[发明专利]保险产品的推荐方法、装置、电子设备及存储介质

说明书

本发明提供了一种保险产品的推荐方法、装置及存储介质，包括：获取目标用户的投保信息，并根据投保信息确定目标用户可承担的保金数额；将投保信息输入至预先构建的风险分析预测模型中；根据风险信息确定保障内容，将保金数额和保障内容作为筛选条件，并根据筛选条件从预设的保险产品数据库中查找出满足该筛选条件的所有保险产品；计算每一保险产品的保险条款与历史保险产品的保险条款的相似度，并将理赔金额最高的保险产品推送给目标用户。本发明保险产品的推荐方法通过文本相似度S中通过将关联度参数加入到文本相似度的考虑因素中，同时考虑语义相似度、结构相似度推荐准确率高，且避免了重复保障。

技术领域

本发明涉及金融技术领域，特别是涉及一种保险产品的推荐方法、装置、电子设备及计算机可读存储介质。

背景技术

近年来，随着保险行业的快速发展，衍生出各种种类的保险产品，由于各个保险产品之间具有不同的产品条款和适用场景，保险业务员很难通过自行分析确定适合客户的保险产品，因此，只能根据保险业务员的经验值向客户推荐保险产品。

然而，保险业务员向客户推荐保险产品，其无法全面了解客户家庭的风险情况及客户当前的保障情况，致使保险业务员所推荐的保险产品不一定适应于相应用户，导致保险产品的推荐准确度低，容易引起客户反感。

因此，实有必要提出一种保险产品的推荐方法、装置、电子设备及存储介质来解决上述问题。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种保险产品的推荐方法、装置、电子设备及存储介质。

为了解决上述问题，本发明实施例公开了一种保险产品的推荐方法，应用于电子设备，所述方法包括：

获取目标用户的投保信息，并根据所述投保信息确定所述目标用户可承担的保金数额，其中，所述投保信息包括家庭信息和已购买的历史保险产品；

将所述投保信息输入至预先构建的风险分析预测模型中，得出所述目标用户存在的风险信息，其中，所述风险分析预测模型是采用预设的神经网络模型训练得到；

根据所述风险信息确定保障内容，将所述保金数额和所述保障内容作为筛选条件，并根据所述筛选条件从预设的保险产品数据库中查找出满足该筛选条件的所有保险产品；

计算每一所述保险产品的保险条款与所述历史保险产品的保险条款的相似度，将相似度小于预设阈值的保险产品组成保险产品集；

计算所述保险产品集中各个保险产品在同种出险情况下的理赔金额，并将理赔金额最高的保险产品推送给目标用户。

优选的，所述风险分析预测模型的训练，包括：

采集预设数量的投保人员的投保信息构建样本数据集，并对所述样本数据集中的所有投保信息进行特征提取，得到投保特征集；

根据预设的风险分类规则对所述投保特征集中的投保特征进行分类，获取不同的风险信息对应的一个或多个投保特征；

将各个所述风险信息及各个所述风险信息对应的投保特征输入至所述神经网络模型中进行训练，每隔预设周期对该模型进行准确率验证，当所述准确率大于预设阈值时，结束训练，得到所述风险分析预测模型。

优选的，所述保险产品的保险条款与所述历史保险产品的保险条款相似度的计算方法，包括：

利用自然语言处理技术分别将所述保险产品的保险条款和所述历史保险产品的保险条款进行分割，得到第一字段文本和第二字段文本；

分别计算出所述第一字段文本与所述第二字段文本的语义相似度和结构相似度；