[发明专利]一种保险产品推荐方法和系统

说明书

本发明提供了一种保险产品推荐方法和系统，该方法包括：S1：从多维数据源中获取若干保险数据，包括用户个人维度信息和保险产品的特征属性；S2：对保险数据进行预处理整合，得到若干整合信息；S3：预设并使用多种机器学习算法进行训练，并结合损失函数，对不同数据源的整合信息选择一种算法作为训练模型，得到多种推荐模型；S4：对各推荐模型进行权重计算，并使用多种推荐模型进行集成学习，获取集成推荐模型；S5：根据任一用户输入的用户个人维度信息，利用集成推荐模型，预测出多个推荐的特征属性；S6：利用特征属性，从保险产品库中，匹配出多款保险产品进行推荐。本发明通过多维数据源中获取保险数据，并通过保险数据提高保险产品的推荐力度。

技术领域

本发明涉及信息技术领域，具体涉及一种保险产品推荐方法和系统。

背景技术

现有用户的保险意识越来越强，更多的用户开始主动购买保险，市场上的保险种类繁多，用户需要话很长时间从这些保险产品中选择一个适合自身的保险产品。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找到适合自身的保险产品。

目前市场中采用的保险产品推荐技术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，该保险推荐技术只能基于同类用户的购买历史记录来进行推荐，推荐的力度不够精确。

目前保险销售的整体情况，以保险销售人员推荐保险产品为主。由于销售人员本身的个人销售任务或者利益取向，很难保证大多数销售人员真正从用户的角度出发，推荐用户所需要的保险产品。

由此可知，当前保险推荐方法比较单一，且由于保险销售人员利益的趋向性，所以，若只以历史保单的购买记录进行预测，具有一定程度的偏差，推荐结果缺乏科学依据。并且，在一般使用场景中，能够提供的用户信息可能有各种情况发生，比如，个人信息泄密，或者用户提供的信息有限，在此情况下，很难正确落实推荐保险产品方案。

因此，有必要根据用户的需求和情况，推荐合适的保险产产品。

发明内容

本申请提供一种保险产品推荐方法和系统，用以解决现有技术中保险推荐技术只能单一推荐，且推荐的力度不够精确的问题。

本申请提供了一种保险产品推荐方法，所述方法包括：

S1：从多维数据源中获取若干保险数据，所述保险数据包括从不同数据源获取的用户个人维度信息和保险产品的特征属性；

S2：对所述保险数据进行预处理整合，得到若干整合信息；

S3：预设多种机器学习算法，使用多种机器学习算法进行训练，并结合损失函数，对不同数据源的所述整合信息选择一种算法作为训练模型，得到多种推荐模型；

S4：对各所述推荐模型进行权重计算，并使用多种所述推荐模型进行集成学习，获取集成推荐模型；

S5：根据任一用户输入的用户个人维度信息，利用所述集成推荐模型，预测出多个推荐的所述特征属性；

S6：利用所述特征属性，从保险产品库中，匹配出多款保险产品进行推荐。

较佳地，在所述S1：从多维数据源中获取的若干保险数据，至少包括：公众用户意愿数据、保险专家建议方案数据、历史保单数据。

较佳地，在所述S2中，对所述保险数据进行预处理整合，包括对所述保险数据进行结构化保存，以及将所有获取的所述保险数据作为训练集，进行数据清理、归一化、特征编码处理。

较佳地，在所述S3中，预设的多种机器学习算法包括但不限于SVM算法、决策树算法、朴素贝叶斯算法、随机森林算法、GBDT算法，进而根据预处理后的所述保险数据选择一种机器学习算法作为对应的训练模型。

较佳地，在所述S3中，选择损失函数效果最好的算法作为训练模型。