[发明专利]基于贝叶斯的智能保险推荐方法与系统

说明书

本发明涉及保险信息化领域，涉及一种基于贝叶斯的智能保险推荐方法，包括：获取原始数据，进行特征抽取处理；利用贝叶斯算法对特征抽取处理后的数据进行训练，建立推荐模型；在保险产品线上系统中导入推荐模型，将用户特征数据输入，获得推荐模型输出的用户购买保险产品的概率作为智能保险的推荐结果。本发明还提出一种基于贝叶斯的智能保险推荐系统。本发明通过对数据的分析与处理，利用贝叶斯定理通过历史销售数据进行概率统计计算，训练出相应的保险推荐模型并应用在线上保险系统中，实现保险产品的智能推荐，改善了用户体验。

技术领域

本发明涉及保险信息化领域，特别涉及一种基于贝叶斯的智能保险推荐方法与系统。

背景技术

保险，在法律和经济学意义上，是一种风险管理方式，主要用于经济损失的风险。随着互联网的发展，以在线方式出售保险逐渐成为一种主流的方式。但是在线上系统中，缺少业务员的对产品的介绍与引导，容易出现不知道选择何种保险，哪种保险与用户自身情况或用户准备投保的人群情况更加匹配，这样的情况下用户难以获取较好的使用体验。

即信息化的程度的出现，还未能以技术手段的方式去帮助用户获得体验较好的智能保险推荐。

发明内容

本发明的实施方式旨在至少解决现有技术中存在的技术问题之一。为此，本发明的实施方式需要提供一种基于贝叶斯的智能保险推荐方法与系统。

本发明实施方式的一种基于贝叶斯的智能保险推荐方法，其特征在于，包括：

步骤1，获取原始数据，进行特征抽取处理；

步骤2，利用贝叶斯算法对特征抽取处理后的数据进行训练，建立推荐模型；

步骤3，在保险产品线上系统中导入推荐模型，将用户特征数据输入，获得推荐模型输出的用户购买保险产品的概率作为智能保险的推荐结果。

一种实施方式中，该方法还包括：

步骤4，将推荐结果作为训练数据按照步骤2和步骤3的过程进行处理，完成推荐模型中推荐结果的数据反馈，进而获得新的推荐模型。

一种实施方式中，步骤1包括：

步骤11，获取包括用户特征数据、保险销售数据、保险产品数据在内的原始数据；

步骤12，对原始数据进行数据清洗处理；

步骤13，对数据清洗处理后的数据进行特征抽取处理。

一种实施方式中，步骤2包括：

步骤21，将特征抽取处理后的数据按预设比例分别整理成包括训练数据集和验证数据集的数据集；

步骤22，以训练数据集作为输入按照贝叶斯公式计算，获得每个保险产品购买概率和每种特征对应每个产品的条件概率；

步骤23，以验证数据集作为输入按照贝叶斯公式计算，获得用户购买各个保险产品的概率p，若p超过设定的概率阈值则视为用户将会购买并与实际情况比对来验证推荐模型的预测准确率，在准确率达到预设要求时，将推荐模型导出为PMML文件。

一种实施方式中，步骤11具体包括：从保险的客户管理系统和销售系统中以ETL抽取的方式获取包括用户特征数据、保险销售数据、保险产品数据在内的原始数据。

本发明还提出一种基于贝叶斯的智能保险推荐系统，其特征在于，包括：

数据处理模块，用于获取原始数据，进行特征抽取处理；

模型建立模块，用于利用贝叶斯算法对特征抽取处理后的数据进行训练，建立推荐模型；