[发明专利]基于机器学习的推荐保险产品的方法及相关设备

权利要求书

1.一种基于机器学习的推荐保险产品的方法，其特征在于，所述方法包括：

获取训练样本集合，所述训练样本集合至少包括保险产品特征和购买人群特征；

根据所述训练样本集合建立因子体系，将所述因子体系输入自编码结构；

根据所述保险产品特征和所述购买人群特征，对所述自编码结构进行训练，得到自编码模型，所述自编码模型用于提取保险产品的隐含特征向量以及输出保险产品的隐含特征；

根据所述自编码模型获取保险产品的第一隐含特征向量；

向所述自编码模型输入用户行为特征；

根据所述用户行为特征和所述自编码模型，匹配出与所述用户行为特征匹配的目标保险产品。

2.根据权利要求1所述的方法，其特征在于，所述根据自编码模型获取保险产品的第一隐含特征向量，包括：

对输入所述自编码模型的因子体系进行降维；

从所述保险产品特征和/或所述购买人群特征中获取隐含的特定特征；

将所述隐含的特定特征映射到向量空间，得到所述第一隐含特征向量。

3.根据权利要求1或2所述的方法，其特征在于，所述根据用户行为特征和所述自编码模型，匹配出与所述用户行为特征匹配的目标保险产品，包括：

获取所述用户的保险产品的购买记录和/或所述用户的偏好产品；

通过所述自编码模型将所述购买记录和/或所述偏好产品映射到向量空间，得到第二隐含特征向量；

将各保险产品的第一隐含特征向量分别与所述第二隐含特征向量进行匹配；

若在所述向量空间匹配到与所述第二隐含特征向量的相似度高于预设阈值的真实保险产品，则将所述真实保险产品作为所述目标保险产品。

4.根据权利要求3所述的方法，其特征在于，所述将各保险产品的第一隐含特征向量分别与所述第二隐含特征向量进行匹配，包括：

通过向量空间的余弦相似度匹配方式，将各保险产品的第一隐含特征向量分别与所述第二隐含特征向量进行匹配；

计算各保险产品的第一隐含特征向量分别与所述第二隐含特征向量的夹角；

将夹角大于预设夹角的真实保险产品作为所述目标保险产品。

5.根据权利要求3所述的方法，其特征在于，所述将各保险产品的第一隐含特征向量分别与所述第二隐含特征向量进行匹配，包括：

通过向量空间的欧式距离匹配方式，将各保险产品的第一隐含特征向量分别与所述第二隐含特征向量进行匹配；

计算各保险产品的第一隐含特征向量分别与所述第二隐含特征向量的距离；

将距离大于预设距离的真实保险产品作为所述目标保险产品。

6.根据权利要求2所述的方法，其特征在于，所述特定特征是指输入所述自编码结构中的保险产品特征和购买人群特征中的相关性。

7.根据权利要求1或2所述的方法，其特征在于，所述因子体系包括保险产品的价格、保险产品的赔付金额、保险产品购买人群的年龄和保险产品的销量。

8.一种用于推荐保险产品的装置，其特征在于，所述装置包括：

输入输出模块，用于获取训练样本集合，所述训练样本集合至少包括保险产品特征和购买人群特征；

处理模块，用于根据所述训练样本集合建立因子体系，将所述因子体系输入自编码结构；根据所述保险产品特征和所述购买人群特征，对所述自编码结构进行训练，得到自编码模型，所述自编码模型用于提取保险产品的隐含特征向量以及输出保险产品的隐含特征；根据所述自编码模型获取保险产品的第一隐含特征向量；通过所述输入输出模块向所述自编码模型输入用户行为特征；根据所述用户行为特征和所述自编码模型，匹配出与所述用户行为特征匹配的目标保险产品。

9.一种用于推荐保险产品的设备，其特征在于，所述设备包括：

至少一个处理器、存储器和输入输出单元；

其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中存储的程序代码来执行如权利要求1-7中任一项所述的方法。

10.一种计算机存储介质，其特征在于，其包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-7中任一项所述的方法。