一种基于大数据分析的健康资产保单推荐方法与流程

本发明涉及数据处理，具体涉及一种基于大数据分析的健康资产保单推荐方法。

背景技术：

1、随着信息技术的飞速发展，健康保险行业正面临着前所未有的变革。传统的健康资产保单推荐方法往往依赖于销售人员的经验和用户的表面需求，缺乏深度的数据分析和个性化推荐。然而现代社会中，消费者对健康资产保单的需求日益多样化和个性化，这使得传统的推荐方法已难以满足市场需求。因此如何利用大数据技术为用户提供更加精准、个性化的健康资产保单推荐，已成为健康保险行业亟待解决的关键问题。协同过滤算法作为一种经典的推荐系统算法，已被广泛应用于电子商务、社交网络等领域，可以帮助保险公司根据用户的历史行为数据、健康状况、生活习惯等因素，预测用户对不同健康资产保单的偏好，并据此进行个性化推荐。协同过滤算法的核心思想是通过分析用户之间的相似性或物品之间的相似性来进行推荐，而在基于历史用户的健康资产保单推荐的过程中，由于历史用户所购买的健康资产保单较为明确，对于健康资产保单的评分在评分矩阵中的取值仅为0与1，且由于不同用户的财务负担以及实际需求的差异，不同用户往往不会出现大量购买不同类型的健康资产保单的情况，而在协同过滤的过程中，若每个用户只购买过少量健康资产保单，未购买的大量健康资产保单没有评分或互动记录，就会导致健康资产保单的推荐不合适。

技术实现思路

1、本发明提供一种基于大数据分析的健康资产保单推荐方法，以解决现有的问题。

2、本发明的一种基于大数据分析的健康资产保单推荐方法采用如下技术方案：

3、本发明一个实施例提供了一种基于大数据分析的健康资产保单推荐方法，该方法包括以下步骤：

4、获取每个用户的特征指标以及每个健康资产保单的若干个属性数据，所述特征指标包含若干个维度数据；

5、根据每个用户的特征指标，得到每个用户的健康程度系数；根据每个用户的特征指标中的所有维度数据以及健康程度系数，得到任意两个用户之间的特征指标相似性；

6、获取每个用户的健康资产保单的历史购买记录以及每个健康资产保单的购买人数，根据每个用户的健康资产保单的历史购买记录，得到初始用户-保单评价矩阵；根据每个健康资产保单的购买人数以及属性数据，得到任意两个健康资产保单的相似性；

7、根据任意两个健康资产保单的相似性、初始用户-保单评价矩阵中的元素以及购买的健康资产保单数量，对初始用户-保单评价矩阵进行更新，得到更新用户-保单评价矩阵；

8、根据任意两个用户之间的特征指标相似性以及更新用户-保单评价矩阵，得到每个新用户对每个健康资产保单的预测评分值；

9、根据每个新用户对所有健康资产保单的预测评分值，对每个新用户进行健康资产保单的推荐。

10、进一步地，所述根据每个用户的特征指标，得到每个用户的健康程度系数，包括的具体步骤如下：

11、获取每个用户的健康指标中的每个维度数据的权重系数；所述健康指标属于特征指标中的一个维度数据；所述健康指标包含若干个维度数据；

12、根据每个用户的健康指标中的每个维度数据的权重系数以及每个维度数据，得到每个用户的健康程度系数的具体计算公式为：

13、

14、其中，表示第个用户的健康程度系数，表示第个用户的健康指标中维度数据的个数；表示第个用户的健康指标中的第个维度数据的权重系数；表示第个用户的健康指标中的第个维度数据。

15、进一步地，所述根据每个用户的特征指标中的所有维度数据以及健康程度系数，得到任意两个用户之间的特征指标相似性，包括的具体步骤如下：

16、根据第个用户的健康程度系数以及特征指标中除健康指标之外的所有维度数据，构建第个用户的特征指标向量；所述健康指标属于特征指标中的一个维度数据；

17、根据每个用户的特征指标向量中的维度数据个数和每个维度数据，得到任意两个用户之间的特征指标相似性。

18、进一步地，所述根据每个用户的特征指标向量中的维度数据个数和每个维度数据，得到任意两个用户之间的特征指标相似性的具体计算公式为：

19、

20、其中，表示第个用户和第个用户之间的特征指标相似性，表示每个用户的特征指标向量中的维度数据的数量；为以自然常数为底的指数函数，表示第个用户的特征指标向量中的第个维度数据，表示第个用户的特征指标向量中的第个维度数据，表示绝对值函数。

21、进一步地，所述根据每个用户的健康资产保单的历史购买记录，得到初始用户-保单评价矩阵，包括的具体步骤如下：

22、若第个用户对第个健康资产保单存在购买记录，则第个用户对第个健康资产保单的评价值设置为；若第个用户对第个健康资产保单不存在购买记录，则第个用户对第个健康资产保单的评价值设置为；其中，为预设的第一评价阈值，为预设的第二评价阈值；

23、根据所有用户对所有健康资产保单的评价值，构建初始用户-保单评价矩阵。

24、进一步地，所述根据每个健康资产保单的购买人数以及属性数据，得到任意两个健康资产保单的相似性的具体计算公式为：

25、

26、其中，表示第个健康资产保单和第个健康资产保单的相似性，表示第个健康资产保单的购买人数，表示第个健康资产保单的购买人数；表示同时购买第个健康资产保单和第个健康资产保单的人数；表示第个健康资产保单和第个健康资产保单中相同属性数据的属性数量，表示线性归一化函数。

27、进一步地，所述根据任意两个健康资产保单的相似性、初始用户-保单评价矩阵中的元素以及购买的健康资产保单数量，对初始用户-保单评价矩阵进行更新，得到更新用户-保单评价矩阵，包括的具体步骤如下：

28、根据任意两个健康资产保单的相似性、每个用户对每个健康资产保单的评价值以及购买的健康资产保单数量，得到每个用户对每个健康资产保单的更新评价值；

29、根据每个用户对所有健康资产保单的更新评价值，对初始用户-保单评价矩阵中的元素进行更新，得到更新用户-保单评价矩阵。

30、进一步地，所述根据任意两个健康资产保单的相似性、每个用户对每个健康资产保单的评价值以及购买的健康资产保单数量，得到每个用户对每个健康资产保单的更新评价值的具体计算公式为：

31、

32、其中，表示第个用户对第个健康资产保单的更新评价值，表示第个用户对第个健康资产保单的评价值，表示第个用户对第个健康资产保单的评价值；表示第个用户所购买的健康资产保单的数量；表示线性归一化函数；表示第个健康资产保单和第个健康资产保单的相似性。

33、进一步地，所述根据任意两个用户之间的特征指标相似性以及更新用户-保单评价矩阵，得到每个新用户对每个健康资产保单的预测评分值，包括的具体步骤如下：

34、将第个用户和所有用户之间的特征指标相似性的均值的归一化值，记为第个用户的权重；

35、根据每个用户的权重对更新用户-保单评价矩阵中所有用户对每个健康资产保单的更新评价值进行加权平均，得到每个新用户对每个健康资产保单的预测评分值。

36、进一步地，所述根据每个新用户对所有健康资产保单的预测评分值，对每个新用户进行健康资产保单的推荐，包括的具体步骤如下：

37、将每个新用户对所有健康资产保单的预测评分值按照从大到小进行排序，得到一个推荐序列；

38、根据推荐序列依次向每个新用户推荐健康资产保单。

39、本发明的技术方案的有益效果是：

40、本发明实施例中，获取每个用户的特征指标以及每个健康资产保单的若干个属性数据，所述特征指标包含若干个维度数据，根据每个用户的特征指标，得到每个用户的健康程度系数；根据每个用户的特征指标中的所有维度数据以及健康程度系数，得到任意两个用户之间的特征指标相似性，其根据用户身体健康的分析，有助于保险公司更准确地评估每个用户的健康风险，确定出任意两个用户之间的特征指标相似性，能够为保险公司对用户进行个性化的健康保单的推荐提供依据。获取每个用户的健康资产保单的历史购买记录以及每个健康资产保单的购买人数，根据每个用户的健康资产保单的历史购买记录，得到初始用户-保单评价矩阵；根据每个健康资产保单的购买人数以及属性数据，得到任意两个健康资产保单的相似性，其根据不同保单的购买人数和相似性，有助于保险公司更准确地预测未来市场需求，从而避免公司产品陷入长尾效应的困境。根据任意两个健康资产保单的相似性、初始用户-保单评价矩阵中的元素以及购买的健康资产保单数量，对初始用户-保单评价矩阵进行更新，得到更新用户-保单评价矩阵，其根据对初始用户-保单评价矩阵进行更新，能够补充初始评价矩阵中缺失的用户评价数据，从而增加数据的完整性，提高了健康资产保单推荐的准确性。根据任意两个用户之间的特征指标相似性以及更新用户-保单评价矩阵，得到每个新用户对每个健康资产保单的预测评分值；其根据新用户的预测评分值，可以将个性化推荐服务扩展到之前没有购买记录或评价数据的新用户身上，进一步提高了健康资产保单推荐的准确性。根据每个新用户对所有健康资产保单的预测评分值，对每个新用户进行健康资产保单的推荐。至此，本发明通过每个用户的健康程度和历史购买记录，得到初始用户-保单评价矩阵，然后根据任意两个健康资产保单的相似性、每个用户对于每个健康资产保单的评价值以及购买的健康资产保单数量，对初始用户-保单评价矩阵进行更新，提高了健康资产保单推荐的准确性。