CN111651583A - 一种基于标签特征及协同过滤的保险文章推荐方法 - Google Patents

一种基于标签特征及协同过滤的保险文章推荐方法 Download PDF

Info

Publication number
CN111651583A
CN111651583A CN202010306034.9A CN202010306034A CN111651583A CN 111651583 A CN111651583 A CN 111651583A CN 202010306034 A CN202010306034 A CN 202010306034A CN 111651583 A CN111651583 A CN 111651583A
Authority
CN
China
Prior art keywords
insurance
user
collaborative filtering
tag
item
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
CN202010306034.9A
Other languages
English (en)
Inventor
杨喆
詹添淇
高帆
徐铮
裴晋
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.)
Century Baozhong Beijing Network Technology Co ltd
Original Assignee
Century Baozhong Beijing Network Technology Co ltd
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 Century Baozhong Beijing Network Technology Co ltd filed Critical Century Baozhong Beijing Network Technology Co ltd
Priority to CN202010306034.9A priority Critical patent/CN111651583A/zh
Publication of CN111651583A publication Critical patent/CN111651583A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种基于标签特征及协同过滤的保险文章推荐方法，包括：第一步骤：采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的至少一种计算与保险相关的项目的各自分值；第二步骤：将分值最高的项目的预定数量的关联保险文章推荐给用户。

Description

一种基于标签特征及协同过滤的保险文章推荐方法
技术领域
本发明涉及保险领域，具体涉及一种基于标签特征及协同过滤的保险文章推荐方法。
背景技术
各个平台上每天都有很多文章内容被发布出来，对于平台来说这是一个非常大的考验，那么就需要从百万量级的文章中提取出针对用户来说更感兴趣的内容。由于个体差异性，千篇一律的文章内容必然是不能满足用户的需求的，也导致大量优质内容无法被用户发现，对于不感性的用户也会造成打扰。因此想要实现一种基于用户行为特征及文章属性的保险文章推荐方法，为不同用户个性化推荐不同文章内容。
推荐和搜索本质有相似的地方。搜索满足用户从海量数据中迅速找到自己感兴趣内容的需求，属于用户主动获取。推荐则是系统从海量数据中根据获取到的用户数据，猜测用户感兴趣的内容并推荐给用户，属于系统推荐给用户。本质上都是为了在这个信息过载的时代，帮助用户找到自己感兴趣的东西。
各个平台通常会有专门的运营人员，针对平台的差异、结合时下热点以及一些引流的策略，进行文章属性的拟定配置，同时PGC(专业生产内容、专家生产内容)发布的内容通常主要为垂直领域。当有人为干预后，文章属性将大于用户行为，个性化推荐规则权重降低，会对用户体验造成影响，需要被动接受运营人员的干预推荐。
发明内容
本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种基于标签特征及协同过滤的保险文章推荐方法，能实现个性化推荐规则，能够降低用户挑选内容的成本，将用户真正感兴趣的内容展现出来，使文章内容可以触达高度垂直细分的潜在用户读者，实现高匹配高分发。
根据本发明，提供了一种基于标签特征及协同过滤的保险文章推荐方法，包括：
第一步骤：采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的至少一种计算与保险相关的项目的各自分值；
第二步骤：将分值最高的项目的预定数量的关联保险文章推荐给用户。
优选地，与保险相关的项目包括保险合同的标签。
优选地，在第一步骤，采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的一种计算与保险相关的项目的各自分值。
优选地，在第一步骤，采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的两者分别计算与保险相关的项目的各自分值，并且将两次计算的分值相加作为与保险相关的项目的最终分值。
优选地，在第一步骤，采用基于内容的协同过滤处理、基于用户的协同过滤处理以及基于标签的推荐处理分别计算与保险相关的项目的各自分值，并且将三次计算的分值相加作为与保险相关的项目的最终分值。
优选地，基于内容的协同过滤处理包括：基于目标用户的行为数据来对该目标用户的偏好程度计算用户针对项目的打分，随后采用下述公式计算与保险相关的项目的各分值puj：
Figure BDA0002455814540000021
其中，N(u)表示用户有关联的保险商品的集合，Wji表示项目j和i的相似度，rui表示用户u对项目i的打分。
优选地，基于用户的协同过滤处理包括：计算用户u对项目i的偏好pui作为与保险相关的项目的各分值，公式如下：
Figure BDA0002455814540000031
其中，N(i)表示对项目i有过行为的用户集合，Wuv表示用户u和用户v的相似度，rui表示用户v对项目i的打分。
优选地，基于标签的推荐处理包括：计算用户u对项目i的兴趣度量值作为与保险相关的项目的各分值，公式如下：
Figure BDA0002455814540000032
其中，N(u,i)表示用户u和项目i共有的标签，Wuk使用用户u和标签k的关联度，rki表示标签k和项目i的关联性分数。
本发明能实现个性化推荐规则，能够降低用户挑选内容的成本，将用户真正感兴趣的内容展现出来，使文章内容可以触达高度垂直细分的潜在用户读者，实现高匹配高分发。
附图说明
结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中：
图1示意性地示出了根据本发明优选实施例的基于标签特征及协同过滤的保险文章推荐方法的总体流程图。
图2示意性地示出了基于内容的协同过滤处理的打分模型的示例。
图3示意性地示出了基于用户的协同过滤处理的打分模型的示例。
图4示意性地示出了基于标签的推荐处理的打分模型的示例。
需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。
具体实施方式
为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内容进行详细描述。
图1示意性地示出了根据本发明优选实施例的基于标签特征及协同过滤的保险文章推荐方法的总体流程图。
如图1所示，根据本发明优选实施例的基于标签特征及协同过滤的保险文章推荐方法包括：
第一步骤S1：采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的至少一种，计算与保险相关的项目的各自分值；
其中，与保险相关的项目包括保险合同的标签，例如父母、老人险、特定疾病、理赔等。
而且，例如，在一种具体实施方式中，在第一步骤，采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的一种计算与保险相关的项目的各自分值。
例如，在另一种具体实施方式中，在第一步骤，采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的两者分别计算与保险相关的项目的各自分值，并且将两次计算的分值相加作为与保险相关的项目的最终分值。
例如，在另一种具体实施方式中，在第一步骤，采用基于内容的协同过滤处理、基于用户的协同过滤处理以及基于标签的推荐处理分别计算与保险相关的项目的各自分值，并且将三次计算的分值相加作为与保险相关的项目的最终分值。
第二步骤S2：将分值最高的项目的预定数量的关联保险文章推荐给用户。
<基于内容的协同过滤处理的具体示例>
协同过滤和传统的基于内容过滤推荐的方式不同，协同过滤会分析系统已有数据，且结合目标用户的行为数据，对该指定用户的偏好程度进行预测评分。
基于内容的协同过滤，通过用户对不同内容的类型、浏览次数、浏览时长、点赞、评论等行为，来评测与其他文章之间的相似性，基于内容之间的相似性再做出推荐。需要计算用户u对项目j的偏好，公式如下：
Figure BDA0002455814540000051
其中，N(u)表示用户有关联的保险商品的集合，Wji表示项目j和i的相似度，rui表示用户u对项目i的打分，示例如图2所示。
<基于用户的协同过滤处理的具体示例>
基于用户的协同过滤，通过用户对不同文章的行为操作，来评测用户之间的相似性，再基于用户之间的相似性做出推荐。这部分推荐本质上是给相似的用户推荐其他用户关注的文章内容。需要计算用户u对项目i的偏好，公式如下：
Figure BDA0002455814540000052
其中，N(i)表示对项目i有过行为的用户集合，Wuv表示用户u和用户v的相似度，rui表示用户v对项目i的打分，示例如图3所示。
<基于标签的推荐处理>
标签系统相对于之前的用户维度和产品维度的推荐，从另一侧来说更容易直接干预推荐结果。内容有标签，用户也会因为用户行为被打上标签。通过标签去关联内容。需要计算用户u对项目i的兴趣度量值，公式如下：
Figure BDA0002455814540000061
其中，N(u,i)表示用户u和项目i共有的标签，Wuk使用用户u和标签k的关联度，rki表示标签k和项目i的关联性分数，示例如图4所示。
本发明能实现个性化推荐规则，能够降低用户挑选内容的成本，将用户真正感兴趣的内容展现出来，使文章内容可以触达高度垂直细分的潜在用户读者，实现高匹配高分发。
需要说明的是，除非特别指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (8)

1.一种基于标签特征及协同过滤的保险文章推荐方法，其特征在于包括：
第一步骤：采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的至少一种计算与保险相关的项目的各自分值；
第二步骤：将分值最高的项目的预定数量的关联保险文章推荐给用户。
2.根据权利要求1所述的基于标签特征及协同过滤的保险文章推荐方法，其特征在于，与保险相关的项目包括保险合同的标签。
3.根据权利要求1或2所述的基于标签特征及协同过滤的保险文章推荐方法，其特征在于，在第一步骤，采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的一种计算与保险相关的项目的各自分值。
4.根据权利要求1或2所述的基于标签特征及协同过滤的保险文章推荐方法，其特征在于，在第一步骤，采用基于内容的协同过滤处理、基于用户的协同过滤处理、以及基于标签的推荐处理中的两者分别计算与保险相关的项目的各自分值，并且将两次计算的分值相加作为与保险相关的项目的最终分值。
5.根据权利要求1或2所述的基于标签特征及协同过滤的保险文章推荐方法，其特征在于，在第一步骤，采用基于内容的协同过滤处理、基于用户的协同过滤处理以及基于标签的推荐处理分别计算与保险相关的项目的各自分值，并且将三次计算的分值相加作为与保险相关的项目的最终分值。
6.根据权利要求1或2所述的基于标签特征及协同过滤的保险文章推荐方法，其特征在于，基于内容的协同过滤处理包括：基于目标用户的行为数据来对该目标用户的偏好程度计算用户针对项目的打分，随后采用下述公式计算与保险相关的项目的各分值puj：
Figure FDA0002455814530000021
其中，N(u)表示用户有关联的保险商品的集合，Wji表示项目j和i的相似度，rui表示用户u对项目i的打分。
7.根据权利要求1或2所述的基于标签特征及协同过滤的保险文章推荐方法，其特征在于，基于用户的协同过滤处理包括：计算用户u对项目i的偏好pui作为与保险相关的项目的各分值，公式如下：
Figure FDA0002455814530000022
其中，N(i)表示对项目i有过行为的用户集合，Wuv表示用户u和用户v的相似度，rui表示用户v对项目i的打分。
8.根据权利要求1或2所述的基于标签特征及协同过滤的保险文章推荐方法，其特征在于，基于标签的推荐处理包括：计算用户u对项目i的兴趣度量值作为与保险相关的项目的各分值，公式如下：
Figure FDA0002455814530000031
其中，N(u,i)表示用户u和项目i共有的标签，Wuk使用用户u和标签k的关联度，rki表示标签k和项目i的关联性分数。
CN202010306034.9A 2020-04-17 2020-04-17 一种基于标签特征及协同过滤的保险文章推荐方法 Pending CN111651583A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010306034.9A CN111651583A (zh) 2020-04-17 2020-04-17 一种基于标签特征及协同过滤的保险文章推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010306034.9A CN111651583A (zh) 2020-04-17 2020-04-17 一种基于标签特征及协同过滤的保险文章推荐方法

Publications (1)

Publication Number Publication Date
CN111651583A true CN111651583A (zh) 2020-09-11

Family

ID=72348475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010306034.9A Pending CN111651583A (zh) 2020-04-17 2020-04-17 一种基于标签特征及协同过滤的保险文章推荐方法

Country Status (1)

Country Link
CN (1) CN111651583A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446709A (zh) * 2020-12-15 2021-03-05 安徽银通物联有限公司 一种人脸识别支付认证方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976229A (zh) * 2016-05-13 2016-09-28 云南大学 一种基于用户和项目混合的协同过滤算法
CN108205682A (zh) * 2016-12-19 2018-06-26 同济大学 一种用于个性化推荐的融合内容和行为的协同过滤方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976229A (zh) * 2016-05-13 2016-09-28 云南大学 一种基于用户和项目混合的协同过滤算法
CN108205682A (zh) * 2016-12-19 2018-06-26 同济大学 一种用于个性化推荐的融合内容和行为的协同过滤方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
覃容;陈建峡;: "基于协同过滤和内容的用户需求混合推荐算法" *
赵伟明: "基于用户行为分析和混合推荐策略的个性化推荐方法研究" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446709A (zh) * 2020-12-15 2021-03-05 安徽银通物联有限公司 一种人脸识别支付认证方法及系统

Similar Documents

Publication Publication Date Title
CN109189934B (zh) 舆情推荐方法、装置、计算机设备及存储介质
US9600600B2 (en) Method and system for evaluating query suggestions quality
CN103246980B (zh) 信息输出方法及服务器
US9798797B2 (en) Cluster method and apparatus based on user interest
US8548996B2 (en) Ranking content items related to an event
US8630972B2 (en) Providing context for web articles
US11205195B2 (en) Information processing device, information processing method, and information processing program
US9836554B2 (en) Method and system for providing query suggestions including entities
US20130036121A1 (en) System and method for recommending blog
US20210182934A1 (en) System rendering personalized outfit recommendations
US20150066586A1 (en) Evaluation calculating device, evaluation calculating method, and recording medium
CN103473354A (zh) 基于电子商务平台的保险推荐系统框架及保险推荐方法
CN103646092A (zh) 基于用户参与的搜索引擎排序方法
CN111914172B (zh) 一种基于用户标签的医学信息推荐方法及系统
CN107194715A (zh) 社会行为数据模型的构建方法
CN105069099A (zh) 一种信息推荐方法及系统
CN107958406A (zh) 查询数据的获取方法、装置及终端
US20180139296A1 (en) Method of producing browsing attributes of users, and non-transitory computer-readable storage medium
CN110991189A (zh) 一种根据采集模块采集的数据生成决策结果的方法及系统
CN111310038A (zh) 信息推荐方法、装置、电子设备及计算机可读存储介质
CN106815265A (zh) 裁判文书的搜索方法及装置
JP2013206407A (ja) 情報推薦方法、装置及びプログラム
CN114579858A (zh) 内容推荐方法和装置、电子设备、存储介质
CN111861679A (zh) 一种基于人工智能的商品推荐方法
CN111651583A (zh) 一种基于标签特征及协同过滤的保险文章推荐方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200911