CN112330402A - 信息推荐方法、装置、计算机设备和存储介质 - Google Patents
信息推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112330402A CN112330402A CN202011224723.1A CN202011224723A CN112330402A CN 112330402 A CN112330402 A CN 112330402A CN 202011224723 A CN202011224723 A CN 202011224723A CN 112330402 A CN112330402 A CN 112330402A
- Authority
- CN
- China
- Prior art keywords
- information
- additional risk
- user
- customer
- risk 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 239000013598 vector Substances 0.000 claims description 77
- 238000012216 screening Methods 0.000 claims description 36
- 238000013145 classification model Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 192
- 230000008569 process Effects 0.000 description 29
- 238000012545 processing Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000007726 management method Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F18/23—Clustering techniques
-
- 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)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Technology Law (AREA)
- Life Sciences & Earth Sciences (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及人工智能领域,提供一种信息推荐方法、装置、计算机设备和存储介质,方法包括:获取用户在新增附加险的界面输入的保单号信息;根据保单号信息获取用户的用户信息;获取与用户信息对应的指定客户类别;获取与指定客户类别对应的待推荐附加险信息列表;获取与保单号信息对应的所有指定附加险信息,根据指定附加险信息与推荐分数值,从待推荐附加险信息列表中确定出与用户对应的目标附加险信息;在新增附加险的界面上展示目标附加险信息。本申请能够根据用户所属的客户类别来快速智能向用户推荐与保单号信息相关的目标附加险信息,提高了附加险的推荐准确度。本申请还可以应用于区块链领域,上述目标附加险信息等数据可以存储于区块链上。
Description
技术领域
本申请涉及人工智能技术领域,具体涉及一种信息推荐方法、装置、计算机设备和存储介质。
背景技术
现今用户的保险意识越来越强,更多用户开始主动购买保险产品。当用户具有在已存在的保险保单中新增附加险的需求时,用户需要花较长时间从数量较多的附加险中选择适合自身的附加险。由于存在用户对于附加险的相关信息缺乏了解且对自身定位不清楚的情况,故即使用户花费很长时间也不一定能够找到真正适合自身的附加险。
现有向用户推荐附加险的方式通常是由保单人员根据自身对于附加险的熟悉经验来随机地将附加险推送给用户,虽然这样能够为用户提供一定的帮助,但是人工随机推荐的方式存在对于附加险的推荐准确性较低的问题,且耗时耗力。
发明内容
本申请的主要目的为提供一种信息推荐方法、装置、计算机设备和存储介质,旨在解决现有的向用户推荐附加险的方式存在对于附加险的推荐准确性较低、且耗时耗力的技术问题。
本申请提出一种信息推荐方法,所述方法包括步骤:
获取用户在新增附加险的界面输入的保单号信息;
根据所述保单号信息获取所述用户的用户信息;
根据所述用户信息,获取与所述用户信息对应的指定客户类别;
获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值;
获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息;
在所述新增附加险的界面上展示所述目标附加险信息。
可选地,所述获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息的步骤,包括:
根据所述保单号信息,获取与所述保单号信息对应的主险信息;
获取与所述主险信息存在搭配关系的所有所述指定附加险信息;
从所述待推荐附加险信息列表记录的所有所述待推荐附加险信息中,筛选出与所述指定附加险信息相同的第一附加险信息;
根据所述待推荐附加险信息列表,分别获取与每一个所述第一附加险信息一一对应的指定推荐分数值;
根据所述指定推荐分数值,从所有所述第一附加险信息中筛选出指定推荐分数值最大的第一指定数量的第二附加险信息;
将所述第二附加险信息作为所述目标附加险信息。
可选地,所述根据所述用户信息,获取与所述用户信息对应的指定客户类别的步骤,包括:
获取与所述用户信息对应的用户特征向量;以及,
获取与历史客户信息对应的客户特征向量,其中,所述历史客户信息的数量包括多个;
将所述用户特征向量与所述客户特征向量输入至预设的客户分类模型;
通过所述客户分类模型确定出与所述用户信息对应的指定客户类别。
可选地,所述通过所述客户分类模型确定出与所述用户信息对应的指定客户类别的步骤,包括:
通过所述客户分类模型计算所述用户特征向量与每一个所述客户特征向量之间的相似度数值;
从所述所有相似度数值中筛选出相似度数值最高的第二指定数量的指定相似度;
获取与每一个所述指定相似度分别对应的指定客户信息;
获取每一个所述指定客户信息所对应的第一客户类别;
从所有所述第一客户类别中筛选出含有所述指定客户信息的数量最多的第二客户类别;
将所述第二客户类别作为与所述用户信息对应的所述指定客户类别。
可选地,所述获取每一个所述指定客户信息所对应的第一客户类别的步骤之前,包括:
获取历史客户信息,其中,所述历史客户信息的数量包括多个;以及,
获取预设的客户类别数;
确定出与每一个所述历史客户信息一一对应的客户特征向量;
根据所述客户类别数,按照预设聚类规则对各所述客户特征向量进行聚类处理,生成与每一个所述历史客户信息一一对应的客户类别。
可选地,所述获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值的步骤之前,包括:
获取与所述指定客户类别对应的客户购买信息集,其中,所述指定客户类别包含有多个指定客户;
从所述客户购买信息集中筛选出历史附加险购买信息;
根据所述历史附加险购买数据,统计出与每一个所述待推荐附加险信息分别对应的购买客户数量;
根据所述购买客户数量,确定出与每一个所述待推荐附加险信息分别对应的推荐分数值。
可选地,所述目标附加险信息的数量包括多个,所述在所述新增附加险的界面上展示所述目标附加险信息的步骤之后,包括:
接收所述用户从所有所述目标附加险信息中选择的特定附加险信息;
根据所述特定附加险信息,计算生成与所述特定附加险信息对应的参数信息;
在所述新增附加险的界面上展示所述特定附加险信息与所述参数信息;以及,
在所述新增附加险的界面上隐藏除所述特征附加险信息之外的其他附加险信息。
本申请还提供一种信息推荐装置,包括:
第一获取模块,用于获取用户在新增附加险的界面输入的保单号信息;
第二获取模块,用于根据所述保单号信息获取所述用户的用户信息;
第三获取模块,用于根据所述用户信息,获取与所述用户信息对应的指定客户类别;
第四获取模块,用于获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值;
第一确定模块,用于获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息;
第一展示模块,用于在所述新增附加险的界面上展示所述目标附加险信息。
本申请还提供一种计算机设备,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算机程序时实现上述方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本申请中提供的信息推荐方法、装置、计算机设备和存储介质,具有以下有益效果:
本申请中提供的信息推荐方法、装置、计算机设备和存储介质,不同于现有的人工随机推荐附加险的方式,首先会根据保单号信息获取用户信息,然后根据用户信息确定相应的指定客户类型,之后根据指定客户类型所对应的待推荐附加险信息列表中的待推荐附加险信息的推荐分数值来确定出用于向用户推荐的目标附加险信息,使得可以基于与用户对应的指定客户类别来快速智能,且有针对性地向用户精确推荐与保单号信息相关的目标附加险信息,有效地提高了附加险推荐的准确度,提高了用户使用体验,也有利于提高附加险新增的业务成功率。
附图说明
图1是本申请一实施例的信息推荐方法的流程示意图;
图2是本申请一实施例的信息推荐装置的结构示意图;
图3是本申请一实施例的计算机设备的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用于解释本申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
参照图1,本申请一实施例的信息推荐方法,包括:
S1:获取用户在新增附加险的界面输入的保单号信息;
S2:根据所述保单号信息获取所述用户的用户信息;
S3:根据所述用户信息,获取与所述用户信息对应的指定客户类别;
S4:获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值;
S5:获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息;
S6:在所述新增附加险的界面上展示所述目标附加险信息。
如上述步骤S1至S6所述,本方法实施例的执行主体为一种信息推荐装置。在实际应用中,上述信息推荐装置可以通过虚拟装置,例如软件代码实现,也可以通过写入或集成有相关执行代码的实体装置实现,且可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。本实施例中的信息推荐装置,能够实现有针对性地向用户推荐与保单号信息的保单相关的目标附加险,有效地提高了附加险推荐的精确度。具体地,首先获取用户在新增附加险的界面输入的保单号信息。其中,上述保单号信息可包括保单号码,即用户已购的保单所对应的号码标识。然后根据所述保单号信息获取所述用户的用户信息。其中,上述用户信息可包括与用户对应的年龄,性别,职业,收入等信息。在得到了上述用户信息后,再根据所述用户信息,获取与所述用户信息对应的指定客户类别。其中,可使用预设的客户分类模型对该用户信息与已进行过客户分类的历史客户信息进行对应的相似度计算处理,以获确定出与所述用户信息对应的指定客户类别。并在得到了上述指定客户类别后,获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值。之后获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息。其中,目标附加险信息是指目标附加险的名称信息,且可简称为目标附加险,上述待推荐附加险信息同理。另外,得到了与用户所属的指定客户类别所对应的待推荐附加险险种列表后,可将该待推荐附加险险种列表中包含的所有待推荐附加险信息,与保单号信息对应的主险信息存在搭配关系的所有指定附加险信息进行进一步匹配处理,进而剔除掉所述待推荐附加险险种中与所述指定附加险信息没有匹配关系的附加险信息,从而只保留下正确的与所述指定附加险信息存在匹配关系的第一附加险信息。再根据每一个所述第一附加险的指定推荐分数值,筛选出用于向用户推荐的指定推荐分数值最大的第一指定数量的第一附加险信息作为上述目标附加险信息。最后在所述新增附加险的界面上展示所述目标附加险信息。本实施例首先根据保单号信息获取用户信息,然后根据用户信息确定相应的指定客户类型,之后根据指定客户类型所对应的待推荐附加险信息列表中的待推荐附加险信息的推荐分数值来确定出用于向用户推荐的目标附加险信息,使得可以基于与用户对应的指定客户类别来快速智能,且有针对性地向用户精确推荐与保单号信息相关的目标附加险信息,有效地提高了附加险推荐的准确度,提高了用户使用体验,也有利于提高附加险新增的业务成功率。
进一步地,本申请一实施例中,上述步骤S5,包括:
S500:根据所述保单号信息,获取与所述保单号信息对应的主险信息;
S501:获取与所述主险信息存在搭配关系的所有所述指定附加险信息;
S502:从所述待推荐附加险信息列表记录的所有所述待推荐附加险信息中,筛选出与所述指定附加险信息相同的第一附加险信息;
S503:根据所述待推荐附加险信息列表,分别获取与每一个所述第一附加险信息一一对应的指定推荐分数值;
S504:根据所述指定推荐分数值,从所有所述第一附加险信息中筛选出指定推荐分数值最大的第一指定数量的第二附加险信息;
S505:将所述第二附加险信息作为所述目标附加险信息。
如上述步骤S500至S505所述,上述获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息的步骤,具体可包括:首先根据所述保单号信息,获取与所述保单号信息对应的主险信息。其中,主险和附加险是从能否单独投保的角度对保险险种进行的基本划分。主险是条款内容完备、要素齐全、能够单独投保的保险险种,附加险指不能单独投保,只能附加于主险投保的保险险种,主险因失效、解约或满期等原因效力终止或中止时,附加险效力也随之终止或中止。另外,本申请所描述的与所述保单号信息对应的主险信息,是指记录在该保单号内的用户所购买的指定主险所对应的名称信息,且主险信息也可简称为主险。然后获取与所述主险信息存在搭配关系的所有指定附加险信息。其中,上述指定附加险信息是指与上述主险信息(指定主险)具有对应关系的附加险的名称信息,且指定附加险信息也可简称为指定附加险,且该指定附加险只能附加在主险之下。并从所述待推荐附加险信息列表记录的所有所述待推荐附加险信息中,筛选出与所述指定附加险信息相同的第一附加险信息。其中,可以将上述每一个指定附加险信息分别与待推荐附加险信息列表记录的所有所述待推荐附加险信息进行信息匹配处理,并将匹配成功,即与所述指定附加险信息相同的待推荐附加险信息确定为上述第一附加险信息。在得到了上述第一附加险信息后,再根据所述待推荐附加险信息列表,分别获取与每一个所述第一附加险信息一一对应的指定推荐分数值。之后根据所述指定推荐分数值,从所有所述第一附加险信息中筛选出指定推荐分数值最大的第一指定数量的第二附加险信息。其中,对于上述第一指定数量的具体数值不作限定,可根据实际需求进行设置,例如可设置为5个。另外,根据所述指定推荐分数值,从所有所述第一附加险信息中筛选出指定推荐分数值最大的第一指定数量的第二附加险信息的过程可包括:将所述所述指定推荐分数值按照从大到小的顺序进行排序,得到对应的排序结果;从所述排序结果中排在首位的指定推荐分数值开始,获取第一指定数量的指定推荐分数值;提取与所述指定推荐分数值对应的第二附加险信息。最后将所述第二附加险信息作为所述目标附加险信息。本实施例在得到了与用户所属的指定客户类别所对应的待推荐附加险险种列表后,还会将该待推荐附加险险种列表中包含的所有待推荐附加险信息,与保单号信息对应的主险信息存在搭配关系的所有指定附加险信息进行进一步匹配处理,进而剔除掉所述待推荐附加险险种中与所述指定附加险信息没有匹配关系的附加险信息,而只保留下正确的与所述指定附加险信息存在匹配关系的第一附加险信息。之后再根据每一个所述第一附加险信息的指定推荐分数值,筛选出用于向用户推荐的指定推荐分数值最大的第一指定数量的目标附加险信息,有效地提高了根据保单号内的主险信息来对用户进行附加险推荐的准确性。
进一步地,本申请一实施例中,上述步骤S3,包括:
S300:获取与所述用户信息对应的用户特征向量;以及,
S301:获取与历史客户信息对应的客户特征向量,其中,所述历史客户信息的数量包括多个;
S302:将所述用户特征向量与所述客户特征向量输入至预设的客户分类模型;
S303:通过所述客户分类模型确定出与所述用户信息对应的指定客户类别。
如上述步骤S300至S303所述,上述根据所述用户信息,获取与所述用户信息对应的指定客户类别的步骤,具体可包括:首先获取与所述用户信息对应的用户特征向量。其中,用户特征向量是指与用户信息对应的向量化的表示形式,也即将用户信息中的元素全部转换为数字的表示形式。举例地,假设用户信息包括:年龄,性别,收入,职业,那么用户信息对应的当前用户特征向量可以表示为(x1,x2,x3,…,xn),其中,x1为年龄的向量表示,x2为性别的向量表示,x3为收入的向量表示,x4为职业的向量表示。另外,将用户信息转化为向量的表示形式是需要计算得到的,比如,可以采用word2evc模型计算得到,word2vec模型可用于将文本转化为向量的表示形式,当然也可以采用其他的转化方式,在此不作具体限定。以及同时获取与历史客户信息对应的客户特征向量,其中,所述历史客户信息的数量包括多个。其中,客户特征向量是与历史客户信息对应的向量化的表示形式。历史客户信息是指数据库中存储的已进行过分类的客户信息,也即每一个历史客户信息都对应有属于自己的客户类别。另外,客户特征向量的生成方式可参考上述用户特征向量的生成方式,在此不再赘述。然后将所述用户特征向量与所述客户特征向量输入至预设的客户分类模型。其中,上述用户特征向量用于用户的分类,通过上述客户分类模型进行对于与用户信息对应的客户类别的分类。在完成了对于客户分类模型的输入后,再通过所述客户分类模型确定出与所述用户信息对应的指定客户类别。其中,上述客户分类模型通过预设的分类规则来进行对于用户信息的分类处理。上述分类规则可以基于预设的维度,举例地,可以从职业维度来进行客户类别,例如客户类别可包括金融从业人员、互联网从业人员、医疗从业人员、等等。另外,上述客户分类模型可部署于信息推荐装置上,在将所述用户特征向量与所述客户特征向量输入至客户分类模型后,便可通过客户分类模型将用户特征向量与每一个客户特征向量进行相似度比对处理,进而根据相似度比对结果输出与用户对应的指定客户类别。本实施例通过获取与所述用户信息对应的用户特征向量以及与历史客户信息对应的客户特征向量,再使用客户分类模型对该用户特征向量与客户特征向量进行对应处理,以实现准确地确定出与所述用户信息对应的指定客户类别,有利于后续能够基于与用户对应的指定客户类别来向用户进行关于附加险信息的精确推荐。
进一步地,本申请一实施例中,上述步骤S303,包括:
S3030:通过所述客户分类模型计算所述用户特征向量与每一个所述客户特征向量之间的相似度数值;
S3031:从所述所有相似度数值中筛选出相似度数值最高的第二指定数量的指定相似度;
S3032:获取与每一个所述指定相似度分别对应的指定客户信息;
S3033:获取每一个所述指定客户信息所对应的第一客户类别;
S3034:从所有所述第一客户类别中筛选出含有所述指定客户信息的数量最多的第二客户类别;
S3035:将所述第二客户类别作为与所述用户信息对应的所述指定客户类别。
如上述步骤S3030至S3035所述,上述通过所述客户分类模型确定出与所述用户信息对应的指定客户类别的步骤,具体可包括:首先通过所述客户分类模型计算所述用户特征向量与每一个所述客户特征向量之间的相似度数值。其中,可以采用距离的度量方式来计算相似度,具体可以采用欧式距离来计算所述用户特征向量与所述客户特征向量之间的相似度数值。举例地,假设用户特征向量和客户特征向量都是n维的向量,用户特征向量可以表示为x=(x1,x2,x3,…,xn),客户特征向量表示为y=(y1,y2,y3,…,yn),两者的欧式距离公式定义如下:将计算得到的距离作为两者之间的相似度,按照此方法,依次计算出用户特征向与每一个客户特征向量之间的相似度数值。然后从所述所有相似度数值中筛选出相似度数值最高的第二指定数量的指定相似度。其中,对于上述第二指定数量的取值不作具体限定,可根据实际需求进行设置,例如可设置为5。之后获取与每一个所述指定相似度分别对应的指定客户信息。其中,指定客户信息是已经进行过客户分类的客户信息,即每个指定客户信息都对应有相应的客户类别。在得到了上述指定客户信息后,再获取每一个所述指定客户信息所对应的第一客户类别。在得到了上述第一客户类别后,再从所有所述第一客户类别中筛选出含有所述指定客户信息的数量最多的第二客户类别。最后将所述第二客户类别作为与所述用户对应的所述指定客户类别。其中,通过获取每个指定客户信息所对应的客户类别,再统计每个客户类别中包含有指定客户信息的个数,之后将包含有指定客户信息数量最多的客户类别作为与用户信息对应的指定客户类别。举例地,假设一共有8个指定客户信息,有5个指定客户信息属于客户A类,有2个指定客户信息属于客户B类,有1个指定客户信息属于客户C类,那么将客户A类作为与用户信息对应的指定客户类别。本实施例通过使用客户分类模型计算用户信息与历史客户信息之间的相似度,然后根据相似度获取与用户信息最相似的指定数量的指定客户信息,之后根据指定客户信息所属的客户类别来准确地确定出用户信息对应的指定客户类别。通过准确地对与用户信息对应的用户进行客户分类,有利于后续能够基于与用户对应的指定客户类别来实现向用户进行关于附加险信息的精确推荐。
进一步地,本申请一实施例中,上述步骤S3033之前,包括:
S30330:获取历史客户信息,其中,所述历史客户信息的数量包括多个;以及,
S30331:获取预设的客户类别数;
S30332:确定出与每一个所述历史客户信息一一对应的客户特征向量;
S30333:根据所述客户类别数,按照预设聚类规则对各所述客户特征向量进行聚类处理,生成与每一个所述历史客户信息一一对应的客户类别。
如上述步骤S30330至S30333所述,在进行获取每一个所述指定客户信息所对应的第一客户类别的获取过程,并根据第一客户类别来确定出与所述用户之前,还需要对历史客户信息进行分类处理。具体地,上述获取每一个所述指定客户信息所对应的第一客户类别的步骤之前,还可包括:首先获取历史客户信息,其中,所述历史客户信息的数量包括多个。以及同时获取预设的客户类别数。然后确定出与每一个所述历史客户信息一一对应的客户特征向量。其中,客户特征向量是与历史客户信息对应的向量化的表示形式。且客户特征向量的生成方式可参考上述用户特征向量的生成方式,在此不再赘述。最后根据所述客户类别数,按照预设聚类规则对各所述客户特征向量进行聚类处理,生成与每一个所述历史客户信息一一对应的客户类别。其中,为了对历史客户信息进行分类,首先要获取预设的客户类别数,即需要将历史客户信息分为具体的几类。上述预设聚类规则可采用无监督学习进行聚类,直到满足预设的收敛条件,得到最终与历史客户信息对应的分类的结果,另外,每个历史客户信息只能对应一个客户类别。具体地,按照预设聚类规则对各所述客户特征向量进行聚类处理的过程具体可包括:第一步,随机选取k个聚类中心(质心点),分别为μ1,μ2,μ3,…,μk;第二步,对于历史客户信息{x(1),…x(n)},通过公式c(i)=argmin||x(i)-μj||2计算每一个历史客户信息x(i)应该属于的类;然后对于每个类j,通过公式重新计算该类的质心,其中,k是我们事先给定的聚类数,c(i)代表样例i与k个类中距离最近的那个类,c(i)的值是1到k中的一个。质心μj代表我们对属于同一个类的样本中心点的猜测,使用星团模型来解释就是要将所有的星星聚成k个星团,首先随机选取k个宇宙中的点(或者k个星星)作为k个星团的质心,然后第一步对于每一个星星计算其到k个质心中每一个的距离,然后选取距离最近的那个星团作为c(i),这样经过第一步每一个星星都有了所属的星团;第二步对于每一个星团,重新计算它的质心μj(对里面所有的星星坐标求平均)。重复迭代第二步直到达到收敛条件,使得质心不变或者变化很小,进而得到每个已有客户信息所属的客户类别。进一步地,可使用畸变函数来判断是否达到收敛条件。畸变函数J是非凸函数,表示每个样本点到其质心的距离平方和。收敛条件是要将J调整到最小。假设当前J没有达到最小值,那么首先可以固定每个类的质心μj,调整每个样例的所属的类别c(i)来让J函数减少,同样,固定c(i),调整每个类的质心μj也可以使J减小。这两个过程就是内循环中使J单调递减的过程。当J递减到最小时,μ和c也同时收敛。本实施例通过对历史客户信息进行相应的聚类处理,以准确地生成与每一个历史客户信息一一对应的客户类别,有利于后续能够基于历史客户信息的客户类别,来准确地对与用户信息对应的用户进行客户分类,进而能够根据与用户对应的指定客户类别来实现向用户进行关于附加险信息的精确推荐。
进一步地,本申请一实施例中,上述步骤S4之前,包括:
S400:获取与所述指定客户类别对应的客户购买信息集,其中,所述指定客户类别包含有多个指定客户;
S401:从所述客户购买信息集中筛选出历史附加险购买信息;
S402:根据所述历史附加险购买数据,统计出与每一个所述待推荐附加险信息分别对应的购买客户数量;
S403:根据所述购买客户数量,确定出与每一个所述待推荐附加险信息分别对应的推荐分数值。
如上述步骤S400至S403所述,在进行获取与所述指定客户类别对应的待推荐附加险信息列表的获取过程之前,还可包括生成与每一个所述待推荐附加险信息分别对应的推荐分数值的生成过程。具体地,上述获取与所述指定客户类别对应的待推荐附加险信息列表的步骤之前,还可包括:首先获取与所述指定客户类别对应的客户购买信息集,其中,所述指定客户类别包含有多个指定客户。另外,上述客户购买信息集是指指定客户购买保险产品的购买记录信息集。然后从所述客户购买信息集中筛选出历史附加险购买信息。其中,上述客户购买信息集中至少包括指定客户的历史附加险购买信息。之后根据所述历史附加险购买数据,统计出与每一个所述待推荐附加险信息分别对应的购买客户数量。最后根据所述购买客户数量,确定出与每一个所述待推荐附加险信息分别对应的推荐分数值。其中,附加险险种对应的购买客户数量越多,说明该附加险险种越受欢迎。可根据附加险险种对应的历史购买用户数量确定附加险险种对应的推荐分数值。具体的,推荐分数值与购买用户数量成正相关,可以直接将与附加险险种对应的购买用户数量作为相应的推荐分数值,比如,假设一个附加险险种对应的购买用户数量为100,那么直接将100作为该附加险险种的推荐分数值。另外,还可根据购买用户数量与指定数值来计算与附加险险种对应的推荐分数值,比如,将购买用户数量除以一个指定数值后得到的商值(作为相应的推荐分数值。对于上述指定数值不作具体限定,例如可设为100.举例地,如果某一附加险险种对应的购买用户数量为1000,那么该某一附加险险种相应的推荐分数值为1000/100=10。本实施例通过获取与指定客户类别对应历史附加险购买信息,进而根据每一个所述待推荐附加险信息分别对应的购买客户数量,来准确地计算出与每一个所述待推荐附加险信息分别对应的推荐分数值,有利于根据所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息,进而实现向用户进行关于附加险信息的精确推荐。
进一步地,本申请一实施例中,上述步骤S6之后,包括:
S600:接收所述用户从所有所述目标附加险信息中选择的特定附加险信息;
S601:根据所述特定附加险信息,计算生成与所述特定附加险信息对应的参数信息;
S602:在所述新增附加险的界面上展示所述特定附加险信息与所述参数信息;以及,
S603:在所述新增附加险的界面上隐藏除所述特征附加险信息之外的其他附加险信息。
如上述步骤S600至S603所述,在向用户推荐相关的目标附加险信息后,还可以根据用户的选择对目标附加险信息进行进一步的筛选处理,以满足用户的个人需求。具体地,上述目标附加险信息的数量包括多个,所述在所述新增附加险的界面上展示所述目标附加险信息的步骤之后,还可包括:首先接收所述用户从所有所述目标附加险信息中选择的特定附加险信息。其中,对于上述特定附加险信息的数量不作具体限定,可根据用户的实际需求确定。然后根据所述特定附加险信息,计算生成与所述特定附加险信息对应的参数信息。其中,上述参数信息是由特定附加险险种的特性所决定的信息,该参数信息具体可包括变更对象、保额、交费年期以及保险年期等信息。最后在所述新增附加险的界面上展示所述特定附加险信息与所述参数信息。以及同时在所述新增附加险的界面上隐藏除所述特征附加险信息之外的其他附加险信息。本实施例在所述新增附加险的界面上展示所述目标附加险信息后,还会可以根据用户的选择对目标附加险信息进行进一步的筛选处理,后续只会智能地展示用户感兴趣的特定附加险信息,并会智能地计算生成与所述特征附加险信息对应的参数信息来一同展示,以及会隐藏除所述特征附加险信息之外的其他附加险信息,使得用户能够清楚明了地查看到重要信息,也能减少用户的数据录入操作,提高了用户使用体验。
进一步地,本申请一实施例中,上述步骤S602之后,包括:
S604:生成与所述特定附加险信息对应的填写注意事项信息;
S605:在所述新增附加险的界面上展示所述填写注意事项信息,以使所述用户在所述新增附加险的界面输入与所述特定附加险信息对应的填写数据;
S606:在所述用户在所述新增附加险的界面输入了对应的填写数据后,判断所述填写数据是否符合预设规范;
S607:若所述填写数据符合预设规范,则生成是否确认新增特定附加险的提示信息;
S608:判断是否接收到所述用户返回的确认信息;
S609:若接收到所述用户返回的确认信息,则执行与所述特定附加险对应的附加险新增处理。
如上述步骤S604至S609所述,在所述新增附加险的界面上展示所述特定附加险信息与所述参数信息,后续还可以为用户智能地提供与附加险新增对应的数据填写指导服务。具体地,上述所述新增附加险的界面上展示所述特定附加险信息与所述参数信息的步骤之后,还可包括:首先生成与所述特定附加险信息对应的填写注意事项信息。其中,上述注意事项信息可包括;保额不能超过主险保费(因保单下的险种不一样,保费计算也不一样),交费年期和保险年期纪要符合险种的要求,还需要不超过主险的最长期限等信息。然后在所述新增附加险的界面上展示所述填写注意事项信息,以使所述用户在所述新增附加险的界面输入与所述特定附加险信息对应的填写数据。在所述用户在所述新增附加险的界面输入了对应的填写数据后,判断所述填写数据是否符合预设规范。如果所述填写数据符合预设规范,则生成是否确认新增特定附加险的提示信息。之后判断是否接收到所述用户返回的确认信息。如果接收到所述用户返回的确认信息,则执行与所述特定附加险对应的附加险新增处理。本实施例通过生成与所述特定附加险信息对应的注意事项信息,以及对用户输入与所述指定附加险对应的填写数据进行校验处理,以实现智能准确地帮助用户完善关于特定附加险的新增处理流程,有效地提高了用户的使用体验。
本申请实施例中的信息推荐方法还可以应用于区块链领域,如将上述目标附加险信息等数据存储于区块链上。通过使用区块链来对上述目标附加险信息进行存储和管理,能够有效地保证上述目标附加险信息的安全性与不可篡改性。
上述区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中,用户管理模块负责所有区块链参与者的身份信息管理,包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等,并且在授权的情况下,监管和审计某些真实身份的交易情况,提供风险控制的规则配置(风控审计);基础服务模块部署在所有区块链节点设备上,用来验证业务请求的有效性,并对有效请求完成共识后记录到存储上,对于一个新的业务请求,基础服务先对接口适配解析和鉴权处理(接口适配),然后通过共识算法将业务信息加密(共识管理),在加密之后完整一致的传输至共享账本上(网络通信),并进行记录存储;智能合约模块负责合约的注册发行以及合约触发和合约执行,开发人员可以通过某种编程语言定义合约逻辑,发布到区块链上(合约注册),根据合约条款的逻辑,调用密钥或者其它的事件触发执行,完成合约逻辑,同时还提供对合约升级注销的功能;运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出,例如:告警、监控网络情况、监控节点设备健康状态等。
参照图2,本申请一实施例中还提供了一种信息推荐装置,包括:
第一获取模块1,用于获取用户在新增附加险的界面输入的保单号信息;
第二获取模块2,用于根据所述保单号信息获取所述用户的用户信息;
第三获取模块3,用于根据所述用户信息,获取与所述用户信息对应的指定客户类别;
第四获取模块4,用于获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值;
第一确定模块5,用于获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息;
第一展示模块6,用于在所述新增附加险的界面上展示所述目标附加险信息。
本实施例中,上述信息推荐装置中的第一获取模块、第二获取模块、第三获取模块、第四获取模块、第一确定模块与第一展示模块的功能和作用的实现过程具体详见上述信息推荐方法中对应步骤S1至S6的实现过程,在此不再赘述。
进一步地,本申请一实施例中,上述第一确定模块,包括:
第一获取单元,用于根据所述保单号信息,获取与所述保单号信息对应的主险信息;
第二获取单元,用于获取与所述主险信息存在搭配关系的所有所述指定附加险信息;
第一筛选单元,用于从所述待推荐附加险信息列表记录的所有所述待推荐附加险信息中,筛选出与所述指定附加险信息相同的第一附加险信息;
第三获取单元,用于根据所述待推荐附加险信息列表,分别获取与每一个所述第一附加险信息一一对应的指定推荐分数值;
第二筛选单元,用于根据所述指定推荐分数值,从所有所述第一附加险信息中筛选出指定推荐分数值最大的第一指定数量的第二附加险信息;
第一确定单元,用于将所述第二附加险信息作为所述目标附加险信息。
本实施例中,上述信息推荐装置中的第一获取单元、第二获取单元、第一筛选单元、第三获取单元、第二筛选单元与第一确定单元的功能和作用的实现过程具体详见上述信息推荐方法中对应步骤S500至S505的实现过程,在此不再赘述。
进一步地,本申请一实施例中,上述第三获取模块,包括:
第四获取单元,用于获取与所述用户信息对应的用户特征向量;以及,
第五获取单元,用于获取与历史客户信息对应的客户特征向量,其中,所述历史客户信息的数量包括多个;
输入单元,用于将所述用户特征向量与所述客户特征向量输入至预设的客户分类模型;
第二确定单元,用于通过所述客户分类模型确定出与所述用户信息对应的指定客户类别。
本实施例中,上述信息推荐装置中的第四获取单元、第五获取单元、输入单元与第二确定单元的功能和作用的实现过程具体详见上述信息推荐方法中对应步骤S300至S303的实现过程,在此不再赘述。
进一步地,本申请一实施例中,上述第二确定单元,包括:
计算子单元,用于通过所述客户分类模型计算所述用户特征向量与每一个所述客户特征向量之间的相似度数值;
第一筛选子单元,用于从所述所有相似度数值中筛选出相似度数值最高的第二指定数量的指定相似度;
第一获取子单元,用于获取与每一个所述指定相似度分别对应的指定客户信息;
第二获取子单元,用于获取每一个所述指定客户信息所对应的第一客户类别;
第二筛选子单元,用于从所有所述第一客户类别中筛选出含有所述指定客户信息的数量最多的第二客户类别;
第一确定子单元,用于将所述第二客户类别作为与所述用户信息对应的所述指定客户类别。
本实施例中,上述信息推荐装置中的计算子单元、第一筛选子单元、第一获取子单元、第二获取子单元、第二筛选子单元与第一确定子单元的功能和作用的实现过程具体详见上述信息推荐方法中对应步骤S3030至S3035的实现过程,在此不再赘述。
进一步地,本申请一实施例中,上述第二确定单元,包括:
第三获取子单元,用于获取历史客户信息,其中,所述历史客户信息的数量包括多个;以及,
第四获取子单元,用于获取预设的客户类别数;
第二确定子单元,用于确定出与每一个所述历史客户信息一一对应的客户特征向量;
生成子单元,用于根据所述客户类别数,按照预设聚类规则对各所述客户特征向量进行聚类处理,生成与每一个所述历史客户信息一一对应的客户类别。
本实施例中,上述信息推荐装置中的第三获取子单元、第四获取子单元、第二确定子单元与生成子单元的功能和作用的实现过程具体详见上述信息推荐方法中对应步骤S30330至S30333的实现过程,在此不再赘述。
进一步地,本申请一实施例中,上述信息推荐装置,包括:
第五获取模块,用于获取与所述指定客户类别对应的客户购买信息集,其中,所述指定客户类别包含有多个指定客户;
筛选模块,用于从所述客户购买信息集中筛选出历史附加险购买信息;
统计模块,用于根据所述历史附加险购买数据,统计出与每一个所述待推荐附加险信息分别对应的购买客户数量;
第二确定模块,用于根据所述购买客户数量,确定出与每一个所述待推荐附加险信息分别对应的推荐分数值。
本实施例中,上述信息推荐装置中的第五获取模块、筛选模块、统计模块与第二确定模块的功能和作用的实现过程具体详见上述信息推荐方法中对应步骤S400至S403的实现过程,在此不再赘述。
进一步地,本申请一实施例中,上述信息推荐装置,包括:
接收模块,用于接收所述用户从所有所述目标附加险信息中选择的特定附加险信息;
计算模块,用于根据所述特定附加险信息,计算生成与所述特定附加险信息对应的参数信息;
第二展示模块,用于在所述新增附加险的界面上展示所述特定附加险信息与所述参数信息;以及,
隐藏模块,用于在所述新增附加险的界面上隐藏除所述特征附加险信息之外的其他附加险信息。
本实施例中,上述信息推荐装置中的接收模块、计算模块、第二展示模块与隐藏模块的功能和作用的实现过程具体详见上述信息推荐方法中对应步骤S600至S603的实现过程,在此不再赘述。
进一步地,本申请一实施例中,上述信息推荐装置,包括:
第一生成模块,用于生成与所述特定附加险信息对应的填写注意事项信息;
第二生成模块,用于在所述新增附加险的界面上展示所述填写注意事项信息,以使所述用户在所述新增附加险的界面输入与所述特定附加险信息对应的填写数据;
第一判断模块,用于在所述用户在所述新增附加险的界面输入了对应的填写数据后,判断所述填写数据是否符合预设规范;
第三生成模块,用于若所述填写数据符合预设规范,则生成是否确认新增特定附加险的提示信息;
第二判断模块,用于判断是否接收到所述用户返回的确认信息;
处理模块,用于若接收到所述用户返回的确认信息,则执行与所述特定附加险对应的附加险新增处理。
本实施例中,上述信息推荐装置中的第一生成模块、第二生成模块、第一判断模块、第三生成模块、第二判断模块与处理模块的功能和作用的实现过程具体详见上述信息推荐方法中对应步骤S604至S609的实现过程,在此不再赘述。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏、输入装置和数据库。其中,该计算机设备设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质、内存储器。该存储介质存储有操作系统、计算机程序和数据库。该内存储器为存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储保单号信息、用户信息、指定客户类别、待推荐附加险信息列表、指定附加险信息、推荐分数值以及目标附加险信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备的显示屏是计算机中必不可少的一种图文输出设备,用于将数字信号转换为光信号,使文字与图形在显示屏的屏幕上显示出来。该计算机设备的输入装置是计算机与用户或其他设备之间进行信息交换的主要装置,用于把数据、指令及某些标志信息等输送到计算机中去。该计算机程序被处理器执行时以实现一种信息推荐方法。
上述处理器执行上述信息推荐方法的步骤:
获取用户在新增附加险的界面输入的保单号信息;
根据所述保单号信息获取所述用户的用户信息;
根据所述用户信息,获取与所述用户信息对应的指定客户类别;
获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值;
获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息;
在所述新增附加险的界面上展示所述目标附加险信息。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的装置、计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种信息推荐方法,具体为:
获取用户在新增附加险的界面输入的保单号信息;
根据所述保单号信息获取所述用户的用户信息;
根据所述用户信息,获取与所述用户信息对应的指定客户类别;
获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值;
获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息;
在所述新增附加险的界面上展示所述目标附加险信息。
综上所述,本申请实施例中提供的信息推荐方法、装置、计算机设备和存储介质,首先根据保单号信息获取用户信息,然后根据用户信息确定相应的指定客户类型,之后根据指定客户类型所对应的待推荐附加险信息列表中的待推荐附加险信息的推荐分数值来确定出用于向用户推荐的目标附加险信息,使得可以基于与用户对应的指定客户类别来快速智能,且有针对性地向用户精确推荐与保单号信息相关的目标附加险信息,有效地提高了附加险推荐的准确度,提高了用户使用体验,也有利于提高附加险新增的业务成功率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储与一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种信息推荐方法,其特征在于,包括:
获取用户在新增附加险的界面输入的保单号信息;
根据所述保单号信息获取所述用户的用户信息;
根据所述用户信息,获取与所述用户信息对应的指定客户类别;
获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值;
获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息;
在所述新增附加险的界面上展示所述目标附加险信息。
2.根据权利要求1所述的信息推荐方法,其特征在于,所述获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息的步骤,包括:
根据所述保单号信息,获取与所述保单号信息对应的主险信息;
获取与所述主险信息存在搭配关系的所有所述指定附加险信息;
从所述待推荐附加险信息列表记录的所有所述待推荐附加险信息中,筛选出与所述指定附加险信息相同的第一附加险信息;
根据所述待推荐附加险信息列表,分别获取与每一个所述第一附加险信息一一对应的指定推荐分数值;
根据所述指定推荐分数值,从所有所述第一附加险信息中筛选出指定推荐分数值最大的第一指定数量的第二附加险信息;
将所述第二附加险信息作为所述目标附加险信息。
3.根据权利要求1所述的信息推荐方法,其特征在于,所述根据所述用户信息,获取与所述用户信息对应的指定客户类别的步骤,包括:
获取与所述用户信息对应的用户特征向量;以及,
获取与历史客户信息对应的客户特征向量,其中,所述历史客户信息的数量包括多个;
将所述用户特征向量与所述客户特征向量输入至预设的客户分类模型;
通过所述客户分类模型确定出与所述用户信息对应的指定客户类别。
4.根据权利要求3所述的信息推荐方法,其特征在于,所述通过所述客户分类模型确定出与所述用户信息对应的指定客户类别的步骤,包括:
通过所述客户分类模型计算所述用户特征向量与每一个所述客户特征向量之间的相似度数值;
从所述所有相似度数值中筛选出相似度数值最高的第二指定数量的指定相似度;
获取与每一个所述指定相似度分别对应的指定客户信息;
获取每一个所述指定客户信息所对应的第一客户类别;
从所有所述第一客户类别中筛选出含有所述指定客户信息的数量最多的第二客户类别;
将所述第二客户类别作为与所述用户信息对应的所述指定客户类别。
5.根据权利要求4所述的信息推荐方法,其特征在于,所述获取每一个所述指定客户信息所对应的第一客户类别的步骤之前,包括:
获取历史客户信息,其中,所述历史客户信息的数量包括多个;以及,
获取预设的客户类别数;
确定出与每一个所述历史客户信息一一对应的客户特征向量;
根据所述客户类别数,按照预设聚类规则对各所述客户特征向量进行聚类处理,生成与每一个所述历史客户信息一一对应的客户类别。
6.根据权利要求1所述的信息推荐方法,其特征在于,所述获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值的步骤之前,包括:
获取与所述指定客户类别对应的客户购买信息集,其中,所述指定客户类别包含有多个指定客户;
从所述客户购买信息集中筛选出历史附加险购买信息;
根据所述历史附加险购买数据,统计出与每一个所述待推荐附加险信息分别对应的购买客户数量;
根据所述购买客户数量,确定出与每一个所述待推荐附加险信息分别对应的推荐分数值。
7.根据权利要求1所述的信息推荐方法,其特征在于,所述目标附加险信息的数量包括多个,所述在所述新增附加险的界面上展示所述目标附加险信息的步骤之后,包括:
接收所述用户从所有所述目标附加险信息中选择的特定附加险信息;
根据所述特定附加险信息,计算生成与所述特定附加险信息对应的参数信息;
在所述新增附加险的界面上展示所述特定附加险信息与所述参数信息;以及,
在所述新增附加险的界面上隐藏除所述特征附加险信息之外的其他附加险信息。
8.一种信息推荐装置,其特征在于,包括:
第一获取模块,用于获取用户在新增附加险的界面输入的保单号信息;
第二获取模块,用于根据所述保单号信息获取所述用户的用户信息;
第三获取模块,用于根据所述用户信息,获取与所述用户信息对应的指定客户类别;
第四获取模块,用于获取与所述指定客户类别对应的待推荐附加险信息列表,其中,所述待推荐附加险信息列表记录有与所述指定客户类别对应的待推荐附加险信息,以及与每一个所述待推荐附加险信息分别对应的推荐分数值;
第一确定模块,用于获取与所述保单号信息对应的所有指定附加险信息,根据所述指定附加险信息与所述推荐分数值,从所述待推荐附加险信息列表中确定出与所述用户对应的目标附加险信息;
第一展示模块,用于在所述新增附加险的界面上展示所述目标附加险信息。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011224723.1A CN112330402A (zh) | 2020-11-05 | 2020-11-05 | 信息推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011224723.1A CN112330402A (zh) | 2020-11-05 | 2020-11-05 | 信息推荐方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330402A true CN112330402A (zh) | 2021-02-05 |
Family
ID=74316099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011224723.1A Pending CN112330402A (zh) | 2020-11-05 | 2020-11-05 | 信息推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330402A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664205A (zh) * | 2023-08-01 | 2023-08-29 | 北京力码科技有限公司 | 一种基于区块链技术的金融保险推荐系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120158434A1 (en) * | 2010-12-15 | 2012-06-21 | Hartford Fire Insurance Company | System and method for providing customized business insurance recommendations |
CN108305178A (zh) * | 2018-02-07 | 2018-07-20 | 中国平安人寿保险股份有限公司 | 一种险种销售智能推荐方法、设备及存储介质 |
CN108510402A (zh) * | 2018-06-06 | 2018-09-07 | 中国平安人寿保险股份有限公司 | 险种信息推荐方法、装置、计算机设备及存储介质 |
CN110619545A (zh) * | 2019-09-06 | 2019-12-27 | 中国平安财产保险股份有限公司 | 基于大数据的车险数据推送方法、系统、设备及存储介质 |
US10783584B1 (en) * | 2012-09-10 | 2020-09-22 | Allstate Insurance Company | Recommendation of insurance products based on an inventory analysis |
-
2020
- 2020-11-05 CN CN202011224723.1A patent/CN112330402A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120158434A1 (en) * | 2010-12-15 | 2012-06-21 | Hartford Fire Insurance Company | System and method for providing customized business insurance recommendations |
US10783584B1 (en) * | 2012-09-10 | 2020-09-22 | Allstate Insurance Company | Recommendation of insurance products based on an inventory analysis |
CN108305178A (zh) * | 2018-02-07 | 2018-07-20 | 中国平安人寿保险股份有限公司 | 一种险种销售智能推荐方法、设备及存储介质 |
CN108510402A (zh) * | 2018-06-06 | 2018-09-07 | 中国平安人寿保险股份有限公司 | 险种信息推荐方法、装置、计算机设备及存储介质 |
CN110619545A (zh) * | 2019-09-06 | 2019-12-27 | 中国平安财产保险股份有限公司 | 基于大数据的车险数据推送方法、系统、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664205A (zh) * | 2023-08-01 | 2023-08-29 | 北京力码科技有限公司 | 一种基于区块链技术的金融保险推荐系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11552785B2 (en) | Methods and systems for a synchronized distributed data structure for federated machine learning | |
CN105593867B (zh) | 用于评估证件的方法 | |
CN112381428A (zh) | 基于强化学习的业务分配方法、装置、设备及存储介质 | |
US10140636B2 (en) | Method of classifying a bill | |
CN110533489B (zh) | 应用于模型训练的样本获取方法及装置、设备、存储介质 | |
CN112199575A (zh) | 虚拟银行开户方法、装置、设备和计算机存储介质 | |
CN112464117A (zh) | 请求处理方法、装置、计算机设备和存储介质 | |
CN112637282B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN112329629A (zh) | 在线培训的评价方法、装置、计算机设备和存储介质 | |
CN111813946A (zh) | 医疗信息反馈方法、装置、设备及可读存储介质 | |
CN112036749A (zh) | 基于医疗数据识别风险用户的方法、装置和计算机设备 | |
CN115730966A (zh) | 基于客户需求的产品智能优选方法及系统 | |
CN117409913A (zh) | 一种基于云技术的医疗服务方法和平台 | |
CN112330402A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
CN112965981A (zh) | 数据核对方法、装置、计算机设备和存储介质 | |
JP6875445B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN113269179B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113535260B (zh) | 基于模拟器的数据处理方法、装置、设备及存储介质 | |
CN115511596A (zh) | 一种辅助决策的征信验证评估管理方法及系统 | |
CN115049217A (zh) | 出行策略的生成方法、装置、计算机设备和存储介质 | |
CN113657549A (zh) | 医疗数据审核方法、装置、设备以及存储介质 | |
CN113643067A (zh) | 基于人工智能的客户筛选方法、装置、设备及存储介质 | |
CN114036117A (zh) | 日志查看方法、装置、计算机设备和存储介质 | |
CN113449184A (zh) | 触达渠道的推荐方法、装置、计算机设备和存储介质 | |
CN112035543A (zh) | 药品用量数据的异常识别方法、装置和计算机设备 |
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 |