[發明專利]乘意險產品推薦方法和裝置

在審

• 申請號: 202010073756.4
• 申請日: 2020-01-22
• 公開（公告）號: CN111179041A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 于錦強;陳靖;李幸年;趙曉偉;吳維;吳愛玲;王召;安首凱;王立劍;張志強;劉文韜;周強;王紅愛;楊立鵬;李雯;易超;單杏花;朱建生;李天翼;賈成強
• 申請（專利權）人: 中國鐵道科學研究院集團有限公司電子計算技術研究所;北京經緯信息技術有限公司;中鐵程科技有限責任公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q40/08;G06Q50/30
• 代理公司: 北京匯思誠業知識產權代理有限公司 11444
• 代理人: 馮偉

1.一種乘意險產品推薦方法，其特征在于，包括：

將用戶購票數據輸入預先訓練好的乘意險投保預估模型中，以使所述乘意險投保預估模型從所述用戶購票數據中提取預定特征值并且根據所述預定特征值計算用戶購買乘意險的概率；

根據計算出的用戶購買乘意險的概率確定乘意險推薦策略。

2.根據權利要求1所述的方法，其特征在于，從所述用戶購票數據中提取的預定特征值包括下述中的一種或多種：乘客信息特征值、車票信息特征值和乘意險投保歷史特征值。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

將獲取的歷史購票數據作為訓練樣本，并基于所述訓練樣本構建所述乘意險投保預估模型；其中，所述歷史購票數據中部分用戶具有購買乘意險記錄。

4.根據權利要求3所述的方法，其特征在于，基于所述訓練樣本構建所述乘意險投保預估模型，包括：

將所述歷史購票數據隨機分為兩部分，一部分作為正向訓練樣本，另一部分作為反向訓練樣本；

基于所述正向訓練樣本采用正向傳播算法構建待校準乘意險投保預估模型，所述待校準乘意險投保預估模型用于輸出用戶購買乘意險概率；

基于所述反向訓練樣本采用反向傳播算法對所述待校準乘意險投保預估模型進行訓練得到乘意險投保預估模型，所述乘意險投保預估模型輸出的用戶購買乘意險概率的準確率滿足預設條件。

5.根據權利要求4所述的方法，其特征在于，基于所述反向訓練樣本采用反向傳播算法對所述待校準乘意險投保預估模型進行訓練，包括：

將所述反向訓練樣本輸入待校準乘意險投保預估模型得到第一用戶購買乘意險概率；

基于輸入的所述反向訓練樣本對應的既定投保概率與所述第一用戶購買乘意險概率計算所述待校準乘意險投保預估模型的損失函數值；

基于所述損失函數值對待校準乘意險投保預估模型的參數進行校正。

6.一種乘意險產品推薦裝置，其特征在于，包括：

預估模型模塊，用于將用戶購票數據輸入預先訓練好的乘意險投保預估模型中，以使所述乘意險投保預估模型從所述用戶購票數據中提取預定特征值并且根據所述預定特征值計算用戶購買乘意險的概率；

確定模塊，用于根據計算出的用戶購買乘意險的概率確定乘意險推薦策略。

7.根據權利要求6所述的裝置，其特征在于，從所述用戶購票數據中提取的預定特征值包括下述中的一種或多種：乘客信息特征值、車票信息特征值和乘意險投保歷史特征值。

8.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

模型構建模塊，用于將獲取的歷史購票數據作為訓練樣本，并基于所述訓練樣本構建所述乘意險投保預估模型；其中，所述歷史購票數據中部分用戶具有購買乘意險記錄。

9.根據權利要求8所述的裝置，其特征在于，所述模型構建模塊具體用于：

將所述歷史購票數據隨機分為兩部分，一部分作為正向訓練樣本，另一部分作為反向訓練樣本；

基于所述正向訓練樣本采用正向傳播算法構建待校準乘意險投保預估模型，所述待校準乘意險投保預估模型用于輸出用戶購買乘意險概率；

基于所述反向訓練樣本采用反向傳播算法對所述待校準乘意險投保預估模型進行訓練得到乘意險投保預估模型，所述乘意險投保預估模型輸出的用戶購買乘意險概率的準確率滿足預設條件。

10.一種乘意險產品推薦設備，其特征在于，包括：存儲器、處理器，其中：

所述存儲器用于存儲一條或多條計算機指令，所述一條或多條計算機指令被所述處理器執行時實現上述乘意險產品推薦方法。