；所述保单数据托管单元包括输入模块、查询模块、保单列表模块、编辑用户模块和编辑保单模块，所述控制终端内的输入信息传输至所述输入模块，所述输入模块启动所述查询模块、所述保单列表模块、所述编辑用户模块或所述编辑保单模块得到反馈数据界面信号并将所述反馈数据界面信号发送至所述控制终端进行显示。本发明的所述保险保单托管***及其数据处理方法，能够迅速实现用户数据的输入、输出和储存，能够筛选出适合用户的保险保单，防止向用户推荐不需要的保险保单，降低错误率，提高推荐合格率。

Description

一种保险保单托管***及其数据处理方法

技术领域

本发明属于数据处理技术领域，具体涉及一种保险保单托管***及其数据处理方法。

背景技术

目前保险行业一直在不断发展，但是保险保单大多是采用人工处理，人工处理数据具有两个严重的问题，一是，处理速度慢，容易出错，流程不合理，采集到的数据无法被机器识别和使用，浪费了大量的人力资源却没有得到任何的收益，数据资源极度浪费；二是，不能够有效甄别用户，不知道用户需要什么样的保险保单，出错率高，浪费用户的时间。

发明内容

本发明研发出一种保险保单托管***，解决了上述提出的技术问题。

本发明采用的技术手段如下：一种保险保单托管***，包括保单数据托管单元、控制终端和数据库服务器；

所述数据库服务器与所述保单数据托管单元通讯连接，所述控制终端通过网络与所述数据库服务器通讯连接；

所述保单数据托管单元包括输入模块、查询模块、保单列表模块、编辑用户模块和编辑保单模块，所述控制终端内的输入信息传输至所述输入模块，所述输入模块启动所述查询模块、所述保单列表模块、所述编辑用户模块或所述编辑保单模块得到反馈数据界面信号并将所述反馈数据界面信号发送至所述控制终端进行显示，所述查询模块、所述保单列表模块、所述编辑用户模块和所述编辑保单模块分别与所述数据库服务器进行数据交互。

进一步的，在上述技术方案中，所述查询模块包括以下步骤：

S11：开始，接收到所述输入模块输入的查询信号后开始运行；

S12：创建用户模型；

S13：有无筛选条件，若有筛选条件，则设置模型的筛选条件，然后进行下一步骤，若无筛选条件，则直接进行下一步骤；

S14：判断身份，若输入信息为普通用户，则显示当前用户信息，然后显示用户列表，若输入信息为经纪人，则设置当前模型的经纪人为当前经纪人，然后显示用户列表，若输入信息为管理员，则直接显示用户列表；

S15；运行结束。

进一步的，在上述技术方案中，所述保单列表模块包括以下步骤：

S21：开始，接收到所述输入模块输入的保单操作信号后开始运行；

S22：创建保单模型；

S23：有无筛选条件，若有筛选条件，则设置模型的筛选条件，然后进行下一步骤，若无筛选条件，则直接进行下一步骤；

S24：判断身份，若输入信息为普通用户，则显示当前保单信息，然后显示保单列表，若输入信息为经纪人，则设置当前模型的经纪人为当前经纪人，然后显示保单列表，若输入信息为管理员，则直接显示保单列表；

S25；运行结束。

进一步的，在上述技术方案中，所述编辑用户模块包括以下步骤：

S31：开始，接收到所述输入模块输入的编辑用户信号后开始运行；

S32：判断是否是新增用户，若是，则创建新用户对象，若否，则进入S36步骤；

S33：创建新用户对象后填写信息；

S34：填写信息后判断必填信息是否完整，若完整则进行下一步骤，若不完整则返回S33步骤；

S35：储存，得到ID信息，然后同时进入S36和S37步骤；

S36：上传照片完善信息；

S37：判断储存是否成功，若是则进入下一步骤，若否则进入S36步骤；

S38：结束。

进一步的，在上述技术方案中，所述编辑保单模块包括以下步骤：

S41：开始，接收到所述输入模块输入的编辑保单信号后开始运行；

S42：判断是否是新增保单，若是，则进入下一步骤，若否，则进入步骤S410；

S43：输入投保人姓名和身份证号码；

S44：判断是否存在用户，若是，则进入下一步骤，若否，则进行新增用户，然后进入下一步骤；

S45：获取投保人；

S46：创建新保单对象；

S47：填写信息；

S48：判断必填信息是否完整，若是，则进入下一步骤，若否，则进入步骤S47；

S49：储存，得到ID，然后同时进入步骤S410和步骤S411；

S410：上传照片完善信息；

S411：判断是否储存成功，若是，则进入下一步骤，若否，则进入步骤S410；

S412：结束。

一种保险保单数据处理方法，用于所述的保险保单托管***，编辑用户模块和编辑保单模块分别将信息传输至数据库服务器，所述数据库服务器依次进行文本聚类和协同过滤，得到适合用户喜好的保险保单数据，输出至所述保单数据托管单元，进而输出至控制终端进行显示。

进一步的，在上述技术方案中，所述文本聚类包括以下步骤：

S51：将文本内容表示成为数学上可分析处理的形式，即建立文本特征，以一定的特征项来代表目标文本信息；

S52：在将文本内容表示成数学上可分析处理的形式后，在此数学形式的基础上，对文本进行聚类处理；

所述S51步骤包括：

S511：对文本信息进行预处理；

S512：构建统计词典；

S513：对文本进行词条切分；

S514：完成文本信息的分词过程；

所述S52步骤包括：向量空间模型，即VSM；所述向量空间模型为：

将每一文档都映射为由一组规范化正交词条矢量张成的向量空间中的一个点。对于所有的文档类和未知文档，此空间中的确定的特征向量词条的个数为n，表示方法为(D1,W1,D2,W2,Dp,…,Wp,n)(Wi≠0),其中，Di为权重不为零的特征向量词条；Wi为其相应权重；n为向量维度。

进一步的，在上述技术方案中，所述步骤S52具体步骤为：

S521：确定给定的文件集合D＝{d1,d 2,…,di,…,dn}:

S522：将D中的每个文件di看作是一个具有单个成员的簇ci＝{di}；

S523：任选其中一单个成员簇ci作为聚类的起点；

S524：在其余未聚类的样本中，找到与ci距离满足条件的dj(可以是与ci距离最近的点，即相似度sim(c i,dj)最大的dj，也可以是与ci距离不超过阈值d的点，即相似度sim(ci,dj)≥d的任意dj)。将dj归入ci形成一个新的簇ck＝sim ci∪dj；

S525：重复步骤S524，直至与ci距离最近的dk与ci之间的距离超过阈值d，此时已经聚完了一类；

S526：选择一个未聚类的单个成员簇，重复步骤S524和步骤S525，开始新的一轮聚类，直至所有的单个成员簇ci都参与了聚类。

进一步的，在上述技术方案中，所述协同过滤包括以下步骤：

S61：将不同的行为分组，然后基于不同的行为，计算不同的用户对应保险保单的相似度；

S62：根据不同行为反映用户喜好的程度将它们进行加权，得到用户对于保险保单的总体喜好；

S63：针对由所述编辑用户模块和所述编辑保单模块分别传输的用户行为数据，进行预处理；

S64：用户对于保险保单相似度的计算；

S65：各个用户分别推荐的对应的保险保单信息与各个用户的数据信息进行合并保存，向所述查询模块和所述保单列表模块输出合并后的用户信息；

进一步的，在上述技术方案中，所述S63步骤包括以下步骤：

S631：减噪，用户行为数据是用户在使用应用过程中产生，存在大量的噪音和用户的误操作，通过数据挖掘算法过滤掉行为数据中的噪音；

S632：对不同的行为数据进行加权，将各类数据除以此类中的最大值，以保证归一化后的数据取值在[0,1]范围中；

S633：进行的预处理后，得到一个用户偏好的二维矩阵，一维是用户列表，另一维是物品列表，值是用户对物品的偏好；

所述S64步骤包括以下步骤：

S641:找到相似的保险保单，具体为，当已经对用户行为进行分析得到用户喜好后，根据用户喜好计算相似保险保单，然后基于相似保险保单进行推荐；

S642：相似度的计算，具体为，基于向量计算两个向量的距离，距离越近相似度越大，用户与保险保单偏好的二维矩阵中，将一个用户对所有保险保单的偏好作为一个向量来计算用户之间的相似度，或者将所有用户对某个保险保单的偏好作为一个向量来计算物品之间的相似度；

S643：得到符合用户偏好的保险保单数据信息。

本发明的有益效果为：

(1)本发明的所述的保险保单托管***及其数据处理方法，能够迅速实现用户数据的输入、输出和储存，节约人力，不会发生错误，数据不会丢失；

(2)本发明的所述的保险保单托管***及其数据处理方法，能够筛选出适合用户的保险保单，防止向用户推荐不需要的保险保单，降低错误率，提高推荐合格率；

(3)本发明的所述的保险保单托管***及其数据处理方法，能够对用户和保险保单数据进行整合和储存，便于数据调用，方便用户在参与保险之后随时查看和追加新的保险保单。

附图说明

下面结合附图和具体实施方法对本发明作进一步详细的说明。

图1为所述查询模块流程示意图；

图2为所述保单列表模块流程示意图；

图3为所述编辑用户模块流程示意图；

图4为所述编辑保单模块流程示意图。

具体实施方法

下面结合附图和实施例对本发明的技术方案进行清楚、完整的描述，在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或者暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例1

如图1所示，一种保险保单托管***，包括保单数据托管单元、控制终端和数据库服务器；

所述数据库服务器与所述保单数据托管单元通讯连接，所述控制终端通过网络与所述数据库服务器通讯连接；

所述保单数据托管单元包括输入模块、查询模块、保单列表模块、编辑用户模块和编辑保单模块，所述控制终端内的输入信息传输至所述输入模块，所述输入模块启动所述查询模块、所述保单列表模块、所述编辑用户模块或所述编辑保单模块得到反馈数据界面信号并将所述反馈数据界面信号发送至所述控制终端进行显示，所述查询模块、所述保单列表模块、所述编辑用户模块和所述编辑保单模块分别与所述数据库服务器进行数据交互。

进一步的，在上述技术方案中，所述查询模块包括以下步骤：

S11：开始，接收到所述输入模块输入的查询信号后开始运行；

S12：创建用户模型；

S13：有无筛选条件，若有筛选条件，则设置模型的筛选条件，然后进行下一步骤，若无筛选条件，则直接进行下一步骤；

S14：判断身份，若输入信息为普通用户，则显示当前用户信息，然后显示用户列表，若输入信息为经纪人，则设置当前模型的经纪人为当前经纪人，然后显示用户列表，若输入信息为管理员，则直接显示用户列表；

S15；运行结束。

进一步的，在上述技术方案中，所述保单列表模块包括以下步骤：

S21：开始，接收到所述输入模块输入的保单操作信号后开始运行；

S22：创建保单模型；

S23：有无筛选条件，若有筛选条件，则设置模型的筛选条件，然后进行下一步骤，若无筛选条件，则直接进行下一步骤；

S24：判断身份，若输入信息为普通用户，则显示当前保单信息，然后显示保单列表，若输入信息为经纪人，则设置当前模型的经纪人为当前经纪人，然后显示保单列表，若输入信息为管理员，则直接显示保单列表；

S25；运行结束。

进一步的，在上述技术方案中，所述编辑用户模块包括以下步骤：

S31：开始，接收到所述输入模块输入的编辑用户信号后开始运行；

S32：判断是否是新增用户，若是，则创建新用户对象，若否，则进入S36步骤；

S33：创建新用户对象后填写信息；

S34：填写信息后判断必填信息是否完整，若完整则进行下一步骤，若不完整则返回S33步骤；

S35：储存，得到ID信息，然后同时进入S36和S37步骤；

S36：上传照片完善信息；

S37：判断储存是否成功，若是则进入下一步骤，若否则进入S36步骤；

S38：结束。

进一步的，在上述技术方案中，所述编辑保单模块包括以下步骤：

S41：开始，接收到所述输入模块输入的编辑保单信号后开始运行；

S42：判断是否是新增保单，若是，则进入下一步骤，若否，则进入步骤S410；

S43：输入投保人姓名和身份证号码；

S44：判断是否存在用户，若是，则进入下一步骤，若否，则进行新增用户，然后进入下一步骤；

S45：获取投保人；

S46：创建新保单对象；

S47：填写信息；

S48：判断必填信息是否完整，若是，则进入下一步骤，若否，则进入步骤S47；

S49：储存，得到ID，然后同时进入步骤S410和步骤S411；

S410：上传照片完善信息；

S411：判断是否储存成功，若是，则进入下一步骤，若否，则进入步骤S410；

S412：结束。

优选的，所述控制终端为计算机或手机。

用户通过控制终端使用所述保险保单托管***，输入查询条件，实现查询用户和保单列表，编辑用户和保单信息的功能。

经纪人通过手机号注册，登录***；在查询模块，经纪人可以看到自己托管的全部用户，同时增加新的用户，在编辑用户模块，可以编辑用户信息；在保单列表模块，经纪人可以看到自己托管的全部保单，在编辑保单模块，可以增加新的保单，编辑保单信息。

实施例2

一种保险保单数据处理方法，用于所述的保险保单托管***，编辑用户模块和编辑保单模块分别将信息传输至数据库服务器，所述数据库服务器依次进行文本聚类和协同过滤，得到适合用户喜好的保险保单数据，输出至所述保单数据托管单元，进而输出至控制终端进行显示。

进一步的，在上述技术方案中，所述文本聚类包括以下步骤：

S51：将文本内容表示成为数学上可分析处理的形式，即建立文本特征，以一定的特征项来代表目标文本信息；

S52：在将文本内容表示成数学上可分析处理的形式后，在此数学形式的基础上，对文本进行聚类处理；

所述S51步骤包括：

S511：对文本信息进行预处理；

S512：构建统计词典；

S513：对文本进行词条切分；

S514：完成文本信息的分词过程；

所述S52步骤包括：向量空间模型，即VSM；所述向量空间模型为：

将每一文档都映射为由一组规范化正交词条矢量张成的向量空间中的一个点。对于所有的文档类和未知文档，此空间中的确定的特征向量词条的个数为n，表示方法为(D1,W1,D2,W2,Dp,…,Wp,n)(Wi≠0),其中，Di为权重不为零的特征向量词条；Wi为其相应权重；n为向量维度。

进一步的，在上述技术方案中，所述步骤S52具体步骤为：

S521：确定给定的文件集合D＝{d1,d 2,…,di,…,dn}:

S522：将D中的每个文件di看作是一个具有单个成员的簇ci＝{di}；

S523：任选其中一单个成员簇ci作为聚类的起点；

S524：在其余未聚类的样本中，找到与ci距离满足条件的dj(可以是与ci距离最近的点，即相似度sim(c i,dj)最大的dj，也可以是与ci距离不超过阈值d的点，即相似度sim(ci,dj)≥d的任意dj)。将dj归入ci形成一个新的簇ck＝sim ci∪dj；

S525：重复步骤S524，直至与ci距离最近的dk与ci之间的距离超过阈值d，此时已经聚完了一类；

S526：选择一个未聚类的单个成员簇，重复步骤S524和步骤S525，开始新的一轮聚类，直至所有的单个成员簇ci都参与了聚类。

本发明中的所述文本聚类主要依据聚类假设：同类的文档相似度较大，非同类的文档相似度较小。为无监督的机器学习方法，由于不需要训练过程、以及不需要预先对文档手工标注类别，因此具有高灵活性和自动化处理能力，成为对文本信息进行有效组织和导航；

文本聚类能够将文本内容表示成为数学上可分析处理的形式，即建立文本特征，以一定的特征项(如词条或描述)来代表目标文本信息。

本发明的S52步骤，运用了向量空间模型的表示方法，最大的优点在于将非结构化和半结构化的文本表示为向量形式，进行数学处理，并且能够大大减小了服务器的内存占用，提升了聚类效率。

所述S52步骤的算法不需要比较所有簇之间的相似度，执行速度较快，适合大量文件的集合，实用性更高。同时，在聚类过程中不需要事先确定k的取值，降低了与领域知识的依赖性，提高了灵活性。

进一步的，在上述技术方案中，所述协同过滤包括以下步骤：

S61：将不同的行为分组，然后基于不同的行为，计算不同的用户对应保险保单的相似度；

S62：根据不同行为反映用户喜好的程度将它们进行加权，得到用户对于保险保单的总体喜好；

S63：针对由所述编辑用户模块和所述编辑保单模块分别传输的用户行为数据，进行预处理；

S64：用户对于保险保单相似度的计算；

S65：各个用户分别推荐的对应的保险保单信息与各个用户的数据信息进行合并保存，向所述查询模块和所述保单列表模块输出合并后的用户信息；

进一步的，在上述技术方案中，所述S63步骤包括以下步骤：

S631：减噪，用户行为数据是用户在使用应用过程中产生，存在大量的噪音和用户的误操作，通过数据挖掘算法过滤掉行为数据中的噪音；

S632：对不同的行为数据进行加权，将各类数据除以此类中的最大值，以保证归一化后的数据取值在[0,1]范围中；

S633：进行的预处理后，得到一个用户偏好的二维矩阵，一维是用户列表，另一维是物品列表，值是用户对物品的偏好；

所述S64步骤包括以下步骤：

S641:找到相似的保险保单，具体为，当已经对用户行为进行分析得到用户喜好后，根据用户喜好计算相似保险保单，然后基于相似保险保单进行推荐；

S642：相似度的计算，具体为，基于向量计算两个向量的距离，距离越近相似度越大，用户与保险保单偏好的二维矩阵中，将一个用户对所有保险保单的偏好作为一个向量来计算用户之间的相似度，或者将所有用户对某个保险保单的偏好作为一个向量来计算物品之间的相似度；

S643：得到符合用户偏好的保险保单数据信息。

所述S642的相似度的计算具体的计算方法包括欧几里德距离、皮尔逊相关系数、Cosine相似度和Tanimoto系数中的一种或几种：

计算两个向量的距离，假设x，y是n维空间的两个点；

则所述欧几里德距离为：

当n＝2时，欧几里德距离就是平面上两个点的距离；

当用欧几里德距离表示相似度，一般采用以下公式进行转换：距离越小，相似度越大

则所述皮尔逊相关系数(Pearson Correlation Coefficient)为：

皮尔逊相关系数一般用于计算两个定距变量间联系的紧密程度，它的取值在[-1，+1]之间。

式中，sx,sy是x和y的样品标准偏差；

则所述Cosine相似度(Cosine Similarity)为：

则所述Tanimoto系数(Tanimoto Coefficient)为：

Tanimoto系数也称为Jaccard系数，是Cosine相似度的扩展，也多用于计算文档数据的相似度：

本发明所述协同过滤是利用集体智慧方法，协同过滤(CollaborativeFiltering,简称CF)，人在选择时倾向于从口味比较类似的人那里得到推荐，这就是协同过滤的核心思想，

本发明所述协同过滤步骤，S61至S65步骤，能够在在海量的用户中发掘出和目标用户品位类似的相似用户，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他保险保单组织成一个排序的保险保单数据信息作为推荐给目标用户。

本发明的所述保险保单托管***及其数据处理方法，能够迅速实现用户数据的输入、输出和储存，节约人力，不会发生错误，数据不会丢失，能够筛选出适合用户的保险保单，防止向用户推荐不需要的保险保单，降低错误率，提高推荐合格率；能够对用户和保险保单数据进行整合和储存，便于数据调用，方便用户在参与保险之后随时查看和追加新的保险保单。本发明适用于数据处理技术领域，具有广阔的用前景。

以上所述，仅为本发明较佳的具体实施方法，但本发明的保护范围且不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都涵盖在本发明的保护范围之内。

Claims (10)

1.一种保险保单托管***，其特征在于：包括保单数据托管单元、控制终端和数据库服务器；

所述数据库服务器与所述保单数据托管单元通讯连接，所述控制终端通过网络与所述数据库服务器通讯连接；

所述保单数据托管单元包括输入模块、查询模块、保单列表模块、编辑用户模块和编辑保单模块，所述控制终端内的输入信息传输至所述输入模块，所述输入模块启动所述查询模块、所述保单列表模块、所述编辑用户模块或所述编辑保单模块得到反馈数据界面信号并将所述反馈数据界面信号发送至所述控制终端进行显示，所述查询模块、所述保单列表模块、所述编辑用户模块和所述编辑保单模块分别与所述数据库服务器进行数据交互。

2.根据权利要求1所述的保险保单托管***，其特征在于：所述查询模块包括以下步骤：

S11：开始，接收到所述输入模块输入的查询信号后开始运行；

S12：创建用户模型；

S13：有无筛选条件，若有筛选条件，则设置模型的筛选条件，然后进行下一步骤，若无筛选条件，则直接进行下一步骤；

S14：判断身份，若输入信息为普通用户，则显示当前用户信息，然后显示用户列表，若输入信息为经纪人，则设置当前模型的经纪人为当前经纪人，然后显示用户列表，若输入信息为管理员，则直接显示用户列表；

S15；运行结束。

3.根据权利要求1所述的保险保单托管***，其特征在于：所述保单列表模块包括以下步骤：

S21：开始，接收到所述输入模块输入的保单操作信号后开始运行；

S22：创建保单模型；

S23：有无筛选条件，若有筛选条件，则设置模型的筛选条件，然后进行下一步骤，若无筛选条件，则直接进行下一步骤；

S24：判断身份，若输入信息为普通用户，则显示当前保单信息，然后显示保单列表，若输入信息为经纪人，则设置当前模型的经纪人为当前经纪人，然后显示保单列表，若输入信息为管理员，则直接显示保单列表；

S25；运行结束。

4.根据权利要求1所述的保险保单托管***，其特征在于：所述编辑用户 模块包括以下步骤：

S31：开始，接收到所述输入模块输入的编辑用户信号后开始运行；

S32：判断是否是新增用户，若是，则创建新用户对象，若否，则进入S36步骤；

S33：创建新用户对象后填写信息；

S34：填写信息后判断必填信息是否完整，若完整则进行下一步骤，若不完整则返回S33步骤；

S35：储存，得到ID信息，然后同时进入S36和S37步骤；

S36：上传照片完善信息；

S37：判断储存是否成功，若是则进入下一步骤，若否则进入S36步骤；

S38：结束。

5.根据权利要求1所述的保险保单托管***，其特征在于：所述编辑保单模块包括以下步骤：

S41：开始，接收到所述输入模块输入的编辑保单信号后开始运行；

S42：判断是否是新增保单，若是，则进入下一步骤，若否，则进入步骤S410；

S43：输入投保人姓名和身份证号码；

S44：判断是否存在用户，若是，则进入下一步骤，若否，则进行新增用户，然后进入下一步骤；

S45：获取投保人；

S46：创建新保单对象；

S47：填写信息；

S48：判断必填信息是否完整，若是，则进入下一步骤，若否，则进入步骤S47；

S49：储存，得到ID，然后同时进入步骤S410和步骤S411；

S410：上传照片完善信息；

S411：判断是否储存成功，若是，则进入下一步骤，若否，则进入步骤S410；

S412：结束。

6.一种保险保单数据处理方法，用于权利要求1所述的保险保单托管***，其特征在于：编辑用户模块和编辑保单模块分别将信息传输至数据库服务器，所述数据库服务器依次进行文本聚类和协同过滤，得到适合用户喜好的保险保单数据，输出至所述保单数据托管单元，进而输出至控制终端进行显示。

7.根据权利要求6所述的保险保单数据处理方法，其特征在于：所述文本聚类包括以下步骤：

S51：将文本内容表示成为数学上可分析处理的形式，即建立文本特征，以一定的特征项来代表目标文本信息；

S52：在将文本内容表示成数学上可分析处理的形式后，在此数学形式的基础上，对文本进行聚类处理；

所述S51步骤包括：

S511：对文本信息进行预处理；

S512：构建统计词典；

S513：对文本进行词条切分；

S514：完成文本信息的分词过程；

所述S52步骤包括：向量空间模型，即VSM；所述向量空间模型为：

将每一文档都映射为由一组规范化正交词条矢量张成的向量空间中的一个点。对于所有的文档类和未知文档，此空间中的确定的特征向量词条的个数为n，表示方法为(D1,W1,D2,W2,Dp,…,Wp,n)(Wi≠0),其中，Di为权重不为零的特征向量词条；Wi为其相应权重；n为向量维度。

8.根据权利要求7所述的保险保单数据处理方法，其特征在于：所述步骤S52具体步骤为：

S521：确定给定的文件集合D＝{d1,d2,…,di,…,dn}:

S522：将D中的每个文件di看作是一个具有单个成员的簇ci＝{di}；

S523：任选其中一单个成员簇ci作为聚类的起点；

S524：在其余未聚类的样本中，找到与ci距离满足条件的dj(可以是与ci距离最近的点，即相似度sim(ci,dj)最大的dj，也可以是与ci距离不超过阈值d的点，即相似度sim(ci,dj)≥d的任意dj)。将dj归入ci形成一个新的簇ck＝sim ci∪dj；

S525：重复步骤S524，直至与ci距离最近的dk与ci之间的距离超过阈值d，此时已经聚完了一类；

S526：选择一个未聚类的单个成员簇，重复步骤S524和步骤S525，开始新的一轮聚类，直至所有的单个成员簇ci都参与了聚类。

9.根据权利要求6所述的保险保单数据处理方法，其特征在于：所述协同过滤包括以下步骤：

S61：将不同的行为分组，然后基于不同的行为，计算不同的用户对应保险保单的相似度；

S62：根据不同行为反映用户喜好的程度将它们进行加权，得到用户对于保险保单的总体喜好；

S63：针对由所述编辑用户模块和所述编辑保单模块分别传输的用户行为数据，进行预处理；

S64：用户对于保险保单相似度的计算；

S65：各个用户分别推荐的对应的保险保单信息与各个用户的数据信息进行合并保存，向所述查询模块和所述保单列表模块输出合并后的用户信息。

10.根据权利要求9所述的保险保单数据处理方法，其特征在于：所述S63步骤包括以下步骤：

S631：减噪，用户行为数据是用户在使用应用过程中产生，存在大量的噪音和用户的误操作，通过数据挖掘算法过滤掉行为数据中的噪音；

S632：对不同的行为数据进行加权，将各类数据除以此类中的最大值，以保证归一化后的数据取值在[0,1]范围中；

S633：进行的预处理后，得到一个用户偏好的二维矩阵，一维是用户列表，另一维是物品列表，值是用户对物品的偏好；

所述S64步骤包括以下步骤：

S641:找到相似的保险保单，具体为，当已经对用户行为进行分析得到用户喜好后，根据用户喜好计算相似保险保单，然后基于相似保险保单进行推荐；

S642：相似度的计算，具体为，基于向量计算两个向量的距离，距离越近相似度越大，用户与保险保单偏好的二维矩阵中，将一个用户对所有保险保单的偏好作为一个向量来计算用户之间的相似度，或者将所有用户对某个保险保单的偏好作为一个向量来计算物品之间的相似度；

S643：得到符合用户偏好的保险保单数据信息。