一種智能保險推薦方法、裝置及智能保險機器人設備制造方法及圖紙

本發明專利技術公開了一種智能保險推薦方法、裝置及智能保險機器人設備，屬于人工智能技術領域。所述方法包括：對通過語音交互獲取的用戶語音信息進行預處理；將預處理后的文本信息分別進行意圖分類和實體識別，獲取意圖信息和實體識別信息；結合所述意圖信息、實體識別信息和保險用戶畫像信息，進行相應保險推薦。本發明專利技術本通過在語音交互場景下，將獲取的用戶獲取的語音進行預處理，然后結合意圖識別分類和實體識別，最終結合意圖分類結果、實體識別結果以及用戶畫像信息，通過大數據結合分析，智能性地進行保險推薦，滿足了現有技術中用戶對智能保險服務的需求，適用于類似保險的多種涉及智能識別、推薦的技術領域，具有良好的應用前景。

An Intelligent Insurance Recommendation Method, Device and Intelligent Insurance Robot Equipment

The invention discloses an intelligent insurance recommendation method, device and intelligent insurance robot equipment, belonging to the field of artificial intelligence technology. The method includes: pretreatment of user voice information acquired through voice interaction; classification of intention and entity recognition of pre-processed text information respectively to obtain intention information and entity recognition information; and insurance recommendation based on the intention information, entity recognition information and insurance user portrait information. The invention intelligently makes insurance recommendation by pretreatment of the acquired voice acquired by the user in the voice interaction scenario, and then combines intention recognition classification and entity recognition, finally combines intention classification results, entity recognition results and user portrait information, and intelligently makes insurance recommendation through large data combined with analysis, which meets the needs of users in the existing technology for intelligent insurance services. It is suitable for many technical fields related to intelligent identification and recommendation of similar insurance, and has good application prospects.

【技術實現步驟摘要】
一種智能保險推薦方法、裝置及智能保險機器人設備
本專利技術涉及人工智能
，特別涉及一種智能保險推薦方法、裝置及智能保險機器人設備。
技術介紹
基于場景的風險識別，個性化生成風險保障方案是一項非常有挑戰的任務，且具有非常廣闊的市場前景，幫助用戶識別和防范風險。現有的風險識別，有對話場景，但不是基于語音體系；而有語音識別場景的，卻沒有和保險推薦結合。推薦系統與真實的應用場景非常相關。在保險場景下，現有技術多是基于預設流程的推薦，不能夠給用戶真實可靠的使用體驗，或者部分系統由于保險知識積累較少，或者對用戶信息幾乎不掌握，推薦不夠系統專業，致使保險機器人不能很好響應用戶輸入，這是目前面臨的很大問題。
技術實現思路
為了解決現有技術的問題，本專利技術實施例提供了一種智能保險推薦方法、裝置及智能保險機器人設備，提供了一種基于語音語義分析結合用戶畫像推薦生成風險管理綜合解決方案，實現在特定場景下智能地進行保險推薦，從而實現快速下單購買保險和相關服務，解決用戶風險管理需求。所述技術方案如下：第一方面，提供了一種智能保險推薦方法，所述方法包括：對通過語音交互獲取的用戶語音信息進行預處理；將預處理后的文本信息分別進行意圖分類和實體識別，獲取意圖信息和實體識別信息；結合所述意圖信息、實體識別信息和保險用戶畫像信息，進行相應保險推薦。結合第一方面，在第一種可能的實現方式中，對用戶輸入的語音信息進行預處理，包括：將用戶輸入的語音信息去除環境雜音，然后轉換為文字信息，并對所述文字信息進行包括去除語氣詞和分詞的預處理。結合第一方面及第一方面的第一種可能實現方式的任一種，在第二至三種可能的實現方式中，對用戶輸入的語音信息進行預處理，還包括：根據保險知識庫，通過自動糾錯模型，對分詞后的文本信息進行自動糾錯。結合第一方面的第二至三種可能實現方式的任一種，在第四至五種可能的實現方式中，根據保險知識庫，通過自動糾錯模型，對分詞后的文本信息進行自動糾錯，包括：根據保險知識庫，統計前序詞和當前詞的條件概率P(當前詞|前序詞)，具體包括：遍歷所述保險知識庫中的保險領域詞典跟當前詞的編輯距離為1的全部詞匯V，找出其中使得P(vi|前序詞)最大的詞匯vi，記作v，對于v，如果P(v|前序詞)的概率大于P(當前詞|前序詞)，并且P(v)大于P(當前詞)，那么把當前詞替換成v。結合第一方面及第一方面的第一種可能實現方式的任一種，在第六至七種可能的實現方式中，將預處理后的文本信息分別進行意圖分類和實體識別，獲取意圖信息和實體識別信息，其中，所述意圖分類包括：通過訓練好的意圖分類模型對所述文本信息進行意圖識別分類；和/或所述實體識別包括：根據所述保險領域詞典通過自然語言理解進行關鍵詞抓取，以進行實體識別。結合第一方面的第六至七種可能實現方式的任一種，在第八至九種可能的實現方式中，通過訓練好的意圖分類模型對所述文本信息進行意圖識別分類，包括：通過利用保險領域的語料訓練出一個詞向量，并進行將不同句子標記為相應種類保險意圖的訓練集標注；通過卷積神經網絡和所述訓練集訓練得到意圖分類模型；通過所述意圖分類模型，獲得不同語料歸屬于相應保險意圖的概率，然后通過確定的語料對應意圖的映射關系進行意圖識別分類。結合第一方面及第一方面的第一種可能實現方式的任一種，在第十至十一種可能的實現方式中，結合所述意圖信息、實體識別信息和保險用戶畫像信息，進行相應保險推薦，包括：結合所述意圖信息、實體識別信息、保險產品屬性因子和根據所述語音信息獲取的用戶動態特征信息以及經過清洗并落庫的用戶靜態特征信息，訓練得到保險推薦模型；根據所述保險推薦模型，進行保險產品匹配的相應保險推薦，并將匹配結果返回所述保險推薦模型進行微調。第二方面，提供了一種智能保險推薦裝置，包括：預處理模塊，用于對通過語音交互獲取的用戶語音信息進行預處理；意圖分類模塊，用于將預處理后的文本信息分別進行意圖分類，獲取意圖信息；實體識別模塊，用于將預處理后的文本信息進行實體識別，獲取實體識別信息；推薦模塊，用于結合所述意圖信息、實體識別信息和保險用戶畫像信息，進行相應保險推薦。結合第二方面，在第一種可能的實現方式中，所述預處理模塊用于：將用戶輸入的語音信息去除環境雜音，然后轉換為文字信息，并對所述文字信息進行包括去除語氣詞和分詞的預處理。結合第二方面及第二方面的第一種可能實現方式的任一種，在第二至三種可能的實現方式中，所述預處理模塊還用于：根據保險知識庫，通過自動糾錯模型，對分詞后的文本信息進行自動糾錯。結合第二方面的第二至三種可能實現方式的任一種，在第四至五種可能的實現方式中，根據保險知識庫，通過自動糾錯模型，對分詞后的文本信息進行自動糾錯，包括：根據保險知識庫，統計前序詞和當前詞的條件概率P(當前詞|前序詞)，具體包括：遍歷所述保險知識庫中的保險領域詞典跟當前詞的編輯距離為1的全部詞匯V，找出其中使得P(vi|前序詞)最大的詞匯vi，記作v，對于v，如果P(v|前序詞)的概率大于P(當前詞|前序詞)，并且P(v)大于P(當前詞)，那么把當前詞替換成v。結合第二方面及第二方面的第一種可能實現方式的任一種，在第六至七種可能的實現方式中，所述意圖分類模塊用于：通過訓練好的意圖分類模型對所述文本信息進行意圖識別分類；和/或所述實體識別模塊用于：根據所述保險領域詞典通過自然語言理解進行關鍵詞抓取，以進行實體識別。結合第二方面的第六至七種可能實現方式的任一種，在第八至九種可能的實現方式中，所述意圖分類模塊包括標注子模塊、第一訓練子模塊和分類識別子模塊，所述標注子模塊用于：通過利用保險領域的語料訓練出一個詞向量，并進行將不同句子標記為相應種類保險意圖的訓練集標注；所述第一訓練子模塊用于：通過卷積神經網絡和所述訓練集訓練得到意圖分類模型；所述分類識別子模塊用于：通過所述意圖分類模型，獲得不同語料歸屬于相應保險意圖的概率，然后通過確定的預料對應意圖的映射關系進行意圖識別分類。結合第二方面及第二方面的第一種可能實現方式的任一種，在第十至十一種可能的實現方式中，所述推薦模塊包括第二訓練子模塊和產品匹配子模塊，所述第二訓練子模塊用于：結合所述意圖信息、實體識別信息、保險產品屬性因子和根據所述語音信息獲取的用戶動態特征信息以及經過清洗并落庫的用戶靜態特征信息，訓練得到保險推薦模型；所述產品匹配子模塊，用于根據所述保險推薦模型，進行保險產品匹配的相應保險推薦，并將匹配結果返回所述保險推薦模型進行微調。第三方面，提供了一種智能保險機器人設備，其特征在于，包括：處理器；存儲器，用于存儲有所述處理器的可執行指令；其中，所述處理器配置為經由所述可執行指令來執行第一方面中任一項所述的智能的保險推薦方法的步驟。本專利技術實施例提供的技術方案帶來的有益效果是：1、提出了一種通過語音交互識別場景下的智能保險推薦方案，有效且適用于各種保險推薦以及類似的多個應用場景；2、提出了一種根據意圖準確推薦保險產品的方案，智能性地通過深度學習匹配推薦保險產品，滿足用戶的智能需求；3、提供了一種訓練推薦模型算法，采用大數據分析，通過結果不斷優化推薦模型，實現了精準推薦保險產品；4、預處理過程中，結合自定義的保險知識庫詞典和條件概率，自動糾錯用戶的錯誤輸入，這種自動糾錯的機制大大增加本文檔來自技高網...

【技術保護點】
1.一種智能保險推薦方法，其特征在于，所述方法包括：對通過語音交互獲取的用戶語音信息進行預處理；將預處理后的文本信息分別進行意圖分類和實體識別，獲取意圖信息和實體識別信息；結合所述意圖信息、實體識別信息和保險用戶畫像信息，進行相應保險推薦。

【技術特征摘要】
1.一種智能保險推薦方法，其特征在于，所述方法包括：對通過語音交互獲取的用戶語音信息進行預處理；將預處理后的文本信息分別進行意圖分類和實體識別，獲取意圖信息和實體識別信息；結合所述意圖信息、實體識別信息和保險用戶畫像信息，進行相應保險推薦。2.根據權利要求1所述的方法，其特征在于，對用戶輸入的語音信息進行預處理，包括：將用戶輸入的語音信息去除環境雜音，然后轉換為文字信息，并對所述文字信息進行包括去除語氣詞和分詞的預處理。3.根據權利要求1或2所述的方法，其特征在于，對用戶輸入的語音信息進行預處理，還包括：根據保險知識庫，通過自動糾錯模型，對分詞后的文本信息進行自動糾錯。4.根據權利要求3所述的方法，其特征在于，根據保險知識庫，通過自動糾錯模型，對分詞后的文本信息進行自動糾錯，包括：根據保險知識庫，統計前序詞和當前詞的條件概率P(當前詞|前序詞)，具體包括：遍歷所述保險知識庫中的保險領域詞典跟當前詞的編輯距離為1的全部詞匯V，找出其中使得P(vi|前序詞)最大的詞匯vi，記作v，對于v，如果P(v|前序詞)的概率大于P(當前詞|前序詞)，并且P(v)大于P(當前詞)，那么把當前詞替換成v。5.根據權利要求1或2所述的方法，其特征在于，將預處理后的文本信息分別進行意圖分類和實體識別，獲取意圖信息和實體識別信息，其中，所述意圖分類包括：通過訓練好的意圖分類模型對所述文本信息進行意圖識別分類；和/或所述實體識別包括：根據所述保險領域詞典通過自然語言理解進行關鍵詞抓取，以進行實體識別。6.根據權利要求5所述的方法，其特征在于，通過訓練好的意圖分類模型對所述文本信息進行意圖識別分類，包括：通過利用保險領域的語料訓練出一個詞向量，并進行將不同句子標記為相應種類保險意圖的訓練集標注；通過卷積神經網絡和所述訓練集訓練得到意圖分類模型；通過所述意圖分類模型，獲得不同語料歸屬于相應保險意圖的概率，然后通過確定的語料對應意圖的映射關系進行意圖識別分類。7.根據權利要求1或2所述的方法，其特征在于，結合所述意圖信息、實體識別信息和保險用戶畫像信息，進行相應保險推薦，包括：結合所述意圖信息、實體識別信息、保險產品屬性因子和根據所述語音信息獲取的用戶動態特征信息以及經過清洗并落庫的用戶靜態特征信息，訓練得到保險推薦模型；根據所述保險推薦模型，進行保險產品匹配的相應保險推薦，并將匹配結果返回所述保險推薦模型進行微調。8.一種智能保險推薦裝置，其特征在于，包括：預處理模塊，用于對通過語音交互獲取的用戶語音信息進行預處理；意圖分類模塊，用于將預處理后的文本信...

【專利技術屬性】
技術研發人員：劉琦，鄭偉偉，馮建超，鄭剛，
申請(專利權)人：眾安在線財產保險股份有限公司，
類型：發明
國別省市：上海,31