一种基于知识图谱的交互式智能保险推荐方法和系统与流程

本发明属于人工智能，更为具体地，尤其涉及一种基于知识图谱融的交互式智能保险推荐方法和系统。

背景技术：

1、随着经济发展，人们的生活水平越来越高，保险意识也逐渐增强，如何针对人们提出的具体保险需求，有针对性地进行保险产品的个性化推荐，便成为了一个重要的课题。然而，目前常用的保险推荐方法，往往是利用企业平台自有的用户个人信息，采用机器学习的方法对用户进行保险产品推荐，这种方法存在如下缺陷：

2、(1)被动地通过企业平台自有的用户数据推测用户的保险意愿，无法显式地主动获取用户的具体诉求，对用户需求的理解可能存在偏差；

3、(2)保险产品预测的准确性强烈依赖于企业平台自有的用户数据，对于用户数据少或没有用户数据的企业非常不友好，很可能会导致预测结果的不准确；

4、(3)机器学习的方法往往是黑盒模型，不具有可解释性，难以从原理上检验推荐方法的准确性，当推荐出错时也难以针对性地进行改进；

5、(4)机器学习的方法基于数据驱动，不可控，难以面对某些特定要素进行针对性地改造。

技术实现思路

1、针对现有技术存在的上述问题，本技术旨在提供了一种基于知识图谱的交互式智能保险推荐方法和系统。

2、为实现上述技术目的，本发明采用的技术方案如下：

3、第一方面，本技术提供一种基于知识图谱的交互式智能保险推荐方法，所述方法包括：

4、构建信息字段-保险类型-保险产品-保险人知识图谱；

5、从用户输入的自然语言描述文本中，通过实体识别及字段标准化过程，识别需求信息，所述需求信息包括必填信息字段集、选填信息字段集以及可能出现的保险人集、保险类型集；

6、根据所述需求信息以及知识图谱计算保险类型集以及每种保险类型的权重；

7、利用所述知识图谱、保险类型集及每种保险类型的权重计算保险产品以及对应得分；

8、根据计算出的保险产品以及对应打分的排名，确定推荐的保险产品，并根据构建的知识图谱，生成推荐理由。

9、在可能的实施例中，所述构建信息字段-保险类型-保险产品-保险人知识图谱具体包括：

10、定义信息字段-保险类型-保险产品-保险人知识图谱的模式层，所述模式层包括信息字段、保险类型、保险产品、保险人四个概念，信息字段-保险类型、保险类型-保险产品、信息字段-保险产品、保险产品-保险人四种关系，所述信息字段-保险类型关系和信息字段-保险产品关系上有权重属性，其中所述信息字段包括字段名称、字段别名、字段类型、字段是否必填、字段取值类型、字段取值的属性，所述保险产品包括产品名称、产品别名、产品介绍、产品推荐度的属性，所述保险人包括保险人名称、保险人别名、保险人介绍、保险人地址的属性，所述信息字段的字段类型包括基本信息和特征信息；

11、根据所定义的模式层，填写信息字段、保险类型、保险产品、保险人作为知识图谱的数据节点，并构建节点之间的关系作为最终的知识图谱；

12、对于知识图谱中关系上的权重属性，如果关系两侧的节点不涉及特征信息，则权重设为1；若两侧节点中有一个属于特征信息，则利用如下算法计算信息字段-保险产品、信息字段-保险类型两种关系的权重：

13、设有m个专家，信息字段的特征信息为ti，保险产品或保险类型为cj，信息字段-保险产品或信息字段-保险类型之间的关系ri,j上的权重wi,j的计算公式为：

14、wi,j＝reci,j×impi

15、

16、

17、其中，reci,j是专家对关系ri,j的认可度，impi为特征信息ti的重要度，ni,j是认为cj拥有特征信息ti的专家数，ni是包含特征信息ti的信息字段-保险产品或信息字段-保险类型的关系数，n是所有的信息字段-保险产品或信息字段-保险类型的关系数，α是数值大于等于0的平滑因子，β是选择因子。

18、具体地，所述从用户输入的自然语言描述文本中，通过实体识别及字段标准化过程，识别需求信息，具体包括：

19、构建保险类型词典、保险人词典以及字段信息成分词典；

20、利用基于双向最大字符匹配的实体识别方法识别所述自然语言描述文本中的需求信息；

21、利用保险类型词典、保险人词典以及字段信息成分词典将识别出的不标准的保险类型名称、保险人名称、信息字段成分名称映射到标准名称；

22、将标准化后的标准名称对齐到所构建的知识图谱中的对应节点。

23、具体地，所述字段信息成分词典的构建方法为：

24、设定信息字段的成分，包括：对象词、对象修饰词、限制词、定量限制值和定性限制值；

25、根据设定的信息字段的成分，利用收集的客户需求描述数据构建信息字段成分词典。

26、具体地，所述根据所述需求信息以及知识图谱计算保险类型集以及每种保险类型的权重具体包括：

27、建立可能的保险类型集t与信息字段-保险类型关系集rt，均初始化为空集，遍历信息字段集中的每一个信息字段fieldi，遍历知识图谱中每一个与fieldi组成信息字段-保险类型关系的保险类型typej，设该关系为rti,j，对应的关系权重为wrti,j，将typej加入t，将rti,j加入rt，则最终t中的每个保险类型typek的权重wtk为：

28、

29、设置保险类型阈值th，遍历t中的若t中的每一个保险类型typek，如果它所对应的权重wtk小于阈值th，则将typek从t中删除；

30、若t中不含有用户预判的保险类型tp，则将tp加入t；无论t中原本是否含有tp，均将tp的权重wtp置为t中所有保险类型的权重的最大值，即新的权重wtp’的计算方法为：

31、wt′p＝max({wtk|k＝1,2,3,…,|t|})

32、具体地，所述利用利用所述知识图谱、保险类型集及每种保险类型的权重计算保险产品以及对应得分，具体包括：

33、建立可能的保险产品集p与信息字段-保险产品关系集rp，均初始化为空集，遍历信息字段集中的每一个信息字段fieldi，遍历知识图谱中每一个与fieldi组成信息字段-保险产品关系的保险产品pj，设该关系为rpi,j，对应的关系权重为wrpi,j，另外从知识图谱中获取pj对应的保险类型typej，设该保险类型所计算出的权重为wtk，若typej属于t，则将pj加入p，将rpi,j加入rp。最终p中的每个保险产品pk的权重wpk为：

34、

35、其中reck为知识图谱中保险产品pk的产品推荐度；

36、遍历信息字段集中的每一个保险产品pk，对于每一个pk，遍历信息字段集中的每一个信息字段fieldi，如果fieldi的“字段是否必填”属性为真且pk不符合fieldi的限制条件，或是pk在知识图谱中所对应的保险人与客户预判的不符，则将pk从p中删除，以最终的p作为推荐的保险产品集；

37、如果最终p为空，且之前有保险产品因为对应的保险人与客户预判的不符而被从p中删除的话，将该保险产品加回p中。

38、具体地，所述根据计算出的保险产品以及对应打分的排名，确定推荐的保险产品，并根据构建的知识图谱，生成推荐理由，具体包括：

39、对于计算出的保险产品集p中的每一个保险产品pk，按其所对应的保险类型typek进行分组，每一组只保留权重wp最高的一个保险产品，取权重最高的topk组保险产品，根据信息字段集中的每一个信息字段fieldi在知识图谱中的对应节点信息，以及知识图谱中该产品的其他概况信息，按预定义的规则模板，生成推荐文本。

40、第二方面，一种基于知识图谱的交互式智能保险推荐系统，包括：

41、知识图谱构建模块，其根据专家的调查信息构建出信息字段-保险类型-保险产品-保险人知识图谱的相应节点、关系，计算出关系上的权重；

42、知识图谱存储查询模块，其用于存储构建的信息字段-保险类型-保险产品-保险人知识图谱并提供查询服务；

43、对话模块，其用于向用户提问需求，并采集用户输入的自然语言描述文本；

44、实体识别及名称标准化模块，其根据对话模块采集的自然语言描述文本识别出需求信息，并对需求信息进行标准化操作，所述需求信息包括必填信息字段集、选填信息字段集以及可能出现的保险人集、保险类型集；

45、保险产品推荐模块，其根据所述需求信息以及知识图谱计算保险类型集及每种保险类型的权重、可选的保险人集、构建的知识图谱进行保险产品推荐；

46、管理模块，负责调用知识图谱存储查询模块、对话模块、实体识别及名称标准化模块、保险产品推荐模块进行保险推荐。

47、具体地，所述实体识别及名称标准化模块具体包括：

48、词典存储查询模块，其用于存储构建的保险类型词典、保险人词典、字段信息成分词典，并提供查询服务；

49、实体识别模块，其利用基于双向最大字符匹配的实体识别方法识别所述自然语言描述文本中的需求信息；

50、标准化模块，其利用保险类型词典、保险人词典、字段信息成分词典将识别出的不标准的保险类型名称、保险人名称、信息字段成分名称转换为到标准名称；

51、映射模块，将标准化后的标准名称映射到信息字段-保险类型-保险产品-保险人知识图谱的对应节点。

52、具体地，所述保险产品推荐模块具体包括：

53、保险类型计算模块，利用用户的信息字段集、预判的保险类型集、构建的知识图谱计算得到可能的保险类型集以及每种保险类型的权重；

54、保险产品计算模块，利用用户的信息字段集、可能的保险类型集及其权重、可选的保险人集、构建的知识图谱，计算得到推荐的保险产品及其对应打分；

55、推荐理由生成模块，计算出的保险产品以及对应打分的排名，确定推荐的保险产品，并根据构建的知识图谱，生成推荐理由。

56、本技术相比于现有技术，具有如下有益效果：

57、(1)接收用户以自然语言方式描述的保险需求，更自然，更符合人类的沟通习惯；

58、(2)能通过交互方式进一步获得用户更详细的需求信息，使得推荐更准确；

59、(3)不依赖于企业平台自有的用户数据，对使用者更友好，更适合冷启动的情况；

60、(4)基于专家知识构建知识图谱用于保险产品的推荐，使推荐方法具有可解释性，能据此直观地检验推荐方法的准确性和可靠性，并能面对特定要素进行针对性地改造；

61、(5)根据用户需求描述中的信息字段在知识图谱中的对应节点信息生成推荐理由，能针对性地回应用户的关切，使推荐理由更具有说服力。