[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

说明书

本申请提供一种基于机器学习的推荐保险产品的方法、装置及存储介质，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。通过采用本方案，能够优化特征提取和提高推荐精度。

技术领域

本申请涉及神经网络技术领域，尤其涉及一种基于机器的推荐保险产品的方法及相关设备。

背景技术

现在用户的保险意识越来越强，更多的用户开始购买保险。市场上的保险种类繁多，用户需要花较长时间从这些保险产品中选择一个适合自身的保险。由于用户对保险产品缺乏了解且对自身定位不清楚，即使用户花很长时间也不一定能够找到真正适合自身的保险产品。

目前采用保险产品推荐系统为用户推荐各项保险产品，虽然具备一定的导向性且减少用户的查询时间，但是，保险产品推荐系统只能基于同类用户的购买历史记录来进行推荐，推荐的粒度较粗。

发明内容

本申请提供了一种基于机器学习的推荐保险产品的方法、装置及存储介质，能够解决现有技术中保险产品推荐系统只能基于同类用户的购买历史记录来进行推荐，推荐的粒度较粗的问题。

第一方面，本申请提供一种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。

在一些可能的设计中，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：

对所述自编码模型进行学习，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。

在一些可能的设计中，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。

在一些可能的设计中，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；