保险产品交叉推荐方法、装置、计算机设备及存储介质制造方法及图纸

本申请公开了一种保险产品交叉推荐方法，应用于人工智能技术领域。本申请提供的方法包括：获取所有保险产品的历史购买数据，使用所述历史购买数据构建目标拓扑网络；输入所述目标拓扑网络至已训练好的目标保险产品交叉推荐模型，得到目标向量矩阵；计算所述目标向量矩阵任意两节点的相似性值，得到目标相似性矩阵；获取目标用户购买的保险产品作为待交叉对比保险产品；遍历所述目标相似性矩阵中与所述待交叉对比保险产品不属于同一个保险产品类型的其他类型节点，得到所述待交叉对比保险产品与所述其他类型节点的相似性值，推送所述相似性值在预设相似性值阈值范围内的所述其他类型节点对应的保险产品作为目标推荐保险产品至所述目标用户。品至所述目标用户。品至所述目标用户。

【技术实现步骤摘要】
保险产品交叉推荐方法、装置、计算机设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种保险产品交叉推荐方法、装置、计算机设备及存储介质。

技术介绍

[0002]在保险产品进行销售时，会在用户完成某一种保险产品的购买时，为用户针对性推荐该类别以外其在服务范围内的其他保险产品，即根据客户的已购保险产品情况进行保险产品交叉推荐。
[0003]传统的保险产品交叉推荐方法主要分为两种：第一，基于传统的机器学习的方法，例如矩阵分解等算法，实现保险产品的交叉推荐；第二，设计基于图对比学习的模型来学习节点的向量表示，并基于向量的输入运用链路预测的方法完成保险产品的交叉推荐。
[0004]但是，传统的保险产品交叉推荐方法仍然存在问题。第一方面，基于传统的机器学习方法关注于连续性变量的输入，难以有效处理高维度且有离散特征的图结构数据，难以建模用户间的交叉购买关系特征，导致模型准确率较低。第二方面，基于图对比学习的模型尽管能够对离散图进行建模，但是在实际的模型运用过程中发现，该模型进行交叉推荐的准确率也较低。即通过传统的保险产品交叉推荐方法获得的待推荐保险产品在被推荐至用户后，用户对该推荐保险产品的购买率较低的问题。

技术实现思路

[0005]本申请实施例提供一种保险产品交叉推荐方法、装置、计算机设备及存储介质，以解决通过传统技术获得的交叉推荐保险产品的正确率低的问题。
[0006]本申请的第一方面，提供一种保险产品交叉推荐方法，包括：
[0007]获取所有保险产品的目标历史购买数据，其中，所述目标历史购买数据包含保险产品类型；
[0008]使用所述目标历史购买数据构建保险产品购买关系的目标拓扑网络，其中，所述目标拓扑网络的节点集合中的每个节点表示一种保险产品，所述目标拓扑网络的连边集合中的每条连边表示同时购买关系；
[0009]输入所述目标拓扑网络至已经训练好的目标保险产品交叉推荐模型，得到低维表示的目标向量矩阵；
[0010]计算所述目标向量矩阵任意两个节点之间的相似性值，得到目标相似性矩阵；
[0011]获取目标用户购买的保险产品作为待交叉对比保险产品，其中，所述待交叉对比保险产品是所述目标相似性矩阵中的一个节点；
[0012]遍历所述目标相似性矩阵中与所述待交叉对比保险产品不属于同一个保险产品类型的其他类型节点，得到所述待交叉对比保险产品与所述其他类型节点的相似性值，推送所述相似性值在预设相似性值阈值范围内的所述其他类型节点对应的保险产品作为目标推荐保险产品至所述目标用户。
[0013]本申请的第二方面，提供一种保险产品交叉推荐装置，包括：
[0014]第一数据获取模块，用于获取所有保险产品的目标历史购买数据，其中，所述目标历史购买数据包含保险产品类型；
[0015]拓扑网络模块，用于使用所述目标历史购买数据构建保险产品购买关系的目标拓扑网络，其中，所述目标拓扑网络的节点集合中的每个节点表示一种保险产品，所述目标拓扑网络的连边集合中的每条连边表示同时购买关系；
[0016]向量矩阵模块，用于输入所述目标拓扑网络至已经训练好的目标保险产品交叉推荐模型，得到低维表示的目标向量矩阵；
[0017]相似性矩阵模块，用于计算所述目标向量矩阵任意两个节点之间的相似性值，得到目标相似性矩阵；
[0018]第二数据获取模块，用于获取目标用户购买的保险产品作为待交叉对比保险产品，其中，所述待交叉对比保险产品是所述目标相似性矩阵中的一个节点；
[0019]产品交叉推荐模块，用于遍历所述目标相似性矩阵中与所述待交叉对比保险产品不属于同一个保险产品类型的其他类型节点，得到所述待交叉对比保险产品与所述其他类型节点的相似性值，推送所述相似性值在预设相似性值阈值范围内的所述其他类型节点对应的保险产品作为目标推荐保险产品至所述目标用户。
[0020]本申请的第三方面，提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述保险产品交叉推荐方法的步骤。
[0021]本申请的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述保险产品交叉推荐方法的步骤。
[0022]上述保险产品交叉推荐方法、装置、计算机设备及存储介质，通过获取所有保险产品的历史购买数据，使用所述历史购买数据构建目标拓扑网络；输入所述目标拓扑网络至已训练好的目标保险产品交叉推荐模型，得到目标向量矩阵；计算所述目标向量矩阵任意两节点的相似性值，得到目标相似性矩阵；获取目标用户购买的保险产品作为待交叉对比保险产品；遍历所述目标相似性矩阵中与所述待交叉对比保险产品不属于同一个保险产品类型的其他类型节点，得到所述待交叉对比保险产品与所述其他类型节点的相似性值，推送所述相似性值在预设相似性值阈值范围内的所述其他类型节点对应的保险产品作为目标推荐保险产品至所述目标用户。不仅提高了进行保险产品交叉推荐的正确率，还提高了获得交叉推荐的保险产品的效率，进一步为营销业务提供了高效的技术支持。
附图说明
[0023]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0024]图1是本申请一实施例中保险产品交叉推荐方法的一应用环境示意图；
[0025]图2是本申请一实施例中保险产品交叉推荐方法的一流程图；
[0026]图3是本申请一实施例中保险产品交叉推荐模型的训练流程示意图；
[0027]图4是本申请一实施例中保险产品交叉推荐装置的结构示意图；
[0028]图5是本申请一实施例中计算机设备的一示意图。
具体实施方式
[0029]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0030]本申请提供的保险产品交叉推荐方法，可应用在如图1的应用环境中，其中，计算机设备可以但不限于各种个人计算机、笔记本电脑，计算机设备还可以是服务器，服务器可以是独立的服务器，也可以是提供云服务、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、内容分发网络(Content Delivery Network，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。可以理解的是图1中的计算机设备的数量仅仅是示意性的，可以根据实际需求进行任意数量的扩展。
[0031]在一实施例中，如图2所示，提供一种保险产品交叉推荐方法，以该方法应用在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种保险产品交叉推荐方法，其特征在于，包括：获取所有保险产品的目标历史购买数据，其中，所述目标历史购买数据包含保险产品类型；使用所述目标历史购买数据构建保险产品购买关系的目标拓扑网络，其中，所述目标拓扑网络的节点集合中的每个节点表示一种保险产品，所述目标拓扑网络的连边集合中的每条连边表示同时购买关系；输入所述目标拓扑网络至已经训练好的目标保险产品交叉推荐模型，得到低维表示的目标向量矩阵；计算所述目标向量矩阵任意两个节点之间的相似性值，得到目标相似性矩阵；获取目标用户购买的保险产品作为待交叉对比保险产品，其中，所述待交叉对比保险产品是所述目标相似性矩阵中的一个节点；遍历所述目标相似性矩阵中与所述待交叉对比保险产品不属于同一个保险产品类型的其他类型节点，得到所述待交叉对比保险产品与所述其他类型节点的相似性值，推送所述相似性值在预设相似性值阈值范围内的所述其他类型节点对应的保险产品作为目标推荐保险产品至所述目标用户。2.根据权利要求1所述的保险产品交叉推荐方法，其特征在于，所述保险产品交叉推荐模型的训练样本数据预处理过程包括：使用预设增广器处理所述目标拓扑网络，得到增广后的第一拓扑网络和第二拓扑网络；输入所述第一拓扑网络和所述第二拓扑网络至预设的图卷积网络进行编码，得到第一编码矩阵和第二编码矩阵。3.根据权利要求2所述的保险产品交叉推荐方法，其特征在于，所述保险产品交叉推荐模型的训练过程包括：输入所述第一编码矩阵和所述第二编码矩阵至预设的多层感知机进行映射，得到低维表示的第一向量矩阵和第二向量矩阵；计算所述第一向量矩阵和所述第二向量矩阵中任意两个节点的视图内相似性值和视图间相似性值，并根据所述视图内相似性值和所述视图间相似性值生成对应的视图内相似性矩阵和视图间相似性矩阵；根据所述视图内相似性矩阵和所述视图间相似性矩阵计算视图内任意两个负样本之间的视图内对比权重，和视图间任意两个负样本之间的视图间对比权重；输入所述视图内对比权重和所述视图间对比权重至预设的汇总损失函数，得到对应的训练损失结果，并根据所述训练损失结果优化所述保险产品交叉推荐模型中的参数；循环前述的所述保险产品交叉推荐模型的训练过程，直至所述训练过程的循环次数大于预设循环次数阈值，或相邻的两次所述训练过程对应的损失结果的差值小于预设训练损失阈值。4.根据权利要求3所述的保险产品交叉推荐方法，其特征在于，所述根据所述视图内相似性矩阵和所述视图间相似性矩阵计算视图内任意两个负样本之间的视图内对比权重，和视图间任意两个负样本之间的视图间对比权重包括：根据如下第一公式计算所述视图内对比权重：
其中，w
intra
(i,j)表示所述视图内相似性矩阵中第i行j列的视图内相似性值，I(c
i
,c
j
)表示所述第一拓扑网络和所述第二拓扑网络中第i个节点和第j个节点对应的保险产品类型是否相同，若不相同则为1，若相同则为0，N
intra
表示所述视图内相似性矩阵中元素的个数，q
intra
(i,j)表示所述视图内对比权重；根据如下第二公式计算所述视图间对比权重：其中，w
inter
(i,j)表示所述视图间相似性矩阵中第i行j列的视图间相似性值，I(c
i
,c
j
)表示所述第一拓扑网络和所述第二拓扑网络中第i个节点和第j个节点对应的保险产品类型是否相同，若不相同则为1，若相同则为0，N
inter
表示所述视图间相似性矩阵中元素的个数，q
inter
(i,j)表示所述视图间对比权重。5.根据权利要求4所述的保险产品交叉推荐方法，其特征在于，所述输入所述视图内对比权重和所述视图间对比权重至预设的汇总损失函数，得到对应的训练损失结果包括：根据如下第一损失函数公式计算第一损失结果：其中，τ表示控制参数，u
i
表示所述第一向量矩阵中的第i行向量，v
i
表示所述第二向量矩阵中的第i...

【专利技术属性】
技术研发人员：陈雪娇，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：