基于人工智能的产品推荐方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种基于人工智能的产品推荐方法、装置、设备及存储介质，应用于数据分析技术领域。其中方法包括：获取并根据样本用户的用户数据确定关键行为特征，将每个样本用户对应的关键行为特征的信息输入第一预测模型得到初始保险定价，利用每个样本用户的用户数据和初始保险定价得到训练后的第二预测模型，获取目标用户的用户数据和所属类别，根据所属类别确定对应的初始保险定价，将目标用户的用户数据和对应的初始保险定价输入训练后的第二预测模型，得到目标用户对应的目标保险定价，基于目标保险定价确定匹配的保险产品并推送至终端设备。采用本申请，可以提高保险定价准确性。本申请涉及区块链技术，如可从区块链获取用户数据。区块链获取用户数据。区块链获取用户数据。

【技术实现步骤摘要】
基于人工智能的产品推荐方法、装置、设备及存储介质


[0001]本申请涉及数据分析
，具体涉及一种基于人工智能的产品推荐方法、装置、设备及存储介质。

技术介绍

[0002]随着人们对保险产品的购买需求与日俱增，针对保险产品的定价任务十分重要。例如在保险产品的推荐场景中，可能会存在因推荐的保险产品及定价不符合用户而导致用户无法了解合适的保险产品。现有的保险定价方法通常是通过与保险定价相关联的单一维度数据确定。然而，对保险定价产生影响的因素过多，该方法可能会导致保险定价准确性低。因此，如何有效地结合多种因素以提高保险定价的准确性成为一个亟待解决的问题。

技术实现思路

[0003]本申请实施例提供了一种基于人工智能的产品推荐方法、装置、设备及存储介质，可以提高保险定价的准确性以及针对不同用户的合理性。
[0004]一方面，本申请实施例提供了一种基于人工智能的产品推荐方法，该方法包括：
[0005]获取多个样本用户中每个样本用户的用户数据；所述用户数据包括多个行为特征的信息、历史理赔数据以及历史保单数据；
[0006]根据所述每个样本用户的用户数据分别从所述每个样本用户对应的多个行为特征中确定出所述每个样本用户对应的与保险定价关联的关键行为特征；
[0007]将所述每个样本用户对应的关键行为特征的信息输入第一预测模型，得到每个样本用户对应的初始保险定价；
[0008]利用所述每个样本用户的用户数据和所述初始保险定价对待训练的第二预测模型进行训练，得到训练后的第二预测模型；
[0009]获取目标用户的用户数据以及所属类别，并根据所述目标用户的所属类别确定所述目标用户对应的初始保险定价；
[0010]将所述目标用户的用户数据和所述目标用户对应的初始保险定价输入所述训练后的第二预测模型，得到所述目标用户对应的目标保险定价；
[0011]基于所述目标用户对应的目标保险定价确定与所述目标用户匹配的保险产品，并将所述匹配的保险产品推送至所述目标用户的终端设备。
[0012]一方面，本申请实施例提供了一种基于人工智能的产品推荐装置，该装置包括：
[0013]获取模块，用于获取多个样本用户中每个样本用户的用户数据；所述用户数据包括多个行为特征的信息、历史理赔数据以及历史保单数据；
[0014]确定模块，用于根据所述每个样本用户的用户数据分别从所述每个样本用户对应的多个行为特征中确定出所述每个样本用户对应的与保险定价关联的关键行为特征；
[0015]预测模块，用于将所述每个样本用户对应的关键行为特征的信息输入第一预测模型，得到每个样本用户对应的初始保险定价；
[0016]训练模块，用于利用所述每个样本用户的用户数据和所述初始保险定价对待训练的第二预测模型进行训练，得到训练后的第二预测模型；
[0017]所述确定模块，还用于获取目标用户的用户数据以及所属类别，并根据所述目标用户的所属类别确定所述目标用户对应的初始保险定价；
[0018]所述预测模块，还用于将所述目标用户的用户数据和所述目标用户对应的初始保险定价输入所述训练后的第二预测模型，得到所述目标用户对应的目标保险定价；
[0019]推送模块，用于基于所述目标用户对应的目标保险定价确定与所述目标用户匹配的保险产品，并将所述匹配的保险产品推送至所述目标用户的终端设备。
[0020]一方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，其中，存储器用于存储计算机程序，该计算机程序包括程序指令，处理器被配置用于调用该程序指令，以执行上述方法中的部分或全部步骤。
[0021]一方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令被处理器执行时，用于执行上述方法中的部分或全部步骤。
[0022]本申请实施例中，可以根据每个样本用户的用户数据确定出对应的与保险定价关联的关键行为特征，将每个样本用户对应的关键行为特征的信息输入第一预测模型，得到对应的初始保险定价，利用每个样本用户的用户数据和初始保险定价得到训练后的第二预测模型，获取目标用户的用户数据以及所属类别，根据所属类别确定目标用户对应的初始保险定价，将目标用户的用户数据和对应的初始保险定价输入训练后的第二预测模型，得到目标用户对应的目标保险定价，基于对应的目标保险定价确定匹配的保险产品，并推送至终端设备。通过实施上述方法，可以将用户的行为特征、历史理赔数据和历史保单数据等多种影响因素动态关联起来，以使得在确定保险定价时融入更多特征，从而可以提高保险定价的准确性和合理性。
附图说明
[0023]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1为本申请实施例提供的一种基于人工智能的产品推荐方法的流程示意图；
[0025]图2为本申请实施例提供的一种基于人工智能的产品推荐方法的流程示意图；
[0026]图3为本申请实施例提供的一种基于人工智能的产品推荐装置的结构示意图；
[0027]图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0028]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0029]本申请实施例提出的基于人工智能的产品推荐方法实现于电子设备，该电子设备可以为终端设备或服务器。其中，终端设备可以为智能手机、平板电脑、笔记本电脑、台式计算机等。服务器可以是独立的服务器，也可以是多个物理服务器构成的服务器集群或者分
布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器，但并不局限于此。本申请涉及区块链技术，电子设备可将涉及的数据如样本用户的用户数据等写入区块链中，以便于电子设备可以在区块链上获取所需信息，如在区块链上获取到多个样本用户的用户数据等。
[0030]在一些实施例中，电子设备可以根据实际的业务需求，执行该基于人工智能的产品推荐方法，以提高保险定价的准确性。本申请技术方案可以应用于任意保险定价场景中。例如，可以在车险定价场景中，此时用户数据中的行为特征可以是与车辆行驶相关的行为特征(如基于用户的加油记录得到的行为特征)等等。又如，可以在医疗保险定价场景中，此时用户数据中的行为特征可以是与用户诊疗相关的行为特征(如基于用户的就诊记录得到的行为特征)等等。电子设备可以在所应用的场景中，结合与应用场景符合的用户数据和初始保险定价训练得到第二预测模型，并基于第二预测模型确定目标用户对应的目标保险定价，从而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的产品推荐方法，其特征在于，所述方法包括：获取多个样本用户中每个样本用户的用户数据；所述用户数据包括多个行为特征的信息、历史理赔数据以及历史保单数据；根据所述每个样本用户的用户数据分别从所述每个样本用户对应的多个行为特征中确定出所述每个样本用户对应的与保险定价关联的关键行为特征；将所述每个样本用户对应的关键行为特征的信息输入第一预测模型，得到每个样本用户对应的初始保险定价；利用所述每个样本用户的用户数据和所述初始保险定价对待训练的第二预测模型进行训练，得到训练后的第二预测模型；获取目标用户的用户数据以及所属类别，并根据所述目标用户的所属类别确定所述目标用户对应的初始保险定价；将所述目标用户的用户数据和所述目标用户对应的初始保险定价输入所述训练后的第二预测模型，得到所述目标用户对应的目标保险定价；基于所述目标用户对应的目标保险定价确定与所述目标用户匹配的保险产品，并将所述匹配的保险产品推送至所述目标用户的终端设备。2.根据权利要求1所述的方法，其特征在于，所述根据所述每个样本用户的用户数据分别从所述每个样本用户对应的多个行为特征中确定出所述每个样本用户对应的与保险定价关联的关键行为特征，包括：根据所述每个样本用户的用户数据确定所述多个行为特征中每个行为特征分别对保险定价的影响程度分布；根据所述每个行为特征分别对保险定价的影响程度分布，从所述每个样本用户对应的多个行为特征中分别确定出所述每个样本用户对应的关键行为特征。3.根据权利要求2所述的方法，其特征在于，所述根据所述每个样本用户的用户数据确定所述多个行为特征中每个行为特征分别对保险定价的影响程度分布，包括：按照所述每个样本用户的历史理赔数据和所述历史保单数据对所述多个样本用户进行划分，得到所述每个样本用户在保险购买维度下的用户等级；根据所述每个样本用户的多个行为特征的信息和所述用户等级，确定所述每个行为特征针对用户等级的样本用户分布；基于所述每个行为特征针对用户等级的样本用户分布，确定所述每个行为特征分别对保险定价的影响程度分布。4.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的所属类别确定所述目标用户对应的初始保险定价，包括：获取所述每个样本用户的用户类别；根据所述每个样本用户的初始保险定价确定所述每个用户类别对应的初始保险定价；从所述每个用户类别对应的初始保险定价中确定出所述目标用户的所属类别对应的初始保险定价；将所述目标用户的所属类别对应的初始保险定价作为所述目标用户对应的初始保险定价。5.根据权利要求1所述的方法，其特征在于，所述利用所述每个样本用户的用户数据和
所述初始保险定价对待训练的第二预测模型进行训练，得到训练后的第二预测模型，包括：将所述每个样本用户的用户数据和所述初始保险定价输入所述待训练的第二预测模型，由所述待训练的第二预测模型对所述每个样本用户的历史理赔数据进行预测得到所述每个样本用户的理赔风险，以及对所述每个样本用户的多个行为特征的信息和所述历史保单数据进行预测得到所述每个样本用户针对初始保险定价的定价调节系数；根据所述每个样本用户的理赔风险、所述定价调节系数以及所述初始保险定价确定所述每个样本用户的预测保险定价；基于所述每个样本用户的预测保险定价对所述待训练的第二预测模型的模型参数进行修正，得到所述训练后的第二...

【专利技术属性】
技术研发人员：李雨洁，曹裕华，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：