CN109447689A - 用户风险画像生成方法、装置、设备及可读存储介质 - Google Patents
用户风险画像生成方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN109447689A CN109447689A CN201811135650.1A CN201811135650A CN109447689A CN 109447689 A CN109447689 A CN 109447689A CN 201811135650 A CN201811135650 A CN 201811135650A CN 109447689 A CN109447689 A CN 109447689A
- Authority
- CN
- China
- Prior art keywords
- poi
- risk
- probability
- user
- portrait
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 abstract 1
- 230000036541 health Effects 0.000 description 20
- 238000012512 characterization method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开一种用户风险画像生成方法、装置、设备及可读存储介质,所述方法包括:读取用户在预设周期内去各POI的POI概率,并对各POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率;判断总风险POI概率是否大于预设值,若大于预设值,则对各风险类型POI进行保险产品的属性归类,并确定用户相对于各类保险产品的子风险POI概率;将各子风险POI概率及对应的保险产品形成概率产品对,并将各概率产品对设为用户特征标签添加到预设画像模板中,生成用户在预设周期的风险画像。本方案基于用户行为的大数据分析,生成用户风险画像,来实现对用户日常生成中所涉及到的风险情况的精准反映。
Description
技术领域
本发明主要涉及信息技术领域,具体地说,涉及一种用户风险画像生成方法、装置、设备及可读存储介质。
背景技术
目前各金融机构在进行保险产品营销时,为了实现精准营销,通常结合用户的风险数据进行,由风险数据反映用户可能存在的风险,而向用户推荐与风险对应的保险产品信息,以满足用户的需求。此满足用户需求的保险产品信息的推荐,与用户风险数据的精准性具有很大的相关性,使得所确定的用户风险数据的精准性在保险产品信息推荐过程中占有非常重要的地位。现有技术中所确定的用户风险数据,在使用过程中并不能精准的体现用户所具有的风险,而导致依据风险所推荐的保险产品信息一方面不能满足用户需求,另一方面使得金融机构保险产品推广的成功率低,如何精准的体现用户所具体的风险是现有技术中亟待解决的技术问题。
发明内容
本发明的主要目的是提供一种用户风险画像生成方法、装置、设备及可读存储介质,旨在解决现有技术中不能精准的反映用户所具有风险的问题。
为实现上述目的,本发明提供一种用户风险画像生成方法,兴趣点POI类型包括风险类型POI,所述用户风险画像生成方法包括以下步骤:
读取用户在预设周期内去各POI的POI概率,并对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率;
判断所述总风险POI概率是否大于预设值,若大于所述预设值,则对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率;
将各所述子风险POI概率及对应的保险产品形成概率产品对,并将各所述概率产品对设为用户特征标签添加到预设画像模板中,生成用户在所述预设周期的风险画像。
优选地,所述对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率的步骤包括:
读取各所述POI概率中所携带的标识符,并从各所述标识符中筛选出归属为风险类型的风险标识符;
将具有所述风险标识符的所述POI概率进行累加,得到用户去所有风险类型POI的总风险POI概率。
优选地,所述对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率的步骤包括:
调用各类所述保险产品的类型属性标签,并将各所述风险标识符逐一和各所述类型属性标签对比,确定各所述风险标识符对应的目标类型属性标签;
对具有相同所述目标类型属性标签的各所述风险类型POI进行归类,形成与各类所述保险产品对应的风险类型POI集合;
对各所述风险类型POI集合中的各所述风险类型POI的所述POI概率进行累加,生成用户相对于各类所述保险产品的子风险POI概率。
优选地,所述生成用户在所述预设周期的风险画像的步骤之后包括:
将各所述子风险POI概率和所述总风险POI概率做比值,生成用户相对于各类所述保险产品的风险占比;
将各所述风险占比对比,确定数值最大的目标风险占比,并确定与所述目标风险占比对应的保险产品类型;
获取与所述保险产品类型对应的产品信息,并将所述产品信息传输到用户所持有的终端。
优选地,所述获取与所述保险产品类型对应的产品信息的步骤包括:
读取用户基本信息,并读取与所述保险产品类型对应的各保险产品的产品属性;
根据所述用户基本信息和各所述产品属性的匹配程度,确定目标保险产品,并将所述目标保险产品的产品信息确定为与所述保险产品类型对应的产品信息。
优选地,所述读取用户在预设周期内去各POI的POI概率的步骤之前包括:
读取用户在预设周期内的各个位置信息,并确定以各所述位置信息为中心的预设范围内的POI;
统计所述POI的POI数量,并根据所述POI数量,确定用户从各所述位置信息去各所述POI的POI概率,生成用户在预设周期内去各POI的POI概率。
优选地,所述根据所述POI数量,确定用户从各所述位置信息去各所述POI的POI概率,生成用户在预设周期内去各POI的POI概率的步骤包括:
根据各所述位置信息与所述预设范围的距离关系,将所述预设范围划分为多个远近区域;
根据各所述远近区域与所述位置信息的距离关系,为各所述远近区域分配区域概率;
用所述POI数量的倒数值和所述区域概率做乘积,确定用户从各所述位置信息去各所述远近区域中所述POI的POI概率,生成用户在预设周期内去各POI的POI概率。
此外,为实现上述目的,本发明还提出一种用户风险画像生成装置,兴趣点POI类型包括风险类型POI,所述用户风险画像生成装置包括:
读取模块,用于读取用户在预设周期内去各POI的POI概率,并对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率;
确定模块,用于判断所述总风险POI概率是否大于预设值,若大于所述预设值,则对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率;
生成模块,用于将各所述子风险POI概率及对应的保险产品形成概率产品对,并将各所述概率产品对设为用户特征标签添加到预设画像模板中,生成用户在所述预设周期的风险画像。
此外,为实现上述目的,本发明还提出一种用户风险画像生成设备,所述用户风险画像生成设备包括:存储器、处理器、通信总线以及存储在所述存储器上的用户风险画像生成程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述用户风险画像生成程序,以实现以下步骤:
读取用户在预设周期内去各POI的POI概率,并对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率;
判断所述总风险POI概率是否大于预设值,若大于所述预设值,则对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率;
将各所述子风险POI概率及对应的保险产品形成概率产品对,并将各所述概率产品对设为用户特征标签添加到预设画像模板中,生成用户在所述预设周期的风险画像。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于:
读取用户在预设周期内去各POI的POI概率,并对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率;
判断所述总风险POI概率是否大于预设值,若大于所述预设值,则对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率;
将各所述子风险POI概率及对应的保险产品形成概率产品对,并将各所述概率产品对设为用户特征标签添加到预设画像模板中,生成用户在所述预设周期的风险画像。
本实施例的用户风险画像生成方法,先根据用户在预设周期内去各个POI的POI概率,确定用户去所有风险类型POI的总风险POI概率;此总风险POI概率反映了用户日常生活中所涉及到的风险情况,其中总风险POI概率越大,说明用户日常生活中所涉及到的风险越高;当判断出此总风险POI概率大于预设值时,说明用户日常生活中所涉及到的风险较高,依据所涉及到的风险类型向此用户推广保险产品的成功率较高;从而进一步对各风险类型POI进行保险产品的属性归类,确定用户相对于各类保险产品的子风险POI概率,此子风险POI概率表明用户对各类保险产品的需求情况;进而将各子风险POI概率与其对应的保险产品形成多个概率产品对,将该各概率产品对设为用户特征标签添加到预设画像模板中,生成用户在预设周期的风险画像。因各子风险POI概率由具有相同保险产品属性的风险类型POI的POI概率确定,而各风险类型POI体现了用户日常生活中所涉及到的各类风险,使得子风险POI概率与用户的各类风险相关;使得所生成的用户风险画像,可准确反映用户在日常生活中所涉及到的风险情况;避免使用单纯的用户风险数据来反映用户所具有的风险,实现了对用户所具有风险的精准反映。
附图说明
图1是本发明的用户风险画像生成方法第一实施例的流程示意图;
图2是本发明的用户风险画像生成方法第二实施例的流程示意图;
图3是本发明的用户风险画像生成装置第一实施例的功能模块示意图;
图4是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种用户风险画像生成方法。
请参照图1,图1为本发明用户风险画像生成方法第一实施例的流程示意图。在本实施例中,兴趣点POI类型包括风险类型POI,所述用户风险画像生成方法包括:
步骤S10,读取用户在预设周期内去各POI的POI概率,并对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率;
本发明的用户风险画像生成方法应用于服务器,适用于通过服务器生成表征用户日常生活中可能所具有风险的风险画像。具体地,服务器中预先生成有用户在预设周期内去各个POI(Point of Interest,兴趣点)的POI概率,POI是可以抽象为点的地理对象,尤其是一些与人们生活密切相关的地理实体,如学校、银行、餐馆、加油站、医院和超市等。用户去不同的POI反映了用户的不同需求,其中去某些POI可反映用户所具有的风险,如去马术场、攀岩场、机场等POI次数较多的用户,可能具有较高的意外风险;而去医院、诊所、医疗保健店等POI次数较多的用户,可能具有较高的健康风险;而去汽车维修店、加油站等POI次数较多的用户,可能具有较高的车辆险;且用户对各POI的需求大小,以及所具有的风险大小可由用户去各POI的POI概率,以及去与风险相关POI的POI概率决定。服务器对用户在预设周期内的位置信息检测,确定位置信息周围所具有的POI,进而生成用户在预设周期内去各个POI的POI概率;其中去某些与风险相关POI的POI概率越大,用户所具有的风险越大。
需要说明的是,对于同一个POI,因用户在预设周期内所去到的时间不同,对应此不同的时间需要生成不同的POI概率;如对于某一POI,用户分别在预设周期中某天的上午和下午均去到此POI,则需要针对上午和下午的时间点分别生成两个POI概率;即各个POI的POI概率不具有叠加性,而与预设周期中所去的不同时间相关。其中预设周期为根据需求所预先设置的一段时间范围,如天、周、月、年等,预设周期的时间越长,生成的POI概率越能准确的反映用户需求,本实施优选“年”作为预设周期,以“年”为例进行说明;即在此以年作为预设周期的时间范围内实时检测用户的位置信息,通过一年内用户的各个位置信息,生成反映用户需求的各个POI概率,并通过与风险相关POI的POI概率反映用户的风险大小。
在生成反映用户预设周期内对各个POI需求的POI概率后,因各个POI可能属于同一类型的POI,也可能属于不同类型的POI;如位于不同位置的两个银行则属于同一类型的POI,而位于不同位置的健身房和搏击俱乐部则属于不同类型的POI;用户对各个POI需求不一样的同时,对不同类型POI的需求也不一样,而使得用户去各类POI的POI概率大小不一样;对于用户需求高的POI类型,可能用户去具有此类POI的位置的次数较多,所生成的此类POI概率较大。将与风险相关POI作为风险类型POI,其POI概率相应的与用户需求相关,其中风险类型POI为马术场、攀岩场、机场、医院、诊所、医疗保健店、汽车维修店、加油站等表征用户可能所存在的风险的POI。为了表征用户风险大小,在生成用户在预设周期内所去到各个POI的POI概率后,需要从此各个POI的POI概率中,确定属于风险类型POI的所有POI概率,进而根据此所有POI概率判定用户在风险类型POI中的风险大小。具体地,先读取用户预设周期内去各个POI的POI概率,再对此各个POI概率按照所归属的POI类型进行统计,即统计归属为风险类型POI的POI概率,以确定用户在预设周期内去所有风险类型POI的总风险POI概率,表征用户在预设周期内所具有的风险大小。具体地,对各POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率的步骤包括:
步骤S11,读取各所述POI概率中所携带的标识符,并从各所述标识符中筛选出归属为风险类型的风险标识符;
考虑到市面上的POI类型众多,为了对不同类型POI进行区分,对不同类型POI预先设置不同的标识符,如对图书馆、公园等公共类型POI设置标识符f1,对山川、河流等风景类型POI设置标识符f2,对医院、机场、汽车维修店等风险类型POI设置标识符f3。在生成用户去各个POI的POI概率时,根据各个POI的类型,为其POI概率添加与类型对应的标识符,如当用户在预设周期内去图书馆的POI概率为a,则对此POI概率a添加标识符f1。在读取到用户在预设周期内去各POI的POI概率后,进一步读取各个概率中所携带的标识符,再从各个标识符中筛选出归属为风险类型的风险标识符。因表征风险类型的风险标识符为预先设定的,将读取的标识符和此预先设定的风险标识符对比,判断两者是否一致;若两者一致,则说明读取的标识符为风险标识符,而将其从各标识符中筛选出来;若两者不一致,则说明读取的标识符不是风险标识符,而将其过滤掉。在所有读取的标识符均和风险标识符进行判断后,筛选出来的标识符为标识符中归属于风险类型的风险标识符。
步骤S12,将具有所述风险标识符的所述POI概率进行累加,得到用户去所有风险类型POI的总风险POI概率。
可理解地,携带有所筛选出来的风险类型标识符的POI概率,即为用户在预设周期内去风险类型POI的概率;从而对具有此风险类型标识符的POI概率进行累加操作,累加所得到的结果即为用户在预设周期内去所有风险类型POI的总风险POI概率。
步骤S20,判断所述总风险POI概率是否大于预设值,若大于所述预设值,则对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率;
进一步地,为了表征用户在预设周期去所有风险类型POI的总风险POI概率的大小,预先设置有预设值,此预设值为根据历史数据进行设定,如历史数据中当多个用户的总风险POI概率大于某一值时,风险类型POI在此多个用户生活中所占的比重较大,此多个用户所具有的风险较大;而将此某一值作为预设值,以便于后续通过预设值判定其他用户的风险大小。在通过累加生成用户在预设周期的总风险POI概率后,将此总风险POI概率和预设值对比,判断总风险POI概率是否大于此预设值;若判断出总风险POI概率不大于此预设值,则说明用户所具有的风险不大;如果针对此用户生成用于表征用户风险的风险情况,而供各金融机构根据风险画像进行保险产品信息推广;因用户本身所具有的风险,使得风险画像的参考意义不大,会导致金融机构的无效推广;从而不针对总风险POI概率小于或等于预设值的用户生成风险画像。而当将总风险POI概率和预设值对比,判断总风险POI概率大于预设值时,则说明用户具有较大的风险,而针对其生成风险画像。
可理解地,不同的风险类型POI所对应的风险类型不一样,如马术场、攀岩场、机场等POI与意外风险对应;而医院、诊所、医疗保健店等POI与健康风险对应;而汽车维修店、加油站等POI与车辆险对应。而不同类型的风险又对应不同类型的保险产品,如意外风险对应的保险产品类型为意外险、健康风险对应的保险产品类型为健康险、而车辆险对应的保险产品类型为车险。此不同类型的保险产品具有不同的类型属性,以表征其所适用的风险类型,如健康险的类型属性为健康,表征其所适用于在健康方面的风险。为了确定用户在各个类型风险上的风险大小,对用户在预设周期所去到的各个风险类型POI进行保险产品的属性归类,将各个风险类型POI归属到具有各个类型属性的保险产品中。因具有不同类型属性的保险产品与不同的风险类型对应,从而将用户去与相同类型属性保险产品对应的风险类型POI归为一类;如去诊所与医疗机构,因诊所与类型属性为健康的保险产品对应,而医疗机构也与类型属性为健康的保险产品对应;两者所对应保险产品的类型属性相同,而将诊所与医疗机构归为一类风险类型POI。通过各归类风险类型POI中各个风险类型POI的POI概率,可确定用户在此类风险类型POI的风险大小。在对各个风险类型POI均进行保险产品的属性归类,将各个风险类型POI均归为与具有各类型属性的保险产品对应后,需要进一步确定用户相对于各类保险产品的子风险POI概率;因各类型保险产品适用不同的风险类型,使得各子风险POI概率表征用户在各个类型风险上的风险大小,其可用各归类风险类型POI的POI概率之和表示。具体地,对各风险类型POI进行保险产品的属性归类,并确定用户相对于各类保险产品的子风险POI概率的步骤包括:
步骤S21,调用各类所述保险产品的类型属性标签,并将各所述风险标识符逐一和各所述类型属性标签对比,确定各所述风险标识符对应的目标类型属性标签;
进一步地,因各类保险产品用类型属性表示其所适用的风险类型,为了对各类保险产品所适用的风险类型进行区分,即类型属性进行区分;预先针对不同类型保险产品的类型属性设置有不同的类型属性标签,如类型属性为健康的保险产品,其所适用的风险类型为健康风险,对应的类型属性标签为g3。在对各风险类型POI进行属性归类时,先调用各保险产品的类型属性标签,再将各个表征归属为风险类型的风险标识符逐一和此各类型属性标签进行对比。需要说明的是,风险标识符虽然从POI概率中所读取,但携带有此风险标识符的POI概率为风险类型POI所具有,POI概率、风险类型POI、风险类型标识符具有对应性,可通过风险标识符表征风险类型POI的具体风险类型。具体地,可在风险标识符后面增加不同字符的方式来表征风险类型POI的具体风险类型,如对于表征风险类型POI的标识符f3,风险标识符即为f3,可在此f3后面增加不同的字符来来表征风险类型POI的具体风险类型;如用f3-31表征医院、医疗保健店,以说明具有风险标识符f3-31的风险类型POI的具体风险类型为健康风险;用f3-32表征赛马场、攀岩场,以说明具有风险标识符f3-32的风险类型POI的具体风险类型为意外风险。
为了表征风险类型的一致性,类型属性标签和风险标识符之间具有对应关系,如上述表征健康风险的g3与f3-31;从而在将各风险标识符逐一和各类型属性标签对比时,当判断出当前正在对比的风险标识符和某一类型属性标签具有对应关系时,则可判定此类型属性标签与当前的风险标识符对应;将此类型属性标签作为目标类型属性标签,表征具有当前风险标识符的风险类型POI的具体风险类型,与具有此目标类型属性标签的保险产品所适用的风险类型一致,可将所有具有与此目标类型属性标签一致的风险标识符的风险类型POI归为同一类。
步骤S22,对具有相同所述目标类型属性标签的各所述风险类型POI进行归类,形成与各类所述保险产品对应的风险类型POI集合;
更进一步地,在所有风险标识符均完成和各类型属性标签对比后,即可确定各个风险标识符所对应的目标类型属性标签;进而根据此目标类型属性标签,对各风险类型POI进行归类,将具有相同目标类型属性标签的各风险类型POI进行归类。需要说明的是,因类型属性标签和风险标识符具有对应关系,目标类型属性标签为与风险标识符对应的类型属性标签,使得风险类型POI所携带的风险标识符可用对应的目标类型属性标签表征。即当风险类型POI携带某一风险标识符,而此风险标识符与某一目标类型属性标签对应,而可用此目标类型属性标签表征风险类型POI中所携带的风险类型标识,可描述为此风险类型POI具有此目标类型属性标签。对具有相同目标类型属性标签的各个风险类型POI进行归类,形成与各类保险产品对应的风险类型POI集合,且与各类保险产品的对应关系,由各目标类型属性标签与保险产品的对应关系决定。如对于用户的风险类型POI分别包括M1、M2、M3,、M4和M5,其中M1、M2和M4所具有的目标类型属性标签为g2,M3和M5所具有的目标类型属性标签为g3;从而对M1、M2、M4进行归类,形成[M1、M2、M4]的风险类型POI集合;对M3和M5进行归类,形成[M3、M5]的风险类型POI集合;因g2与意外险类型的产品对应,而g3与健康险类型的产品对应,而使得[M1、M2、M4]与意外险产品对应,[M3、M5]与健康险产品对应。
步骤S23,对各所述风险类型POI集合中的各所述风险类型POI的所述POI概率进行累加,生成用户相对于各类所述保险产品的子风险POI概率。
可理解地,不同风险类型POI集合中涉及到多个具有相同类型风险的风险类型POI,而各个风险类型POI具有不同的POI概率;将此各个风险类型POI集合中包括的所有风险类型POI的POI概率逐一进行累加,当所有风险类型POI集合均累加完成后,所得到的结果为各个风险类型POI集合所具有的整体POI概率,表征用户在各种类型风险中的风险大小。因不同类型的风险对应不同类型的保险产品,此各个整体POI概率其实质为用户相对于各类保险产品的子风险概率,表征用户对各类保险产品的需求大小;当用户某个风险类型POI集合的子风险POI概率较大时,表明用户在此类风险类型POI集合所表征类型风险的风险较大,进而表明用户对适用于此类风险的保险产品的需求较大;通过用户相对于各类保险产品的子风险POI概率,确定用户对各类保险产品的需求情况。
步骤S30,将各所述子风险POI概率及对应的保险产品形成概率产品对,并将各所述概率产品对设为用户特征标签添加到预设画像模板中,生成用户在所述预设周期的风险画像。
更进一步地,在确定用户在预设周期所涉及到的各个类型的风险,并用各保险产品表征各类型风险,以及用子风险POI概率表征各类型风险的大小后,将各子风险POI概率及对应的保险产品形成概率产品对,通过概率产品对反映用户在各类型风险上的风险大小,以及与此类型风险对应的保险产品类型。具体地,预先设置有用于生成风险画像的预设画像模板,且预设画像模板中用用户的各类特征标签变量表征用户所具有的各类特征;将形成的各个概率产品对作为用户特征标签添加到该预设画像模板中,替换其中的特征标签变量,将经添加替换操作后的预设画像模板作为用户在预设周期的风险画像。通过风险画像,直观的展现用户在日常生活中的风险分布情况,将风险画像作为保险产品的推荐依据,使得推荐的保险产品更贴合用户的实际情况。
本实施例的用户风险画像生成方法,先根据用户在预设周期内去各个POI的POI概率,确定用户去所有风险类型POI的总风险POI概率;此总风险POI概率反映了用户日常生活中所涉及到的风险情况,其中总风险POI概率越大,说明用户日常生活中所涉及到的风险越高;当判断出此总风险POI概率大于预设值时,说明用户日常生活中所涉及到的风险较高,依据所涉及到的风险类型向此用户推广保险产品的成功率较高;从而进一步对各风险类型POI进行保险产品的属性归类,确定用户相对于各类保险产品的子风险POI概率,此子风险POI概率表明用户对各类保险产品的需求情况;进而将各子风险POI概率与其对应的保险产品形成多个概率产品对,将该各概率产品对设为用户特征标签添加到预设画像模板中,生成用户在预设周期的风险画像。因各子风险POI概率由具有相同保险产品属性的风险类型POI的POI概率确定,而各风险类型POI体现了用户日常生活中所涉及到的各类风险,使得子风险POI概率与用户的各类风险相关;使得所生成的用户风险画像,可准确反映用户在日常生活中所涉及到的风险情况;避免使用单纯的用户风险数据来反映用户所具有的风险,实现了对用户所具有风险的精准反映。
进一步地,请参照图2,在本发明用户风险画像生成方法第一实施例的基础上,提出本发明用户风险画像生成方法第二实施例,在第二实施例中,所述生成用户在所述预设周期的风险画像的步骤之后包括:
步骤S40,对各所述子风险POI概率和所述总风险POI概率做比值,生成用户相对于各类所述保险产品的风险占比;
可理解地,用户在不同类型风险上的风险大小不一样,且风险大小可用所归类的各风险类型POI的POI概率之和在整个风险类型POI的总风险POI概率中的占比体现,即各子风险POI概率在总风险POI概率中的占比体现;其中总风险POI概率表征用户在预设周期中的总风险大小,而各子风险POI概率表征用户在预设周期中各类风险的风险大小;当某一子风险POI概率的占比越大,则说明此子风险POI概率在总风险POI概率中占有较大的数值,用户在预设周期中的风险主要来源与此子风险POI概率对应的风险类型。具体地,将各子风险POI概率逐一和总风险POI概率做比值,通过比值大小表征各子风险POI概率所对应风险类型占据用户在日常生活中总风险的多少。因不同类型的风险所适用的保险产品类型不一样,对应风险类型占据用户在日常生活中总风险多少,可表征用户对各类保险产品的需求大小;当风险类型占据用户日常生活中总风险较多,则说明用户对适用于此风险类型的保险产品的需求较大。从而将比值的数值结果作为用户相对于各类保险产品的风险占比,表征用户对各类保险产品的需求情况;当由子风险POI概率所生成的比值数值结果较大,则相应的风险占比较大,用户对此子风险POI概率对应风险类型所适用保险产品的需求较大。
步骤S50,将各所述风险占比对比,确定数值最大的目标风险占比,并确定与所述目标风险占比对应的保险产品类型;
进一步地,在生成用户在各类保险产品中的风险占比后,各个风险占比具有不同的数值大小,其中数值越大,说明用户在此风险占比来源保险产品所适用的类型风险上具有较大风险。为了确定用户所具有最大风险的类型风险,即日常生活中用户最主要的风险来源;将各个风险占比进行对比,确定数值最大的风险占比,并将此风险占比作为目标风险占比;因风险占比均归属于某类保险产品,而将目标风险占比所归属的保险产品类型作为与目标风险占比对应的保险产品类型,以表征用户最有可能需要的保险产品类型。
步骤S60,获取与所述保险产品类型对应的产品信息,并将所述产品信息传输到用户所持有的终端。
可理解地,各类保险产品适用于不同类型的风险,而不同类型的风险具有不同的特性;针对此不同特性,各类保险产品具有不同的产品信息。如针对健康类型风险的健康险,以及针对意外类型风险的意外险;因健康类型风险和意外类型风险的特征差异性,使得健康险与意外险之间存在产品信息差异性。在确定与目标风险占比对应的保险产品类型,表征用户最可能对此保险产品类型有需求时,因各类保险产品的产品信息均对应存储在金融机构服务器的存储单元中,从而可从存储单元中读取与此确定的保险产品类型对应的产品信息;对各保险产品和其产品信息分配一致的标识符,在确定保险产品类型后,读取此保险产品类型的标识符,而依据标识符查找到对应的产品信息进行读取。将此读取的产品信息传输到用户所持有的终端,方便用户了解其最大风险来源的风险类型所适用保险产品的产品信息;用户所持有的终端可以是用户使用的手机、平板电脑等,对此不做限制。
进一步地,在本发明用户风险画像生成方法另一实施例中,所述获取与所述保险产品类型对应的产品信息的步骤包括:
步骤S61,读取用户基本信息,并读取与所述保险产品类型对应的各保险产品的产品属性;
可理解地,不同用户虽然在各个类型风险上具有相似性,但各用户之间还具有个体化的差异;如用户K1和K2均喜欢户外运动,而使得两者的类型风险均为意外险,但K1年龄较大、而K2的年龄较小,而使得K2具有较好的体力,以及较好的风险应对能力;在两者面对同样的户外运动时,K2的意外风险相对于K1较小。为了更好的贴合各用户之间的个体差异需求,针对于不同类型风险的各类保险产品中包括有多个保险产品;多个保险产品整体所针对的风险类型相同,但各个保险产品之间因适用于不同用户的此类型风险,而具有不同的产品属性。如上述针对用户K1和K2类型风险的保险产品X1和X2,均属于意外类型风险,但对于X1和X2之间存在差异,X1适用年龄小的用户,而X2适用年龄大的用户,使得X1适用于用户K2,而X2适用于用户K1。在确定适用于用户的保险产品类型后,为了从保险产品类型中确定贴合用户个体需求的保险产品,需要进一步读取用户基本信息,此用户基本信息包括用户性别、年龄、居住城市、工作性质等;同时读取保险产品类型中所包括的各保险产品的产品属性,此产品属性表征各保险产品所适用的人群,如适用的年龄段、城市、月收入等。通过读取的用户基本信息,以及产品信息,可确定与用户基本信息所匹配的产品信息。
步骤S62,根据所述用户基本信息和各所述产品属性的匹配程度,确定目标保险产品,并将所述目标保险产品的产品信息确定为与所述保险产品类型对应的产品信息。
进一步地,在读取到用户基本信息以及各保险产品的产品属性后,将基本信息和产品属性逐一比对,确定用户基本信息和各产品属性的匹配程度;其中匹配程度为用户基本信息满足各产品属性需求的程度,如产品属性中所适用的年龄在20到30岁之间,且适用的城市为深圳,而当用户基本信息为年龄45岁,则用户与此产品属性不匹配。当用户基本信息越满足产品属性的需求,则两者之间的匹配程度越高,具有此产品属性的保险产品越适合用户。确定与用户基本信息匹配程度最高的产品属性,而将具有此产品属性的保险产品作为目标保险产品;读取此目标保险产品的产品信息,将此产品信息确定为与保险产品类型对应的产品信息,而将此产品信息传输到用户所持有的终端上进行目标保险产品的推荐。因所推荐的目标保险产品的产品信息与用户基本信息的匹配程度最高,可使得所推荐的目标保险产品在最大程度上对用户日常生活中所具有的风险进行保障,满足用户的需求。
进一步地,在本发明用户风险画像生成方法另一实施例中,所述所述读取用户在预设周期内去各POI的POI概率的步骤之前包括:
步骤q1,读取用户在预设周期内的各个位置信息,并确定以各所述位置信息为中心的预设范围内的POI;
可理解地,因各个POI概率依据用户在预设周期内的各个位置信息进行生成,而不同位置信息周围所具有的POI不相同,且用户在不同时间所去的位置不相同;从而在生成用户在预设周期中的各个POI概率时,通过GPS(Global Positioning System,全球定位***)定位服务或基站定位服务获取用户在预设周期中的各个位置信息,并根据标识符确定以各个位置信息为中心的预设范围内的POI。其中读取位置信息和统计POI操作可以是在预设周期中的实时操作,也可以是在预设周期完成后的统一操作;对于实时操作,GPS或基站对用户的位置信息进行实时定位,并将所定位的位置信息进行存储;在预设周期中实时读取此定位的位置信息,确定以此位置信息为中心的预设范围内的POI;对于统一操作,则在预设周期的时间完成后,统一读取用户在预设周期所去到的位置信息,确定以各位置信息为中心的预设范围内的POI。考虑到虽然各位置信息周围的POI众多,但用户所去的POI有限,且距离各位置信息越远的POI,用户所去的可能性越小;从而预先根据多个历史数据中用户以位置信息为中心所去到POI的距离范围设定此预设范围,以使预设范围满足大部分人的出行需求。对各位置信息的此预设范围内的POI进行确定,表征用户从各位置信息对应位置所可能去到的各个POI。
步骤q2,统计所述POI的POI数量,并根据所述POI数量,确定用户从各所述位置信息去各所述POI的POI概率,生成用户在预设周期内去各POI的POI概率。
进一步地,对于在预设范围内的各个POI,用户可根据需求去到其需要去的POI,用户去各个POI的概率相同,且去各个POI的总概率之和为1。从而对于各个POI的POI概率,先对预设范围内的所具有POI的数量进行累加统计,统计得到的结果为POI数量,再根据此POI数量确定用户从各个位置信息去各个POI的POI概率。因用户从各位置信息去各个POI的概率相同,且总和为1;可用总和1对所具有的POI数量进行均分,即用1除以POI数量,用POI数量的倒数值的方式表征用户去各个POI的概率相同,且各概率均为POI数量的倒数值,生成用户从预设周期的某位置信息去此位置信息预设范围内中各个POI的POI概率。如某位置信息预设范围内有5个POI,则去各个POI的概率均为1/5。依照此方式对用户从各位置信息去到预设范围内各个POI的POI概率进行计算,直到所有位置信息的预设范围内的各个POI的POI概率均经计算确定,将此计算的用户从各位置信息去预设范围内各个POI的POI概率进行存储,以便后续根据此各个POI概率确定用户去各个POI的需求大小。此外,考虑到预设范围内不同POI与位置信息之间的距离不一样,不同的距离对用户从位置信息去各POI的概率有影响;其中距离位置信息越远的POI,用户所去到的可能性越小,从而降低了用户去此POI的概率;使得用户从位置信息去各个POI的POI概率除了与POI数量相关外,还与各个POI和位置信息之间的距离相关。具体地,根据POI数量,确定用户从各所述位置信息去各所述POI的POI概率,生成用户在预设周期内去各POI的POI概率的步骤包括:
步骤q21,根据各所述位置信息与所述预设范围的距离关系,将所述预设范围划分为多个远近区域;
更进一步地,因用户去各POI的概率与各POI和位置信息之间的距离远近相关;从而在确定各POI的POI概率时,先根据各位置信息与预设范围的距离关系,将预设范围划分为多个远近区域,不同远近区域与位置信息的距离不相同。具体地,以位置信息所表征的位置作为起始点,每间隔某一距离长度,将预设范围划分为多个远近区域;其中距离长度为预先通过历史数据设置的长度,多个远近区域为在不同起始点以此距离长度进行延伸的区域。如当前位置为A,而预设范围为以A为中心向外的1000m圆形范围、距离长度为500m;则将以A为起始点向前500m的圆形区域作为一个远近区域区间,并以圆形区间的边界,即距离A为500m的边界为起始点,将500m到1000m之间的圆环区域作为另一个远近区域。
步骤q22,根据所述远近区域的区域数量,为各所述远近区域分配区域概率;
可理解地,距离位置信息较近的远近区域,用户去到此远近区域的概率相对较大,而去到距离位置信息较远的远近区域的概率相对较小;从而依据远近区域与位置信息的距离关系,为各远近区域分配不同的区域概率,且与位置信息距离较近的远近区域分配较大的区域概率,而与位置信息距离较远的远近区域则分配较小的区域概率,各个远近区域的区域概率之和为1,通过此各不同的区域概率来表征用户去预设范围内各远近区域的可能性大小。
步骤q23,用所述POI数量的倒数值和所述区域概率做乘积,确定用户从各所述位置信息去各所述远近区域中所述POI的POI概率,生成用户在预设周期内去各POI的POI概率。
进一步地,在对各远近区域的区域概率分配后,在此各区域概率的基础上,确定用户去预设范围内各POI的POI概率。具体地,用远近区域所具有的区域概率与预设范围内所具有POI的POI数量的倒数值相乘;相乘的结果即为用户从位置信息去各远近区域中各个POI的POI概率,即用户从位置信息去预设范围内各个POI的POI概率;依照此方式对用户从各位置信息去到预设范围内各远近区域的各个POI的POI概率进行计算,直到所有位置信息的预设范围内的各POI概率均经计算完成。通过将预范围继续细分为多个远近区域,使所确定的POI概率更为准确;当预设范围内所具有的POI均计算完成后,将计算所得到的各个POI的POI概率进行存储,生成用户在预设周期内去各POI的POI概率,以便后续根据此各个POI概率精准的反映用户去各个POI的需求大小。
此外,请参照图3,本发明提供一种用户风险画像生成装置,兴趣点POI类型包括风险类型POI,在本发明用户风险画像生成装置第一实施例中,所述用户风险画像生成装置包括:
读取模块10,用于读取用户在预设周期内去各POI的POI概率,并对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率;
确定模块20,用于判断所述总风险POI概率是否大于预设值,若大于所述预设值,则对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率;
生成模块30,用于将各所述子风险POI概率及对应的保险产品形成概率产品对,并将各所述概率产品对设为用户特征标签添加到预设画像模板中,生成用户在所述预设周期的风险画像。
本实施例的用户风险画像生成装置,先由读取模块10根据用户在预设周期内去各个POI的POI概率,确定用户去所有风险类型POI的总风险POI概率;此总风险POI概率反映了用户日常生活中所涉及到的风险情况,其中总风险POI概率越大,说明用户日常生活中所涉及到的风险越高;当由确定模块20判断出此总风险POI概率大于预设值时,说明用户日常生活中所涉及到的风险较高,依据所涉及到的风险类型向此用户推广保险产品的成功率较高;从而进一步对各风险类型POI进行保险产品的属性归类,确定用户相对于各类保险产品的子风险POI概率,此子风险POI概率表明用户对各类保险产品的需求情况;进而由生成模块30将各子风险POI概率与其对应的保险产品形成多个概率产品对,将该各概率产品对设为用户特征标签添加到预设画像模板中,生成用户在预设周期的风险画像。因各子风险POI概率由具有相同保险产品属性的风险类型POI的POI概率确定,而各风险类型POI体现了用户日常生活中所涉及到的各类风险,使得子风险POI概率与用户的各类风险相关;使得所生成的用户风险画像,可准确反映用户在日常生活中所涉及到的风险情况;避免使用单纯的用户风险数据来反映用户所具有的风险,实现了对用户所具有风险的精准反映。
进一步地,在本发明用户风险画像生成装置另一实施例中,所述读取模块包括:
读取单元,用于读取各所述POI概率中所携带的标识符,并从各所述标识符中筛选出归属为风险类型的风险标识符;
累加单元,用于将具有所述风险标识符的所述POI概率进行累加,得到用户去所有风险类型POI的总风险POI概率。
进一步地,在本发明用户风险画像生成装置另一实施例中,所述确定模块包括:
调用单元,用于调用各类所述保险产品的类型属性标签,并将各所述风险标识符逐一和各所述类型属性标签对比,确定各所述风险标识符对应的目标类型属性标签;
归类单元,用于对具有相同所述目标类型属性标签的各所述风险类型POI进行归类,形成与各类所述保险产品对应的风险类型POI集合;
生成单元,用于对各所述风险类型POI集合中的各所述风险类型POI的所述POI概率进行累加,生成用户相对于各类所述保险产品的子风险POI概率。
进一步地,在本发明用户风险画像生成装置另一实施例中,所述用户风险画像生成装置还包括:
比值模块,用于将各所述子风险POI概率和所述总风险POI概率做比值,生成用户相对于各类所述保险产品的风险占比;
对比模块,用于将各所述风险占比对比,确定数值最大的目标风险占比,并确定与所述目标风险占比对应的保险产品类型;
获取模块,用于获取与所述保险产品类型对应的产品信息,并将所述产品信息传输到用户所持有的终端。
进一步地,在本发明用户风险画像生成装置另一实施例中,所述获取模块还用于:
读取用户基本信息,并读取与所述保险产品类型对应的各保险产品的产品属性;
根据所述用户基本信息和各所述产品属性的匹配程度,确定目标保险产品,并将所述目标保险产品的产品信息确定为与所述保险产品类型对应的产品信息。
进一步地,在本发明用户风险画像生成装置另一实施例中,所述用户风险画像生成装置还包括:
所述读取模块还用于读取用户在预设周期内的各个位置信息,并确定以各所述位置信息为中心的预设范围内的POI;
统计模块,用于统计所述POI的POI数量,并根据所述POI数量,确定用户从各所述位置信息去各所述POI的POI概率,生成用户在预设周期内去各POI的POI概率。
进一步地,在本发明用户风险画像生成装置另一实施例中,所述统计模块还用于:
根据各所述位置信息与所述预设范围的距离关系,将所述预设范围划分为多个远近区域;
根据各所述远近区域与所述位置信息的距离关系,为各所述远近区域分配区域概率;
用所述POI数量的倒数值和所述区域概率做乘积,确定用户从各所述位置信息去各所述远近区域中所述POI的POI概率,生成用户在预设周期内去各POI的POI概率。
其中,上述用户风险画像生成装置的各虚拟功能模块存储于图4所示用户风险画像生成设备的存储器1005中,处理器1001执行用户风险画像生成程序时,实现图3所示实施例中各个模块的功能。
参照图4,图4是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明实施例用户风险画像生成设备可以是PC(personal computer,个人计算机),也可以是智能手机、平板电脑、电子书阅读器、便携计算机等终端设备。
如图4所示,该用户风险画像生成设备可以包括:处理器1001,例如CPU(CentralProcessing Unit,中央处理器),存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM(random accessmemory,随机存取存储器),也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,该用户风险画像生成设备还可以包括用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi(Wireless Fidelity,无线宽带)模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图4中示出的用户风险画像生成设备结构并不构成对用户风险画像生成设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图4所示,作为一种可读存储介质的存储器1005中可以包括操作***、网络通信模块以及用户风险画像生成程序。操作***是管理和控制用户风险画像生成设备硬件和软件资源的程序,支持用户风险画像生成程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与用户风险画像生成设备中其它硬件和软件之间通信。
在图4所示的用户风险画像生成设备中,处理器1001用于执行存储器1005中存储的用户风险画像生成程序,实现上述用户风险画像生成方法各实施例中的步骤。
本发明提供了一种可读存储介质,所述可读存储介质优选为计算机可短存储介质,所述计算机可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述用户风险画像生成方法各实施例中的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种用户风险画像生成方法,其特征在于,兴趣点POI类型包括风险类型POI,所述用户风险画像生成方法包括以下步骤:
读取用户在预设周期内去各POI的POI概率,并对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率;
判断所述总风险POI概率是否大于预设值,若大于所述预设值,则对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率;
将各所述子风险POI概率及对应的保险产品形成概率产品对,并将各所述概率产品对设为用户特征标签添加到预设画像模板中,生成用户在所述预设周期的风险画像。
2.如权利要求1所述的用户风险画像生成方法,其特征在于,所述对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率的步骤包括:
读取各所述POI概率中所携带的标识符,并从各所述标识符中筛选出归属为风险类型的风险标识符;
将具有所述风险标识符的所述POI概率进行累加,得到用户去所有风险类型POI的总风险POI概率。
3.如权利要求2所述的用户风险画像生成方法,其特征在于,所述对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率的步骤包括:
调用各类所述保险产品的类型属性标签,并将各所述风险标识符逐一和各所述类型属性标签对比,确定各所述风险标识符对应的目标类型属性标签;
对具有相同所述目标类型属性标签的各所述风险类型POI进行归类,形成与各类所述保险产品对应的风险类型POI集合;
对各所述风险类型POI集合中的各所述风险类型POI的所述POI概率进行累加,生成用户相对于各类所述保险产品的子风险POI概率。
4.如权利要求3所述的用户风险画像生成方法,其特征在于,所述生成用户在所述预设周期的风险画像的步骤之后包括:
将各所述子风险POI概率和所述总风险POI概率做比值,生成用户相对于各类所述保险产品的风险占比;
将各所述风险占比对比,确定数值最大的目标风险占比,并确定与所述目标风险占比对应的保险产品类型;
获取与所述保险产品类型对应的产品信息,并将所述产品信息传输到用户所持有的终端。
5.如权利要求4所述的用户风险画像生成方法,其特征在于,所述获取与所述保险产品类型对应的产品信息的步骤包括:
读取用户基本信息,并读取与所述保险产品类型对应的各保险产品的产品属性;
根据所述用户基本信息和各所述产品属性的匹配程度,确定目标保险产品,并将所述目标保险产品的产品信息确定为与所述保险产品类型对应的产品信息。
6.如权利要求1-5任一项所述的用户风险画像生成方法,其特征在于,所述读取用户在预设周期内去各POI的POI概率的步骤之前包括:
读取用户在预设周期内的各个位置信息,并确定以各所述位置信息为中心的预设范围内的POI;
统计所述POI的POI数量,并根据所述POI数量,确定用户从各所述位置信息去各所述POI的POI概率,生成用户在预设周期内去各POI的POI概率。
7.如权利要求6所述的用户风险画像生成方法,其特征在于,所述根据所述POI数量,确定用户从各所述位置信息去各所述POI的POI概率,生成用户在预设周期内去各POI的POI概率的步骤包括:
根据各所述位置信息与所述预设范围的距离关系,将所述预设范围划分为多个远近区域;
根据各所述远近区域与所述位置信息的距离关系,为各所述远近区域分配区域概率;
用所述POI数量的倒数值和所述区域概率做乘积,确定用户从各所述位置信息去各所述远近区域中所述POI的POI概率,生成用户在预设周期内去各POI的POI概率。
8.一种用户风险画像生成装置,其特征在于,兴趣点POI类型包括风险类型POI,所述用户风险画像生成装置包括:
读取模块,用于读取用户在预设周期内去各POI的POI概率,并对各所述POI概率按照所归属的POI类型进行统计,确定用户去所有风险类型POI的总风险POI概率;
确定模块,用于判断所述总风险POI概率是否大于预设值,若大于所述预设值,则对各所述风险类型POI进行保险产品的属性归类,并确定用户相对于各类所述保险产品的子风险POI概率;
生成模块,用于将各所述子风险POI概率及对应的保险产品形成概率产品对,并将各所述概率产品对设为用户特征标签添加到预设画像模板中,生成用户在所述预设周期的风险画像。
9.一种用户风险画像生成设备,其特征在于,所述用户风险画像生成设备包括:存储器、处理器、通信总线以及存储在所述存储器上的用户风险画像生成程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述用户风险画像生成程序,以实现如权利要求1-7中任一项所述的用户风险画像生成方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有用户风险画像生成程序,所述用户风险画像生成程序被处理器执行时实现如权利要求1-7中任一项所述的用户风险画像生成方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811135650.1A CN109447689A (zh) | 2018-09-27 | 2018-09-27 | 用户风险画像生成方法、装置、设备及可读存储介质 |
PCT/CN2018/123218 WO2020062657A1 (zh) | 2018-09-27 | 2018-12-24 | 用户风险画像生成方法、装置、设备及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811135650.1A CN109447689A (zh) | 2018-09-27 | 2018-09-27 | 用户风险画像生成方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109447689A true CN109447689A (zh) | 2019-03-08 |
Family
ID=65545937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811135650.1A Pending CN109447689A (zh) | 2018-09-27 | 2018-09-27 | 用户风险画像生成方法、装置、设备及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109447689A (zh) |
WO (1) | WO2020062657A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322274A (zh) * | 2019-05-30 | 2019-10-11 | 深圳壹账通智能科技有限公司 | 基于数据分析的人群画像生成方法、装置和计算机设备 |
CN110689446A (zh) * | 2019-10-30 | 2020-01-14 | 海腾保险代理有限公司 | 组合保险的推荐方法及装置 |
CN110766559A (zh) * | 2019-10-30 | 2020-02-07 | 海腾保险代理有限公司 | 标签配置方法及装置 |
CN110782361A (zh) * | 2019-10-30 | 2020-02-11 | 海腾保险代理有限公司 | 定制保险的推荐方法及装置 |
CN111724218A (zh) * | 2019-03-18 | 2020-09-29 | 河南省技术产权交易所有限公司 | 知识产权挂牌方法、装置、设备及计算机可读存储介质 |
CN115099680A (zh) * | 2022-07-14 | 2022-09-23 | 平安科技(深圳)有限公司 | 风险管理方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651603A (zh) * | 2016-12-29 | 2017-05-10 | 平安科技(深圳)有限公司 | 基于位置服务的风险评估方法及装置 |
CN106656932A (zh) * | 2015-11-02 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种业务处理方法及装置 |
CN107566358A (zh) * | 2017-08-25 | 2018-01-09 | 腾讯科技(深圳)有限公司 | 一种风险预警提示方法、装置、介质及设备 |
CN107730389A (zh) * | 2017-09-30 | 2018-02-23 | 平安科技(深圳)有限公司 | 电子装置、保险产品推荐方法及计算机可读存储介质 |
CN107818506A (zh) * | 2017-09-30 | 2018-03-20 | 上海壹账通金融科技有限公司 | 电子装置、信贷风险控制方法及存储介质 |
CN108171610A (zh) * | 2017-12-28 | 2018-06-15 | 中国平安人寿保险股份有限公司 | 页面生成方法、页面生成设备、存储介质及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682394A (zh) * | 2016-11-30 | 2017-05-17 | 北京拓明科技有限公司 | 一种生存风险的大数据分析方法及*** |
CN107657527A (zh) * | 2017-09-29 | 2018-02-02 | 平安科技(深圳)有限公司 | 贷款产品匹配方法、装置及计算机可读存储介质 |
CN108288229B (zh) * | 2018-03-02 | 2022-03-15 | 北京邮电大学 | 一种用户画像构建方法 |
-
2018
- 2018-09-27 CN CN201811135650.1A patent/CN109447689A/zh active Pending
- 2018-12-24 WO PCT/CN2018/123218 patent/WO2020062657A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106656932A (zh) * | 2015-11-02 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种业务处理方法及装置 |
CN106651603A (zh) * | 2016-12-29 | 2017-05-10 | 平安科技(深圳)有限公司 | 基于位置服务的风险评估方法及装置 |
CN107566358A (zh) * | 2017-08-25 | 2018-01-09 | 腾讯科技(深圳)有限公司 | 一种风险预警提示方法、装置、介质及设备 |
CN107730389A (zh) * | 2017-09-30 | 2018-02-23 | 平安科技(深圳)有限公司 | 电子装置、保险产品推荐方法及计算机可读存储介质 |
CN107818506A (zh) * | 2017-09-30 | 2018-03-20 | 上海壹账通金融科技有限公司 | 电子装置、信贷风险控制方法及存储介质 |
CN108171610A (zh) * | 2017-12-28 | 2018-06-15 | 中国平安人寿保险股份有限公司 | 页面生成方法、页面生成设备、存储介质及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724218A (zh) * | 2019-03-18 | 2020-09-29 | 河南省技术产权交易所有限公司 | 知识产权挂牌方法、装置、设备及计算机可读存储介质 |
CN110322274A (zh) * | 2019-05-30 | 2019-10-11 | 深圳壹账通智能科技有限公司 | 基于数据分析的人群画像生成方法、装置和计算机设备 |
CN110689446A (zh) * | 2019-10-30 | 2020-01-14 | 海腾保险代理有限公司 | 组合保险的推荐方法及装置 |
CN110766559A (zh) * | 2019-10-30 | 2020-02-07 | 海腾保险代理有限公司 | 标签配置方法及装置 |
CN110782361A (zh) * | 2019-10-30 | 2020-02-11 | 海腾保险代理有限公司 | 定制保险的推荐方法及装置 |
CN110766559B (zh) * | 2019-10-30 | 2023-09-29 | 海腾保险代理有限公司 | 标签配置方法及装置 |
CN115099680A (zh) * | 2022-07-14 | 2022-09-23 | 平安科技(深圳)有限公司 | 风险管理方法、装置、设备及存储介质 |
CN115099680B (zh) * | 2022-07-14 | 2024-02-02 | 平安科技(深圳)有限公司 | 风险管理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020062657A1 (zh) | 2020-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447689A (zh) | 用户风险画像生成方法、装置、设备及可读存储介质 | |
CN107315824B (zh) | 用于生成热力图的方法和装置 | |
CN110020221B (zh) | 职住分布确认方法、装置、服务器及计算机可读存储介质 | |
CN109859054A (zh) | 网络社团挖掘方法、装置、计算机设备及存储介质 | |
CN110765220B (zh) | 一种基于热力图的地理位置确定方法和电子设备 | |
CN109272219A (zh) | 绩效考核方法、装置、计算机设备及存储介质 | |
US20220067000A1 (en) | Constructing a database of verified individuals | |
CN109840851A (zh) | 一种理财数据的综合管理方法、装置及设备 | |
CN110363453A (zh) | 配送信息可视化方法和装置 | |
CN108090086A (zh) | 分页查询方法及装置 | |
CN112528148B (zh) | 资源信息展示、配置方法及装置 | |
CN109299367A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
CN111339409A (zh) | 地图展示方法与*** | |
CN108596052A (zh) | 一种物品查找方法、***及终端设备 | |
CN109559218A (zh) | 一种异常交易的确定方法、装置及存储介质 | |
CN117150138B (zh) | 一种基于高维空间映射的科技资源组织方法及*** | |
CN117056352A (zh) | 数据的展示方法、装置、终端设备和可读存储介质 | |
CN108805408B (zh) | 访问规划方法及终端设备 | |
CN111414395A (zh) | 数据处理方法、***和计算机设备 | |
CN109409936A (zh) | 用户消费画像生成方法、装置、设备及可读存储介质 | |
CN113342762B (zh) | 针对商户好友的共享消息的智能处理方法及相关装置 | |
CN109816470A (zh) | 险种推荐方法、装置、电子设备及计算机可读存储介质 | |
CN107169014B (zh) | Poi推荐方法、装置、设备及计算机可读存储介质 | |
CN109670853A (zh) | 用户特征数据的确定方法、装置、设备及可读存储介质 | |
CN109146122A (zh) | 一种概率预测方法、装置、电子设备及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40002557 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |