(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210880920.1 (22)申请日 2022.07.26 (71)申请人 青岛小贝信息技 术有限公司 地址 266555 山东省青岛市黄岛区江山 南 路480号4栋904室-8 (72)发明人 徐淑宏　孙秋霞　吕玉敏　李勍　 (74)专利代理 机构 青岛智地领创专利代理有限 公司 37252 专利代理师 张凯 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 30/06(2012.01) G06F 16/9535(2019.01) (54)发明名称 一种基于混合推荐算法的保险产品精准推 荐方法 (57)摘要 本发明公开了一种基于混合推荐算法的保 险产品精准推荐方法， 利用TF ‑IDF模型计算新客 户保障项目需求与保险条款相关度M， 得到包含 高相关度的保险条款集的保险产品集合A； 利用 余弦相似度方法在已有客户信息资料库中寻找 相似客户集合和相似用户选购的保险产品集合 B； 构建“客户‑保障项目 ‑保险产品 ”保险数据三 阶评分张量， 利用Tucker张量 分解算法预测新客 户对保险产品的评分， 获得保险产品集合C； 利用 Personal  Rank算法输出新客户兴趣度较高的保 险产品集合V， 得到新客户既感兴趣又符合需求 的保险产品集合Z。 本发明考虑保险条款对保障 项目的限制， 利用TF ‑IDF关键词提取方法， 将真 正符合客户保障需求的保险产品推荐给用户， 降 低客户基 于主观判断， 错选保险产品的概 率。 权利要求书3页 说明书7页 附图2页 CN 115409630 A 2022.11.29 CN 115409630 A 1.一种基于混合推荐算法的保险产品精准推荐方法， 其特 征在于， 包括以下步骤： S1、 根据保险公司现有数据构建保险条款数据集、 已有客户信息资料库以及保障项目 需求词汇库； S2、 收集新客户特性信息和保障项目需求信息， 通过有监督学习方法提取新客户保障 项目需求关键词； S3、 利用TF ‑IDF模型计算新客户保障项目需求与保险条款相关度M， 设定相关度阈值a， 输出M＞a的保险条款集， 进而 得到包含 所述保险条款集的保险产品集合A， 利用T F‑IDF算法 计算新客户保障项目需求评分； S4、 利用余弦相似度 方法在已有客户信 息资料库中寻找相似客户集合和相似用户选购 的保险产品集 合B， 并提取相似用户的保障项目需求， 补充到新 客户保障项目需求中； S5、 构建“客户‑保障项目 ‑保险产品 ”保险数据三阶评分张量， 通过S3中计算出的保障 项目需求评分以及S4中补充的新客户保障项目需求， 完善 “客户‑保障项目 ”信息， 利用 Tucker张量分解算法补全保险数据三阶评分张量， 预测新客户对保险产品的评分， 获得符 合新客户需求的保险产品集 合C； S6、 合并S3、 S4和S5输出的保 险产品集合A、 B和C， 得到保 险产品集合D， 其中D＝A∪B∪ C； S7、 利用Person al Rank算法分析新客户在浏览保险产品时的数据， 输出新客户兴趣度 较高的保险产品集合V， 并与S6中的保险产品集合D比对， 得到新客户既感兴趣又符合需求 的保险产品集 合Z。 2.根据权利要求1所述的一种基于混合推荐算法的保险产品精准推荐方法， 其特征在 于， 在所述S2中， 将包括文字录入和 语音录入在内的各个渠道收集到的新客户需求转化为 文本信息， 并通过有监督关键词提取方法与保险行业专业词汇进行比对， 提取新客户的保 障项目需求关键词集 合H＝(h1,h2,…,hi,…)。 3.根据权利要求1所述的一种基于混合推荐算法的保险产品精准推荐方法， 其特征在 于， 在所述S3中， 具体过程如下： S31、 运用TF ‑IDF算法进行相关保险条款检索： 设保险条款数据集 N＝(y1,y,…,yj,…)， 关键词hi在保险条款yj中出现的频率TFij的计算公式为： TFij＝dij/(Σkdkj)    (1) 其中， dij表示客户保 障项目需求关键词hi在保险条款yj中出现的次数， k表示关键词hi 的总数量； 逆文档频率 IDFi的计算公式为： 其中， |D|表示数据集中所有保险条款的数量， |j:hi∈yj|表示包含关键词hi的保险条 款数量， 加 “1”是为了防止数量 为“0”导致运算出错； 则保险条款yj与新客户保障项目需求的相关程度M计算公式为： M＝ΣiTFij·IDFi    (3) 输出M＞a的前b篇保险条款， 若不够b篇， 从低于阈值a的保险条款中按相关程度由高到权　利　要　求　书 1/3 页 2 CN 115409630 A 2低递补， 输出 涉及这些保险条款的保险产品集 合A； S32、 运用TF ‑IDF算法计算 新客户保障项目需求评分； 在S31中的b篇保险条款中， 将同一保障项目需求关键词在不同保险条款中的TF ‑IDF权 重相加， 作为 新客户对该保障项目需求的评分。 4.根据权利要求1所述的一种基于混合推荐算法的保险产品精准推荐方法， 其特征在 于， 在所述S4中， 具体过程如下： 设描述新客户的特征属性向量为 若新客户具有属性pi， 则pi＝1,否 则pi＝0； 由余弦相似度定理计算 新客户s和客户t的相似程度： 若ω大于设定的阈值c， 则客户t为相似客户， 提取相似客户t的保障项目需求， 补全到 新客户保障项目需求中， 并获得相似客户t选购的保险产品集 合B。 5.根据权利要求1所述的一种基于混合推荐算法的保险产品精准推荐方法， 其特征在 于， 在所述S5中， 包括以下步骤： S51、 构建“客户—保障项目—保险产品 ”保险数据三阶评分张量； S52、 通过Tucker张量分解算法补全 “客户—保障项 目—保险产品 ”所构成的三阶评分 张量 χ； 设χ 的大小为 n1×n2×n3， 将位置索引集 合记为S， 进行T ucker分解后的表达式为： χ≈g×1U×2V×3W    (5) 其中， g为核心向量， 表示不同因子矩阵之间的相互作用水平； U为大小为n1×r1的客户 因子矩阵， V为大小为 n2×r2的保险产品因子矩阵， W 为大小为 n3×r3的保障项目因子矩阵； 则(5)式等 价于： 其中， xijk表示保险数据三阶张量中用户i对 包含保障项目k的保险产品j的评分； 将张量分解问题转 化为优化问题： 对目标函数J中的uim、 vjn、 wkl和gmnl求偏导数 可得： 根据梯度下降方法， uim、 vjn、 wkl和gmnl在每次迭代过程中的更新公式为：权　利　要　求　书 2/3 页 3 CN 115409630 A 3