CN111476642A - 一种基于社交平台用户头像分析的保险推荐方法及系统 - Google Patents

一种基于社交平台用户头像分析的保险推荐方法及系统 Download PDF

Info

Publication number
CN111476642A
CN111476642A CN202010291145.7A CN202010291145A CN111476642A CN 111476642 A CN111476642 A CN 111476642A CN 202010291145 A CN202010291145 A CN 202010291145A CN 111476642 A CN111476642 A CN 111476642A
Authority
CN
China
Prior art keywords
information
vector
module
insurance
characteristic information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010291145.7A
Other languages
English (en)
Inventor
马智勇
肖政宏
周健烨
黎庆璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Polytechnic Normal University
Original Assignee
Guangdong Polytechnic Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Polytechnic Normal University filed Critical Guangdong Polytechnic Normal University
Priority to CN202010291145.7A priority Critical patent/CN111476642A/zh
Publication of CN111476642A publication Critical patent/CN111476642A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

一种基于社交平台用户头像分析的保险推荐方法包括了:获取保险产品信息和用户信息，所述用户信息包括但不限于图像信息和文本信息；从用户信息中的图像信息中提取第一特征信息，所述第一特征信息为文本信息，从保险产品信息中提取出第二特征信息，所述第二特征信息为文本信息；将第一特征信息的取值组合成第一向量，将第二特征信息的取值组合成第二向量；将第一向量和多个第二向量进行匹配，得到第一向量与每个第二向量的匹配度；根据匹配度将第二向量所对应的保险产品推荐给第一向量所对应的用户，无需用户提供特定信息，仅需要关联用户的社交平台即可的在线智能保险推荐。

Description

一种基于社交平台用户头像分析的保险推荐方法及系统
技术领域
本发明涉及信息技术领域，具体涉及一种基于社交平台用户头像分析的保险推荐方法及系统。
背景技术
随着互联网的发展，为不同类型的用户推荐个性化的产品也成为了各个行业的趋势。由于难以准确得到有用的客户信息，因而，也难以根据有用的客户信息进行保险产品的精准推荐，但是随着CV(计算机视觉)的不断发展，现阶段已经可以有效的分析出用户社交头像中的内容，每个人都会使用不同的社交头像偏好，而这些偏好也反映出个人的内心想法，也代表了个人的性格特征。根据社交头像中的内容即可为用户提供相对精准的保险产品。
发明内容
通过用户的社交头像分析出头像中的内容信息，通过头像中的内容信息来与搜索对应的保险产品，并将保险产品推荐给客户；
为达此目的，本发明采用以下技术方案：
一种基于社交平台用户头像分析的保险推荐方法包括了:
获取保险产品信息和用户信息，所述用户信息包括但不限于图像信息和文本信息；
从用户信息中的图像信息中提取第一特征信息，所述第一特征信息为文本信息，从保险产品信息中提取出第二特征信息，所述第二特征信息为文本信息；
将第一特征信息的取值组合成第一向量，将第二特征信息的取值组合成第二向量；
将第一向量和多个第二向量进行匹配，得到第一向量与每个第二向量的匹配度；
根据匹配度将第二向量所对应的保险产品推荐给第一向量所对应的用户。
优选的，将用户信息中的图像信息转换为文本信息；
预设第一特征信息的排列顺序；
按照排列顺序将文本信息进行排列得到所述第一特征信息。
优选的，将保险产品信息提取出文本信息；
将文本信息按照预设所述排列顺序进行排列，得到第二特征信息。
优选的，对所述排列顺序预设对应的映射规则；
所述第一特征信息与第二特征信息根据所述映射规则取值得到所述第一向量与第二向量。
优选的，通过所述第一向量获取结果向量；
根据所述结果向量获取激活值；
根据所述激活值与所述第二向量得到匹配度。
优选的，所述第一向量通过第一公式获取得到结果向量；
其中所述第一公式：a＝u*w1*w2
其中，a表示结果向量，u表示第一向量，w1与w2表示两个权重矩阵；所述权重矩阵w1为12*4的二维矩阵，所述权重矩阵w2为4*12的二维矩阵，所述权重矩阵w1与权重矩阵w2的初始值为随机生成。
优选的，所述结果向量通过第二公式获取所述激活值；
其中所述第二公式：
Figure BDA0002450437180000021
其中p(i)为激活值的第i项，e为自然对数；a(i)为结果向量的第i 项，j为结果向量的索引，j的取值范围：1<＝j<＝n，j取整数。
优选的，所述激活值与所述第二向量根据第三公式获取所述匹配度；
所述第三公式为：
Figure BDA0002450437180000031
其中p为所述激活值，p(i)为所述激活值的第i项的值；q为所述第二向量， q(i)为所述第二向量的第i项的值，H(p,q)为所述三公式的结果，即为匹配度。
优选的，包括第一获取模块、第一排序模块、第一映射模块、第二获取模块、第二排序模块、第二映射模块、匹配模块以及推荐模块。
所述第一获取模块用于获取用户信息；
所述第一排序模块用于将所述用户信息排序为第一特征信息；
所述第一映射模块用于将所述第一特征信息映射为第一向量。
所述第二获取模块用于获取数据库中的保险产品信息；
所述第二排序模块用于将所述保险产品信息排序为第二特征信息；
所述第二映射模块用于将所述第二特征信息映射为第二向量。
所述匹配模块用于将第一向量和第二向量进行匹配，得到匹配度，
所述推荐模块用于搜出最小的匹配度，并通过反向查询得出保险产品信息，将保险产品推荐给用户。
优选的，所述第一获取模块还用于将所述用户信息中的图像信息转换为文本信息；
所述第一排序模块还用于将所述用户信息获取的文本信息按照预设的排列顺序排列为所述第一特征信息；
所述第一映射模块还用于根据所述第一特征信息按照预设的映射规则映射为所述第一向量；
所述第二获取模块还用于从所述保险产品信息提取出文本信息；
所述第二排序模块还用于将所述保险产品信息提取的文本信息按照预设的排列顺序排序成为所述第二特征信息；
所述第二映射模块还用于根据所述第二特征信息按照预设的映射规则映射为所述第二向量；
所述匹配模块还包括：第一匹配模块、第二匹配模块以及第三匹配模块；
所述第一匹配模块用于将所述第一向量获取到结果向量；
所述第二匹配模块用于将所述结果向量转换为激活值
所述第三匹配模块用于根据所述激活值与所述第二向量得到匹配度。
有益效果：1.无需用户提供特定信息，仅需要关联用户的社交平台即可的在线智能保险推荐；
2.保险公司的批量保险产品推荐。既可以大大促进用户在实际生产环境中的消费欲望。也有利于保险公司更好的定制个性化产品服务。两者皆具有较大的实际生产价值。
附图说明
图1为本申请实施例的保险推荐方法示意图；
图2为本申请实施例中第一特征信息获取方法示意图；
图3为本申请实施例中第一向量获取方法示意图；
图4为本申请实施例中第二特征信息获取方法示意图；
图5为本申请实施例中第二向量获取方法示意图；
图6为本申请实施例中获取待推荐保险产品方法示意图；
图7是根据本申请一优选实施例的保险推荐装置示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
一种基于社交平台用户头像分析的保险推荐方法包括了:
获取保险产品信息和用户信息，所述用户信息包括但不限于图像信息和文本信息；
从用户信息中的图像信息中提取第一特征信息，所述第一特征信息为文本信息，从保险产品信息中提取出第二特征信息，所述第二特征信息为文本信息；
将第一特征信息的取值组合成第一向量，将第二特征信息的取值组合成第二向量；
将第一向量和多个第二向量进行匹配，得到第一向量与每个第二向量的匹配度；
根据匹配度将第二向量所对应的保险产品推荐给第一向量所对应的用户。
越来越多人使用自己的生活照来作为自己的社交头像，而社交头像中的信息也会反映出这个人的许多基本信息，本发明分别从保险产品的特点、社交平台用户的头像这两个角度进行分析，将最符合所述用户信息的保险产品推荐给用户。
在本实施例中，所述用户信息可以从用户的社交头像或者在论坛上发出的图片中获取，而社交头像或者在论坛上发出的图片中可能包含有文字的；所以所述用户信息包含图像信息和文本信息，通过使用现有技术CV(计算机视觉) 来获取所述图像信息，并将图像信息转化为文本信息；所述保险产品信息则可以使用网络获取信息的工具来获取，例如爬虫工具，爬取各个保险平台中各类保险的信息，如参保的对象、险种等等信息，将上述获取到的用户信息和保险产品信息存储到数据库中，便于后续继续研究。获取到所述保险产品信息和用户信息需转为根据一定排列顺序排列的所述第一特征信息与第二特征信息。同时由于所获取的用户信息和保险产品信息是无法直接用于计算机运算的，故需要先将用户信息和保险产品信息转换为能够被计算机识别并且运算的信息，因此需要通过将所述第一特征信息与第二特征信息转为所述第一向量与所述第二向量。转化的所述映射规则可以根据自身计算的函数来决定，本发明中使用的是损失函数中交叉熵，应当将所述第一特征信息与第二特征信息转化为只含有0 与1的所述第一向量与所述第二向量，所述第一向量通过与多个所述第二向量进行匹配，即将所述第一向量通过与多个所述第二向量进行交叉熵运算，可以得出与第一向量最匹配的所述第二向量，最后可以通过反向查询的方法查找出对应最匹配当前用户社交信息的保险产品，并推送给对应的用户。
优选的，将用户信息中的图像信息转换为文本信息；
预设第一特征信息的排列顺序；
按照排列顺序将文本信息进行排列得到所述第一特征信息。
CV(计算机视觉)指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给一起检测的图像；目前阶段CV(计算机视觉)的功能有分类/定位、目标检测、目标追踪。本发明就是使用CV(计算机视觉)中的目标检测，与分类等功能，获取所述图像信息，获取到所述图像信息再经过转换变为文本信息；但是获取到的所述文本信息都是无序的，不方便后面的运算，所以要预设一个所述排列顺序，将无序的所述文本信息按照所述排列顺序排列得出所述第一特征信息。例如：本实施例中，按照从左到右的先后顺序，将[性别、年龄、运动、饮食、服饰、宠物]作为所述排列顺序，其中，性别作为第一顺序、年龄作为第二顺序、运动作为第三顺序，以此类推，从所述用户信息中如果获取到的文本信息为[马，中年，女]，则按照上述[性别、年龄、运动、饮食、服饰、宠物]的所述排列顺序排列，当所述用户信息的文本信息中无所述排列顺序中的选项则空置不填，所以得出第一特征信息为[女，中年，马]。
优选的，将保险产品信息提取出文本信息；
将文本信息按照预设所述排列顺序进行排列，得到第二特征信息。
在本实施例中，可以采用网络爬虫的方法，对各个保险网站进行爬虫，以获取保险网站中各类所述保险产品信息，如参保的对象、险种等等信息，同理，得到的所述保险产品信息的文本信息也是无序的，同时为了后面计算的方便，使用与所述第一特征信息一致的所述排列顺序将所述保险产品信息的文本信息进行排列；排列为有序的所述第二特征信息。排列后的第二特征信息和所述第一特征信息由于使用同一个所述排列顺序；所述第一特征信息与第二特征信息的每一项都可以相互对应，例如在第一项中都是性别对应性别，第二项都是年龄与年龄相对应，这样可以防止以后将所述第二特征信息和所述第一特征信息匹配时，出现匹配项不对应的结果，从而影响到匹配度。而得到所述第二特征信息后，将其保存至预设的数据库中；在使用本方法时可以从数据库中提取，方便提取计算，无需再次爬虫获取文本信息和再次根据所述排列顺序进行排列。
优选的，对所述排列顺序预设对应的映射规则；
所述第一特征信息与第二特征信息根据所述映射规则取值得到所述第一向量与第二向量。
得到的所述第一特征信息后与第二特征信息，由于所述第一特征信息与第二特征信息为非计算机运算的字符，要将所述第一特征信息转化为可以通过计算机运算字符。所述映射规则需要预设，在本发明中实用的是交叉熵函数，则可以将所述映射规则设定为0与1取值，判断所述第一特征信息中与第二特种信息中是否含有所述排列顺序中的选项，在将二者转化为所述第二向量与第一向量；本实施例若所述第一特征信息或第二特征信息含有['男性','男','雄性','雄', '男人','男士','先生','靓仔','俊男','儿子','父亲','父']的字样；则所述映射规则在性别的选项中取值为1；若出现['女性','女','雌性','雌','女人','女士','妇女','孕妇',' 美女','女儿','妇女','母亲','母']的字样，则所述映射规则在性别的选项中取值为 0；若无法上述字样则代表无法确认性别信息，则所述映射规则在性别的选项中取值为0。其他选项以此类推。例如在所述排列顺序[性别、年龄、运动、饮食、服饰、宠物]，在性别描述中可将男性取值为1，女性取值为0；当无法确实性别信息时性别选项的取值0；在年龄信息中，若年龄为中年可以取1，非中年可以取0，当无法确实年龄信息时年龄选项的取值0；同理按照上述预设过程预设好对应的映射规则；当所述用户信息与保险产品信息中无所述排列顺序中的选项时，所述排列顺序的选项值可以判定为无法确认，根据所述映射规则可以取值为0，通过所述映射规则可以将所述第一特征信息[女、中年、马]转化为所述第一向量[0，1，0，0，0，1]
优选的，通过所述第一向量获取结果向量；
根据所述结果向量获取激活值；
根据所述激活值与所述第二向量得到匹配度。
优选的，所述第一向量通过第一公式获取得到结果向量；
其中所述第一公式：a＝u*w1*w2
其中，a表示结果向量，u表示第一向量，w1与w2表示两个权重矩阵；所述权重矩阵w1为12*4的二维矩阵，所述权重矩阵w2为4*12的二维矩阵，所述权重矩阵w1与权重矩阵w2的初始值为随机生成。
本发明是使用损失函数的交叉熵来进行计算得到匹配值；在通过损失函数计算所述第一向量之前要先进行加权的运算，在获取到所述第一向量后，将所述第一向量代入所述权重矩阵w1与权重矩阵w2进行矩阵乘法运算得出结果向量。在加权运算的过程中可以对所述第一向量中的各项值进行权重分配，使的出来的结果更加贴合实际的需求。
优选的，所述结果向量通过第二公式获取所述激活值；
其中所述第二公式：
Figure BDA0002450437180000091
其中p(i)为激活值的第i项，e为自然对数；a(i)为结果向量的第i 项，j为结果向量的索引，j的取值范围：1<＝j<＝n，j取整数。
得到所述结果向量后，将所述结果向量输入到第二公式中，得到结果向量的激活值p(i)。本发明的所述第二公式为Softmax函数，Softmax函数：将输入的函数归一化为(0,1)之间的值，以本发明的模型为例，通过Softmax函数可以得出与所述第二向量q维度一致的激活值pi。由于所述激活值pi的维度与所述第二向量q的维度一致，所以可以使用交叉熵公式对其，计算所述激活值pi与所述第二向量q的交叉熵值，就可以判断第一向量与第二向量的匹配度。
优选的，所述激活值与所述第二向量根据第三公式获取所述匹配度；
所述第三公式为：
Figure BDA0002450437180000092
其中p为所述激活值，p(i)为所述激活值的第i项的值；q为所述第二向量， q(i)为所述第二向量的第i项的值，H(p,q)为所述三公式的结果，即为匹配度。
所述第三公式为交叉熵函数公式，在交叉熵中得到的结果值越小，就代表两者之间的关联程度就越大，就越为匹配，将激活值p(i)与第二向量带入所述交叉熵函数中，计算两者之间的关联程度，在通过排列结果的大小，找出结果值越小的函数，既可以找到与第一向量最为匹配的第二向量。通过第二向量既可以找出对应的所述保险产品信息。
本发明为一个不断更新计算过程，得到交叉熵值H(p,q)后，通过Adam (AdaptiveMoment Estimation)梯度下降方法，以初始值为0.1的学习率，重新调整权重矩阵W1及W2中的权重值。经过输入一定数量的样本计算，对权重矩阵进行多次梯度下降调整后，得到新的权重矩阵W1和W2后保存。在经过多次训练后，所述交叉熵值H(p,q)，就会越精准，越符合贴近预测值。
优选的，包括第一获取模块、第一排序模块、第一映射模块、第二获取模块、第二排序模块、第二映射模块、匹配模块以及推荐模块。
所述第一获取模块用于获取用户信息；
所述第一排序模块用于将所述用户信息排序为第一特征信息；
所述第一映射模块用于将所述第一特征信息映射为第一向量。
所述第二获取模块用于获取数据库中的保险产品信息；
所述第二排序模块用于将所述保险产品信息排序为第二特征信息；
所述第二映射模块用于将所述第二特征信息映射为第二向量。
所述匹配模块用于将第一向量和第二向量进行匹配，得到匹配度，
所述推荐模块用于搜出最小的匹配度，并通过反向查询得出保险产品信息，将保险产品推荐给用户。
优选的，所述第一获取模块还用于将所述用户信息中的图像信息转换为文本信息；
所述第一排序模块还用于将所述用户信息获取的文本信息按照预设的排列顺序排列为所述第一特征信息；
所述第一映射模块还用于根据所述第一特征信息按照预设的映射规则映射为所述第一向量；
所述第二获取模块还用于从所述保险产品信息提取出文本信息；
所述第二排序模块还用于将所述保险产品信息提取的文本信息按照预设的排列顺序排序成为所述第二特征信息；
所述第二映射模块还用于根据所述第二特征信息按照预设的映射规则映射为所述第二向量；
所述匹配模块还包括：第一匹配模块、第二匹配模块以及第三匹配模块；
所述第一匹配模块用于将所述第一向量获取到结果向量；
所述第二匹配模块用于将所述结果向量转换为激活值
所述第三匹配模块用于根据所述激活值与所述第二向量得到匹配度。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (10)

1.一种基于社交平台用户头像分析的保险推荐方法，其特征在于，包括了:
获取保险产品信息和用户信息，所述用户信息包括但不限于图像信息和文本信息；
从用户信息中的图像信息中提取第一特征信息，所述第一特征信息为文本信息，从保险产品信息中提取出第二特征信息，所述第二特征信息为文本信息；
将第一特征信息的取值组合成第一向量，将第二特征信息的取值组合成第二向量；
将第一向量和多个第二向量进行匹配，得到第一向量与每个第二向量的匹配度；
根据匹配度将第二向量所对应的保险产品推荐给第一向量所对应的用户。
2.根据权利要求1所述一种基于社交平台用户头像分析的保险推荐方法，其特征在于：
将用户信息中的图像信息转换为文本信息；
预设第一特征信息的排列顺序；
按照排列顺序将文本信息进行排列得到所述第一特征信息。
3.根据权利要求2所述一种基于社交平台用户头像分析的保险推荐方法，其特征在于：
将保险产品信息提取出文本信息；
将文本信息按照预设所述排列顺序进行排列，得到第二特征信息。
4.根据权利要求3所述一种基于社交平台用户头像分析的保险推荐方法，其特征在于：
对所述排列顺序预设对应的映射规则；
所述第一特征信息与第二特征信息根据所述映射规则取值得到所述第一向量与第二向量。
5.根据权利要求4所述一种基于社交平台用户头像分析的保险推荐方法，其特征在于：
通过所述第一向量获取结果向量；
根据所述结果向量获取激活值；
根据所述激活值与所述第二向量得到匹配度。
6.根据权利要求5所述一种基于社交平台用户头像分析的保险推荐方法，其特征在于：
所述第一向量通过第一公式获取得到结果向量；
其中所述第一公式：a＝u*w1*w2
其中，a表示结果向量，u表示第一向量，w1与w2表示两个权重矩阵；所述权重矩阵w1为12*4的二维矩阵，所述权重矩阵w2为4*12的二维矩阵，所述权重矩阵w1与权重矩阵w2的初始值为随机生成。
7.根据权利要求5所述一种基于社交平台用户头像分析的保险推荐方法，其特征在于：
所述结果向量通过第二公式获取所述激活值；
其中所述第二公式：
Figure FDA0002450437170000021
其中p(i)为激活值的第i项，e为自然对数；a(i)为结果向量的第i项，j为结果向量的索引，j的取值范围：1<＝j<＝n，j取整数。
8.根据权利要求5所述一种基于社交平台用户头像分析的保险推荐方法，其特征在于：
所述激活值与所述第二向量根据第三公式获取所述匹配度；
所述第三公式为：
Figure FDA0002450437170000031
其中p为所述激活值，p(i)为所述激活值的第i项的值；q为所述第二向量，q(i)为所述第二向量的第i项的值，H(p,q)为所述三公式的结果，即为匹配度。
9.一种基于社交平台用户头像分析的保险推荐系统，其特征在于：包括第一获取模块、第一排序模块、第一映射模块、第二获取模块、第二排序模块、第二映射模块、匹配模块以及推荐模块；
所述第一获取模块用于获取用户信息；
所述第一排序模块用于将所述用户信息排序为第一特征信息；
所述第一映射模块用于将所述第一特征信息映射为第一向量；
所述第二获取模块用于获取数据库中的保险产品信息；
所述第二排序模块用于将所述保险产品信息排序为第二特征信息；
所述第二映射模块用于将所述第二特征信息映射为第二向量；
所述匹配模块用于将第一向量和第二向量进行匹配，得到匹配度，
所述推荐模块用于搜出最小的匹配度，并通过反向查询得出保险产品信息，将保险产品推荐给用户。
10.根据权利要求9所述一种基于社交平台用户头像分析的保险推荐系统，其特征在于：
所述第一获取模块还用于将所述用户信息中的图像信息转换为文本信息；
所述第一排序模块还用于将所述用户信息获取的文本信息按照预设的排列顺序排列为所述第一特征信息；
所述第一映射模块还用于根据所述第一特征信息按照预设的映射规则映射为所述第一向量；
所述第二获取模块还用于从所述保险产品信息提取出文本信息；
所述第二排序模块还用于将所述保险产品信息提取的文本信息按照预设的排列顺序排序成为所述第二特征信息；
所述第二映射模块还用于根据所述第二特征信息按照预设的映射规则映射为所述第二向量；
所述匹配模块还包括：第一匹配模块、第二匹配模块以及第三匹配模块；
所述第一匹配模块用于将所述第一向量获取到结果向量；
所述第二匹配模块用于将所述结果向量转换为激活值
所述第三匹配模块用于根据所述激活值与所述第二向量得到匹配度。
CN202010291145.7A 2020-04-14 2020-04-14 一种基于社交平台用户头像分析的保险推荐方法及系统 Pending CN111476642A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010291145.7A CN111476642A (zh) 2020-04-14 2020-04-14 一种基于社交平台用户头像分析的保险推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010291145.7A CN111476642A (zh) 2020-04-14 2020-04-14 一种基于社交平台用户头像分析的保险推荐方法及系统

Publications (1)

Publication Number Publication Date
CN111476642A true CN111476642A (zh) 2020-07-31

Family

ID=71751950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010291145.7A Pending CN111476642A (zh) 2020-04-14 2020-04-14 一种基于社交平台用户头像分析的保险推荐方法及系统

Country Status (1)

Country Link
CN (1) CN111476642A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505765A (zh) * 2021-09-09 2021-10-15 北京轻松筹信息技术有限公司 基于用户头像的年龄预测方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108563663A (zh) * 2018-01-04 2018-09-21 出门问问信息科技有限公司 图片推荐方法、装置、设备及存储介质
CN108805628A (zh) * 2018-06-19 2018-11-13 东北师范大学 一种电子商务推荐方法
CN109857871A (zh) * 2019-01-28 2019-06-07 重庆邮电大学 一种基于社交网络海量情景数据的用户关系发现方法
CN110162700A (zh) * 2019-04-23 2019-08-23 腾讯科技（深圳）有限公司 信息推荐及模型的训练方法、装置、设备以及存储介质
CN110704588A (zh) * 2019-09-04 2020-01-17 平安科技（深圳）有限公司 基于长短期记忆网络的多轮对话语义分析方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108563663A (zh) * 2018-01-04 2018-09-21 出门问问信息科技有限公司 图片推荐方法、装置、设备及存储介质
CN108805628A (zh) * 2018-06-19 2018-11-13 东北师范大学 一种电子商务推荐方法
CN109857871A (zh) * 2019-01-28 2019-06-07 重庆邮电大学 一种基于社交网络海量情景数据的用户关系发现方法
CN110162700A (zh) * 2019-04-23 2019-08-23 腾讯科技（深圳）有限公司 信息推荐及模型的训练方法、装置、设备以及存储介质
CN110704588A (zh) * 2019-09-04 2020-01-17 平安科技（深圳）有限公司 基于长短期记忆网络的多轮对话语义分析方法和系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505765A (zh) * 2021-09-09 2021-10-15 北京轻松筹信息技术有限公司 基于用户头像的年龄预测方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN110458627B (zh) 一种面向用户动态偏好的商品序列个性化推荐方法
CN108334592B (zh) 一种基于内容与协同过滤相结合的个性化推荐方法
CN111062775A (zh) 一种基于注意力机制的推荐系统召回方法
CN110008397B (zh) 一种推荐模型训练方法及装置
CN107590232B (zh) 一种基于网络学习环境的资源推荐系统及方法
CN110852360A (zh) 图像情感识别方法、装置、设备及存储介质
CN109242593B (zh) 一种基于案例推理的服装推荐方法、装置和存储介质
CN110351580B (zh) 基于非负矩阵分解的电视节目专题推荐方法及系统
JP2014149713A (ja) 画像評価装置
CN113946752A (zh) 基于大数据的金融产品推荐方法、装置、设备及存储介质
CN113946754A (zh) 基于用户画像的权益推荐方法、装置、设备及存储介质
CN113722583A (zh) 推荐方法、推荐模型训练方法及相关产品
CN113850649A (zh) 一种基于多平台用户数据的定制化推荐方法及推荐系统
CN116994709A (zh) 一种个性化的饮食与运动推荐方法、系统及电子设备
CN110990670A (zh) 一种成长激励型图书推荐方法及推荐系统
CN113127737A (zh) 融合注意力机制的个性化搜索方法和搜索系统
CN112685596B (zh) 视频推荐方法及装置、终端、存储介质
CN115905593A (zh) 基于当季潮流风格对已有服装穿搭推荐的方法及系统
CN111861678A (zh) 一种资源推荐方法、装置、电子设备及存储介质
CN116612324A (zh) 基于语义自适应融合机制的小样本图像分类方法及装置
CN111476642A (zh) 一种基于社交平台用户头像分析的保险推荐方法及系统
CN117271818B (zh) 视觉问答方法、系统、电子设备及存储介质
CN114511058A (zh) 一种用于电力用户画像的负荷元件构建方法及装置
CN106919647B (zh) 一种基于聚类的网络结构相似性推荐方法
CN106909536B (zh) 一种基于异构信息的评分推荐方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination