一种保险产品推荐方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术适用于数据推荐技术领域，提供了一种保险产品推荐方法、装置、设备以及可存储介质，其中，所述方法包括：获取用户保险产品评测记录；根据所述用户保险产品评测记录，计算并确定最相近用户；基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品；计算所述最相近用户对所述待推荐保险产品的推荐值，并向用户输出。该方法有效实现了为用户制定更个性化、多样化的保险产品实时推荐，并进一步提升了推荐效率，同时能避免出现用户隐私泄漏风险的问题。

A Recommendation Method, Device, Equipment and Readable Storage Medium for Insurance Products

The invention is applicable to the field of data recommendation technology, and provides an insurance product recommendation method, device, equipment and storage medium, in which the method includes: acquiring the user's insurance product evaluation record; calculating and determining the closest user according to the user's insurance product evaluation record; and based on the difference of the insurance product purchased by the user and the closest user. Determine the insurance product to be recommended, calculate the recommended value of the nearest user for the insurance product to be recommended, and output it to the user. This method effectively achieves more personalized and diversified real-time recommendation of insurance products for users, and further improves the recommendation efficiency, while avoiding the risk of user privacy leakage.

【技术实现步骤摘要】
一种保险产品推荐方法、装置、设备及可读存储介质
本专利技术属于数据推荐
，尤其涉及一种保险产品推荐方法、装置、设备及可读存储介质。
技术介绍
在淘宝购物时，当点击一件商品后，会在网页上出现很多同类商品的图片，还会附加“看过该件商品的人还看过些什么”，这是一种很有效的营销方式。现有推荐模式的实现方式主要为：当需要将某些数据与另一些数据建立关系时，首先需要存储这些数据，然后建立数据关系，即在关系数据库中，用外键将不同的表格联系到一起，当关系较多时，数据库会越来越大、越来越复杂，当对某个关系进行操作时，将相继出现各种推荐故障问题，另外，基于推荐的数据主要是储存在用户本地终端上的数据，因此，这种方式也存在较大的用户隐私泄漏风险。
技术实现思路
本专利技术实施例提供一种保险产品推荐方法，旨在解决以上技术问题。本专利技术实施例是这样实现的，一种保险产品推荐方法，所述方法包括：获取用户保险产品评测记录；根据所述用户保险产品评测记录，计算并确定最相近用户；基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品；计算所述最相近用户对所述待推荐保险产品的推荐值，并向用户输出。本专利技术实施例还提供一种保险产品推荐装置，所述装置包括：获取单元，用于获取用户保险产品评测记录；第一确定单元，用于根据所述用户保险产品评测记录，计算并确定最相近用户；第二确定单元，用于基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品；以及计算及输出单元，用于计算所述最相近用户对所述待推荐保险产品的推荐值，并向用户输出。本专利技术实施例还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述保险产品推荐方法的步骤。本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述保险产品推荐方法的步骤。本专利技术实施例中，通过获取用户保险产品评测记录，计算并确定最相近用户，以及基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品，并计算所述最相近用户对所述待推荐保险产品的推荐值，并向用户输出所推荐的保险产品，实现为用户制定更个性化、多样化的保险产品实时推荐，并进一步提升了推荐效率，同时能避免出现用户隐私泄漏风险的问题。附图说明图1是本专利技术实施例提供的一种保险产品推荐方法的实现流程图；图2是本专利技术实施例提供的另一种保险产品推荐方法的实现流程图；图3是本专利技术实施例提供的一种优化的保险产品推荐方法的实现流程图；图4是本专利技术实施例提供的另一种优化的保险产品推荐方法的实现流程图；图5是本专利技术实施例提供的再一种优化的保险产品推荐方法的实现流程图；图6是本专利技术实施例提供的又一种优化的保险产品推荐方法的实现流程图；图7是本专利技术实施例提供的一种保险产品推荐装置的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术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仅用以解释本专利技术，并不用于限定本专利技术。在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本专利技术实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。为了进一步阐述本专利技术为实现预定专利技术目的所采取的技术手段及功效，根据如下实施例，对本专利技术实施例提供的保险产品推荐方法进行详细说明。本专利技术实施例提供的保险产品推荐方法，通过获取用户保险产品评测记录，计算并确定最相近用户，以及基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品，并计算所述最相近用户对所述待推荐保险产品的推荐值，并向用户输出所推荐的保险产品，实现为用户制定更个性化、多样化的保险产品实时推荐，并进一步提升了推荐效率，同时能避免出现用户隐私泄漏风险的问题。图1示出了本专利技术实施例提供的一种保险产品推荐方法的实现流程，为了便于说明，仅示出与本专利技术实施例相关的部分，详述如下：在步骤S101中，获取用户保险产品评测记录。在本专利技术实施例中，所述用户保险产品评测记录为用户历史行为数据集，具体包括用户已购买保险产品的数据集以及已浏览保险产品的数据集。在步骤S102中，根据所述用户保险产品评测记录，计算并确定最相近用户。在本专利技术实施例中，如图2所示，所述步骤S102，具体包括以下步骤：在步骤S201中，根据所述用户保险产品评测记录，基于余弦相似度算法计算相关用户之间的相似度。在本专利技术实施例中，相似度即相似度度量(Similarity)，即计算个体间的相似程度，相似度度量的值越小，说明个体间相似度越小，相似度的值越大说明个体差异越大。对于多个不同的文本或者短文本对话消息要来计算他们之间的相似度如何，一个好的做法就是将这些文本中词语，映射到向量空间，形成文本中文字和向量数据的映射关系，通过计算几个或者多个不同的向量的差异的大小，来计算文本的相似度。在本专利技术实施例中，余弦相似度，也称为余弦距离，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性"。在本专利技术实施例中，根据所述用户保险产品评测记录，基于余弦相似度算法计算相关用户之间的相似度，可以是将用户与相关用户的历史行为数据集(如已购买保险产品的数据集以及已浏览保险产品的数据集)，去除若干个关键词，合并成一个集合，计算彼此对于这个集合中的词的词频，生成各自的词频向量，进而计算两个向量的余弦相似度，值越大就表示越相似。在步骤S202中，根据所述相关用户之间的相似度，确定待推荐用户。在本专利技术实施例中，根据所述相关用户之间的相似度，确定待推荐用户，具体包括：余弦相似度的值越大，就表示越相似，对应的相关用户即确定为待推荐用户。在步骤S203中，基于K最邻近算法计算出待推荐用户中的K个最相近用户。在本专利技术实施例中，K最邻近算法即邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。KNN算法的思想就是在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类，其算法的描述为：计算测试数据与各个训练数据之间的距离；按照距离的递增关系进行排序；选取距离最小的K个点；确定前K个点所在类别的出现频率；返回前K个点中出现频率最高的类别作为测试数据的预测分类。在步骤S103中，基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品。在本专利技术实施例中，如图3所示，所述步骤S103，具体包括本文档来自技高网...

【技术保护点】
1.一种保险产品推荐方法，其特征在于，所述方法包括：获取用户保险产品评测记录；根据所述用户保险产品评测记录，计算并确定最相近用户；基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品；计算所述最相近用户对所述待推荐保险产品的推荐值，并向用户输出。

【技术特征摘要】
1.一种保险产品推荐方法，其特征在于，所述方法包括：获取用户保险产品评测记录；根据所述用户保险产品评测记录，计算并确定最相近用户；基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品；计算所述最相近用户对所述待推荐保险产品的推荐值，并向用户输出。2.如权利要求1所述的方法，其特征在于，所述根据所述用户保险产品评测记录，计算并确定最相近用户，具体包括：根据所述用户保险产品评测记录，基于余弦相似度算法计算相关用户之间的相似度；根据所述相关用户之间的相似度，确定待推荐用户；基于K最邻近算法计算出待推荐用户中的K个最相近用户。3.如权利要求1所述的方法，其特征在于，所述基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品，具体包括：对所述用户以及最相近用户的保险产品购买记录进行比较，确定所述用户以及最相近用户所购买的不同的保险产品类别；获取所述最相近用户已购买但所述用户未购买的保险产品，并确定为待推荐保险产品。4.如权利要求1所述的方法，其特征在于，所述基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品，还包括：获取所述用户以及最相近用户所购买的保险产品，基于误差反向传播算法对所述保险产品的特征属性值的进行挖掘，确定所述用户的偏好意向；根据所述用户的偏好意向，确定待推荐保险产品。5.如权利要求1所述的方法，其特征在于，所述基于所述用户以及最相近用户所购买保险产品的差异性，确定待推荐保险产品，还包括：获取所述用户以及最相近用户所购买的...

【专利技术属性】
技术研发人员：刘子毅，
申请(专利权)人：重庆金链科技有限公司，
类型：发明
国别省市：重庆,50