一种场景化保险智能推荐方法及系统技术方案

本发明专利技术涉及保险技术领域，公开了一种场景化保险智能推荐方法及系统，其技术方案要点是，包括以下步骤：获取用户车机

【技术实现步骤摘要】
一种场景化保险智能推荐方法及系统


[0001]本专利技术涉及保险领域，更具体地说，它涉及一种场景化保险智能推荐方法及系统
。

技术介绍

[0002]汽车相关的保险行业向着多元化
、
定制化
、
场景化发展；比如：在车辆自驾游场景，推出自驾险和医保外人身伤害险；在山区驾驶，推出轮胎险；在车辆运输，推出提车险等；现有技术中，保险的推荐方式大多数情况下是通过人工逐个打电话推荐或商场开办展台介绍；但电话推荐和商场展台均无法明确定位到客户群体
。
[0003]由此，本专利技术提供了一种场景化保险智能推荐方法及系统，改善了上述技术问题
。

技术实现思路

[0004]本专利技术的目的是提供一种场景化保险智能推荐方法及系统，解决了现有技术中保险推荐的方式无法明确定位到客户群体和存在滞后性的技术问题
。
[0005]本专利技术的上述技术目的是通过以下技术方案得以实现的：一种场景化保险智能推荐方法及系统，包括以下步骤：获取用户车机
app
和手机
app
中多媒体信息的浏览数据；基于所述浏览数据计算用户对保险的关注度；根据所述关注度的计算结果先对用户感兴趣的保险内容进行分类并识别保险的具体场景，再获取用户的车联网数据对保险的具体场景进行核实验证；根据识别出的用户感兴趣的保险场景，进行特定场景化保险的推荐
。
[0006]作为本专利技术的一种优选技术方案，所述多媒体信息包括：博文数据
、<br/>新闻数据
、
短视频数据和网页数据
。
[0007]作为本专利技术的一种优选技术方案，所述保险的关注度计算过程包括：将多媒体信息中的文字
、
图片和视频数据提取出来并按固定顺序排列；所述视频数据中的语音基于语音识别功能转换成文字并添加到所述文字数据中；基于多种神经网络模型分别对文字
、
图片和视频数据进行提取特征
。
[0008]作为本专利技术的一种优选技术方案，所述文字
、
图片和视频数据提取特征的过程为：将所述文本数据进行分词，去除停用词，采用
word2vec
将保留词转换成词向量的形式，依次将各个所述词向量输入
RNN
网络中，所述
RNN
网络根据最后一个词向量
Cn
输入后得到
RNN
网络的最终内部状态值
Tn
，所述
Tn
为文本数据的特征向量表示
。
[0009]将所述图片数据输入
2DCNN
网络中，进行2维卷积特征提取，形成特征向量
Pt
；将所述视频数据输入
3DCNN
网络中，进行3维卷积特征提取，形成特征向量
Vt
；将所述
Tt
，
Pt
，
Vt
，输入信息叠加模块进行特征组合
,
形成深度完整特征
Ft。
[0010]作为本专利技术的一种优选技术方案，将所述
Ft— F(t+1)
输入关注度分类模型中进行特征信息的分类；所述特征信息包括：出行旅游类
、
保险类
。
[0011]作为本专利技术的一种优选技术方案，统计所述保险类和出行旅游类所占比例；
若保险类占比大于或等于百分之二十，则识别用户关注的具体保险类别；若出行旅游类占比大于或等于百分之五十，则先提取对应的原始文本数据，基于自然语言处理技术提取所述文本数据中包含的旅游景点或目的地，统计出现次数最多的前三个地名，查询所述地名的路网信息和天气信息；再结合用户的车联网数据进行核实验证，判断用户对保险的关注度
。
[0012]作为本专利技术的一种优选技术方案，所述保险类别包括：座位险
、
车损险
、
第三方责任险
、
货物责任险
、
轮胎险
、
自驾险
、
人身意外险
、
医保外医疗费用责任险
、
货物责任险
、
单程险
。
[0013]作为本专利技术的一种优选技术方案，所述核实验证的过程为：判断车辆当前位置与常驻地之间的距离是否大于
100
公里；判断车机导航目的地数据能否获取；计算车辆各地的行驶趋势；确定车辆目的地
。
[0014]一种场景化保险智能推荐系统，所述系统用于实现权利要求1至6任意一项所述的场景化保险智能推荐方法，所述系统包括：车机和
APP
浏览数据获取模块
、
保险关注度计算模块
、
车联网数据获取模块
、
保险场景分类模块
、
保险推荐模块；所述车机和
APP
浏览数据获取模块用于获取用户车机
app
和手机
app
中多媒体信息浏览数据，并将脱敏后的浏览数据传输给保险关注度计算模块；所述保险关注度计算模块用于基于所述浏览数据计算用户对保险的关注度；所述车联网数据获取模块用于获取用户的车辆行驶数据；所述车联网数据获取模块用于对用户感兴趣的保险内容进行分类，识别保险的具体场景，并通过所述车辆行驶数据进行保险的具体场景进行核实验证；所述保险推荐模块用于根据识别出的用户感兴趣的保险场景，进行特定场景化保险的推荐
。
[0015]综上所述，本专利技术具有以下有益效果：其一，本专利技术提出的神经网络综合提取特征的方式的优点是能够完整获取多媒体信息的深度特征，而不像传统方式，获取的特征不完整，且往往是表面浅度特征
。
本专利技术方法能够更好的表征现今网络流行的各种多媒体信息，使得信息的分类识别更加准确
。
[0016]其二，全面考虑用户感兴趣的各类信息，重点将出行旅游信息作为保险关注度分析的一个重要参考维度，并结合车联网信息进行行驶趋势判断作为出行情况的辅助确认，增加推荐的精准性和全面性
。
[0017]其三，充分利用车联网大数据分析，针对不同的保险类别和不同的出行目的地的特殊情况进行保险的详细子类的推荐，更具针对性和准确性，而不是以往盲目撒网式推荐和宣传
。
附图说明
[0018]图1为本专利技术实施例提供的一种场景化保险智能推荐系统结构示意图；图2为本专利技术实施例提供的一种场景化保险智能推荐方法流程图；图3为本专利技术实施例提供的数据传输表；
图4为本专利技术实施例提供的特征提取结构图；图5为本专利技术实施例提供的保险关注度列表；图6为本专利技术实施例提供的地名表；图7为本专利技术实施例提供的基于车联网数据二次核实流程图；图8为本专利技术实施例提供的补充的地名表；图9为本专利技术实施例提供的行驶趋势计算示意图；图
10
为本专利技术实施例提供的目的地确认表；图
1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种场景化保险智能推荐方法，其特征是，包括以下步骤：获取用户车机
app
和手机
app
中多媒体信息的浏览数据；基于所述浏览数据计算用户对保险的关注度；根据所述关注度的计算结果先对用户感兴趣的保险内容进行分类并识别保险的具体场景，再获取用户的车联网数据对保险的具体场景进行核实验证；根据识别出的用户感兴趣的保险场景，进行特定场景化保险的推荐
。2.
根据权利要求1所述的一种场景化保险智能推荐方法，其特征是：所述多媒体信息包括：博文数据
、
新闻数据
、
短视频数据和网页数据
。3.
根据权利要求1所述的一种场景化保险智能推荐方法，其特征是：所述保险的关注度计算过程包括：将多媒体信息中的文字
、
图片和视频数据提取出来并按固定顺序排列；所述视频数据中的语音基于语音识别功能转换成文字并添加到所述文字数据中；基于多种神经网络模型分别对文字
、
图片和视频数据进行提取特征
。4.
根据权利要求3所述的一种场景化保险智能推荐方法，其特征是：所述文字
、
图片和视频数据提取特征的过程为：将所述文本数据进行分词，去除停用词，采用
word2vec
将保留词转换成词向量的形式，依次将各个所述词向量输入
RNN
网络中，所述
RNN
网络根据最后一个词向量
Cn
输入后得到
RNN
网络的最终内部状态值
Tn
，所述
Tn
为文本数据的特征向量表示
。5.
将所述图片数据输入
2DCNN
网络中，进行2维卷积特征提取，形成特征向量
Pt
；将所述视频数据输入
3DCNN
网络中，进行3维卷积特征提取，形成特征向量
Vt
；将所述
Tt
，
Pt
，
Vt
，输入信息叠加模块进行特征组合
,
形成深度完整特征
Ft。6. 根据权利要求4所述的一种场景化保险智能推荐方法，其特征是：将所述
Ft— F(t+1)
输入关注度分类模型中进行特征信息的分类；所述特征信息包括：出行旅游类
、
保险类
。7.
根据权利要求5所述的一种场景...

【专利技术属性】
技术研发人员：张楠，孟健，曾鹏，杨诺，
申请(专利权)人：鱼快创领智能科技南京有限公司，
类型：发明
国别省市：