CN114529420B - 一种基于保险需求的智能保障专家系统 - Google Patents
一种基于保险需求的智能保障专家系统 Download PDFInfo
- Publication number
- CN114529420B CN114529420B CN202210218589.7A CN202210218589A CN114529420B CN 114529420 B CN114529420 B CN 114529420B CN 202210218589 A CN202210218589 A CN 202210218589A CN 114529420 B CN114529420 B CN 114529420B
- Authority
- CN
- China
- Prior art keywords
- insurance
- user
- record
- information
- guarantee
- 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.)
- Active
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Abstract
本发明公开了一种基于保险需求的智能保障专家系统通过接收并解析用户身份信息以及用户需求信息,对用户需求信息并进行需求分类;根据用户身份信息获取用户历史保险记录信息,并根据用户身份信息、用户历史保险记录信息、用户需求信息,建立用户画像;根据所述用户画像,生成推荐的保障信息。通过基于用户需求以及用户历史保险记录信息,获取用户基于保障方向的用户画像,从而对于用户执行保障信息的推荐,从而使得专家系统的处理推荐更适合于用户。
Description
技术领域
本发明属于保障分析领域,具体涉及一种基于保险需求的智能保障专家系统。
背景技术
从经济角度看,保险是分摊意外事故损失的一种财务安排;从法律角度看,保险是一种合同行为,是一方同意补偿另一方损失的一种合同安排;从社会角度看,保险是社会经济保障制度的重要组成部分,是社会生产和社会生活“精巧的稳定器”;从风险管理角度看,保险是风险管理的一种方法。专家系统是一个智能计算机程序系统,其内部含有大量的某个领域专家水平的知识与经验,能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说,专家系统是一个具有大量的专门知识与经验的程序系统,它应用人工智能技术和计算机技术,根据某领域一个或多个专家提供的知识和经验,进行推理和判断,模拟人类专家的决策过程,以便解决那些需要人类专家处理的复杂问题,简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
现有技术中的保险方案,大多是基于人工根据用户需求信息人为推荐用户的保险方案,这种方式很难快速将用户需求以及用户身份信息以及用户其他信息等等情况综合起来提供给用户的倾向安排相应的保险方向,推荐给客户。
发明内容
本发明的主要目的在于提出一种基于保险需求的智能保障专家系统、方法,旨在解决上述存在的基于保险的保障方案不能针对性推荐推送的技术问题。
为了实现上述目的,提出一种基于保险需求的智能保障专家系统,所述系统包括:
接收与解析模块,接收并解析用户身份信息以及用户需求信息,对用户需求信息并进行需求分类;
处理与分析模块,根据用户身份信息获取用户历史保险记录信息,并根据用户身份信息、用户历史保险记录信息、用户需求信息,建立用户画像;
生成模块,根据所述用户画像,生成推荐的保障信息。
优选的,所述处理与分析模块,包括:
分析子模块,获取用户历史购买的保险记录,其中,包括获取用户在保记录及过保记录,并分析得到所述在保记录及过保记录分别对应的保障类型;
建立子模块,若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像;
若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像。
所述若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:
根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;
根据用户需求类别,对所述第一保险要素中与用户需求类别匹配的保险要素确定为关键要素,并根据所述用户身份信息、关键要素建立用户画像。
所述若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:
根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;
根据用户需求类别,对所述第二保险要素中与用户需求类别匹配的保险要素确定为第三保险要素,并根据所述用户身份信息、第一保险要素、第三保险要素,建立用户画像。
优选的,所述用户身份信息包括用户财务信息;根据所述用户画像,生成推荐的保障信息,包括:根据用户财务信息,确定保额。
此外,还提出一种基于保险需求的智能保障信息处理方法,所述方法包括如下步骤:
接收并解析用户身份信息以及用户需求信息,对用户需求信息并进行需求分类;
根据用户身份信息获取用户历史保险记录信息,并根据用户身份信息、用户历史保险记录信息、用户需求信息,建立用户画像;
根据所述用户画像,生成推荐的保障信息。
优选的,所述根据用户历史保险记录信息、用户需求信息,建立用户画像,包括:
获取用户历史购买的保险记录,其中,包括获取用户在保记录及过保记录,并分析得到所述在保记录及过保记录分别对应的保障类型;
若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像;
若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像。
优选的,所述若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:
根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;
根据用户需求类别,对所述第一保险要素中与用户需求类别匹配的保险要素确定为关键要素,并根据所述用户身份信息、关键要素建立用户画像。
优选的,所述若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:
根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;
根据用户需求类别,对所述第二保险要素中与用户需求类别匹配的保险要素确定为第三保险要素,并根据所述用户身份信息、第一保险要素、第三保险要素,建立用户画像。
优选的,所述用户身份信息包括用户财务信息;
所述根据所述用户画像,生成推荐的保障信息,包括:根据用户财务信息,确定保额。
本发明所提供的基于保险需求的智能保障专家系统,通过接收并解析用户身份信息以及用户需求信息,对用户需求信息并进行需求分类;根据用户身份信息获取用户历史保险记录信息,并根据用户身份信息、用户历史保险记录信息、用户需求信息,建立用户画像;根据所述用户画像,生成推荐的保障信息。本发明通过基于用户需求以及用户历史保险记录信息,获取用户基于保障方向的用户画像,从而对于用户执行保障信息的推荐,从而使得专家系统的处理推荐更适合于用户。
附图说明
图1为本发明实施例一基于保险需求的智能保障专家系统的结构示意图;
图2为本发明实施例一基于保险需求的智能保障信息处理方法的方法流程图。
具体实施方式
以下结合说明书附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明,并且在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
参照图1,图1是本发明一种基于保险需求的智能保障专家系统的结构示意图,本实施例中,提出一种基于保险需求的智能保障专家系统,所述系统包括:
接收与解析模块10,接收并解析用户身份信息以及用户需求信息,对用户需求信息并进行需求分类。
具体地,本实施例,通过接收输入的用户身份信息,以及用户输入信息列表,根据用户输入信息列表来获取用户的需求信息,并对用户需求信息并进行需求分类。其中,用户需求可以包括健康保障(医疗方面),家庭责任,子女教育(子女教育金),养老规划(商业养老方案),财富管理(资金保险、资金增值);其中,健康保障包括健康医疗保障,疾病保险等等;子女教育,可以是用子女的教育金;养老规划,可以是对于客户养老保险的储蓄与规划支持;财富管理,则偏向于用户的资产配置,理财保险或者是资金保险等。
处理与分析模块20,根据用户身份信息获取用户历史保险记录信息,并根据用户身份信息、用户历史保险记录信息、用户需求信息,建立用户画像。
优选的,所述处理与分析模块20,包括:
分析子模块21,获取用户历史购买的保险记录,其中,包括获取用户在保记录及过保记录,并分析得到所述在保记录及过保记录分别对应的保障类型;
建立子模块22,若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像;若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像。
所述若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;根据用户需求类别,对所述第一保险要素中与用户需求类别匹配的保险要素确定为关键要素,并根据所述用户身份信息、关键要素建立用户画像。
具体地,本实施例,用户的历史保险记录,无论是在保的还是过保的基本代表着用户对于保障意识的思维,而这样的历史保险记录,也代表了用户保险习惯以及感兴趣的风险保障点所在。因此,本实施例充分挖掘了用户历史保险记录,并根据当前用户的需求,从而达到参考历史以及现实需求从而系统制定出更为贴切用户的具体投保保障方案,推荐给用户。
其中,通过获取用户历史购买的保险记录,其中,包括获取用户在保记录及过保记录,并分析得到所述在保记录及过保记录分别对应的保障类型;比如,对于用户A,其中,用户A对应的记录可以为多人购买保险的记录,或者与用户A家属群体关联的都可以作为用户A下面的保险记录信息以及保障类型;如果用户A为企业性质,比如为XXX公司,那么,可以获取公司企业下历史购买的保险记录以及保障类型。在保记录里面存在医疗保险,包括重疾险、住院医疗险、意外险,其中,重疾险购买份数(或次数)是4次,住院医疗险是5次,意外险是5次;在过保记录里面存在家庭财产险、存款账户资金保险等,其中,家庭财产险购买次数8次、存款账户资金保险次数为10次。因此,通过分析得到用户的在保记录及过保记录的类别。
若获取到的用户当前需求类别存在与在保记录对应的保障类型匹配,说明用户潜在意识是将扩充或者加在保类型的范围;因此,建立画像时,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像。其中,对于此情况,首先,根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;进一步,根据用户需求类别,对所述第一保险要素中与用户需求类别匹配的保险要素确定为关键要素,并根据所述用户身份信息、关键要素建立用户画像。其中,所述第一保险要素即,在保记录中存在最多的几个保险关键词,比如,如上所述,对于用户A账户下面,对于用户A,为家庭成员爸爸,则获取这个家庭以及家庭成员的保单记录情况,在保记录可以里面存在医疗保险、养老保险、意外险等等,包括重疾险、住院医疗险、意外险,其中,重疾险购买份数(或次数)是3次,住院医疗险是5次,意外险是5次;养老保险购买1次;在过保记录里面存在家庭财产险、存款账户资金保险等,其中,房屋财产险购买次数3次、存款账户资金保险次数为10次。那么,根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素。对于A用户,第一保险要素包括医疗和/或住院和/或意外,第二保险要素包括房屋、资金。若用户需求为医疗,其与第一保险要素存在匹配,则将医疗这一要素作为关键要素,并基于并根据用户身份信息,比如:年龄,存款,收入流水,财务支出等等,并根据关键要素,建立用户画像;比如用户画像可以为:青年白领,稳定收支,医疗。进一步,根据所述用户画像,生成推荐的保障信息,比如不同年龄段,不同的净值稳定程度以及净值多少,来指定医疗保险的保额,并可以给出不同医疗保险保额而对应的保障方案,推荐给用户。
优选的,本实施例,还根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像;若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像。
进一步,若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;根据用户需求类别,对所述第二保险要素中与用户需求类别匹配的保险要素确定为第三保险要素,并根据所述用户身份信息、第一保险要素、第三保险要素,建立用户画像。还是对于用户A账户下面,为家庭成员爸爸,则获取这个家庭以及家庭成员的保单记录情况,在保记录可以里面存在医疗保险、养老保险、意外险等等,在保记录可以里面存在医疗保险、养老保险、意外险等等,包括重疾险、住院医疗险、意外险,其中,重疾险购买份数(或次数)是3次,住院医疗险是5次,意外险是5次;养老保险购买1次;在过保记录里面存在家庭财产险、存款账户资金保险等,其中,房屋财产险购买次数3次、存款账户资金保险次数为10次。那么,根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素。对于A用户,第一保险要素包括医疗和/或住院和/或意外,第二保险要素包括房屋、资金。若用户需求为资金,其与第二保险要素存在匹配,则将资金这一要素作为第三保险要素,这说明用户在对于当前对第一保险要素包括医疗和/或住院和/或意外在内的保险重视以外,还意识到已经失效的资金安全这一要素比较重要,是他的潜在需求。因此,我们可以根据上述第一保险要素、第三保险要素,生成用户画像,根据所述用户身份信息、第一保险要素、第三保险要素,建立用户画像,比如:中年,高净值,稳定收支,医疗,资金。进一步,根据所述用户画像,生成推荐的保障信息,比如不同年龄段,不同的净值稳定程度以及净值多少,来指定规划医疗+资金的安全保险,或者两者的结合,比如一款理财产品附带资金安全保险以及医疗疾病在内的透支现金支配方式,等等,再匹配用户财务情况来匹配对应的额度以及保障,制定对应的多种保障方案,推荐给用户。
生成模块30,根据所述用户画像,生成推荐的保障信息。
优选的,所述用户身份信息包括用户财务信息;根据所述用户画像,生成推荐的保障信息,包括:根据用户财务信息,确定保额。
此外,参照图2,图2是本发明一种基于保险需求的智能保障信息处理方法的流程图,所述方法包括如下步骤:
S1,接收并解析用户身份信息以及用户需求信息,对用户需求信息并进行需求分类;
S2,根据用户身份信息获取用户历史保险记录信息,并根据用户身份信息、用户历史保险记录信息、用户需求信息,建立用户画像;
S3,根据所述用户画像,生成推荐的保障信息。
优选的,所述根据用户历史保险记录信息、用户需求信息,建立用户画像,包括:
获取用户历史购买的保险记录,其中,包括获取用户在保记录及过保记录,并分析得到所述在保记录及过保记录分别对应的保障类型;
若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像;
若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像。
优选的,所述若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:
根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;
根据用户需求类别,对所述第一保险要素中与用户需求类别匹配的保险要素确定为关键要素,并根据所述用户身份信息、关键要素建立用户画像。
优选的,所述若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:
根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;
根据用户需求类别,对所述第二保险要素中与用户需求类别匹配的保险要素确定为第三保险要素,并根据所述用户身份信息、第一保险要素、第三保险要素,建立用户画像。
优选的,所述用户身份信息包括用户财务信息;
所述根据所述用户画像,生成推荐的保障信息,包括:根据用户财务信息,确定保额。
在本发明上述实施例的方案中,基于保险需求的智能保障专家系统通过接收并解析用户身份信息以及用户需求信息,对用户需求信息并进行需求分类;根据用户身份信息获取用户历史保险记录信息,并根据用户身份信息、用户历史保险记录信息、用户需求信息,建立用户画像;根据所述用户画像,生成推荐的保障信息。本发明通过基于用户需求以及用户历史保险记录信息,获取用户基于保障方向的用户画像,从而对于用户执行保障信息的推荐,从而使得专家系统的处理推荐更适合于用户。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现。也可以全部以硬件的形式实现。还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。
此外,本发明实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上应用于配电房的数据显示与快速处理方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和偏移处理。该类修改、改进和偏移处理在本说明书中被建议,所以该类修改、改进、偏移处理仍属于本说明书示范实施例的精神和范围。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对它们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (4)
1.一种基于保险需求的智能保障专家系统,其特征在于,所述系统包括:
接收与解析模块,接收并解析用户身份信息以及用户输入信息列表,根据用户输入信息列表来获取用户的需求信息,对用户需求信息进行需求分类;
处理与分析模块,根据用户身份信息获取用户历史保险记录信息,并根据用户身份信息、用户历史保险记录信息、用户需求信息,建立用户画像;
生成模块,根据所述用户画像,生成推荐的保障信息;
所述处理与分析模块,包括:
分析子模块,获取用户历史购买的保险记录,其中,包括获取用户在保记录及过保记录,并分析得到所述在保记录及过保记录分别对应的保障类型;
建立子模块,若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;根据用户需求类别,对所述第一保险要素中与用户需求类别匹配的保险要素确定为关键要素,并根据所述用户身份信息、关键要素建立用户画像;
若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;根据用户需求类别,对所述第二保险要素中与用户需求类别匹配的保险要素确定为第三保险要素,并根据所述用户身份信息、第一保险要素、第三保险要素,建立用户画像。
2.根据权利要求1所述的基于保险需求的智能保障专家系统,其特征在于,所述用户身份信息包括用户财务信息;根据所述用户画像,生成推荐的保障信息,包括:根据用户财务信息,确定保额。
3.一种基于保险需求的智能保障信息处理方法,其特征在于,所述方法包括如下步骤:
接收并解析用户身份信息以及用户输入信息列表,根据用户输入信息列表来获取用户的需求信息,对用户需求信息进行需求分类;
根据用户身份信息获取用户历史保险记录信息,并根据用户身份信息、用户历史保险记录信息、用户需求信息,建立用户画像;
根据所述用户画像,生成推荐的保障信息;
所述根据用户历史保险记录信息、用户需求信息,建立用户画像,包括:
获取用户历史购买的保险记录,其中,包括获取用户在保记录及过保记录,并分析得到所述在保记录及过保记录分别对应的保障类型;
若用户需求类别存在与在保记录对应的保障类型匹配,根据所述在保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;根据用户需求类别,对所述第一保险要素中与用户需求类别匹配的保险要素确定为关键要素,并根据所述用户身份信息、关键要素建立用户画像;
若用户需求类别存在与过保记录对应的保障类型匹配,则根据所述在保记录中的保障类型最多的保险记录、以及过保记录中与用户需求类别匹配的保险记录,建立用户画像,包括:根据所述在保记录及过保记录分别对应的保障类型,分别生成第一保险要素以及第二保险要素;根据用户需求类别,对所述第二保险要素中与用户需求类别匹配的保险要素确定为第三保险要素,并根据所述用户身份信息、第一保险要素、第三保险要素,建立用户画像。
4.根据权利要求3所述的基于保险需求的智能保障信息处理方法,其特征在于,所述用户身份信息包括用户财务信息;所述根据所述用户画像,生成推荐的保障信息,包括:根据用户财务信息,确定保额。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210218589.7A CN114529420B (zh) | 2022-03-08 | 2022-03-08 | 一种基于保险需求的智能保障专家系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210218589.7A CN114529420B (zh) | 2022-03-08 | 2022-03-08 | 一种基于保险需求的智能保障专家系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114529420A CN114529420A (zh) | 2022-05-24 |
CN114529420B true CN114529420B (zh) | 2023-02-28 |
Family
ID=81627455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210218589.7A Active CN114529420B (zh) | 2022-03-08 | 2022-03-08 | 一种基于保险需求的智能保障专家系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529420B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272362A (zh) * | 2018-09-29 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 一种风险保障产品的推送方法、装置及电子设备 |
CN109711856A (zh) * | 2018-08-17 | 2019-05-03 | 中国平安人寿保险股份有限公司 | 基于大数据的用户分类方法、装置、服务器及存储介质 |
CN110378797A (zh) * | 2019-07-25 | 2019-10-25 | 老司机车险信息科技发展(上海)有限公司 | 一种为客户提供精准保险方案攻略的系统及方法 |
CN112488847A (zh) * | 2020-11-16 | 2021-03-12 | 中国人寿保险股份有限公司 | 一种用于处理数据的方法、装置、设备以及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11144997B2 (en) * | 2017-11-14 | 2021-10-12 | James Mark Chappell | System and method for expediting purchase of vehicular insurance |
CN110009508A (zh) * | 2018-12-25 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 一种车险自动赔付方法和系统 |
-
2022
- 2022-03-08 CN CN202210218589.7A patent/CN114529420B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711856A (zh) * | 2018-08-17 | 2019-05-03 | 中国平安人寿保险股份有限公司 | 基于大数据的用户分类方法、装置、服务器及存储介质 |
CN109272362A (zh) * | 2018-09-29 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 一种风险保障产品的推送方法、装置及电子设备 |
CN110378797A (zh) * | 2019-07-25 | 2019-10-25 | 老司机车险信息科技发展(上海)有限公司 | 一种为客户提供精准保险方案攻略的系统及方法 |
CN112488847A (zh) * | 2020-11-16 | 2021-03-12 | 中国人寿保险股份有限公司 | 一种用于处理数据的方法、装置、设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
企匠云平台.大数据下的保险行业如何生存.《https://zhuanlan.zhihu.com/p/37728726》.2018,第1-15页. * |
大数据下的保险行业如何生存;企匠云平台;《https://zhuanlan.zhihu.com/p/37728726》;20180605;第1-15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114529420A (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11734607B2 (en) | Data clean-up method for improving predictive model training | |
US11853854B2 (en) | Method of automating data science services | |
Khalili-Damghani et al. | Hybrid soft computing approach based on clustering, rule mining, and decision tree analysis for customer segmentation problem: Real case of customer-centric industries | |
US10565602B1 (en) | Method and system for obtaining leads based on data derived from a variety of sources | |
Brown-Liburd et al. | Behavioral implications of Big Data's impact on audit judgment and decision making and future research directions | |
Cao et al. | Flexible frameworks for actionable knowledge discovery | |
US7062477B2 (en) | Information-processing apparatus, information-processing method and storage medium | |
Herland et al. | The effects of class rarity on the evaluation of supervised healthcare fraud detection models | |
US9720940B2 (en) | Data analysis computer system and method for parallelized and modularized analysis of big data | |
US9772741B2 (en) | Data analysis computer system and method for organizing, presenting, and optimizing predictive modeling | |
US20080208916A1 (en) | Bioinformatic Transaction Scheme | |
US20140289174A1 (en) | Data Analysis Computer System and Method For Causal Discovery with Experimentation Optimization | |
Bogaert et al. | The added value of Facebook friends data in event attendance prediction | |
US10795956B1 (en) | System and method for identifying potential clients from aggregate sources | |
Liu et al. | A review on business analytics: definitions, techniques, applications and challenges | |
Suleiman et al. | A clinical coding recommender system | |
Osoba et al. | An intelligence in our image | |
CN114529420B (zh) | 一种基于保险需求的智能保障专家系统 | |
Ferraz et al. | Ontology in association rules | |
Hońko | Relational pattern updating | |
Bradley et al. | The Generation of Visually Credible Adversarial Examples with Genetic Algorithms | |
Chakrobartty et al. | Fairness challenges in artificial intelligence | |
Sethi et al. | Subjective interestingness in association rule mining: A theoretical analysis | |
Eriksson et al. | Parental Leave within the Workplace: A Re-assessment of Opposite Educational Gradients for Women and Men | |
Lu et al. | How data-sharing nudges influence people's privacy preferences: A machine learning-based analysis |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An Intelligent Guarantee Expert System Based on Insurance Demand Effective date of registration: 20230901 Granted publication date: 20230228 Pledgee: China Construction Bank Corporation Shanghai Pilot Free Trade Zone Branch Pledgor: Shanghai Hengge Information Technology Co.,Ltd. Registration number: Y2023310000515 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |