【技术实现步骤摘要】
本专利技术涉及保险推荐，尤其涉及基于用户画像的综合推荐方法、装置、设备及存储介质。
技术介绍
1、随着互联网及智能手机的逐渐发展，保险代理人的推广也逐渐的从线下发展到线上，微信的普及、公众号及小程序的开发给保险人带来了新的销售方式和技术，但原始的公众号，只能针对代理人推送客户感兴趣的保险相关信息，无法真正触达客户，了解客户，导致客户意向不高，使得代理人效率和成功率都不高。
2、申请号为202311109218.6的专利公开了一种基于用户画像的综合推荐方法、装置、设备及存储介质，属于人工智能
和产险金融
本申请通过获取服务人员的用户数据，基于服务人员的用户数据构建服务人员画像，获取待推荐服务用户的用户数据，根据推荐服务用户的用户数据构建待推荐服务用户画像，对待推荐服务用户画像和服务人员画像进行用户画像匹配，得到用户画像匹配结果，根据用户画像匹配结果确定与待推荐服务用户匹配的服务人员，将与待推荐服务用户匹配的服务人员推荐给待推荐服务用户。此外，本申请还涉及区块链技术，用户数据可存储于区块链中。
3、上述方法虽然可以提升一定的效率，但是需要提前收集每个用户的数据，该种方式工作效率还是不高，同时在直接空洞的收集用户数据时，用户可能不太愿意配合。
技术实现思路
1、有鉴于此，本专利技术的目的在于提出基于用户画像的综合推荐方法、装置、设备及存储介质，以解决现有的用户数据收集不方便，保险产品销售效率和成功率不高的问题。
2、基于上述目的，本专利技
3、s1：不通过特定的单个客户获取范围研究对象的数据资料，将所述数据资料进行分类，获得多组分类数据；
4、s2：针对多组分类数据确定对应筛选条件，基于所述筛选条件从所述分类数据中筛选出待分析数据；
5、s3：基于所述待分析数据构建用户画像，将所述用户画像中所述待分析数据输入到概率模型中，计算未来患对应疾病或受伤的概率，获得对应疾病或受伤的概率值；
6、s4：输出概率值大于预定值的疾病或受伤情况与保险产品进行匹配，获取对应的保险产品；
7、s5：计算所述对应的保险成本和发生疾病或受伤后对应的保险收益；
8、s6：将所述待分析数据、所述概率值、所述保险产品、所述保险成本和所述保险收益通过宣传交互屏幕进行显示，所述宣传交互屏幕设置在范围研究对象主要活动地点，并显示保险小程序二维码；
9、s7：接收所述保险小程序上用户填写的需求信息；
10、s8：基于服务人员的销售信息和服务记录，构建服务人员画像，将所述服务人员画像与所述需求信息进行匹配，向用户推荐匹配度高的服务人员。
11、可选的，所述范围研究对象为小区居民，多组所述分类数据至少包括小区水质数据、小区空气质量数据、小区人员运动数据、小区居民年龄分布数据和小区居民睡眠数据；
12、所述筛选条件为基于多组所述分类数据分别确定分类阈值，将多组所述分类数据分别与对应的所述分类阈值进行比较，获得每组所述分类数据中的待分析数据；
13、所述分类阈值包括正常水质数据、正常空气质量数据、正常运动数据、0-80岁每隔10岁的一个区间、正常睡眠数据，所述待分析数据包括不在正常水质数据范围内的小区水质数据、不在正常空气质量数据范围内的小区空气质量数据、不在正常运动数据范围内的小区人员运动数据、0-80岁每隔10岁的一个区间居民人数、不在正常睡眠数据范围内的小区居民睡眠数据；
14、所述概率模型为疾病风险关联模型；
15、输出概率值大于预定值的疾病或受伤情况与保险产品进行匹配，获取对应的保险产品还包括：基于概率值大于预定值的疾病和年龄区间与保险产品进行匹配，获取基于年龄区间对应的保险产品。
16、可选的，获取城市中同一年建造的小区信息，将某个小区中的小区人员运动数据、小区居民年龄分布数据和小区居民睡眠数据覆盖到同一年建造的其他小区中。
17、可选的，所述获取范围研究对象的数据资料包括通过医院患者自愿扫描病历信息，获取医院患者的数据资料，多组所述分类数据至少包括患者的基本信息、就诊信息、检测信息、诊断信息和治疗计划；
18、所述待分析数据包括基本信息中的性别、年龄、职业，就诊信息中的就诊科室、主诉、病史，检测信息中的与正常数据不符的检测数据，诊断信息中的医生诊断结果，治疗计划中的药物治疗计划；
19、所述概率模型为疾病风险关联模型；
20、输出概率值大于预定值的疾病或受伤情况与保险产品进行匹配，获取对应的保险产品：基于概率值大于预定值的疾病和职业与保险产品进行匹配，获取对应的保险产品。
21、可选的，所述获取范围研究对象的数据资料包括通过体检中心处的体检人自愿扫描体检报告，获取体检人的数据资料，多组所述分类数据至少包括临床体格检查数据、实验室检查数据和影像学检查数据；
22、所述待分析数据包括临床体格检查数据外科、五官科、口腔科数据中与正常值不符的数据，实验室检查数据中的血、尿、便常规及肝功、肾功、血糖、血脂和乙肝五项数据中与正常值不符的数据，影像学检查数据中的心电图、b超、ct、核磁、骨密度数据中与正常值不符的数据；
23、所述概率模型为疾病风险关联模型；
24、所述输出概率值大于预定值的疾病或受伤情况与保险产品进行匹配，获取对应的保险产品还包括：基于概率值大于预定值的疾病和当年流行病与保险产品进行匹配，获取对应的保险产品。
25、可选的，所述范围研究对象为体育院校的学生，所述分类数据包括获取体育院校体育项目信息，每个体育项目的人数信息a；
26、所述筛选条件为一年当中至少受过一次伤的同学；
27、所述待分析数据为不同体育项目每年受伤人数b；
28、所述概率模型为第一概率模型p1＝b/a，通过所述第一概率模型获得第一概率值。
29、可选的，所述概率模型还包括第二概率模型：p2＝(w1x1+w2x2+w3x3+w4x4)/12，计算获得第二概率值，所述x1、x2、x3和x4学生根据自身情况自行输入；
30、其中w代表权重，w1取值为0.8，w2取值为0.7，w3取值为0.6，w4取值为0.5，权重值越大，说明对应的数据对受伤概率影响越大，x1代表对抗强度，取值为1(弱)或2(中)或3(强)，x2代表运动强度，取值为1(弱)或2(中)或3(强)，x3代表每次运动时长，取值为1(大于1小时)或2(大于2小时)或3(大于3小时)，x4代表静坐时长，取值为1(大于2小时)或2(大于3小时)或3(大于4小时)；
31、输出第二概率值大于预定值的体育项目并与保险产品进行匹配，获取对应的保险产品。
32、因为即使是相同的体育项目，由于所担任的位置不同，可能受伤的概率不一样，当学生在了解到第一概率值后，想要进一步了解更贴近自己的概率时，可以根据本文档来自技高网...
【技术保护点】
1.基于用户画像的综合推荐方法，其特征在于，包括：
2.根据权利要求1所述的基于用户画像的综合推荐方法，其特征在于，
3.根据权利要求2所述的基于用户画像的综合推荐方法，其特征在于，获取城市中同一年建造的小区信息，将某个小区中的小区人员运动数据、小区居民年龄分布数据和小区居民睡眠数据覆盖到同一年建造的其他小区中。
4.根据权利要求1所述的基于用户画像的综合推荐方法，其特征在于，
5.根据权利要求1所述的基于用户画像的综合推荐方法，其特征在于，
6.根据权利要求1所述的基于用户画像的综合推荐方法，其特征在于，
7.根据权利要求6所述的基于用户画像的综合推荐方法，其特征在于，所述概率模型还包括第二概率模型：P2＝(W1X1+W2X2+W3X3+W4X4)/12，计算获得第二概率值，所述X1、X2、X3和X4学生根据自身情况自行输入；
8.一种基于用户画像的综合推荐装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有由处理器执行的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于用户画像的综合推荐方法的步骤。
...【技术特征摘要】
1.基于用户画像的综合推荐方法，其特征在于，包括：
2.根据权利要求1所述的基于用户画像的综合推荐方法，其特征在于，
3.根据权利要求2所述的基于用户画像的综合推荐方法，其特征在于，获取城市中同一年建造的小区信息，将某个小区中的小区人员运动数据、小区居民年龄分布数据和小区居民睡眠数据覆盖到同一年建造的其他小区中。
4.根据权利要求1所述的基于用户画像的综合推荐方法，其特征在于，
5.根据权利要求1所述的基于用户画像的综合推荐方法，其特征在于，
6.根据权利要求1所述的基于用户画像的综合推荐方法，其特征在于，
7.根据权利要求6所述的基于用户画像的综合推荐方法，其...
【专利技术属性】
技术研发人员：李海月，李彭，蒋伟，程晨光，
申请(专利权)人：国家电投集团保险经纪有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。