基于贝叶斯的智能保险推荐方法与系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109410075A(43)申请公布日2019.03.01(21)申请号201811239289.7(22)申请日2018.10.23(71)申请人广州市勤思网络科技有限公司地址510006广东省广州市番禺区小谷围街外环西路100号广东工业大学理学馆512室(72)发明人邓健爽(74)专利代理机构佛山帮专知识产权代理事务所(普通合伙)44387代理人颜德昊(51)Int.Cl.G06Q40/08(2012.01)G06Q30/02(2012.01)权利要求书2页说明书7页附图2页(54)发明名称基于贝叶斯的智能保险推荐方法与系统(57)摘要本发明涉及保险信息化领域，涉及一种基于贝叶斯的智能保险推荐方法，包括：获取原始数据，进行特征抽取处理；利用贝叶斯算法对特征抽取处理后的数据进行训练，建立推荐模型；在保险产品线上系统中导入推荐模型，将用户特征数据输入，获得推荐模型输出的用户购买保险产品的概率作为智能保险的推荐结果。本发明还提出一种基于贝叶斯的智能保险推荐系统。本发明通过对数据的分析与处理，利用贝叶斯定理通过历史销售数据进行概率统计计算，训练出相应的保险推荐模型并应用在线上保险系统中，实现保险产品的智能推荐，改善了用户体验。CN109410075ACN109410075A权利要求书1/2页1.一种基于贝叶斯的智能保险推荐方法，其特征在于，包括：步骤1，获取原始数据，进行特征抽取处理；步骤2，利用贝叶斯算法对特征抽取处理后的数据进行训练，建立推荐模型；步骤3，在保险产品线上系统中导入推荐模型，将用户特征数据输入，获得推荐模型输出的用户购买保险产品的概率作为智能保险的推荐结果。2.如权利要求1所述基于贝叶斯的智能保险推荐方法，其特征在于，该方法还包括：步骤4，将推荐结果作为训练数据按照步骤2和步骤3的过程进行处理，完成推荐模型中推荐结果的数据反馈，进而获得新的推荐模型。3.如权利要求2所述基于贝叶斯的智能保险推荐方法，其特征在于，步骤1包括：步骤11，获取包括用户特征数据、保险销售数据、保险产品数据在内的原始数据；步骤12，对原始数据进行数据清洗处理；步骤13，对数据清洗处理后的数据进行特征抽取处理。4.如权利要求3所述基于贝叶斯的智能保险推荐方法，其特征在于，步骤2包括：步骤21，将特征抽取处理后的数据按预设比例分别整理成包括训练数据集和验证数据集的数据集；步骤22，以训练数据集作为输入按照贝叶斯公式计算，获得每个保险产品购买概率和每种特征对应每个产品的条件概率；步骤23，以验证数据集作为输入按照贝叶斯公式计算，获得用户购买各个保险产品的概率p，若p超过设定的概率阈值则视为用户将会购买并与实际情况比对来验证推荐模型的预测准确率，在准确率达到预设要求时，将推荐模型导出为PMML文件。5.如权利要求3所述基于贝叶斯的智能保险推荐方法，其特征在于，步骤11具体包括：从保险的客户管理系统和销售系统中以ETL抽取的方式获取包括用户特征数据、保险销售数据、保险产品数据在内的原始数据。6.一种基于贝叶斯的智能保险推荐系统，其特征在于，包括：数据处理模块，用于获取原始数据，进行特征抽取处理；模型建立模块，用于利用贝叶斯算法对特征抽取处理后的数据进行训练，建立推荐模型；保险推荐模块，用于在保险产品线上系统中导入推荐模型，将用户特征数据输入，获得推荐模型输出的用户购买保险产品的概率作为智能保险的推荐结果。7.如权利要求6所述基于贝叶斯的智能保险推荐系统，其特征在于，该系统还包括：数据反馈模块，用于将推荐结果作为训练数据按照模型建立模块和保险推荐模块的处理过程进行处理，完成推荐模型中推荐结果的数据反馈，进而获得新的推荐模型。8.如权利要求7所述基于贝叶斯的智能保险推荐系统，其特征在于，数据处理模块包括：数据获取单元，用于获取包括用户特征数据、保险销售数据、保险产品数据在内的原始数据；数据清洗单元，用于对原始数据进行数据清洗处理；特征抽取单元，用于对数据清洗处理后的数据进行特征抽取处理。9.如权利要求8所述基于贝叶斯的智能保险推荐系统，其特征在于，模型建立模块包2CN109410075A权利要求书2/2页括：整理单元，用于将特征抽取处理后的数据按预设比例分别整理成包括训练数据集和验证数据集的数据集；计算单元，用于以训练数据集作为输入按照贝叶斯公式计算，获得每个保险产品购买概率和每种特征对应每个产品的条件概率；导出单元，用于以验证数据集作为输入按照贝叶斯公式计算，获得用户购买各个保险产品的概率p，若p超过设定的概率阈值则视为用户将会购买并与实际情况比对来验证推荐模型的预测准确率，在准确率达到预设要求时，将推荐模型导出为PMML文件。10.如权利要求8所述基于贝叶斯的智能保险推荐系