CN113191911A - 基于用户信息的保险推荐方法、***、设备及介质 - Google Patents
基于用户信息的保险推荐方法、***、设备及介质 Download PDFInfo
- Publication number
- CN113191911A CN113191911A CN202110740664.1A CN202110740664A CN113191911A CN 113191911 A CN113191911 A CN 113191911A CN 202110740664 A CN202110740664 A CN 202110740664A CN 113191911 A CN113191911 A CN 113191911A
- Authority
- CN
- China
- Prior art keywords
- user
- insurance
- information
- similarity
- insurance product
- 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 45
- 239000011159 matrix material Substances 0.000 claims abstract description 51
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000036541 health Effects 0.000 claims description 21
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 2
- 201000010099 disease Diseases 0.000 description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 23
- 230000000694 effects Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 208000012260 Accidental injury Diseases 0.000 description 1
- 208000027205 Congenital disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
- 238000002255 vaccination Methods 0.000 description 1
Images
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Public Health (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种基于用户信息的保险推荐方法、***、设备及介质,包括:采集用户的人脸图像,识别人脸图像得到用户的身份信息;根据身份信息获取用户的个人信息,利用个人信息构建用户画像;评估用户画像生成用户关于风险的加权因子;利用协同过滤算法生成保险产品‑属性矩阵与用户‑保险产品评分矩阵,计算保险产品‑属性矩阵得到保险产品的第一相似度,计算用户‑保险产品评分矩阵得到第二相似度;利用加权因子对第一相似度与第二相似度进行加权计算,得到综合相似度;利用综合相似度为用户匹配最相似K个近邻,得到保险产品的推荐方案。本发明基于人脸匹配用户信息,分析用户的风险加权因子,进行加权推荐,提高了保险推荐的准确度。
Description
技术领域
本发明属于数据处理技术领域,特别是涉及一种基于用户信息的保险推荐方法、***、设备及介质。
背景技术
互联网的快速发展给传统的保险行业带来一定的冲击,对于保险代理人来说传统的获客方式越来越难,但同时移动互联网也提供了新的获客渠道和方式,为获客方式提供了更多新的可能。
传统的获客方式一般是面对面的方式,保险代理人在与用户沟通过程中可以获得用户的一些基本信息,如大致的年龄、文化水平、健康状况、衣着层次等,保险代理人在面对面沟通过程中可以快速根据这些基本信息为用户提供比较符合用户需求的保险产品。但是改用电话或网络等获客方式后,保险代理人无法快速掌握用户的这些基本信息,也无法据此来为用户提供符合用户需求的保险产品。
因此,现有技术中亟需一种根据用户状况准确向用户推荐保险产品的方法。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于用户信息的保险推荐方法、***、设备及介质,用于解决现有技术基于用户信息推荐保险时,无法根据用户状况准确推荐保险产品的问题。
为实现上述目的及其他相关目的,本发明的第一方面提供一种基于用户信息的保险推荐方法,包括:
采集用户的人脸图像,识别所述人脸图像得到用户的身份信息;
根据所述身份信息获取用户的个人信息,利用所述个人信息构建用户画像;
评估所述用户画像生成用户关于风险的加权因子;
利用协同过滤算法生成保险产品-属性矩阵与用户-保险产品评分矩阵,计算所述保险产品-属性矩阵得到保险产品的第一相似度,计算所述用户-保险产品评分矩阵得到用户之间的第二相似度;
利用加权因子对所述第一相似度与第二相似度进行加权计算,得到综合相似度;
利用所述综合相似度为用户匹配最相似 K个近邻,得到保险产品的推荐方案。
于所述第一方面的一实施例中,获取用户的人脸图像;基于深度残差网络中顺次相连的各个残差块,对所述人脸图像进行特征提取,得到人脸特征信息,任意一个残差块中均包括一个恒等映射和至少两个卷积层,任意一个残差块的恒等映射由所述任意一个残差块的输入端指向所述任意一个残差块的输出端;基于所述人脸特征信息在人脸数据库进行人脸检索,得到人脸检索结果,所述人脸数据库中存储了人脸特征信息与身份信息之间的对应关系,所述人脸检索结果中至少包括与所述目标人脸特征信息匹配的身份信息。
于所述第一方面的一实施例中,还包括:根据所述身份信息获取用户的个人信息,所述个人信息包括用户的基本信息、健康信息与投保信息;根据所述个人信息从基本信息、健康信息与投保信息多个维度构建用户画像。
于所述第一方面的一实施例中,还包括:利用风险关联模型评价用户画像基于健康信息与投保信息之间关系计算用户存在风险的加权因子。
于所述第一方面的一实施例中,还包括:
整合保险产品-属性表,得到保险产品-属性矩阵;根据所述保险产品-属性矩阵计算所述保险产品的第一相似度;
量化用户数据得到用户-保险产品评分表,整合用户-保险产品评分表中的数据得到用户-保险产品评分矩阵;以所述用户-保险产品评分矩阵为基础,得到所述保险产品的评分向量,采用余弦相似度从用户角度计算用户-保险产品评分矩阵得到保险产品的第二相似度。
于所述第一方面的一实施例中,还包括:
利用所述综合相似度为用户匹配到目标保险产品最相似 K个近邻组成最近邻居集合,根据用户的评分向量与保险产品的相似度向量计算用户对保险产品的预测评分,根据预测评分从高至低的排列得到保险产品的推荐方案。
于所述第一方面的一实施例中,还包括:获取用户之间信任度的正反馈因子与负反馈因子,根据反馈因子修正原始的用户之间的第二相似度,将优化后的信任度与用户第二相似度进行线性加权,得到优化后的第二相似度。
本发明的第二方面提供一种基于用户信息的保险推荐***,包括:
采集模块,用于采集用户的人脸图像,识别所述人脸图像得到用户的身份信息;
画像构建模块,用于根据所述身份信息获取用户的个人信息,利用所述个人信息构建用户画像;
风险评估模块,用于评估所述用户画像生成用户关于风险的加权因子;
第一计算模块,利用协同过滤算法生成保险产品-属性矩阵与用户-保险产品评分矩阵,计算所述保险产品-属性矩阵得到保险产品的第一相似度,计算所述用户-保险产品评分矩阵得到用户之间的第二相似度;
第二计算模块,利用加权因子对所述第一相似度与第二相似度进行加权计算,得到综合相似度;
保险推荐模块,利用所述综合相似度为用户匹配最相似 K个近邻,得到保险产品的推荐方案。
本发明的第三方面提供一种基于用户信息的保险推荐设备,包括:
一个或多个处理装置;
存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现上述的基于用户信息的保险推荐方法。
本发明的第四方面提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序用于使所述计算机执行上述的基于用户信息的保险推荐方法。
如上所述,本发明所述的基于用户信息的保险推荐方法、***、设备及介质的一个技术方案,具有以下有益效果:
本发明基于保险产品的协同过滤算法与基于保险产品内容的推荐算法进行组合使用,再结合加权因子进行加权推荐,既实现了对用户推荐新颖性的要求,又提高了推荐准确度,同时,引入用户画像风险的加权因子,关联用户真实需求与产品属性,进而在原有基础上进一步提高了保险产品的推荐准确度。
附图说明
图1显示为本发明提供的一种基于用户信息的保险推荐方法流程图;
图2显示为本发明提供的一种基于用户信息的保险推荐***结构框图;
图3显示为本发明提供的一种基于用户信息的保险推荐设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明解决现有技术中,例如,用户去医院做了正常体检,除了自己体检信息的异常指标之外,对体检将要所引起的健康风险一无所知,而如何根据用户体检信息为用户推荐合理合法的保险产品,一直未有,而如果当用户患上某种疾病后再去体检,往往存在带病投保的嫌疑,从而导致用户在理赔时,发生理赔纠纷,因此,如何在获悉身体健康的基础上,通过概率学估算用户患病的风险,提高保险产品精准推荐的目的,是迫切需要解决的问题。
请参阅图1,为本发明提供的一种基于用户信息的保险推荐方法流程图,包括:
步骤S1,采集用户的人脸图像,识别所述人脸图像得到用户的身份信息;
其中,安装于某个区域(体检中心、医院、疗养中心等)的人脸采集终端,将采集终端发送至服务器进行识别,得到用户的身份信息,在此不再赘述。
步骤S2,根据所述身份信息获取用户的个人信息,利用所述个人信息构建用户画像;
其中,根据用户的个人信息,在关联的本地数据库获取用户的个人信息,从而根据个人信息构建用户画像。
步骤S3,评估所述用户画像生成用户关于风险的加权因子;
步骤S4,利用协同过滤算法生成保险产品-属性矩阵与用户-保险产品评分矩阵,计算所述保险产品-属性矩阵得到保险产品的第一相似度,计算所述用户-保险产品评分矩阵得到用户之间的第二相似度;
步骤S5,利用加权因子对所述第一相似度与第二相似度进行加权计算,得到综合相似度;
步骤S6,利用所述综合相似度为用户匹配最相似 K个近邻,得到保险产品的推荐方案。
其中,步骤S1,具体为:获取用户的人脸图像;基于深度残差网络中顺次相连的各个残差块,对所述人脸图像进行特征提取,得到人脸特征信息,任意一个残差块中均包括一个恒等映射和至少两个卷积层,任意一个残差块的恒等映射由所述任意一个残差块的输入端指向所述任意一个残差块的输出端;基于所述人脸特征信息在人脸数据库进行人脸检索,得到人脸检索结果,所述人脸数据库中存储了人脸特征信息与身份信息之间的对应关系,所述人脸检索结果中至少包括与所述目标人脸特征信息匹配的身份信息。
具体地,该实施环境中包括终端、人脸检索***以及人脸数据库。其中,人脸检索***具体形式为服务器,人脸检索***与人脸数据库既可以配置在同一个服务器上,也可以在不同的服务器上,本发明实施例对此不进行具体限定。终端的类型包括但不限于智能手机、台式电脑、笔记本电脑、平板电脑等。
在本发明实施例中,终端和人脸检索***基于RESTful架构模式,即二者采用客户端/服务器模式进行互联网通信。由于本发明实施例基于RESTful架构,提供了Restful标准协议接口,所以一台服务器可配置由多个客户端来访问,方便快捷。
此外,由于人脸数据库中存储的数据是在实时变化的,所以将人脸检索服务部署在一套分布式体系下,不但可节省很多资源与工作量,而且可快速并发处理大量请求。避免了当每个软件均单独部署人脸检索时,数据库的更新任务繁重的问题。比如时下大多数的软件架构均为嵌入式应用安装于智能手机、平板电脑等设备中,针对这种模式,当数据更新发生更新时便需要在大批量设备上单独进行配置,数据库的更新任务十分庞大。
需要说明的是,恒等映射(identity mapping):对任意集合A,如果映射f:A→A定义为f(a)=a,即规定A中每个元素a与自身对应,则称f为A上的恒等映射。
RESTful架构:RESTful指代一种软件架构风格、设计风格,而不是标准,其提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁,更有层次,更易于实现缓存等机制。
还需要说明的是,本发明实施例提供的人脸检索方法从人脸检索具体方式与软件架构两方面进行了创新性设计。一方面,提出使用ResNet网络结构作为进行人脸检索的具体算法,以较深的网络层数学习人脸特征,得到了更为准确的人脸匹配与比对效果。另一方面,本发明实施例采用基于RESTful标准的软件架构,不但可满足静态检索需要,而且还可方便地配置大型的分布式检索***,在诸如缉查布控、刑侦办案、安防活动等领域具有较高的实用价值。
人脸检索***主要包括人脸检索服务模块以及特征提取服务模块。
其中,人脸检索服务模块,用于进行人脸特征信息的入库以及人脸特征信息的检索;特征提取服务模块,用于进行大批量图像的特征提取。
针对人脸检索服务模块来说,在将人脸特征信息入库时,可以特征文件的形式实现。其中,特征文件中包括一对一的身份标识与人脸特征信息。在本发明实施例中,可直接调用人脸检索服务模块的入库接口将人脸特征信息入库。在进行人脸特征信息检索时,人脸检索服务模块可进行的操作包括但不限于:在客户端输入了图像后自动进行图像的base64编码并在库中进行人脸相似度比对,检索到相似度达到阈值的人脸特征进行输出。
针对特征提取服务模块来说,本发明实施例采用ResNet网络对人脸图像进行特征提取。而由于ResNet网络引入了残差网络结构,所以解决了因网络层数过深导致的梯度弥散问题,能够以较深的网络结构进行人脸图像的特征学习,确保了人脸检索的准确度。在本发明实施例中,人脸图像指代包括人脸的图像。
综上所述,本发明实施例采用了深度残差网络ResNet进行人脸检索,解决了网络越深梯度弥散的现象越来越明显,进而导致网络训练效果较差的问题。相比于其他的网络模型,ResNet网络可以将网络层数做得很深,甚至可达1000多层,从而可以得到人脸特征信息很好的学***台整合,以HTTP服务的方式提供人脸检索服务,可对外提供Restful标准协议接口。
在另一实施例中,步骤S2还包括:根据所述身份信息获取用户的个人信息,所述个人信息包括用户的基本信息、健康信息与投保信息;根据所述个人信息从基本信息、健康信息与投保信息多个维度构建用户画像。
在此需要说明的是,所述基本信息包括用户的性别、年龄、职业、婚姻状况等个人基本信息。健康信息包括健康状态、家族史、疾病史、生活方式、体检信息、保健方式、生活环境、心理状态、健康常识以及安全意识等方面,所述健康状态包括用户是否存在身体缺陷、是否存在先天疾病以及是否近视等信息。所述家族史包括用户的家族病史;所述疾病史包括用户的曾患疾病信息;所述生活方式包括用户的吸烟状况、饮酒状况、饮食习惯、运动习惯、睡眠习惯等生活信息。所述体检信息包括用户的体检信息,例如:心率、肝功能、血脂、尿常规、肾功能、肿瘤标志物等。所述保健方式包括疫苗接种情况、体检频率等信息。所述生活环境包括用户的饮用水情况、工作或生活中有害物质暴露情况等信息。所述心理状态包括用户的生活和工作压力情况。所述健康常识包括用户对疾病预防、健康管理等方面的常识信息的了解情况。所述安全意识包括用户在工作和生活中的安全意识,例如是否会疲劳驾驶、开车是否会系安全带、家中是否会安装烟雾感应器等。所述投保信息包括购买保险的种类与数量,保险种类分为定期寿险、定期生存、终身寿险、意外伤害、意外医疗、住院医疗、住院补贴和万能保险。
具体地,根据用户基本信息、健康信息与投保信息等多个维度的信息,利用预设的正则表达式从所述信息中提取若干用户属性特征数据;根据若干所述用户属性特征数据,生成若干用户特征标签;根据所述用户特征标签生成用户画像生成用户画像。在本实施例中,根据用户属性特征数据生成最终的用户画像进行展示,用户根据用户画像可以直观的获悉用户的各个特征。
在另一实施例中,还包括:利用风险关联模型评价用户画像基于健康信息与投保信息之间关系,计算用户存在风险的加权因子。
具体地,风险关联模型为疾病风险关联模型,用于根据用户的健康信息从疾病风险关联模型中查找相关疾病。相关疾病即为根据用户的档案子信息确定的、用户患有或者将来可能患有的疾病,所述相关疾病的数量为一种或多种。
例如,根据疾病风险关联模型计算相关疾病的患病概率。当相关疾病的数量为多种时,分别计算各相关疾病的患病概率。
又例如,根据疾病风险关联模型计算用户的风险因素的权重值;根据用户的风险因素的权重值和疾病风险关联模型计算所述相关疾病的患病概率,从而得到用户疾病风险的加权因子,例如,如果有种患病的概率则计算其概率平均值为加权因子。
在另一些实施例中,还包括:整合保险产品-属性表,得到保险产品-属性矩阵;根据所述保险产品-属性矩阵计算所述保险产品的第一相似度;
量化用户数据得到用户-保险产品评分表,整合用户-保险产品评分表中的数据得到用户-保险产品评分矩阵;以所述用户-保险产品评分矩阵为基础,得到所述保险产品的评分向量,采用余弦相似度从用户角度计算用户-保险产品评分矩阵得到保险产品的第二相似度。
例如,基于物品的协同过滤思想计算保险产品的相似度(记为sima);对用户数据进行量化,得到用户-保险产品评分表,将用户-保险产品评分表进行整合,得到用户-保险产品评分矩阵,user代表用户编号,item代表保险编号,rating代表评分,rij代表用户编号为i的用户对保险产品编号为j 的保险产品的评分,例如,评分向量[r11, r12, r13, r14,…,rm1]。对所有保险产品的评分向量求相似度,得到保险产品的相似度矩阵。
其中,采用修正的余弦相似度进行计算,从用户角度计算保险产品的第二相似度;
例如,根据基于物品内容的推荐算法思想求取保险产品的相似度(记为simb),整合保险产品-属性表,得到保险产品-属性矩阵;item代表保险编号,Property代表保险产品所具有的属性,1代表保险具有属性,0代表保险产品不具有属性,根据所述保险产品-属性矩阵计算所述保险产品的第一相似度;通过以下公式计算保险产品的相似度矩阵:
simx(x,j)为综合相似度,β为用户画像存在风险的加权因子,sima(x,j)为从用户角度计算保险产品的第二相似度,simb(x,j)为保险产品之间的相似度。
在本实施例中,保险推荐算法可以选用基于物品的协同过滤算法,通过分析用户的投保数据实现推荐,由于客户投保情况不完全相同,通过综合用户选择,向客户推荐优良且新颖的产品。基于内容的推荐算法利用了物品本申请的特征属性,能够有效缓解数据集的问题,即使用户信息少,通过保险产品自身的属性也能根据属性产生更丰富向量,从而对客户进行推荐。基于保险产品的协同过滤算法与基于保险产品内容的推荐算法进行组合使用,再结合加权因子进行加权推荐,既实现了对用户推荐新颖性的要求,又提高了推荐准确度。
在另一实施例中,还包括:利用所述综合相似度为用户匹配到目标保险产品最相似K个近邻组成最近邻居集合,根据用户的评分向量与保险产品的相似度向量计算用户对保险产品的预测评分,根据预测评分从高至低的排列得到保险产品的推荐方案。例如,采用以下公式计算预测评分:
在本实施例中,根据预测评分在保险产品中匹配最相似K个近邻组成最近邻居集合,按照预测评分从高至低从最近邻居集合筛选,选择分值最高的保险产品构成推荐方案。
在另一些实施例中,还包括:获取每对用户的信任度的正反馈因子与负反馈因子,根据反馈因子修正原始的用户之间的第二相似度,将优化的信任度与用户第二相似度进行线性加权,得到优化后的第二相似度。
在公式(5)、公式(6)与公式(7)中,Trust*(i,j)为优化后的信任度,f为负反馈因子,t为正反馈因子,Trust(i,j)为优化前的信任度,α为加权系数,取值范围为0到1,β为用户画像存在风险的加权因子,sima*(x,j)为优化后的用户i和用户j的相似度,sima(x,j)为用户i和用户j的相似度,simx(x,j)为综合相似度。
例如,根据用户-保险产品评分矩阵计算用户之间的相似度,保险产品评分矩阵计算每对用户之间共同的产品分值与实际阈值大小关系,从而获得每对用户信任度的正反馈因子与负反馈因子数量,并利用反馈修正原始的用户信任度,最后将优化后的信任度与用户相似度进行线性加权,在此需要说明的是,用户相似度即从用户角度计算的第二相似度;最后根据协同滤波算法得到保险产品的推荐方案,有效提高了协同过滤算法的准确推荐能力。
具体地,优化后的信任度如公式(6)所示,其中,用户信任度与正反馈因子数呈正相关,正反馈因子数表示每对用户评分差较小的次数;用户信任度与负反馈因子数呈负相关,负反馈因子数表示每对用户评分差较大的次数;初始信任度Trust(i,j)为用户i对用户j的信任度值,通过上述方式得到优化后的用户信任度。
在上述实施基础上,将皮尔逊相关系数与信任度线性结合,得的优化后的用户i与用户j之间的相似度,具体如公式(5)所示,进一步提高了用户之间相似度准确性。
而采用公式(7)所示,在用户相似度基础上,结合保险产品-属性矩阵计算所述保险产品的第一相似度,从保险产品角度与用户角度计算相似度,基于物品内容的推荐算法和基于用户的协同过滤推荐算法进行整体组合,避免了传统协同过滤算法由于严重的数据稀疏性以及用户相似度计算不准确导致的准确性差的问题。
请参阅图2,为本发明提供的一种基于用户信息的保险推荐***结构框图,所述基于用户信息的保险推荐***详述如下:
采集模块1,用于采集用户的人脸图像,识别所述人脸图像得到用户的身份信息;
画像构建模块2,用于根据所述身份信息获取用户的个人信息,利用所述个人信息构建用户画像;
风险评估模块3,用于评估所述用户画像生成用户关于风险的加权因子;
第一计算模块4,利用协同过滤算法生成保险产品-属性矩阵与用户-保险产品评分矩阵,计算所述保险产品-属性矩阵得到保险产品的第一相似度,计算所述用户-保险产品评分矩阵得到用户之间的第二相似度;
第二计算模块5,利用加权因子对所述第一相似度与第二相似度进行加权计算,得到综合相似度;
保险推荐模块6,利用所述综合相似度为用户匹配最相似K个近邻,得到保险产品的推荐方案
还需要说明的是,基于用户信息的保险推荐方法与基于用户信息的保险推荐***为一一对应的关系,在此,基于用户信息的保险推荐***所涉及的技术细节与技术效果和上述识别方法相同,在此不一一赘述,请参照上述基于用户信息的保险推荐方法。
下面参考图3,其示出了适于用来实现本公开实施例的基于用户信息的保险推荐设备例如电子设备设备或服务器的结构示意图。本公开实施例中的电子设备设备可以包括但不限于诸如手机、平板电脑、膝上型电脑、台式电脑、电脑一体机、服务器、工作站、电视、机顶盒、智能眼镜、智能手表、数码相机、MP4播放器、MP5播放器、学习机、点读机、电纸书、电子词典、车载终端、虚拟现实(VirtualReality,VR)播放器或增强现实(AugmentedReality,AR)播放器等的固定器。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备7可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备7与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备7,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开实施例的方法中限定的上述功能。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM702被安装。在该计算机程序被处理装置701执行时,执行本公开实施例的方法中限定的上述功能。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:执行上述步骤S1到步骤S6的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明基于保险产品的协同过滤算法与基于保险产品内容的推荐算法进行组合使用,再结合加权因子进行加权推荐,既实现了对用户推荐新颖性的要求,又提高了推荐准确度,同时,引入用户画像风险的加权因子,关联用户真实需求与产品属性,进而在原有基础上进一步提高了保险产品的推荐准确度,有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于用户信息的保险推荐方法,其特征在于,包括:
采集用户的人脸图像,识别所述人脸图像得到用户的身份信息;
根据所述身份信息获取用户的个人信息,利用所述个人信息构建用户画像;
评估所述用户画像生成用户关于风险的加权因子;
利用协同过滤算法生成保险产品-属性矩阵与用户-保险产品评分矩阵,计算所述保险产品-属性矩阵得到保险产品的第一相似度,计算所述用户-保险产品评分矩阵得到用户之间的第二相似度;
利用加权因子对所述第一相似度与第二相似度进行加权计算,得到综合相似度;
利用所述综合相似度为用户匹配最相似 K个近邻,得到保险产品的推荐方案。
2.根据权利要求1所述的基于用户信息的保险推荐方法,其特征在于,还包括:
获取用户的人脸图像;基于深度残差网络中顺次相连的各个残差块,对所述人脸图像进行特征提取,得到人脸特征信息,任意一个残差块中均包括一个恒等映射和至少两个卷积层,任意一个残差块的恒等映射由所述任意一个残差块的输入端指向所述任意一个残差块的输出端;基于所述人脸特征信息在人脸数据库进行人脸检索,得到人脸检索结果,所述人脸数据库中存储了人脸特征信息与身份信息之间的对应关系,所述人脸检索结果中至少包括与所述目标人脸特征信息匹配的身份信息。
3.根据权利要求1或2所述的基于用户信息的保险推荐方法,其特征在于,还包括:根据所述身份信息获取用户的个人信息,所述个人信息包括用户的基本信息、健康信息与投保信息;根据所述个人信息从基本信息、健康信息与投保信息多个维度构建用户画像。
4.根据权利要求3所述的基于用户信息的保险推荐方法,其特征在于,还包括:利用风险关联模型评价用户画像基于健康信息与投保信息之间关系计算用户存在风险的加权因子。
5.根据权利要求1所述的基于用户信息的保险推荐方法,其特征在于,还包括:
整合保险产品-属性表,得到保险产品-属性矩阵;根据所述保险产品-属性矩阵计算所述保险产品的第一相似度;
量化用户数据得到用户-保险产品评分表,整合用户-保险产品评分表中的数据得到用户-保险产品评分矩阵;以所述用户-保险产品评分矩阵为基础,得到所述保险产品的评分向量,采用余弦相似度从用户角度计算用户-保险产品评分矩阵得到保险产品的第二相似度。
6.根据权利要求1所述的基于用户信息的保险推荐方法,其特征在于,还包括:
利用所述综合相似度为用户匹配到目标保险产品最相似 K个近邻组成最近邻居集合,根据用户的评分向量与保险产品的相似度向量计算用户对保险产品的预测评分,根据预测评分从高至低的排列得到保险产品的推荐方案。
7.根据权利要求1所述的基于用户信息的保险推荐方法,其特征在于,还包括:获取用户之间信任度的正反馈因子与负反馈因子,根据反馈因子修正原始的用户之间的第二相似度,将优化后的信任度与用户第二相似度进行线性加权,得到优化后的第二相似度。
8.一种基于用户信息的保险推荐***,其特征在于,包括:
采集模块,用于采集用户的人脸图像,识别所述人脸图像得到用户的身份信息;
画像构建模块,用于根据所述身份信息获取用户的个人信息,利用所述个人信息构建用户画像;
风险评估模块,用于评估所述用户画像生成用户关于风险的加权因子;
第一计算模块,利用协同过滤算法生成保险产品-属性矩阵与用户-保险产品评分矩阵,计算所述保险产品-属性矩阵得到保险产品的第一相似度,计算所述用户-保险产品评分矩阵得到用户之间的第二相似度;
第二计算模块,利用加权因子对所述第一相似度与第二相似度进行加权计算,得到综合相似度;
保险推荐模块,利用所述综合相似度为用户匹配最相似 K个近邻,得到保险产品的推荐方案。
9.一种基于用户信息的保险推荐设备,其特征在于,包括:
一个或多个处理装置;
存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现权利要求1至7中任一所述的基于用户信息的保险推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序用于使计算机执行权利要求1至7中任一所述的基于用户信息的保险推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740664.1A CN113191911A (zh) | 2021-07-01 | 2021-07-01 | 基于用户信息的保险推荐方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740664.1A CN113191911A (zh) | 2021-07-01 | 2021-07-01 | 基于用户信息的保险推荐方法、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191911A true CN113191911A (zh) | 2021-07-30 |
Family
ID=76976841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110740664.1A Pending CN113191911A (zh) | 2021-07-01 | 2021-07-01 | 基于用户信息的保险推荐方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191911A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643103A (zh) * | 2021-08-31 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 基于用户相似度的产品推荐方法、装置、设备及存储介质 |
CN113888203A (zh) * | 2021-09-04 | 2022-01-04 | 北京优全智汇信息技术有限公司 | 线上保险产品销售***和销售方法 |
CN114997956A (zh) * | 2022-06-14 | 2022-09-02 | 杭州洋驼网络科技有限公司 | 基于大数据的母婴产品智能推荐*** |
CN118014738A (zh) * | 2024-01-10 | 2024-05-10 | 保腾网络科技有限公司 | 基于人工智能的人寿保险推荐方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463630A (zh) * | 2014-12-11 | 2015-03-25 | 新一站保险代理有限公司 | 一种基于网购保险产品特性的产品推荐方法及*** |
CN108108499A (zh) * | 2018-02-07 | 2018-06-01 | 腾讯科技(深圳)有限公司 | 人脸检索方法、装置、存储介质及设备 |
CN112989210A (zh) * | 2021-05-17 | 2021-06-18 | 明品云(北京)数据科技有限公司 | 基于健康画像的保险推荐方法、***、设备和介质 |
CN112992317A (zh) * | 2021-05-10 | 2021-06-18 | 明品云(北京)数据科技有限公司 | 一种医学数据处理方法、***、设备及介质 |
-
2021
- 2021-07-01 CN CN202110740664.1A patent/CN113191911A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463630A (zh) * | 2014-12-11 | 2015-03-25 | 新一站保险代理有限公司 | 一种基于网购保险产品特性的产品推荐方法及*** |
CN108108499A (zh) * | 2018-02-07 | 2018-06-01 | 腾讯科技(深圳)有限公司 | 人脸检索方法、装置、存储介质及设备 |
CN112992317A (zh) * | 2021-05-10 | 2021-06-18 | 明品云(北京)数据科技有限公司 | 一种医学数据处理方法、***、设备及介质 |
CN112989210A (zh) * | 2021-05-17 | 2021-06-18 | 明品云(北京)数据科技有限公司 | 基于健康画像的保险推荐方法、***、设备和介质 |
Non-Patent Citations (2)
Title |
---|
管逸飞: "保险推荐***算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
黄伟建: "结合隐语义模型与改进用户信任的协同过滤推荐算法", 《现代电子技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643103A (zh) * | 2021-08-31 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 基于用户相似度的产品推荐方法、装置、设备及存储介质 |
CN113643103B (zh) * | 2021-08-31 | 2024-06-25 | 深圳平安医疗健康科技服务有限公司 | 基于用户相似度的产品推荐方法、装置、设备及存储介质 |
CN113888203A (zh) * | 2021-09-04 | 2022-01-04 | 北京优全智汇信息技术有限公司 | 线上保险产品销售***和销售方法 |
CN113888203B (zh) * | 2021-09-04 | 2022-09-13 | 北京优全智汇信息技术有限公司 | 线上保险产品销售***和销售方法 |
CN114997956A (zh) * | 2022-06-14 | 2022-09-02 | 杭州洋驼网络科技有限公司 | 基于大数据的母婴产品智能推荐*** |
CN114997956B (zh) * | 2022-06-14 | 2023-01-10 | 杭州洋驼网络科技有限公司 | 基于大数据的母婴产品智能推荐*** |
CN118014738A (zh) * | 2024-01-10 | 2024-05-10 | 保腾网络科技有限公司 | 基于人工智能的人寿保险推荐方法及*** |
CN118014738B (zh) * | 2024-01-10 | 2024-07-12 | 保腾网络科技有限公司 | 基于人工智能的人寿保险推荐方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113191911A (zh) | 基于用户信息的保险推荐方法、***、设备及介质 | |
US11670415B2 (en) | Data driven analysis, modeling, and semi-supervised machine learning for qualitative and quantitative determinations | |
CN111784455B (zh) | 一种物品推荐方法及推荐设备 | |
US9348898B2 (en) | Recommendation system with dual collaborative filter usage matrix | |
US10162891B2 (en) | Determining demographics based on user interaction | |
JP6975253B2 (ja) | エンティティ間のコンテキスト的類似度の学習及び適用 | |
WO2020238502A1 (zh) | 物品推荐方法及装置、电子设备及存储介质 | |
WO2014110120A1 (en) | System and method for assessment of patient health using patient generated data | |
CN112000894A (zh) | 一种健康管理信息推送方法、装置、设备及存储介质 | |
KR20170067796A (ko) | 단방향 및 양방향 데이터 흐름 시스템 및 방법 | |
CN113192639B (zh) | 信息预测模型的训练方法、装置、设备及存储介质 | |
KR20130029576A (ko) | 클라우드 기반의 건강 관련 정보 및 poi정보를 제공하는 방법 및 시스템 | |
Goldhaber-Fiebert et al. | Some health states are better than others: using health state rank order to improve probabilistic analyses | |
CN113094476A (zh) | 基于自然语言处理风险预警方法、***、设备及介质 | |
Baktha et al. | Social network analysis in healthcare | |
US20220368986A1 (en) | Methods and systems for counseling a user with respect to supervised content | |
Lin et al. | Design and implementation of a set-top box–based homecare system using hybrid cloud | |
CN115858876A (zh) | 一种基于疾病知识图谱的随访内容智能推送方法及*** | |
US20230075408A1 (en) | Methods and systems for interactively counseling a user with respect to supervised content | |
TWM633789U (zh) | 媒合系統 | |
CN113688314B (zh) | 一种理疗门店推荐方法及装置 | |
Cutler | Will the Internet Help Your Parents to Live Longer? Isolation, Longevity, Health, Death, and Skype™. | |
CN110334283A (zh) | 信息推荐方法、装置、服务器及存储介质 | |
CN114265989A (zh) | 好友推荐方法、电子设备及计算机可读存储介质 | |
Liu et al. | Preference access of users' cancer risk perception using disease-specific online medical inquiry texts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |