用户保险认知演进路径预测方法、装置和计算机设备制造方法及图纸

本发明专利技术适用于人工智能技术领域，提供了一种用户保险认知演进路径预测方法、装置和计算机设备，其至少包括以下步骤：建立保险知识图谱；根据用户属性数据和用户在应用上的行为记录，确定用户的保险认知度；根据用户与服务人员的对话信息或/和用户在应用上的行为记录，确定用户的保险消费动机；基于所述保险认知和保险消费动机，预测得到用户在所述保险知识图谱中的认知演进路径。本发明专利技术通过建立保险知识图谱，然后分析用户的保险认知度和保险消费动机来预测用户在该保险知识图谱中的认知演进路径，以此来实现根据用户自身的认知演进路径来传递相应的保险知识信息，避免了对于人的依赖性，适用范围非常大且扩展性高。适用范围非常大且扩展性高。适用范围非常大且扩展性高。

【技术实现步骤摘要】
用户保险认知演进路径预测方法、装置和计算机设备


[0001]本专利技术属于人工智能
，具体来说涉及根据用户的保险认知来推送对应保险知识信息的方法。

技术介绍

[0002]随着人们生活水平的不断提高，越来越多的人意识到保险对于生活的重要性。然而保险领域相关知识非常复杂，大众对其认知水平参差不齐，且普遍较低，在进行保险产品消费时难以做出合理决策。另一方面，目前保险业服务人员的水平也参差不齐，在与用户对话时往往出现鸡同鸭讲，自说自话或是缺少内容，没话找话的情况。因此用户难以获取到自己想要的保险信息。
[0003]现有技术中，保险公司向用户传递保险知识或保险信息，往往是通过与用户的直接交互，例如问询等方式，来判断用户对一个一个的保险概念是否了解，没有在更高程度上形成对用户认知状态的描述，然后基于服务人员自身的判断与经验来进行解答。另外，还有使用千篇一律但缺乏针对性的内容或在有限范围内采用一一对应的匹配策略来进行下一步的引导。
[0004]针对上述现有的方法，一方面高度依赖于服务人员自身或服务人员团队基于过往服务通过人工方式总结而来的经验。这种经验往往相对主观，不易描述，在不同服务人员中难以复用，不易普及。另一方面，用户的情况千差万别，而每一个保险业务人员的经验有限，针对不同情况、不同类型用户，现有方法的适用性不高，扩展性较差。
[0005]因此，如何能够根据用户自身的保险认知状态来想起推送匹配的保险知识信息，提升保险信息传递的适用范围和可扩展性，是当前的一个技术难题。

技术实现思路
/>[0006]有鉴于此，本专利技术实施例提供了用户保险认知演进路径预测方法、装置和计算机设备，以解决现有技术中如何能够根据用户自身的保险认知状态来想起推送匹配的保险知识信息，以提升保险信息传递的适用范围和扩展性的问题。
[0007]本专利技术实施例的第一方面，提供了一种用户保险认知演进路径预测方法，其至少包括以下步骤：建立保险知识图谱；根据用户属性数据和用户在应用上的行为记录，确定用户的保险认知度；根据用户与服务人员的对话信息或/和用户在应用上的行为记录，确定用户的保险消费动机；基于所述保险认知和保险消费动机，预测得到用户在所述保险知识图谱中的认知演进路径。
[0008]本专利技术实施例的第二方面，提供了一种用户保险认知演进路径预测装置，其包括：知识图谱模块，被配置为建立保险知识图谱；第一确认模块，被配置为根据用户属性数据和用户在应用上的行为记录，确定用户的保险认知度；第二确认模块，被配置为根据用户与服务人员的对话信息或/和用户在应用上的行为记录，确定用户的保险消费动机；预测模块，被配置为基于所述保险认知和保险消费动机，预测得到用户在所述保险知识图谱中的认知
演进路径。
[0009]本专利技术实施例的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0010]本专利技术实施例与现有技术相比存在的有益效果是：通过建立保险知识图谱，然后分析用户的保险认知度和保险消费动机来预测用户在该保险知识图谱中的认知演进路径，以此来实现根据用户自身的认知演进路径来传递相应的保险知识信息，避免了对于人的依赖性，适用范围非常大且扩展性高。
附图说明
[0011]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0012]图1是本专利技术在一实施例中提供的用户保险认知演进路径预测方法的实现流程；
[0013]图2是本专利技术实施例提供的用户保险认知演进路径预测装置的示意图；
[0014]图3是本专利技术实施例提供的计算机设备的示意图。
具体实施方式
[0015]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0016]技术术语解释：
[0017]保险认知演进路径预测，是指预测用户当前的保险认知程度，并向用户推送与之当前保险认知程度相匹配的保险知识信息。
[0018]为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。
[0019]请参见图1，示出了本专利技术在一实施例中提供的用户保险认知演进路径预测方法的实现流程。
[0020]如图1所示，所述用户保险认知演进路径预测方法，至少包括以下步骤S01
‑
S04：
[0021]步骤S01，建立保险知识图谱；
[0022]步骤S02，根据用户属性数据和用户在应用上的行为记录，确定用户的保险认知度；
[0023]步骤S03，根据用户与服务人员的对话信息或/和用户在应用上的行为记录，确定用户的保险消费动机；
[0024]步骤S04，基于所述保险认知和保险消费动机，预测得到用户在所述保险知识图谱中的认知演进路径。
[0025]上述方法通过建立保险知识图谱，然后分析用户的保险认知度和保险消费动机来预测用户在该保险知识图谱中的认知演进路径，以此来为用户推荐准确的保险知识信息。
[0026]具体的，所述保险知识图谱是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，支持对知识及它们之间相互联系的挖掘、分析、构建、绘制和显示。
[0027]在上述步骤S01中，所述保险知识图谱一般是由节点与边构成，节点之间可以通过边连接。示例性的，所述保险知识图谱中的节点可以包括以下三类：保险概念节点、用户属性节点与内容节点。针对前述节点，所述用户属性节点与保险概念节点间通过边连接，所述边上设有权重，该权重代表该属性对于这一节点所表示概念的影响的重要程度，边的建立与权重的设置可以通过自定义来完成；另外，所述内容节点与保险概念节点间通过边连接，与所述用户属性节点与保险概念节点间的边不同，所述内容节点与保险概念节点间的边上无权重，仅表示该内容与节点所表示概念具有相关性。
[0028]进一步的，所述保险知识图谱中，内容节点与保险概念节点之间是否存在边，可以通过一个自然语言处理模型来确定。示例性的，可以利用自然语言处理模型来确定内容节点与保险概念节点之间是否存在边，其实现流程可以包括下列步骤S111
‑
S115：
[0029]步骤S111，基于保险知识图谱的保险概念词语，构建保险词典；
[0030]步骤S112，将保险词典导入词库，使用自然语言处理模型将内容中的每句话分割为由单个词语组成的序列；
[0031]步骤S113，统计所有词语在内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户保险认知演进路径预测方法，其特征在于，至少包括以下步骤：建立保险知识图谱；根据用户属性数据和用户在应用上的行为记录，确定用户的保险认知度；根据用户与服务人员的对话信息或/和用户在应用上的行为记录，确定用户的保险消费动机；基于所述保险认知和保险消费动机，预测得到用户在所述保险知识图谱中的认知演进路径。2.根据权利要求1所述的用户保险认知演进路径预测方法，其特征在于，所述保险知识图谱至少包括以下三类节点：保险概念节点、用户属性节点与内容节点；其中，所述用户属性节点与保险概念节点间通过代表不同权重的边连接，所述保险概念节点与内容节点间通过所述代表存在关联的边连接。3.根据权利要求1所述的用户保险认知演进路径预测方法，其特征在于，所述根据用户属性数据和用户在应用上的行为记录，确定用户的保险认知度，还包括下列步骤：获取用户属性数据，根据所述保险知识图谱中用户属性节点与保险概念节点间边的权重，计算所述用户属性数据对应权重的加权和，并将计算结果确定为所述用户的保险概念认知程度系数；获取用户在应用上产生的行为记录数据，根据所述保险知识图谱中内容节点与保险概念节点间边的关联，计算所述用户在应用上产生的行为记录数据与所述保险概念节点关联的所有内容的比值，并将所述比值确定为所述用户的保险概念认知程度分数；利用所述保险概念认知程度系数对每一个保险概念节点的保险认知程度分数进行修正，得到用户在所述保险概念节点所对应的保险概念上的保险认知。4.根据权利要求3所述的用户保险认知演进路径预测方法，其特征在于，所述获取用户属性数据，根据所述保险知识图谱中用户属性节点与保险概念节点间边的权重，计算所述用户属性数据对应权重的加权和，并将计算结果确定为所述用户的保险概念认知程度系数，还包括下列步骤：获取用户属性数据，所述用户属性数据包括用户的个人属性数据或/和家庭属性数据；利用预先在所述保险知识图谱中根据用户的个人属性数据和家庭属性数据建立的用户属性节点，确定所述保险知识图谱中的每一个保险概念节点关联的所述用户的个人属性数据或/和家庭属性数据对应的用户属性节点间的边和权重；根据所述边和权重，计算各所述用户的个人属性数据或/和家庭属性数据对所述保险概念节点贡献的权重的加权和，并将计算得到加权和作为用户的保险概念认知程度系数。5.根据权利要求1所述的用户保险认知演进路径预测方法，其特征在于，所述获取用户在应用上产生的行为记录数据，根据所述保险知识图谱中内容节点与保险概念节点间边的关联，计算所述用户在应用上产生的行为记录数据与所述保险概念节点关联的所有内容的比值，并将所述比值确定为所述用户的保险概念认知程度分数，还包括下列步骤：获取用户在应用上的行为记录；识别所述行为记录在保险知识图谱中关联的内容节点，根据所述保险知识图谱中与每一个保险概念节点关联的所有内容节点，确定所述行为记录对应的内容节点相对于所述行为记录对应的内容节点关联的所述保险概念节点所有关联内容节点的接受度；
根据内容节点的认知深...

【专利技术属性】
技术研发人员：杨威，
申请(专利权)人：北京十一贝科技有限公司，
类型：发明
国别省市：