面向保险产品的个性化推荐算法研究

发布时间：2021-11-16 22:12

　　在当今信息量呈爆炸性增长模式的时代背景下,对用户在线行为的记录以及挖掘其意图和偏好,可以为企业的运营和营销提供强有力的支持,保险行业也逐渐成为对用户投保行为特征的研究受到业界更多关注的行业,保险行业的业务形态产生了大量高品质和价值的数据,具有极大的挖掘和使用价值,一方面保险用户可以获取信息的爆炸性增长,另一方面用户选择信息的能力的有限性,使通过个性化推荐技术解决保险用户面临的信息过载现象,成为了保险公司及用户急需解决的问题,论文基于此开展了以下三个方面的研究工作:（1）分析了用户购买保险产品的数据,统计了用户购买数量、保险产品销售和用户的活跃性,并从人类动力学的角度挖掘了用户购买保险产品的行为特征,统计了保险产品用户购买行为在时间间隔上记忆性和阵发性的特征。（2）研究了用常用的协同过滤和基于关联规则的推荐算法进行保险产品个性化推荐,并基于两种推荐算法提出了两种组合策略,在传统内容推荐算法的基础上,针对保险用户购买行为的长尾特征,提出了基于多样性度量的内容推荐算法,还根据保险用户的使用场景,提出了基于用户实时行为的个性化推荐技术。（3）参与设计并实现了面向保险产品的个性化推荐系统,并将所... 

【文章来源】：山东科技大学山东省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

保险产品流行度曲线

举?１０??Ｈ？｜－???ｌ????———ｒｗＷｗＳ＿—??１?１０?１００?１０００?１００００?１０００００??用户数??图２．１保险产品流行度曲线??Ｆｉｇ．２．１?Ｐｒｅｖａｌｅｎｃｅ?ｃｕｒｖｅ?ｏｆ?ｉｎｓｕｒａｎｃｅ?ｐｒｏｄｕｃｔｓ??上图中横坐标表示购买保险产品用户数量，纵坐标为此数量对应的保险产??量，横纵坐标均取对数。图中表现出很明显的幂律分布，可以看出用户购??险产品的行为有很强的长尾特征，绝大多数的用户仅购买过１－４次保险产??而购买保险产品超过１００次以上的用户仅有１％。??（２）保险产品销售次数分布??根据用户购买保险产品的行为，统计每个保险产品被购买的次数，观察保??品销量的情况是否有明显的差异，保险产品的的销售次数分布情况如图２．２。??

图２．３用户活跃度曲线??Ｆｉｇ．２．３?Ｕｓｅｒ?Ａｃｔｉｖｉｔｙ?Ｃｕｒｖｅ??从图２．３中可以看出，双对数曲线接近直线，长尾分布在双对数曲线上呈直??线，这表明购买保险产品用户活跃度也呈长尾分布，即极大多数的保险产品只??被极少的用户购买过，而仅有１％的用户购买过１００次以上的保险产品。大部分??的用户只购买过１次或没有购买过保险产品，这与用户的盲目从众性有关，为??此向用户个性化推荐产品是极有必要的，既能让用户找到适合自己的保险产品??又能提高商家的销售利润。??２．３．３用户活跃度和保险产品流行度的关系??一般来说，不活跃的用户一般是新用户，或者是很少登录系统的老用户。??那么，为了研宄不同活跃度的用户喜欢的物品的流行度是否有差别，一般认为，??新用户倾向于浏览热门的物品，因为他们对网站还不熟悉，只能点击首页的热??门物品

【参考文献】：
期刊论文
[1]人类行为时空特性的统计力学[J]. 周涛,韩筱璞,闫小勇,杨紫陌,赵志丹,汪秉宏.  电子科技大学学报. 2013(04)
[2]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)
[3]在线协同写作的人类动力学分析[J]. 赵飞,刘金虎,查一龙,周涛.  物理学报. 2011(11)
[4]一个人类行为动力学模型及其精确解[J]. 郭进利.  物理学报. 2010(06)
[5]个性化推荐系统评价方法综述[J]. 刘建国,周涛,郭强,汪秉宏.  复杂系统与复杂性科学. 2009(03)
[6]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏.  自然科学进展. 2009(01)
[7]保险创新的新领域:网络保险[J]. 肖智,刘敏.  商业研究. 2002(22)

博士论文
[1]面向金融营销问题的个性化推荐方法研究[D]. 叶红云.合肥工业大学 2011

硕士论文
[1]云计算在保险业的应用研究[D]. 杨文萍.北京邮电大学 2012
[2]基于WEB浏览的用户行为分析系统的研究与设计[D]. 王霞.北京邮电大学 2010



本文编号：3499663