CN115375484A - 基于矩阵分解的保险产品提取方法和装置、设备及介质 - Google Patents
基于矩阵分解的保险产品提取方法和装置、设备及介质 Download PDFInfo
- Publication number
- CN115375484A CN115375484A CN202210933439.4A CN202210933439A CN115375484A CN 115375484 A CN115375484 A CN 115375484A CN 202210933439 A CN202210933439 A CN 202210933439A CN 115375484 A CN115375484 A CN 115375484A
- Authority
- CN
- China
- Prior art keywords
- insurance product
- matrix
- insurance
- user
- scoring
- 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
- 239000011159 matrix material Substances 0.000 title claims abstract description 198
- 238000000605 extraction Methods 0.000 title claims abstract description 84
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000006399 behavior Effects 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 22
- 238000012163 sequencing technique Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 239000000047 product Substances 0.000 description 353
- 238000005516 engineering process Methods 0.000 description 11
- 239000000284 extract Substances 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q40/06—Asset management; Financial planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例提供了一种基于矩阵分解的保险产品提取方法和装置、电子设备及存储介质,属于人工智能技术领域。该方法包括:获取多个用户对各个保险产品的历史点击行为数据;根据历史点击行为数据,生成用户‑保险产品评分矩阵;计算用户‑保险产品评分矩阵中每一个所述保险产品的评分结果;根据评分结果的排序结果对保险产品进行提取;或者,将用户‑保险产品评分矩阵中每一个保险产品的评分结果确定为保险产品向量;确定目标保险产品;计算各个保险产品和目标保险产品之间的余弦相似度;根据余弦相似度的排序结果对保险产品进行提取。本申请实施例提取的保险产品相对传统的提取方法更丰富多样,且能够提取用户感兴趣的保险产品。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种基于矩阵分解的保险产品提取方法和装置、电子设备及存储介质。
背景技术
近几年来,机器学***台上提取出各种各样的美食供用户选择,在购物网站提取出各种衣服、商品等供用户浏览及选择,这些都是机器学***台开始取代传统渠道进行的保险推荐业务。
目前,线上的保险产品推荐***,其提取保险产品的逻辑一部分是基于用户注册所提供的个人基础属性信息,另一部分是基于用户历史购买过的保险产品,其在一定程度上能够减少用户的决策时间。但是,基于用户历史购买的保险产品记录进行提取,能够提取出供用户选择的保险产品不够丰富,无法满足用户潜在的真实需求。
发明内容
本申请实施例的主要目的在于提出一种基于矩阵分解的保险产品提取方法和装置、电子设备及存储介质,从全局的角度考虑了所有用户可能喜欢的保险产品,能够涵盖不同用户感兴趣的所有保险产品,提取的保险产品相对传统的提取方法更丰富多样。
为实现上述目的,本申请实施例的第一方面提出了一种基于矩阵分解的保险产品提取方法,包括:
获取多个用户对各个保险产品的历史点击行为数据;
根据所述历史点击行为数据,生成用户-保险产品评分矩阵;
根据所述用户-保险产品评分矩阵,通过以下至少一种方式对所述保险产品进行提取:
计算所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果;
对各个所述保险产品对应的所述评分结果进行排序,并根据所述评分结果的排序结果对所述保险产品进行提取;
或者,
将所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果确定为保险产品向量;
根据所述历史点击行为数据,确定目标保险产品;
计算各个保险产品和所述目标保险产品之间的余弦相似度;
对各个所述保险产品对应的所述余弦相似度进行排序,并根据所述余弦相似度的排序结果对所述保险产品进行提取。
在一些实施例,所述获取用户对保险产品的历史点击行为数据之后,所述方法还包括:
对所述历史点击行为数据中在预设时间段内点击次数超过第一阈值的数据进行截断处理,以保留在所述预设时间段内被点击的X个保险产品的历史点击行为数据,X为正整数。
在一些实施例,所述计算所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果这一步骤,包括:
将所述用户-保险产品评分矩阵分解成第一矩阵和第二矩阵的乘积,并构建第三矩阵;
将所述用户-保险产品评分矩阵和所述第三矩阵的误差的平方作为损失函数;
根据所述损失函数,利用交替最小二乘法求解所述第一矩阵和第二矩阵;
根据求解得到的所述第一矩阵的值和所述第二矩阵的值,确定每一个所述保险产品的评分结果。
在一些实施例,所述损失函数的表达式为:
式中,表示用户-保险产品评分矩阵和所述第三矩阵的误差的平方,Rm,n表示用户-保险产品评分矩阵,表示第三矩阵,Pm,k表示第一矩阵,Qk,m表示第二矩阵,m表示用户数,n表示保险产品数,K表示空间维度。
在一些实施例,所述根据所述损失函数,利用交替最小二乘法求解所述第一矩阵和第二矩阵这一步骤,包括:
初始化所述第一矩阵的值;
根据所述第一矩阵的值,通过最小化所述损失函数求解所述第二矩阵;
根据求解得到的所述第二矩阵的值,通过最小化所述损失函数求解所述第一矩阵;
返回执行所述根据所述第一矩阵的值,通过最小化所述损失函数求解所述第二矩阵的步骤,直至所述第一矩阵和所述第二矩阵收敛到误差满足阈值条件。
在一些实施例,所述对各个所述保险产品对应的所述评分结果进行排序,并根据所述评分结果的排序结果对所述保险产品进行提取这一步骤,包括:
对各个所述保险产品对应的所述评分结果按照数值从大到小的顺序进行排序,得到第一排序列表;
选取所述第一排序列表中排序处于前N个的保险产品进行提取;
或者,
对各个所述保险产品对应的所述评分结果按照数值从小到大的顺序进行排序,得到第二排序列表;
选取所述第二排序列表中排序处于后N个的保险产品进行提取,N为正整数。
在一些实施例,所述对各个所述保险产品对应的所述余弦相似度进行排序,并根据所述余弦相似度的排序结果对所述保险产品进行提取这一步骤,包括:
对各个所述保险产品对应的所述余弦相似度按照数值从大到小的顺序进行排序,得到第三排序列表;
选取所述第三排序列表中排序处于前M个的保险产品进行提取;
或者,
对各个所述保险产品对应的所述余弦相似度按照数值从小到大的顺序进行排序,得到第四排序列表;
选取所述第四排序列表中排序处于后M个的保险产品进行提取,M为正整数。
为实现上述目的,本申请实施例的第二方面提出了一种基于矩阵分解的保险产品提取装置,所述装置包括:
获取模块,用于获取多个用户对各个保险产品的历史点击行为数据;
生成模块,用于根据所述历史点击行为数据,生成用户-保险产品评分矩阵;
提取模块,用于根据所述用户-保险产品评分矩阵,通过以下至少一种方式对所述保险产品进行提取:
第一计算单元,用于计算所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果;
第一排序并提取单元,用于对各个所述保险产品对应的所述评分结果进行排序,并根据所述评分结果的排序结果对所述保险产品进行提取;
或者,
第一确定单元,用于将所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果确定为保险产品向量;
第二确定单元,用于根据所述历史点击行为数据,确定目标保险产品;
第二计算单元,用于计算各个保险产品和所述目标保险产品之间的余弦相似度;
第二排序并提取单元,用于对各个所述保险产品对应的所述余弦相似度进行排序,并根据所述余弦相似度的排序结果对所述保险产品进行提取。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现上述第一方面所述的方法。
为实现上述目的,本申请实施例的第四方面提出了一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述第一方面所述的方法。
本申请提出的一种基于矩阵分解的保险产品提取方法和装置、电子设备及存储介质,其先获取多个用户对各个保险产品的历史点击行为数据,然后根据历史点击行为数据生成用户-保险产品评分矩阵,再根据用户-保险产品评分矩阵,通过2种方式中的至少一种方式对保险产品进行提取。第一种方式是计算用户-保险产品评分矩阵中每一个保险产品的评分结果,然后对评分结果进行排序,并根据评分结果的排序结果对保险产品进行提取。该种提取方式中,由于用户-保险产品评分矩阵中涵盖了所有用户对所有保险产品的评分,从全局角度考虑了所有用户可能喜欢的保险产品,能够涵盖不同用户感兴趣的所有保险产品,提取的保险产品相对传统的提取方法更丰富多样。第二种方式是先将用户-保险产品评分矩阵中每一个保险产品的评分结果确定为保险产品向量,然后确定目标保险产品并计算各个保险产品和目标保险产品之间的余弦相似度;再对余弦相似度进行排序,并根据余弦相似度的排序结果对保险产品进行提取。该种提取方式中,一旦检测到用户被点击的目标保险产品,就能够提取与该目标保险产品最为相似的其他保险产品供用户对比参考与选择,更具有针对性,同时能够协助用户做出选择。
附图说明
图1为本申请实施例中提供的基于矩阵分解的保险产品提取方法的实施环境示意图;
图2是本申请实施例提供的基于矩阵分解的保险产品提取方法的流程图;
图3是图2中的步骤S204的流程图;
图4是图3中的步骤S303的流程图;
图5是图2中的步骤S205的流程图;
图6是图2中的步骤S209的流程图;
图7是本申请实施例提供的基于矩阵分解的保险产品提取装置的结构示意图;
图8是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
当下,互联网的发展深刻地改变了人们的生活方式,软件平台可根据用户的个人基础属性信息,或者用户历史购买过的保险产品记录信息进行有选择地保险产品提取,能够在一定程度上缩短用户查找保险产品的时间,为用户提取更适合的保险产品。但是与此同时,产品提取不准确或者重复提取,在一定程度上容易造成用户的浏览疲劳,可能会引起用户的反感。
相关技术中的线上保险产品提取方式,一般是通过用户历史购买的保险产品记录进行保险产品提取,例如通过获取用户历史购买过的保险产品,确定用户感兴趣的保险产品类型,然后根据该保险产品类型为用户提取类型相似的保险产品。但是,该种提取方式所提取的保险产品较为单一,即能够提取出供用户选择的保险产品不够丰富;且对于没有购买过保险产品的用户无法提取适合的保险产品供用户选择。
有鉴于此,本申请实施例中提供一种基于矩阵分解的保险产品提取方法,其先获取多个用户对各个保险产品的历史点击行为数据,然后根据历史点击行为数据生成用户-保险产品评分矩阵,再根据用户-保险产品评分矩阵,通过2种方式中的至少一种方式对保险产品进行提取。第一种方式是计算用户-保险产品评分矩阵中每一个保险产品的评分结果,然后对评分结果进行排序,并根据评分结果的排序结果对保险产品进行提取。该种提取方式中,由于用户-保险产品评分矩阵中涵盖了所有用户对所有保险产品的评分,从全局角度考虑了所有用户可能喜欢的保险产品,能够涵盖不同用户感兴趣的所有保险产品,提取的保险产品相对传统的提取方法更丰富多样。第二种方式是先将用户-保险产品评分矩阵中每一个保险产品的评分结果确定为保险产品向量,然后确定目标保险产品并计算各个保险产品和目标保险产品之间的余弦相似度;再对余弦相似度进行排序,并根据余弦相似度的排序结果对保险产品进行提取。该种提取方式中,一旦检测到用户被点击的目标保险产品,就能够提取与该目标保险产品最为相似的其他保险产品供用户对比参考与选择,更具有针对性,同时能够协助用户做出选择。
本申请实施例提供的基于矩阵分解的保险产品提取方法和装置、电子设备及存储介质,具体通过如下实施例进行说明,首先描述本申请实施例中的基于矩阵分解的保险产品提取方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的基于矩阵分解的保险产品提取方法,涉及人工智能技术领域。其可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式***,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现基于矩阵分解的保险产品提取方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是,在本申请的各个具体实施方式中,当涉及到需要根据用户信息、用户行为数据,用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时,都会先获得用户的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关国家和地区的相关法律法规和标准。此外,当本申请实施例需要获取用户的敏感个人信息时,会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意,在明确获得用户的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
下面结合附图,对本申请实施例的具体实施方式进行详细说明。
参照图1,图1示出了本申请实施例中提供的基于矩阵分解的保险产品提取方法的一种实施环境的示意图。在该实施环境中,主要涉及的软硬件主体包括第一用户终端110、服务器120和若干个第二用户终端130。其中,第一用户终端110和第二用户终端130上可以运行具有保险产品浏览和购买功能的相关软件或者网络平台,例如,该软件或者网络平台可以是线上保险产品购买应用程序、网页或者依赖宿主程序运行的小程序等。在一些实施例中,第一用户终端110和第二用户终端130可以是智能手表、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)、笔记本电脑或者台式计算机等设备中的任意一种。
服务器120可以是前述软件或者网络平台对应的后台服务器,其主要用于执行本申请实施例中的基于矩阵分解的保险产品提取方法。在一些实施例中,服务器120可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式***,还可以配置成提供云服务、云数据库、云计算、云存储、网络服务等业务的云服务器。在一些实施例中,第一用户终端110与服务器120、服务器120与第二用户终端130之间可以通过无线网络或有线网络建立通信连接。该无线网络或有线网络使用标准通信技术和/或协议,网络可以设置为因特网,也可以是其它任何网络,例如包括但不限于局域网(Local AreaNetwork,LAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。
在图1所示的实施环境中,服务器120可以通过第一用户终端110或者第二用户终端130获取多个用户对各个保险产品的历史点击行为数据。接着服务器120根据获取的历史点击行为数据,生成用户-保险产品评分矩阵,并计算出用户-保险产品评分矩阵中每一个所述保险产品的评分结果,然后对评分结果进行排序,并根据评分结果的排序结果对保险产品进行提取。或者,将评分结果确定为保险产品向量,确定目标保险产品并计算各个保险产品和目标保险产品之间的余弦相似度,再对余弦相似度进行排序,并根据余弦相似度的排序结果对保险产品进行提取。当然,可以理解的是,图1中的实施环境只是本申请实施例中提供的基于矩阵分解的保险产品提取方法一种可选的应用场景,实际的应用并不固定为图1所示出的软硬件环境。
参照图2,图2是本申请实施例中提供的基于矩阵分解的保险产品提取方法的一个可选的流程示意图,图2中的方法可以包括但不限于包括步骤S201至步骤S209。
步骤S201,获取多个用户对各个保险产品的历史点击行为数据;
步骤S202,根据历史点击行为数据,生成用户-保险产品评分矩阵;
步骤S203,根据用户-保险产品评分矩阵,通过以下至少一种方式对保险产品进行提取:
步骤S204,计算用户-保险产品评分矩阵中每一个保险产品的评分结果;
步骤S205,对各个保险产品对应的评分结果进行排序,并根据评分结果的排序结果对保险产品进行提取;
步骤S206,将用户-保险产品评分矩阵中每一个保险产品的评分结果确定为保险产品向量;
步骤S207,根据历史点击行为数据,确定目标保险产品;
步骤S208,计算各个保险产品和目标保险产品之间的余弦相似度;
步骤S209,对各个保险产品对应的余弦相似度进行排序,并根据余弦相似度的排序结果对保险产品进行提取。
本申请实施例所示意的步骤S201至步骤S209,先获取多个用户对各个保险产品的历史点击行为数据,然后根据历史点击行为数据,生成用户-保险产品评分矩阵,再根据生成的用户-保险产品评分矩阵,进一步对保险产品进行提取。本申请实施例提供2种提取方式,可以根据实际情况进行相应提取。第一种方式是计算用户-保险产品评分矩阵中每一个保险产品的评分结果,然后根据评分结果的排序结果对保险产品进行提取。该种提取方式适用于没有购买过保险产品的用户,即对于没有购买过保险产品的用户,可提取大众较为感兴趣的保险产品,在一定程度上能够保证提取的准确度。第二种方式是将评分结果作为保险产品向量,然后确定目标保险产品并计算各个保险产品和目标保险产品之间的余弦相似度;再对余弦相似度进行排序,并根据余弦相似度的排序结果对保险产品进行提取。该种提取方式适用于在检测到用户点击某一保险产品时,提取出相似的保险产品供用户选择。比如检测到保险产品A被点击,此时保险产品A为目标保险产品,查询出各个保险产品和保险产品A之间的余弦相似度的排序结果,根据该排序结果提取与保险产品A较为相似的其他保险产品。该种提取方式具有针对性,能够根据用户对保险产品的感兴趣程度,更为准确地提取用户所需要的保险产品。
关于步骤S201,具体可以从用户行为埋点表获取多个用户近3个月的历史点击行为数据,考虑到保险产品的购买相对其他电商产品来说相对较为低频,大部分用户可能只购买过一款产品,所以,多个用户的历史点击行为数据还考虑适当放长到近6个月。当然,可以理解的是,从用户行为埋点表获取多个用户的历史点击行为数据只是其中一种示例性的获取方式,还有其他能够获取得到历史点击行为数据的方式,只要能够获取到历史点击行为数据均可,本申请实施例对获取方式不作具体限定。同样地,历史点击行为数据的时间段也不做具体限定,其可以是3个月、4个月、6个月甚至更长,具体时间段可根据实际情况确定。
在一些实施例的步骤S201之后,该方法还包括步骤S201-1:
步骤S201-1,对历史点击行为数据中在预设时间段内点击次数超过第一阈值的数据进行截断处理,以保留在预设时间段内被点击的X个保险产品的历史点击行为数据,X为正整数。
具体地,考虑到获取的历史点击行为数据中存在部分点击过于密集的数据,比如在近1个月内存在点击次数超过100的数据,此时,只保留近1个月内被点击的比如100个保险产品的历史点击行为数据,对于其他时间段的数据直接截断舍去。该种处理方式能够在不影响获取的数据的准确性的同时,加快对数据的处理速度。
关于步骤S202,在获取历史点击行为数据后,可进一步生成相应的用户-保险产品评分矩阵。比如通过历史点击行为数据得到有n个用户和m个保险产品,可以将所有用户对保险产品的点击及购买行为映射到一个n×m的矩阵上,即生成用户-保险产品评分矩阵Rm,n。示例性地,对于用户点击过的保险产品可以设置得分为1,而购买过的保险产品设置得分为5。
本申请实施例中,在生成用户-保险产品评分矩阵之后,可通过以下至少一种方式对保险产品进行提取:
(1)根据评分结果的排序结果进行提取,包括步骤S204-S205。
参阅图3,在一些实施例中,步骤S204可以包括但不限于包括步骤S301至步骤S304:
步骤S301,将用户-保险产品评分矩阵分解成第一矩阵和第二矩阵的乘积,并构建第三矩阵;
步骤S302,将用户-保险产品评分矩阵和第三矩阵的误差的平方作为损失函数;
步骤S303,根据损失函数,利用交替最小二乘法求解第一矩阵和第二矩阵;
步骤S304,根据求解得到的第一矩阵的值和第二矩阵的值,确定每一个保险产品的评分结果。
本实施例中,考虑到保险产品多样,用户能够触及到的保险产品数非常小,即用户交互过的保险产品只占商城产品的小部分,所以,生成的用户-保险产品评分矩阵Rm,n是一个高维稀疏的矩阵。根据数学中的矩阵理论,可以把矩阵Rm,n近似分解成两个矩阵的乘积,分解过程尽可能使得两个矩阵的乘积能够还原原始矩阵Rm,n,即其中,第一矩阵Pm,k可表示用户矩阵,第二矩阵Qk,m可表示保险产品矩阵,其中K表示隐向量空间维度,把用户与保险产品的被点击关系映射到K维的潜在空间,在第一矩阵Pm,k中,K个维度每个都潜在地表示为用户的行为特征,如用户在选择某个产品时会基于自身的偏好等,而在第二矩阵Qk,m中,K个维度每个都潜在地表示保险产品的特征,如产品宣传图特点、保额大小范围等。可以理解的,后续可以在用户行为特征向量和保险产品特征向量中添加用户属性信息和隐式反馈、时间上下文等,以加强矩阵预测效果。本实施例将求解矩阵中的每一个元素值问题,转变为求解机器学***方,作为损失函数。然后通过交替最小二乘法求解第一矩阵Pm,k和第二矩阵Qk,m。最后根据求解得到的第一矩阵Pm,k的值和第二矩阵Qk,m的值,确定每一个保险产品的评分结果。
式中,表示用户-保险产品评分矩阵和所述第三矩阵的误差的平方,Rm,n表示用户-保险产品评分矩阵,表示第三矩阵,Pm,k表示第一矩阵,Qk,m表示第二矩阵,m表示用户数,n表示保险产品数,K表示空间维度。
参阅图4,在一些实施例中,步骤S303可以包括但不限于包括步骤S401至步骤S404:
步骤S401,初始化第一矩阵的值;
步骤S402,根据第一矩阵的值,通过最小化所述损失函数求解第二矩阵;
步骤S403,根据求解得到的第二矩阵的值,通过最小化损失函数求解第一矩阵;
步骤S404,返回执行根据所述第一矩阵的值,通过最小化损失函数求解第二矩阵的步骤,直至第一矩阵和第二矩阵收敛到误差满足阈值条件。
本实施例根据损失函数,通过交替最小二乘法求解第一矩阵Pm,k和第二矩阵Qk,m。具体地,先初始化第一矩阵Pm,k的值,然后通过最小化损失函数求解第二矩阵Qk,m,然后固定求解到的第二矩阵Qk,m的值,通过最小化损失函数求解第一矩阵Pm,k,如此循环迭代,直到第一矩阵Pm,k和第二矩阵Qk,m收敛到误差满足阈值条件。
本申请实施例中,矩阵分解计算过程考虑了用户对保险产品喜欢的潜在因素,以及考虑了保险产品本身的特性,结合隐语义和机器学习的特性,能够挖掘出更深层的用户和保险产品之间的联系。同时,将高维矩阵映射为两个低维矩阵,降低了计算复杂度,也比较容易通过编程实现。
参阅图5,在一些实施例中,在通过步骤S204计算出用户-保险产品评分矩阵中每一个保险产品的评分结果之后,将进一步执行步骤S205,步骤S205可以包括但不限于包括步骤S501至步骤S504:
步骤S501,对各个保险产品对应的评分结果按照数值从大到小的顺序进行排序,得到第一排序列表;
步骤S502,选取第一排序列表中排序处于前N个的保险产品进行提取;
或者,
步骤S503,对各个保险产品对应的评分结果按照数值从小到大的顺序进行排序,得到第二排序列表;
步骤S504,选取第二排序列表中排序处于后N个的保险产品进行提取,N为正整数。
本实施例中,由于用户-保险产品评分矩阵涵盖了所有用户对所有保险产品的评分,因此,能够向用户提取大众感兴趣的保险产品,相较于传统的提取方法,本提取方式提取的保险产品更为丰富多样。同时,在提取过程中,如果用户有购买过保险产品,可以先过滤用户已经购买过的保险产品,再进行提取,进而可以避免由于重复提取造成用户体验不好的问题,能够提高提取效果。
(2)根据余弦相似度的排序结果进行提取,包括步骤S206-S209。
本申请实施例中,还可以将用户-保险产品评分矩阵中每一个保险产品的评分结果确定为保险产品向量,然后根据历史点击行为数据,确定目标保险产品,再计算各个保险产品和目标保险产品之间的余弦相似度,就能够得到各个保险产品与目标保险产品的相似度。可以理解的是,目标保险产品可以是所有保险产品中的任意一个。比如用户-保险产品评分矩阵中总共有100个不同的保险产品,分别编号为1-100,如果以编号为1的保险产品为目标保险产品,则可计算出其他99个保险产品与编号为1的保险产品的余弦相似度,同样地,如果以编号为2的保险产品为目标保险产品,则可计算出其他99个保险产品与编号为2的保险产品的余弦相似度,以此类推,可以计算出每一个保险产品与其他保险产品的余弦相似度,进而每一个保险产品都有对应的余弦相似度排序列表。比如编号为1的保险产品有其对应的排序列表X,编号为2的保险产品有其对应的排序列表Y,其中排序列表X反映了其他99个保险产品与编号为1的保险产品之间的相似度程度,而排序列表Y反映了其他99个保险产品与编号为2的保险产品之间的相似度程度。
参阅图6,在一些实施例中,通过步骤208计算出各个保险产品和目标保险产品之间的余弦相似度后,进一步执行步骤S209,步骤S209可以包括但不限于包括步骤S601至步骤S604:
步骤S601,对各个保险产品对应的余弦相似度按照数值从大到小的顺序进行排序,得到第三排序列表;
步骤S602,选取第三排序列表中排序处于前M个的保险产品进行提取;
或者,
步骤S603,对各个保险产品对应的余弦相似度按照数值从小到大的顺序进行排序,得到第四排序列表;
步骤S604,选取第四排序列表中排序处于后M个的保险产品进行提取,M为正整数。
本实施例中,得到各个保险产品对应的余弦相似度之后,可以按照余弦相似度数值从大到小或者从小到大的顺序进行排序,得到每一个保险产品对应的余弦相似度排序列表。该种提取方式适用于用户点击了某一保险产品的情况,比如保险产品A被点击,此时,查询保险产品A对应的余弦相似度排序列表,可提取列表中与保险产品A较为相似的保险产品。通过这种提取方式,能够有针对性地向用户提取用户需要的保险产品,相较于传统的提取方式提取效果更佳。
可以理解的是,本申请实施例可以根据实际情况,从这2种提取方式中选择其中一种对应的提取方式进行保险产品的提取,也可以同时使用这2种方式进行提取,还可以将这2种方式相结合进行提取。比如,当检测到用户首次通过软件平台登录保险产品的购买网页进行浏览时,可以选择根据评分结果的排序结果进行提取的方式,向用户提取大众感兴趣程度排列前10的保险产品。或者,可以在检测到用户点击了某一保险产品或者检测到用户购买过某一保险产品时,选择根据余弦相似度的排序结果进行提取的方式,向用户提取用户可能感兴趣的保险产品。或者,当用户通过相应的软件平台登录网页后,可以首先选择根据评分结果的排序结果进行提取的方式,向用户提取大众感兴趣的前几项保险产品。当检测到用户点击了其中一项保险产品之后,进一步选择根据余弦相似度的排序结果进行提取的方式,向用户提取与被点击保险产品相似的前几项保险产品。或者,检测到用户通过软件平台登录保险产品的购买网页进行浏览时,先选择根据评分结果的排序结果进行提取的方式,生成大众感兴趣的保险产品提取列表,记为列表1;然后检测到某一保险产品被点击,选择根据余弦相似度的排序结果进行提取的方式,生成与被点击保险产品相似的保险产品提取列表,记为列表2;再将列表1和列表2相结合,提取出既与被点击保险产品较为相似,又是大众感兴趣的保险产品提取给用户。
请参阅图7,本申请实施例还提供一种基于矩阵分解的保险产品提取装置,可以实现上述基于矩阵分解的保险产品提取方法,该装置包括:
获取模块,用于获取多个用户对各个保险产品的历史点击行为数据;
生成模块,用于根据历史点击行为数据,生成用户-保险产品评分矩阵;
提取模块,用于根据用户-保险产品评分矩阵,通过以下至少一种方式对保险产品进行提取:
第一计算单元,用于计算用户-保险产品评分矩阵中每一个所述保险产品的评分结果;
第一排序并提取单元,用于对各个保险产品对应的评分结果进行排序,并根据评分结果的排序结果对保险产品进行提取;
或者,
第一确定单元,用于将用户-保险产品评分矩阵中每一个保险产品的评分结果确定为保险产品向量;
第二确定单元,用于根据历史点击行为数据,确定目标保险产品;
第二计算单元,用于计算各个保险产品和目标保险产品之间的余弦相似度;
第二排序并提取单元,用于对各个保险产品对应的余弦相似度进行排序,并根据余弦相似度的排序结果对保险产品进行提取。
该基于矩阵分解的保险产品装置的具体实施方式与上述基于矩阵分解的保险产品提取方法的具体实施例基本相同,在此不再赘述。
本申请实施例还提供了一种电子设备,电子设备包括:存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线,程序被处理器执行时实现上述基于矩阵分解的保险产品提取方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图8,图8示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器801,可以采用通用的CPU(CentralProcessingUnit,中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器802,可以采用只读存储器(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,RAM)等形式实现。存储器802可以存储操作***和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器802中,并由处理器801来调用执行本申请实施例的基于矩阵分解的保险产品提取方法;
输入/输出接口803,用于实现信息输入及输出;
通信接口804,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线805,在设备的各个组件(例如处理器801、存储器802、输入/输出接口803和通信接口804)之间传输信息;
其中处理器801、存储器802、输入/输出接口803和通信接口804通过总线805实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质,存储介质为计算机可读存储介质,用于计算机可读存储,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现上述基于矩阵分解的保险产品提取方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的基于矩阵分解的保险产品的提取方法、提取装置、电子设备及存储介质,其通过历史点击行为数据生成用户-保险产品评分矩阵,再根据用户-保险产品评分矩阵,通过2种方式中的至少一种方式对保险产品进行提取。第一种方式是计算用户-保险产品评分矩阵中每一个保险产品的评分结果,然后对评分结果进行排序,并根据评分结果的排序结果对保险产品进行提取。该种提取方式中,由于用户-保险产品评分矩阵中涵盖了所有用户对所有保险产品的评分,从全局角度考虑了所有用户可能喜欢的保险产品,能够涵盖不同用户感兴趣的所有保险产品,提取的保险产品相对传统的提取方法更丰富多样。第二种方式是先将用户-保险产品评分矩阵中每一个保险产品的评分结果确定为保险产品向量,然后确定目标保险产品并计算各个保险产品和目标保险产品之间的余弦相似度;再对余弦相似度进行排序,并根据余弦相似度的排序结果对保险产品进行提取。该种提取方式中,一旦检测到用户被点击的目标保险产品,就能够提取与该目标保险产品最为相似的其他保险产品供用户对比参考与选择,更具有针对性,同时能够协助用户做出选择。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图2-6示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.一种基于矩阵分解的保险产品提取方法,其特征在于,包括:
获取多个用户对各个保险产品的历史点击行为数据;
根据所述历史点击行为数据,生成用户-保险产品评分矩阵;
根据所述用户-保险产品评分矩阵,通过以下至少一种方式对所述保险产品进行提取:
计算所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果;
对各个所述保险产品对应的所述评分结果进行排序,并根据所述评分结果的排序结果对所述保险产品进行提取;
或者,
将所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果确定为保险产品向量;
根据所述历史点击行为数据,确定目标保险产品;
计算各个保险产品和所述目标保险产品之间的余弦相似度;
对各个所述保险产品对应的所述余弦相似度进行排序,并根据所述余弦相似度的排序结果对所述保险产品进行提取。
2.根据权利要求1所述的基于矩阵分解的保险产品提取方法,其特征在于,所述获取用户对保险产品的历史点击行为数据之后,所述方法还包括:
对所述历史点击行为数据中在预设时间段内点击次数超过第一阈值的数据进行截断处理,以保留在所述预设时间段内被点击的X个保险产品的历史点击行为数据,X为正整数。
3.根据权利要求1所述的基于矩阵分解的保险产品提取方法,其特征在于,所述计算所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果这一步骤,包括:
将所述用户-保险产品评分矩阵分解成第一矩阵和第二矩阵的乘积,并构建第三矩阵;
将所述用户-保险产品评分矩阵和所述第三矩阵的误差的平方作为损失函数;
根据所述损失函数,利用交替最小二乘法求解所述第一矩阵和所述第二矩阵;
根据求解得到的所述第一矩阵的值和所述第二矩阵的值,确定每一个所述保险产品的评分结果。
5.根据权利要求3所述的基于矩阵分解的保险产品提取方法,其特征在于,所述根据所述损失函数,利用交替最小二乘法求解所述第一矩阵和第二矩阵这一步骤,包括:
初始化所述第一矩阵的值;
根据所述第一矩阵的值,通过最小化所述损失函数求解所述第二矩阵;
根据求解得到的所述第二矩阵的值,通过最小化所述损失函数求解所述第一矩阵;
返回执行所述根据所述第一矩阵的值,通过最小化所述损失函数求解所述第二矩阵的步骤,直至所述第一矩阵和所述第二矩阵收敛到误差满足阈值条件。
6.根据权利要求1所述的基于矩阵分解的保险产品提取方法,其特征在于,所述对各个所述保险产品对应的所述评分结果进行排序,并根据所述评分结果的排序结果对所述保险产品进行提取这一步骤,包括:
对各个所述保险产品对应的所述评分结果按照数值从大到小的顺序进行排序,得到第一排序列表;
选取所述第一排序列表中排序处于前N个的保险产品进行提取;
或者,
对各个所述保险产品对应的所述评分结果按照数值从小到大的顺序进行排序,得到第二排序列表;
选取所述第二排序列表中排序处于后N个的保险产品进行提取,N为正整数。
7.根据权利要求1所述的基于矩阵分解的保险产品提取方法,其特征在于,所述对各个所述保险产品对应的所述余弦相似度进行排序,并根据所述余弦相似度的排序结果对所述保险产品进行提取这一步骤,包括:
对各个所述保险产品对应的所述余弦相似度按照数值从大到小的顺序进行排序,得到第三排序列表;
选取所述第三排序列表中排序处于前M个的保险产品进行提取;
或者,
对各个所述保险产品对应的所述余弦相似度按照数值从小到大的顺序进行排序,得到第四排序列表;
选取所述第四排序列表中排序处于后M个的保险产品进行提取,M为正整数。
8.一种基于矩阵分解的保险产品提取装置,其特征在于,包括:
获取模块,用于获取多个用户对各个保险产品的历史点击行为数据;
生成模块,用于根据所述历史点击行为数据,生成用户-保险产品评分矩阵;
提取模块,用于根据所述用户-保险产品评分矩阵,通过以下至少一种方式对所述保险产品进行提取:
第一计算单元,用于计算所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果;
第一排序并提取单元,用于对各个所述保险产品对应的所述评分结果进行排序,并根据所述评分结果的排序结果对所述保险产品进行提取;
或者,
第一确定单元,用于将所述用户-保险产品评分矩阵中每一个所述保险产品的评分结果确定为保险产品向量;
第二确定单元,用于根据所述历史点击行为数据,确定目标保险产品;
第二计算单元,用于计算各个保险产品和所述目标保险产品之间的余弦相似度;
第二排序并提取单元,用于对各个所述保险产品对应的所述余弦相似度进行排序,并根据所述余弦相似度的排序结果对所述保险产品进行提取。
9.一种电子设备,其特征在于,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现如权利要求1至7任一项所述的方法的步骤。
10.一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210933439.4A CN115375484A (zh) | 2022-08-04 | 2022-08-04 | 基于矩阵分解的保险产品提取方法和装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210933439.4A CN115375484A (zh) | 2022-08-04 | 2022-08-04 | 基于矩阵分解的保险产品提取方法和装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115375484A true CN115375484A (zh) | 2022-11-22 |
Family
ID=84064135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210933439.4A Pending CN115375484A (zh) | 2022-08-04 | 2022-08-04 | 基于矩阵分解的保险产品提取方法和装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115375484A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522352A (zh) * | 2024-01-08 | 2024-02-06 | 安徽国元保险经纪股份有限公司 | 基于区块链的安全生产责任保险信息化管理***及方法 |
-
2022
- 2022-08-04 CN CN202210933439.4A patent/CN115375484A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522352A (zh) * | 2024-01-08 | 2024-02-06 | 安徽国元保险经纪股份有限公司 | 基于区块链的安全生产责任保险信息化管理***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9607010B1 (en) | Techniques for shape-based search of content | |
CN108805598B (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
CN109492180A (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN110008973B (zh) | 一种模型训练方法、基于模型确定目标用户的方法及装置 | |
CN102243647A (zh) | 从结构化数据中提取高阶知识 | |
CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
CN110580278A (zh) | 根据用户画像的个性化搜索方法、***、设备及存储介质 | |
CN111967914A (zh) | 基于用户画像的推荐方法、装置、计算机设备和存储介质 | |
CN113657087B (zh) | 信息的匹配方法及装置 | |
CN114240552A (zh) | 基于深度聚类算法的产品推荐方法、装置、设备及介质 | |
CN112307352A (zh) | 内容推荐方法、***、装置和存储介质 | |
CN114266443A (zh) | 数据评估方法和装置、电子设备、存储介质 | |
CN111159578B (zh) | 一种推荐对象的方法和*** | |
CN114579858A (zh) | 内容推荐方法和装置、电子设备、存储介质 | |
US11269896B2 (en) | System and method for automatic difficulty level estimation | |
CN115375484A (zh) | 基于矩阵分解的保险产品提取方法和装置、设备及介质 | |
CN117271818B (zh) | 视觉问答方法、***、电子设备及存储介质 | |
CN110347916B (zh) | 跨场景的项目推荐方法、装置、电子设备及存储介质 | |
CN111882224A (zh) | 对消费场景进行分类的方法和装置 | |
CN116127066A (zh) | 文本聚类方法、文本聚类装置、电子设备及存储介质 | |
CN115879455A (zh) | 词语情感极性预测方法及其装置、电子设备及存储介质 | |
CN115965439A (zh) | 数据召回方法、数据召回装置、电子设备及存储介质 | |
CN115618121A (zh) | 个性化资讯推荐方法、装置、设备及存储介质 | |
CN106445934A (zh) | 一种数据处理方法和装置 | |
CN114896294A (zh) | 产品测试数据表生成方法、装置、设备及存储介质 |
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 |