申请/专利权人：中国平安财产保险股份有限公司

申请日：2019-09-06

公开（公告）日：2024-04-02

公开（公告）号：CN110717806B

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06Q30/0202;G06Q30/0201;G06F18/2431;G06F18/22;G06N5/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.07.09#实质审查的生效;2020.01.21#公开

摘要：本发明提供了一种产品信息推送方法、装置、设备及可读存储介质，所述方法包括：收集历史预设时间段内接收到的各客户的各客户信息；基于预设的流形学习算法模型对所述各客户信息进行降维处理，得到降维信息；将所述降维信息输入至预设的随机森林算法模型中，以对所述各客户进行分类，并得到目标分类结果；获取预设的客户类型与不同产品信息的关联关系，根据所述关联关系与所述目标分类结果，向所述各客户定向推送对应的产品信息。本发明基于智能决策的方式解决由于难以精准筛选有用的客户信息，致使保险产品信息推送不精准的技术问题。

主权项：1.一种产品信息推送方法，其特征在于，所述产品信息推送方法包括：收集历史预设时间段内接收到的各客户信息；从预设流形学习算法模型中获取每条客户信息的预设个数的近邻样本，并获取所述近邻样本对应的样本信息与所述每条客户信息的局部重建权值矩阵；根据所述局部重建权值矩阵与所述样本信息确定所述客户信息的低维矩阵，以根据所述低维矩阵得到降维信息；将所述降维信息输入至预设的随机森林算法模型中，以对所述各客户进行分类，并得到目标分类结果；获取预设的客户类型与不同产品信息的关联关系，根据所述关联关系与所述目标分类结果，向所述各客户定向推送对应的产品信息;所述将所述降维信息输入至预设的随机森林算法模型中，以对所述各客户进行分类，并得到目标分类结果步骤之前包括：获取预设的用例以及所述降维信息的各个子维度；从所述降维信息进行不同次数的不同个数的子维度的随机选取，以进行不同决策树群集的构建，其中，所有决策树群集中每颗决策树的节点上子维度的决策影响度是随机的；其中，决策树群集生成过程为：从所有N个降维信息的子维度中选取n个子维度，n小于N，并随机确定所述n个子维度的决策影响度，基于该n个子维度以及n个子维度的决策影响度得到一颗决策树，其中，所有决策树群集中每颗决策树的节点上子维度的决策影响度是随机的，建立m棵决策树，这m棵决策树形成随机森林，网格搜索各个决策树数量，得到各个决策树群集；将所述用例中的预设比例的用例设为第一用例，所述第一用例外的其他用例设为第二用例；将所述第一用例作为训练用例进行所述不同决策树群集中决策影响度的调整训练，并将所述第二用例作为测试用例进行所述决策树群集的测试，以从所有决策树群集中选取测试误差小于预设误差值的最优的目标决策树群集，将所述目标决策树群集设置为预设的随机森林算法模型；所述从预设流形学习算法模型中获取每条客户信息的预设个数的近邻样本，并获取所述近邻样本对应的样本信息与所述每条客户信息的局部重建权值矩阵步骤包括：根据预设的欧式距离算法，获取所述每条客户信息与所述流形学习算法模型中各个样本对应的样本信息的各个欧式距离；根据所述各个欧式距离的大小，获取每条客户信息的预设个数的近邻样本；根据预设的局部协方差算法，确定所述每条客户信息与各个样本信息的权重系数向量；假设客户信息xi的近邻样本为xi1,xi2,...,xik，则获取预设的局部协方差算法，求出局部协方差矩阵Zi=xi−xjTxi−xj,基于该局部协方差矩阵Zi=xi−xjTxi−xj，其中，xj表示与xi不同的客户信息；根据所述权重系数向量、与预设的权重系数向量与局部重建权值矩阵的关联关系，确定所述近邻样本对应的样本信息与所述每条客户信息的局部重建权值矩阵。

全文数据：

权利要求：

百度查询： 中国平安财产保险股份有限公司 产品信息推送方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD