CN114117223A - 一种保险推荐方法、装置、设备及介质 - Google Patents

一种保险推荐方法、装置、设备及介质 Download PDF

Info

Publication number
CN114117223A
CN114117223A CN202111429752.6A CN202111429752A CN114117223A CN 114117223 A CN114117223 A CN 114117223A CN 202111429752 A CN202111429752 A CN 202111429752A CN 114117223 A CN114117223 A CN 114117223A
Authority
CN
China
Prior art keywords
insurance
target
basic information
category
determining
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
CN202111429752.6A
Other languages
English (en)
Inventor
赵丽
丁亚芳
赵文鹏
赵慧
张向向
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.)
Taikang Life Insurance Co ltd
Taikang Insurance Group Co Ltd
Original Assignee
Taikang Life Insurance Co ltd
Taikang Insurance Group 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 Taikang Life Insurance Co ltd, Taikang Insurance Group Co Ltd filed Critical Taikang Life Insurance Co ltd
Priority to CN202111429752.6A priority Critical patent/CN114117223A/zh
Publication of CN114117223A publication Critical patent/CN114117223A/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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • 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)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种保险推荐方法、装置、设备及介质，由于本发明实施例中，针对每个保险类别，确定待推荐的目标用户的基本信息与该保险类别下预先保存的第一目标基本信息匹配成功的第二目标基本信息，并根据该第二目标基本信息对应的权重和特征值，确定权重和，根据该权重和确定目标保险类别，并确定该目标保险类别下的目标保险并推荐，提高了确定目标保险的准确性，更利于确定并为用户推荐适合用户的保险，提升了用户的体验。

Description

一种保险推荐方法、装置、设备及介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种保险推荐方法、装置、设备及介质。
背景技术
人们生活中处处都存在风险，比如，开车时可能会出现车祸，投资买房或炒股有资金损失的风险，老了可能会出现养老金不足、储蓄不足，难以支付日常开支的风险等等，随着人们生活质量的提高，越来越多的人通过购买保险为自己争得一份保障。
现有技术中，为了帮助用户买到适合自己的保险，一般都是代理人基于用户年龄、性别、年收入、负债、家庭成员组成、是否婚配、是否有子女等基本信息，凭借自己的代理经验确定适合用户的目标保险并推荐。由于代理人所获得的用户的基本信息有限，且直接由代理人基于用户的基本信息确定目标保险，则该目标保险与适合用户的保险可能存在偏差，影响用户的体验。
发明内容
本发明提供了一种保险推荐方法、装置、设备及介质，用以解决现有技术中直接由代理人凭借自己的代理经验以及用户的基本信息确定目标保险，导致目标保险与适合用户的保险存在偏差，影响用户的体验的问题。
第一方面，本发明提供了一种保险推荐方法，所述方法包括：
获取待推荐的目标用户的基本信息；
针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与所述基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的所述第二目标基本信息对应的权重以及预先保存的所述第二目标基本信息对应的特征值，确定权重和；
将所述权重和最大值对应的保险类别确定为目标保险类别，并确定所述目标保险类别下的目标保险并推荐。
进一步地，所述基本信息包括年龄、病史以及兴趣爱好中的至少一个。
进一步地，所述确定所述目标保险类别下的目标保险包括：
根据预先保存的所述目标保险类别下的各个保险被推荐的次数，将次数大于预先设定的次数阈值的保险确定为目标保险。
进一步地，所述确定所述目标保险类别下的目标保险包括：
获得目标用户的语音信息，识别所述语音信息中包含的保险对应的关键词；
根据所述语音信息以及预先训练完成的情绪识别模型，确定所述目标用户对所述关键词的目标情绪；
根据所述目标情绪，确定所述目标用户对保险的购买倾向，根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险。
进一步地，所述根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险包括：
若所述购买倾向为想要购买，则将所述目标保险类别下包含所述关键词的保险确定为目标保险；
若所述购买倾向为非想要购买，则将所述目标类别下未包含所述关键词的保险确定为目标保险。
进一步地，确定各个保险类别下的第一目标基本信息包括：
获得预先保存的保险购买完成的样本用户的样本基本信息，以及各个样本用户购买的至少一个保险类别；
根据各个样本用户购买的每个保险类别的保险的数量，将各个样本用户划分到对应保险类别对应的簇中，其中，一个样本用户位于一个簇中；
根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息。
进一步地，所述根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息包括：
针对每个簇，确定该簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离；将所述距离不大于预设的距离阈值的样本用户中的每个样本用户的样本基本信息中的公共信息，确定为该簇对应的保险类别下的第一目标基本信息。
进一步地，确定各个保险类别下的目标信息的权重包括：
根据ReliefF算法以及预先保存的各个保险类别下各个样本用户的各个目标信息对应的特征值，确定各个保险类别下的各个目标信息对应的权重。
第二方面，本发明还提供了一种保险推荐装置，所述装置包括：
获取模块，用于获取待推荐的目标用户的基本信息；
确定模块，用于针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与所述基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的所述第二目标基本信息对应的权重以及预先保存的所述第二目标基本信息对应的特征值，确定权重和；将所述权重和最大值对应的保险类别确定为目标保险类别，并确定所述目标保险类别下的目标保险并推荐。
进一步地，所述确定模块，具体用于根据预先保存的所述目标保险类别下的各个保险被推荐的次数，将次数大于预先设定的次数阈值的保险确定为目标保险。
进一步地，所述确定模块，具体用于获得所述目标用户的语音信息，识别所述语音信息中包含的保险对应的关键词；根据所述语音信息以及预先训练完成的情绪识别模型，确定所述目标用户对所述关键词的目标情绪；根据所述目标情绪，确定所述目标用户对保险的购买倾向，根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险。
进一步地，所述确定模块，具体用于若所述购买倾向为想要购买，则将所述目标保险类别下包含所述关键词的保险确定为目标保险；若所述购买倾向为非想要购买，则将所述目标类别下未包含所述关键词的保险确定为目标保险。
进一步地，所述确定模块，具体用于获得预先保存的保险购买完成的样本用户的样本基本信息，以及各个样本用户购买的至少一个保险类别；根据各个样本用户购买的每个保险类别的保险的数量，将各个样本用户划分到对应保险类别对应的簇中，其中，一个样本用户位于一个簇中；根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息。
进一步地，所述确定模块，具体用于针对每个簇，确定该簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离；将所述距离不大于预设的距离阈值的样本用户中的每个样本用户的样本基本信息中的公共信息，确定为该簇对应的保险类别下的第一目标基本信息。
进一步地，所述确定模块，具体用于根据ReliefF算法以及预先保存的各个保险类别下各个样本用户的各个目标信息对应的特征值，确定各个保险类别下的各个目标信息对应的权重。
第三方面，本发明还提供了一种电子设备，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任一所述保险推荐方法的步骤。
第四方面，本发明还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一所述保险推荐方法的步骤。
本发明实施例中，获取待推荐的目标用户的基本信息，针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与该基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的该第二目标基本信息对应的权重以及预先保存的该第二目标基本信息对应的特征值，确定权重和，将该权重和最大值对应的保险类别确定为目标保险类别，并确定该目标保险类别下的目标保险并推荐。由于本发明实施例中，针对每个保险类别，确定待推荐的目标用户的基本信息与该保险类别下预先保存的第一目标基本信息匹配成功的第二目标基本信息，并根据该第二目标基本信息对应的权重和特征值，确定权重和，根据该权重和确定目标保险类别，并确定该目标保险类别下的目标保险并推荐，提高了确定目标保险的准确性，更利于确定并为用户推荐适合用户的保险，提升了用户的体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一些实施例提供的一种保险推荐方法的过程示意图；
图2为本发明一些实施例提供的一种目标情绪和关键词的显示示意图；
图3为本发明一些实施例提供的一种目标话术推荐的显示示意图；
图4为本发明一些实施例提供的一种客户画像的显示示意图；
图5为本发明一些实施例提供的一种用户的联系方式的显示示意图；
图6为本发明一些实施例提供的一种保险推荐装置结构示意图；
图7为本发明一些实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例中，获取待推荐的目标用户的基本信息，针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与该基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的该第二目标基本信息对应的权重以及预先保存的该第二目标基本信息对应的特征值，确定权重和，将该权重和最大值对应的保险类别确定为目标保险类别，并确定该目标保险类别下的目标保险并推荐。由于本发明实施例中，针对每个保险类别，确定待推荐的目标用户的基本信息与该保险类别下预先保存的第一目标基本信息匹配成功的第二目标基本信息，并根据该第二目标基本信息对应的权重和特征值，确定权重和，根据该权重和确定目标保险类别，并确定该目标保险类别下的目标保险并推荐，提高了确定目标保险的准确性，更利于确定并为用户推荐适合用户的保险，提升了用户的体验。
为了提高确定目标保险的准确性，为用户推荐适合的保险，提升用户的体验，本发明实施例提供了一种保险推荐方法、装置、设备及介质。
实施例1：
图1为本发明一些实施例提供的一种保险推荐方法的过程示意图，该过程包括以下步骤：
S101：获取待推荐的目标用户的基本信息。
本发明实施例提供的保险推荐方法应用于电子设备，该电子设备可以是智能终端、PC或者服务器等设备。
在本发明实施例中，由于不同的用户因为年龄不同、职业不同、收入不同等原因，适合的保险也不相同。因此为了更好的为待推荐的目标用户推荐适合该目标用户的保险，先获取该目标用户的基本信息，后续基于该目标用户的基本信息确定适合该目标用户的保险。其中，电子设备可以接收到携带该目标用户的基本信息的信息指令，还可以接收到目标用户发送的语音信息，该语音信息中携带该目标用户的基本信息，后续根据该接收到的信息指令或者语音信息，确定该目标用户的基本信息。
其中，该目标用户的基本信息包括年龄、病史以及兴趣爱好中的至少一个，此外，还可以包括婚姻状况、职业、工资收入等信息，具体的，该目标用户的基本信息中具体包括哪些信息可以根据需求进行设置，且该目标用户的基本信息越多，则后续根据该目标用户的基本信息确定的适合用户的保险越准确。应理解，这些用户的基本信息是经用户授权可以采集、存储、并用于后续推荐等应用所被使用的信息。
在本发明中，在接收到目标用户的基本信息后，为了保证该接收到的目用户的基本信息的准确性，还可以确定该目标用户的基本信息的可信度，具体的，预先保存了该目标用户曾经购买保险时登记的基本信息，将该接收到的目标用户的基本信息与目标用户曾经购买保险时登记的基本信息进行对比，确定该接收到的基本信息是否与曾经购买保险时登记的基本信息相同，若相同，则确定该目标用户的基本信息正确，则将该目标用户的基本信息的可信度设置为预设的第一数值，其中，该预设的第一数值为1，并显示该目标用户的正确的基本信息，也就是说，显示可信度为1的目标用户的基本信息，若不相同，则说明该基本信息不正确，则可以将目标用户的基本信息的可信度设置为预设的第二数值，其中，该预设的第二数值为0，且，在确定该基本信息不正确后，电子设备发送确认指令，该确认指令中携带不正确的基本信息，便于后续用户修改。
S102：针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与所述基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的所述第二目标基本信息对应的权重以及预先保存的所述第二目标基本信息对应的特征值，确定权重和。
由于实际存在多个保险类别，每个保险类别下又包含多个保险，因此，为了便于确定为目标用户推荐哪个保险类别下的哪个保险，可以先确定为该目标用户推荐哪个保险类别。在本发明实施例中，针对每个保险类别，预先对应该保险类别保存了该保险类别的第一目标基本信息，该预先保存的第一目标基本信息为更倾向于购买该保险类别的保险的用户的公共信息，且该公共信息对于各个用户是否有意向购买该保险类别的保险的判断、以及各个用户是否适合购买该保险类别的保险具有很大的参考意义。其中，各个保险类别下预先保存了哪些第一目标基本信息可以根据实际经验确定的，也可以根据大数据统计结果确定的。
其中，对应每个保险类别保存了至少一个第一目标基本信息，且对应不同保险类别下，预先保存的第一目标基本信息可能全部相同，也可能部分相同，还可能完全不相同。
为了确定为目标用户推荐哪个保险类别，在确定目标用户的基本信息后，针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与该目标用户的基本信息匹配成功的第二目标基本信息，其中，该第二目标基本信息可能没有，也可能为1个，也可能为多个。比如，保险类别为养老保险类别，预先保存的第一目标基本信息包含年龄、疾病、配偶是否健在，获取的目标用户的基本信息包括年龄和疾病，则该第二目标基本信息包括年龄和疾病。
针对每个保险类别，确定该目标用户在该保险类别下匹配成功的第二目标基本信息后，为了确定为该目标用户推荐哪个保险类别，在本发明实施例中，针对每个保险类别，预先对该保险类别下的第一目标基本信息保存了对应的权重，并预先针对该保险类别下的每个第一目标基本信息保存了对应的特征值，比如，养老保险中年龄对应的特征值为3，疾病对应的特征值为2等等，具体的，该第一目标基本信息对应的特征值根据需求进行设置。
因此可以根据预先保存的第一目标基本信息对应的权重以及对应的特征值，确定第二目标基本信息对应的权重以及该第二目标基本信息对应的特征值，其中，该第二目标基本信息为该目标用户的基本信息与该保险类别下预先保存的第一目标基本信息中与匹配成功的信息，也就是说，该第二目标基本信息为该第一目标基本信息中的一部分或者全部。根据该第二目标基本信息对应的权重以及特征值确定权重和，其中，每个保险类别对应一个权重和，保险类别对应的权重和越大，则说明该目标用户更适合该保险类别，保险类别对应的权重和越小，则说明该目标用户更不适合该保险类别。
在本发明实施例中，针对每个保险类别，该保险类别下对应保存的第一目标基本信息，对用户购买该保险类别的保险的倾向的影响越大，该第一目标基本信息对应的权重越大，且该第一目标基本信息对应的特征值也越大。具体的，各个保险类别下保存的第一目标基本信息对应的权重以及该第一目标基本信息对应的特征值可以根据需求进行设置。
S103：将所述权重和最大值对应的保险类别确定为目标保险类别，并确定所述目标保险类别下的目标保险并推荐。
在确定各个保险类别对应的权重和后，可以将权重和大于预先设置的权重和阈值的保险类别确定为目标保险类别。由于每个保险类别下包含多个保险，若直接将权重和大于预先设置的权重和阈值的保险类别确定为目标保险类别，则导致后续从目标保险类别中筛选出用户适合的保险的工作量太大，因此，在本发明实施例中，可以将权重和最大值对应的保险类别确定为目标保险类型，并从该目标保险类别下包含的所有保险中确定目标保险并推荐。具体的，可以将该目标保险类别下包含的所有保险都确定为目标保险，也可以从该目标保险类别包含的所有保险中筛选出部分保险确定为目标保险，比如，从该目标保险类别包含的所有保险中筛选出评价最高的保险确定为目标保险，或者从该目标保险类别包含的所有保险中筛选出符合目标用户支出的保险确定为目标保险。
由于本发明实施例中，针对每个保险类别，确定待推荐的目标用户的基本信息与该保险类别下预先保存的第一目标基本信息匹配成功的第二目标基本信息，并根据该第二目标基本信息对应的权重和特征值，确定权重和，根据该权重和确定目标保险类别，并确定该目标保险类别下的目标保险并推荐，提高了确定目标保险的准确性，更利于确定并为用户推荐适合用户的保险，提升了用户的体验。
实施例2：
为了确定目标保险类别下的目标保险，在上述实施例的基础上，在本发明实施例中，所述确定所述目标保险类别下的目标保险包括：
根据预先保存的所述目标保险类别下的各个保险被推荐的次数，将次数大于预先设定的次数阈值的保险确定为目标保险。
在确定目标保险类别后，可以将该目标保险类别下的所有保险都确定为目标保险，还可以从该目标保险类别下的所有保险中筛选出部分保险确定为目标保险。在本发明实施例中，可以从该目标保险类别下的所有保险中筛选出部分保险确定为目标保险，具体的，根据预先保存的目标保险类别下的各个保险被推荐的次数，将次数大于预先设定的次数阈值的保险确定为目标保险。
在本发明实施例中，若预先保存的目标保险类别下的各个保险被推荐的次数都不大于预先设定的次数阈值，则可以在该保险类别下的所有保险中随机挑选设定数量的保险确定为目标保险。也可以预先针对保险类别下的各个保险设定了对应的优先级，基于该预先设置的优先级，将优先级最高的保险确定为目标保险。
实施例3：
为了确定目标保险类别下的目标保险，在上述各实施例的基础上，在本发明实施例中，所述确定所述目标保险类别下的目标保险包括：
获得所述目标用户的语音信息，识别所述语音信息中包含的保险对应的关键词；
根据所述语音信息以及预先训练完成的情绪识别模型，确定所述目标用户对所述关键词的目标情绪；
根据所述目标情绪，确定所述目标用户对保险的购买倾向，根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险。
由于待推荐的目标用户可能会明确表达了对某种保险的购买倾向，比如，不考虑购买某个保险，或者更倾向于购买某个保险。因此，在本发明实施例中，为了给用户推荐用户更倾向于购买的保险，可以获得用户的语音信息，识别语音信息中包含的保险对应的关键词，该关键词可以为养老保险、意外保险等等。具体的，在获得到用户的语音信息后，可以将该语音信息转换为文本信息，将该文本信息中对应的文本与预先保存的保险对应的关键词进行匹配，确定匹配成功的保险对应的关键词。
为了确定目标用户对该关键词对应的保险的购买倾向，可以根据接收到的目标用户的语音信息，识别目标用户的对该关键词的目标情绪，其中，该目标情绪可以为积极情绪，也可以为消极情绪。具体的，可以将语音信息转换为文本信息，将该文本信息中对应的文本与预先保存的情绪对应的文本进行匹配，将匹配成功的文本对应的情绪对应确定为目标用户对该关键词的目标情绪。在本发明实施例中，为了确定目标用户对该关键词的目标情绪，还可以保存预先训练完成的情绪识别模型，将该语音信息输入到该预先训练完成的情绪识别模型中，确定目标用户对该关键词的目标情绪。
在确定目标情绪后，可以根据该目标情绪确定该目标用户对保险的购买倾向，并根据该购买倾向，确定该目标保险类别下的目标保险。在本发明实施例中，在根据目标用户的目标情绪，确定该目标用户对保险的购买倾向的过程中，若该目标情绪为积极情绪，则确定该目标用户对保险的购买倾向为想要购买，若该目标情绪为消极情绪，则确定该目标用户对保险的购买倾向为非想要购买。
在本发明中，还可以将根据目标用户的语音信息识别出的保险对应的关键词以及目标用户的对该关键词的目标情绪进行显示。
图2为本发明一些实施例提供的一种目标情绪和关键词的显示示意图，现针对图2进行说明。
根据目标用户的语音信息识别出的保险对应的关键词为“重疾保险”，识别出目标用户对“重疾保险”的目标情绪为“积极情绪”，也就是“认同”。
为了确定目标类别下的目标保险，在上述各实施例的基础上，在本发明实施例中，所述根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险包括：
若所述购买倾向为想要购买，则将所述目标保险类别下包含所述关键词的保险确定为目标保险；
若所述购买倾向为非想要购买，则将所述目标类别下未包含所述关键词的保险确定为目标保险。
在本发明实施例中，为了确定目标类别下的目标保险，在确定购买倾向后，若购买倾向为想要购买，则说明目标用户想要购买关键词对应的保险，为了给目标用户推荐想要的保险，将目标保险类别下包含该关键词的保险确定为目标保险，若购买倾向为非想要购买，则说明目标用户不想要购买该关键词对应的保险，为了给目标用户推进想要的保险，将目标保险类别下未包含该关键词的保险确定为目标保险，也就是说，将目标保险类别下除包含该关键词的保险以外的保险确定为目标保险。
在本发明实施例中，为了便于代理人为目标用户推荐适合目标用户的保险，预先保存了保险与话术推荐的对应关系，根据该目标保险以及预先保存的保险与话术推荐的对应关系，确定该目标保险对应的目标话术推荐，以便后续代理人根据该目标话术推荐为目标用户推荐目标保险。
图3为本发明一些实施例提供的一种目标话术推荐的显示示意图，现针对图3进行说明。
目标保险类别下，目标用户的基本信息与该目标类别下预先保存的第一目标基本信息匹配成功的第二目标基本信息为“购买保险意识强”、“为家人购买保单比较多”、“自身重疾保额不足”、“收入不稳定”以及“家庭压力大”。确定的目标保险为“重疾类保险”，该目标保险对应的目标话术推荐为“非常感谢您的支持，通过对您保单的整理，看到您现在对重疾方面的保障比较欠缺，考虑到您家庭压力较大，建议您对重疾保险增加一些投入，我可以为您介绍适合自己的重疾类保险产品”，如图3所示。
实施例4：
为了确定各个保险类别下的第一目标基本信息，在上述各实施例的基础上，在本发明实施例中，确定各个保险类别下的第一目标基本信息包括：
获得预先保存的保险购买完成的样本用户的样本基本信息，以及各个样本用户购买的至少一个保险类别；
根据各个样本用户购买的每个保险类别的保险的数量，将各个样本用户划分到对应保险类别对应的簇中，其中，一个样本用户位于一个簇中；
根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息。
在本发明实施例中，为了确定各个保险类别下预先保存的第一目标基本信息，也就是说，针对每个保险类别，为了确定哪些第一目标基本信息对用户购买该保险类别下的保险的影响最大，先获得预先保存的保险购买完成的样本用户的样本基本信息，以及各个样本用户购买的至少一个保险类别，其中，该样本基本信息包括样本用户的年龄、病史、兴趣爱好、职业以及曾购买各个保险的数量等等，其中，每个样本用户购买了至少一个保险类别，且针对每个保险类别，样本用户可能购买了该保险类别下的一个保险，也可能购买了该保险类别下的多个保险，且针对每个购买的保险，样本用户可能购买了一次该保险，也可能多次购买了该保险。
由于样本用户更倾向于购买哪个保险类别中的保险，与样本用户曾购买该保险类别的保险的数量有关，样本用户对某一保险类别的保险的曾购买数量越大，则说明该样本用户更倾向于该保险类别的保险。在本发明实施例中，在将各个样本用户划分到不同的簇的过程中，还可以根据样本用户购买的每个保险类别的数量，将各个样本用户划分到对应保险类别对应的簇中，其中，一个样本用户位于一个簇中，具体的，针对每个样本用户，将该样本用户划分到该样本用户购买各个保险类别的保险的数量中的最大值对应的保险类别对应的簇中。
比如，张三购买养老保险类别中的保险的数量为10次，购买意外保险类别中的保险的数量为3次，则将张三划分到养老保险类别对应的簇中。
在将各个样本用户划分到对应保险类别对应的簇中之后，为了确定各个保险类别下的第一目标基本信息，针对每个保险类别对应的每个簇，根据该簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定该保险类别下的第一目标基本信息。
具体的，由于每个簇中包含的每个样本用户的样本基本信息一般包含多个，且每个样本用户对应的多个样本基本信息的种类也不相同，比如，样本用户A的样本基本信息包括年龄和职业，样本用户B的样本基本信息包括职业和性别等等。
为了确定样本基本信息与簇中心点对应的中心点基本信息之间的距离，可以预先设置每个样本用户的样本基本信息对应的目标特征向量的维数，也就是说，预先设置了每个样本用户的样本基本信息对应的目标特征向量中包含的分量的个数，且预先设置了该目标特征向量中各个分量分别对应哪个种类的样本基本信息。
在本发明实施例中，可以先确定该样本用户的样本基本信息中各个种类的样本基本信息对应的特征值，然后根据预先设置的每个样本用户的样本基本信息对应的特征向量中包含的分量的个数，以及各个分量分别对应的哪个种类的样本基本信息，确定该样本用户对应的目标特征向量，具体的，将样本用户的样本基本信息中包含的种类对应的样本基本信息对应的特征值分别添加到该目标特征向量中对应的分量中，将样本用户的样本基本信息中不包含的种类对应的样本基本信息在该目标特征向量中对应的分量设置为0。
为了确定样本基本信息与簇中心点对应的中心点基本信息之间的距离，在本发明实施例中，可以根据簇中心对应的中心点基本信息的特征值确定中心点特征向量，将该目标特征向量以及该中心点特征向量对应的余弦相似度，确定为该样本基本信息与该簇中心点对应的中心点基本信息之间的距离，还可以将该目标特征向量以及该中心点特征向量对应的欧式距离确定为该样本基本信息与该簇中心点对应的中心点基本信息之间的距离。
为了确定各个保险类别下的第一目标基本信息，在上述各实施例的基础上，在本发明实施例中，所述根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息包括：
针对每个簇，确定该簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离；将所述距离不大于预设的距离阈值的样本用户中的每个样本用户的样本基本信息中的公共信息，确定为该簇对应的保险类别下的第一目标基本信息。
在本发明实施例中，针对每个簇，确定该簇中包含的每个样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，其中，样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离越大，则说明该样本用户的基本信息与该簇中心点对应的中心点基本信息的偏差也就越大。为了保证确定的各个簇对应的保险类别下的第一目标基本信息的准确性，可以将簇中与簇中心点对应的中心点基本信息偏差大的样本用户删除，将可以将簇中与簇中心点对应的中心点基本信息偏差大的样本用户保留，根据簇中保留的样本用户样本基本信息，确定该簇对应的保险类别下的第一目标基本信息。具体的，针对每个簇，根据该簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离不大于预设的距离阈值的样本用户的样本基本信息，确定该簇对应的保险类别下的第一目标基本信息，具体的，可以将不大于预设的距离阈值的样本用户的样本基本信息中的公共信息确定为该簇对应的保险类别下的第一目标基本信息，其中，该预设的距离阈值根据需求进行设置。
实施例5：
为了确定各个保险类别下的各个目标信息对应的权重，在上述各实施例的基础上，在本发明实施例中，确定各个保险类别下的目标信息的权重包括：
根据ReliefF算法以及预先保存的各个保险类别下各个样本用户的各个目标信息对应的特征值，确定各个保险类别下的各个目标信息对应的权重。
为了确定各个保险类别下各个目标信息对应的权重，可以预先针对每个保险类别，将该保险类别下包含的每个目标信息设置为经验值，且该保险类别下的每个目标信息的权重的和值为1。
为了提高确定各个保险类别下的各个目标信息对应的权重的准确率，在本发明实施例中，可以基于ReliefF算法以及预先保存的各个保险类别下各个样本用户的各个目标信息对应的特征值，确定各个保险类别下的各个目标信息对应的权重，具体的，随机选择一个样本用户R，从与样本用户R归属于同一个簇中的样本用户中寻找最近邻样本用户H，从和样本用户R不归属于同一个簇中的样本用户中寻找最近邻样本用户M，根据预先保存的各个保险类别下各个样本用户的各个目标信息对应的特征值，确定样本用户R和样本用户H的各个目标信息之间的距离，如果样本用户R和样本用户H的某个目标信息之间的距离小于样本用户R和样本用户M对应的距离，则说明该目标信息对区分同类和不同类的最近邻是有益的，则增加该目标信息的权重；反之，如果样本用户R和样本用户H在某个目标信息的距离大于样本用户R和样本用户M上的距离，说明该目标信息对区分同类和不同类的最近邻起负面作用，则降低该目标信息的权重，该过程重复n次，最后得到各个目标信息的权重并保存。
实施例6：
由于目标用户的正确的基本信息可能存在多个，且各个目标用户的正确的基本信息对保险推荐的影响可能很大，影响也可能很小，因此，在本发明中，为了便于代理人查看哪些是对保险推荐影响比较大的基本信息，可以将各个目标用户的正确的基本信息中影响大的基本信息在显示页面上显示的字体设置的更大，将影响小的基本信息在显示页面上显示字体设置的更小，最终生成客户画像。具体的，为了确定目标用户的各个正确的基本信息的影响度，可以预先设置了各个基本信息的优先级，其中，优先级越高的最高，对应的影响度越大。
图4为本发明一些实施例提供的一种客户画像的显示示意图，现针对图4进行说明。
根据目标用户的各个正确的基本信息的影响度，按照影响度确定各个正确的基本信息的显示字体的大小，并在确定完成后进行显示，其中，影响度较大的正确的基本信息为“加保高概率”、“已婚”、“家庭压力”、“研究生”、“保费10万”等等，因此，“加保高概率”、“已婚”、“家庭压力”、“研究生”、“保费10万”显示的字体也较大。
图5为本发明一些实施例提供的一种用户的联系方式的显示示意图，现针对图5进行说明。
为了便于代理人确定各个用户的联系方式，便于与用户进行联系，在显示页面显示各个用户的联系方式，比如，在显示页面上显示的张三的联系方式为“150*****”,地址为“北京市*****”，李四的联系方式为“177*****”,地址为“天津市*****”等等。
实施例7：
图6为本发明一些实施例提供的一种保险推荐装置结构示意图，该装置包括：
获取模块601，用于获取待推荐的目标用户的基本信息；
确定模块602，用于针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与所述基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的所述第二目标基本信息对应的权重以及预先保存的所述第二目标基本信息对应的特征值，确定权重和；将所述权重和最大值对应的保险类别确定为目标保险类别，并确定所述目标保险类别下的目标保险并推荐。
在一种可能的实施方式中，所述确定模块602，具体用于根据预先保存的所述目标保险类别下的各个保险被推荐的次数，将次数大于预先设定的次数阈值的保险确定为目标保险。
在一种可能的实施方式中，所述确定模块602，具体用于获得所述目标用户的语音信息，识别所述语音信息中包含的保险对应的关键词；根据所述语音信息以及预先训练完成的情绪识别模型，确定所述目标用户对所述关键词的目标情绪；根据所述目标情绪，确定所述目标用户对保险的购买倾向，根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险。
在一种可能的实施方式中，所述确定模块602，具体用于若所述购买倾向为想要购买，则将所述目标保险类别下包含所述关键词的保险确定为目标保险；若所述购买倾向为非想要购买，则将所述目标类别下未包含所述关键词的保险确定为目标保险。
在一种可能的实施方式中，所述确定模块602，具体用于获得预先保存的保险购买完成的样本用户的样本基本信息，以及各个样本用户购买的至少一个保险类别；根据各个样本用户购买的每个保险类别的保险的数量，将各个样本用户划分到对应保险类别对应的簇中，其中，一个样本用户位于一个簇中；根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息。
在一种可能的实施方式中，所述确定模块602，具体用于针对每个簇，确定该簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离；将所述距离不大于预设的距离阈值的样本用户中的每个样本用户的样本基本信息中的公共信息，确定为该簇对应的保险类别下的第一目标基本信息。
在一种可能的实施方式中，所述确定模块602，具体用于根据ReliefF算法以及预先保存的各个保险类别下各个样本用户的各个目标信息对应的特征值，确定各个保险类别下的各个目标信息对应的权重。
实施例8：
在上述各实施例的基础上，本发明一些实施例还提供了一种电子设备，如图7所示，包括：处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信。
所述存储器703中存储有计算机程序，当所述程序被所述处理器701执行时，使得所述处理器701执行如下步骤：
获取待推荐的目标用户的基本信息；
针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与所述基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的所述第二目标基本信息对应的权重以及预先保存的所述第二目标基本信息对应的特征值，确定权重和；
将所述权重和最大值对应的保险类别确定为目标保险类别，并确定所述目标保险类别下的目标保险并推荐。
进一步地，所述处理器701，还用于根据预先保存的所述目标保险类别下的各个保险被推荐的次数，将次数大于预先设定的次数阈值的保险确定为目标保险。
进一步地，所述处理器701，还用于获得目标用户的语音信息，识别所述语音信息中包含的保险对应的关键词；根据所述语音信息以及预先训练完成的情绪识别模型，确定所述目标用户对所述关键词的目标情绪；根据所述目标情绪，确定所述目标用户对保险的购买倾向，根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险。
进一步地，所述处理器701，还用于若所述购买倾向为想要购买，则将所述目标保险类别下包含所述关键词的保险确定为目标保险；若所述购买倾向为非想要购买，则将所述目标类别下未包含所述关键词的保险确定为目标保险。
进一步地，所述处理器701，还用于获得预先保存的保险购买完成的样本用户的样本基本信息，以及各个样本用户购买的至少一个保险类别；根据各个样本用户购买的每个保险类别的保险的数量，将各个样本用户划分到对应保险类别对应的簇中，其中，一个样本用户位于一个簇中；根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息。
进一步地，所述处理器701，还用于针对每个簇，确定该簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离；将所述距离不大于预设的距离阈值的样本用户中的每个样本用户的样本基本信息中的公共信息，确定为该簇对应的保险类别下的第一目标基本信息。
进一步地，所述处理器701，还用于根据ReliefF算法以及预先保存的各个保险类别下各个样本用户的各个目标信息对应的特征值，确定各个保险类别下的各个目标信息对应的权重。
上述服务器提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口702用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字指令处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
实施例9：
在上述各实施例的基础上，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行时实现如下步骤：
所述存储器中存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取待推荐的目标用户的基本信息；
针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与所述基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的所述第二目标基本信息对应的权重以及预先保存的所述第二目标基本信息对应的特征值，确定权重和；
将所述权重和最大值对应的保险类别确定为目标保险类别，并确定所述目标保险类别下的目标保险并推荐。
进一步地，所述基本信息包括年龄、病史以及兴趣爱好中的至少一个。
进一步地，所述确定所述目标保险类别下的目标保险包括：
根据预先保存的所述目标保险类别下的各个保险被推荐的次数，将次数大于预先设定的次数阈值的保险确定为目标保险。
进一步地，所述确定所述目标保险类别下的目标保险包括：
获得目标用户的语音信息，识别所述语音信息中包含的保险对应的关键词；
根据所述语音信息以及预先训练完成的情绪识别模型，确定所述目标用户对所述关键词的目标情绪；
根据所述目标情绪，确定所述目标用户对保险的购买倾向，根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险。
进一步地，所述根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险包括：
若所述购买倾向为想要购买，则将所述目标保险类别下包含所述关键词的保险确定为目标保险；
若所述购买倾向为非想要购买，则将所述目标类别下未包含所述关键词的保险确定为目标保险。
进一步地，确定各个保险类别下的第一目标基本信息包括：
获得预先保存的保险购买完成的样本用户的样本基本信息，以及各个样本用户购买的至少一个保险类别；
根据各个样本用户购买的每个保险类别的保险的数量，将各个样本用户划分到对应保险类别对应的簇中，其中，一个样本用户位于一个簇中；
根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息。
进一步地，所述根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息包括：
针对每个簇，确定该簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离；将所述距离不大于预设的距离阈值的样本用户中的每个样本用户的样本基本信息中的公共信息，确定为该簇对应的保险类别下的第一目标基本信息。
进一步地，确定各个保险类别下的目标信息的权重包括：
根据ReliefF算法以及预先保存的各个保险类别下各个样本用户的各个目标信息对应的特征值，确定各个保险类别下的各个目标信息对应的权重。
由于本发明实施例中，针对每个保险类别，确定待推荐的目标用户的基本信息与该保险类别下预先保存的第一目标基本信息匹配成功的第二目标基本信息，并根据该第二目标基本信息对应的权重和特征值，确定权重和，根据该权重和确定目标保险类别，并确定该目标保险类别下的目标保险并推荐，提高了确定目标保险的准确性，更利于确定并为用户推荐适合用户的保险，提升了用户的体验。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种保险推荐方法，其特征在于，所述方法包括：
获取待推荐的目标用户的基本信息；
针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与所述基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的所述第二目标基本信息对应的权重以及预先保存的所述第二目标基本信息对应的特征值，确定权重和；
将所述权重和最大值对应的保险类别确定为目标保险类别，并确定所述目标保险类别下的目标保险并推荐。
2.根据权利要求1所述的方法，其特征在于，所述基本信息包括年龄、病史以及兴趣爱好中的至少一个。
3.根据权利要求1所述的方法，其特征在于，所述确定所述目标保险类别下的目标保险包括：
根据预先保存的所述目标保险类别下的各个保险被推荐的次数，将次数大于预先设定的次数阈值的保险确定为目标保险。
4.根据权利要求1所述的方法，其特征在于，所述确定所述目标保险类别下的目标保险包括：
获得所述目标用户的语音信息，识别所述语音信息中包含的保险对应的关键词；
根据所述语音信息以及预先训练完成的情绪识别模型，确定所述目标用户对所述关键词的目标情绪；
根据所述目标情绪，确定所述目标用户对保险的购买倾向，根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险。
5.根据权利要求4所述的方法，其特征在于，所述根据所述购买倾向及所述关键词，确定所述目标保险类别下的目标保险包括：
若所述购买倾向为想要购买，则将所述目标保险类别下包含所述关键词的保险确定为目标保险；
若所述购买倾向为非想要购买，则将所述目标类别下未包含所述关键词的保险确定为目标保险。
6.根据权利要求1所述的方法，其特征在于，确定各个保险类别下预先保存的第一目标基本信息包括：
获得预先保存的保险购买完成的样本用户的样本基本信息，以及各个样本用户购买的至少一个保险类别；
根据各个样本用户购买的每个保险类别的保险的数量，将各个样本用户划分到对应保险类别对应的簇中，其中，一个样本用户位于一个簇中；
根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息并保存。
7.根据权利要求6所述的方法，其特征在于，所述根据每个簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离，确定各个保险类别下的第一目标基本信息包括：
针对每个簇，确定该簇中包含的样本用户的样本基本信息与簇中心点对应的中心点基本信息的距离；将所述距离不大于预设的距离阈值的样本用户中的每个样本用户的样本基本信息中的公共信息，确定为该簇对应的保险类别下的第一目标基本信息。
8.一种保险推荐装置，其特征在于，所述装置包括：
获取模块，用于获取待推荐的目标用户的基本信息；
确定模块，用于针对每个保险类别，确定该保险类别下预先保存的第一目标基本信息中与所述基本信息匹配成功的第二目标基本信息，根据该保险类别下预先保存的所述第二目标基本信息对应的权重以及预先保存的所述第二目标基本信息对应的特征值，确定权重和；将所述权重和最大值对应的保险类别确定为目标保险类别，并确定所述目标保险类别下的目标保险并推荐。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行存储器中存储的计算机程序时实现上述权利要求1-7中任一所述保险推荐方法的步骤。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7中任一所述保险推荐方法的步骤。
CN202111429752.6A 2021-11-29 2021-11-29 一种保险推荐方法、装置、设备及介质 Pending CN114117223A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111429752.6A CN114117223A (zh) 2021-11-29 2021-11-29 一种保险推荐方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111429752.6A CN114117223A (zh) 2021-11-29 2021-11-29 一种保险推荐方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN114117223A true CN114117223A (zh) 2022-03-01

Family

ID=80371163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111429752.6A Pending CN114117223A (zh) 2021-11-29 2021-11-29 一种保险推荐方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN114117223A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114417183A (zh) * 2022-03-14 2022-04-29 北京优全智汇信息技术有限公司 基于大数据汇总的保险产品智能营销方法与系统
CN114691837A (zh) * 2022-06-01 2022-07-01 深圳市奕亮科技有限公司 一种基于大数据的保险业务数据处理方法和处理系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114417183A (zh) * 2022-03-14 2022-04-29 北京优全智汇信息技术有限公司 基于大数据汇总的保险产品智能营销方法与系统
CN114417183B (zh) * 2022-03-14 2022-07-15 北京优全智汇信息技术有限公司 基于大数据汇总的保险产品智能营销方法与系统
CN114691837A (zh) * 2022-06-01 2022-07-01 深圳市奕亮科技有限公司 一种基于大数据的保险业务数据处理方法和处理系统

Similar Documents

Publication Publication Date Title
CN107679946B (zh) 基金产品推荐方法、装置、终端设备及存储介质
CN106651542B (zh) 一种物品推荐的方法及装置
CN108073659B (zh) 一种婚恋对象推荐方法及装置
CN114117223A (zh) 一种保险推荐方法、装置、设备及介质
CN106874314B (zh) 信息推荐的方法和装置
CN109858528B (zh) 推荐系统训练方法、装置、计算机设备及存储介质
CN109300050A (zh) 基于用户画像的保险推送方法、装置及存储介质
CN111858873B (zh) 一种推荐内容的确定方法、装置、电子设备及存储介质
CN113407854A (zh) 一种应用推荐方法、装置、设备及计算机可读存储介质
CN111476658A (zh) 一种贷款连续逾期的预测方法及装置
CN106897282B (zh) 一种用户群的分类方法和设备
CN110502639B (zh) 基于问题贡献度的信息推荐方法、装置、及计算机设备
CN111967948A (zh) 一种银行产品推荐方法、装置、服务器及存储介质
CN111582932A (zh) 场景间信息推送方法、装置、计算机设备及存储介质
CN111782927A (zh) 物品推荐方法及其装置、计算机可存储介质
CN113343101A (zh) 一种对象排序方法及系统
CN115271976A (zh) 一种顾问推荐的方法、装置及计算机可读存储介质
CN115760182A (zh) 汽车行业大数据获客方法、装置、电子设备及存储介质
CN109344232B (zh) 一种舆情信息检索方法及终端设备
CN108595580B (zh) 新闻推荐方法、装置、服务器及存储介质
CN111222566B (zh) 用户属性识别方法、装置及存储介质
CN113343024A (zh) 对象推荐方法、装置、电子设备及存储介质
CN113438374A (zh) 智能外呼处理方法、装置、设备及存储介质
CN111104978B (zh) 一种反欺诈模型的训练方法及装置
CN111325228B (zh) 一种模型训练方法及装置

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