[發明專利]一種基于機器學習的精準化推送的綜合柜員裝置及方法

在審

• 申請號: 201711471568.1
• 申請日: 2017-12-29
• 公開（公告）號: CN107944990A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 鄭永清;王新軍;呂寧;劉征征;孫雪冰
• 申請（專利權）人: 山大地緯軟件股份有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q40/08;G06Q50/26
• 代理公司: 北京金宏來專利代理事務所(特殊普通合伙)11641
• 代理人: 許振強,杜正國

1.一種基于機器學習的精準化推送的綜合柜員裝置，其特征是：包括數據采集模塊、社保數據庫模塊、模型訓練模塊、預測分析模塊和使用模型模塊，其中，

所述數據采集模塊，用于首次采集社保數據導入社保數據庫模塊；

所述社保數據庫模塊，用于存儲參保人個人基本信息、業務辦理信息及社保所有業務的狀態信息，為業務開啟前識別參保人身份提供數據支持；

所述模型訓練模塊，用于對社保數據庫的數據進行模型訓練，通過決策樹中的J48算法，對社保數據庫的數據進行屬性分類，選擇數據的某個屬性類別作為根節點，為每個可能的屬性值產生一個分支，將業務數據表現出來的屬性結果對應到分支上，在每個分支上遞歸的重復這個分類的過程，形成數據訓練模型，深度挖掘數據潛在的規律；

所述預測分析模塊，用于在參保人登錄后，將參保人個人基本信息、業務辦理信息及社保所有業務的狀態信息數據與模型訓練模塊形成的數據訓練模型上的節點自上而下進行比對匹配，根據模型訓練結果預測分析該數據對應的參保人的業務辦理意向；

所述使用模型模塊，用于利用模型訓練的結果來向業務人員進行業務推薦和業務功能展示。

2.如權利要求1所述的一種基于機器學習的精準化推送的綜合柜員裝置，其特征是：所述使用模型模塊包括業務推薦模塊和業務功能展示模塊；

所述業務推薦模塊，用于獲取參保人的業務辦理傾向來向業務人員推薦該參保人最有可能辦理的業務；

所述業務功能展示模塊，將該參保人有資格辦理的業務按業務類型分類展示。

3.如權利要求2所述的一種基于機器學習的精準化推送的綜合柜員裝置，其特征是：所述社保數據庫模塊通過數據采集模塊將初始數據導入，由模型訓練模塊對社保數據庫中的數據進行模型訓練，模型訓練的結果存入緩存，在業務人員選擇參保人登錄后，預測分析模塊根據緩存中模型訓練的結果來預測該參保人有可能辦理的業務并通過業務推薦模塊推薦給業務人員，同時通過業務功能展示模塊向業務人員展示該參保人有資格辦理的業務，業務人員操作系統辦理完該參保人需要辦理的業務后，形成業務辦理信息存入社保數據庫模塊，再由模型訓練模塊對業務辦理信息進行模型訓練，由模型訓練到預測分析，到業務推薦，到保存業務辦理信息，再到模型訓練，形成一個完整的機器學習過程。

4.如權利要求1或2所述的一種基于機器學習的精準化推送的綜合柜員裝置，其特征是：所述參保人包括個人身份和單位身份的參保者。

5.如權利要求1所述的一種基于機器學習的精準化推送的綜合柜員裝置，其特征是：所述業務辦理信息包括但不限于參保人的個人基本信息、所辦理的業務日志信息；所述業務日志信息包括但不限于業務類型、業務辦理時間、業務辦理進度。

6.如權利要求1所述的一種基于機器學習的精準化推送的綜合柜員裝置，其特征是：所述狀態信息包括但不限于參保人身份、繳費狀態信息、參保狀態信息。

7.如權利要求1所述的一種基于機器學習的精準化推送的綜合柜員裝置，其特征是，所述個人基本信息包括但不限于姓名、性別、身份證號、社保卡卡號、險種類別信息及參保機構編碼信息。

8.一種如權利要求1-7任一項所述的基于機器學習的精準化推送的綜合柜員裝置的方法，其特征是，包括以下步驟：

步驟201，初次數據采集，將狀態信息、業務辦理信息、個人基本信息導入社保數據庫；

步驟202，對社保數據庫中的數據進行模型訓練，挖掘出數據潛在的規律，將模型訓練的結果存入緩存；

步驟203，在參保人來進行業務辦理時，將參保人相關數據與數據模型中的節點自上而下進行比對匹配，根據數據模型的模型訓練結果預測該參保人的業務辦理傾向；

步驟204，向業務人員個性化精準推送展示該參保人的業務辦理傾向，同時將該參保人可辦理的業務也分類展示給業務人員；

步驟205，業務人員選擇參保人要辦理的業務進行辦理；

步驟206，業務辦理完成，將業務辦理信息存入社保數據庫，同時將業務辦理結果返回給業務人員；

步驟207，對業務辦理信息數據重復步驟202。