[发明专利]大数据保险推荐方法及系统

权利要求书

1.一种大数据保险推荐方法，其特征在于，包括：

获得欲购买保险的用户信息；所述欲购买保险的用户信息包括用户的性别、年龄、工资、资产和工作类型；

基于所述欲购买保险的用户信息，通过神经网络推荐模型，得到用户待选保险向量；所述用户待选保险向量包括表示待选保险基本类别概率的元素和表示多个待选保险概率的元素；所述待选保险基本类别包括社会保险、财产保险和意外保险；所述待选保险有多个；每个待选保险对应一个保险基本类别；

基于所述欲购买保险的用户信息中的关键字，得到关键保险；所述关键字表示所述用户信息中能使保险被推荐的概率大于设定值的信息；

基于所述用户待选保险向量和所述关键保险，得到第一推荐保险集合；

基于欲购买保险的用户信息，通过相似用户推荐算法，得到第二推荐保险集合；

基于第二推荐保险集合和第一推荐保险集合，得到最优推荐保险集合，所述最优推荐保险集合包括所述第一推荐保险集合和第二推荐保险集合中相同的保险。

2.根据权利要求1所述的方法，其特征在于，所述神经网络推荐模型的训练方法：

获得训练集，所述训练集包括数据库中已购保险的用户信息和已购保险信息；所述已购保险信息包括已购保险基本类别和已购保险；所述已购保险基本类别包括社会保险、财产保险、意外保险；

基于所述已购保险的用户信息，通过深度学习神经网络，得到用户保险向量；所述用户保险向量中的元素包括购买保险基本类别的概率和购买保险的概率；

基于所述用户保险向量和所述已购买保险，得到神经网络推荐损失值；

获得所述神经网络推荐模型训练的最大迭代次数；

当所述神经网络推荐损失值小于或等于神经网络阈值，或神经网络推荐模型的训练迭代次数达到所述最大迭代次数时，停止训练神经网络推荐模型，得到训练好的神经网络推荐模型。

3.根据权利要求2所述的方法，其特征在于，所述深度学习神经网络包括五层隐藏层，所述隐藏层由多个神经元组成，所述神经元是包含输入、输出和计算功能的数学模型：

所述第一隐藏层的输入是所述已购保险的用户信息；所述第二隐藏层的输入是所述第一隐藏层的输出；所述第三隐藏层的输入是所述第二隐藏层的输出；所述第四隐藏层的输入是所述第三隐藏层的输出；所述第五隐藏层的输入是所述第四隐藏层的输出；所述第五隐藏层的输出是用户保险向量。