[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

本發明涉及保險推薦技術領域，尤其涉及一種乘意險產品推薦方法和裝置。其中，所述乘意險產品推薦方法，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。本發明實施例提供的乘意險產品推薦方法和裝置，能夠解決現有技術中銷售模型對乘意險產品預測推薦不足的問題。

技術領域

本發明涉及保險推薦技術領域，尤其涉及一種乘意險產品推薦方法和裝置。

背景技術

乘意險是指被保險人在保險期間內持有效交通工具乘坐憑證乘坐相對應交通工具時，遭受意外傷害致使本人身故、傷殘或者受傷治療的，承保方按照約定給付保險金的一種保險服務。

目前，乘意險產品多由票務供應商或者票務供應平臺提供銷售服務，其銷售模型主要基于對歷史數據的分析統計，即采用報表、多維分析等方式從歷史數據中挖掘有用信息以為乘意險銷售提供決策支持。在實際操作中，乘意險多由用戶根據自己的意愿自主購買，銷售模型對乘意險產品的預測性推薦明顯不足。

發明內容

有鑒于此，本發明實施例提供一種乘意險產品推薦方法和裝置，以解決現有技術中銷售模型對乘意險產品預測推薦不足的問題。

第一方面，本發明實施例提供了一種乘意險產品推薦方法，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。

可選的，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。

可選的，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。

可選的，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。

可選的，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。

第二方面，本發明實施例提供了一種乘意險產品推薦裝置，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。