买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉百保箱(北京)科技有限公司申请的专利基于大数据的团体险产品推荐算法、装置和计算机设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120543299B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510610178.6，技术领域涉及：G06Q40/08；该发明授权基于大数据的团体险产品推荐算法、装置和计算机设备是由翟亚;王可;谢晓龙;常晓艳;秦翠芳;尹秀培设计研发完成，并于2025-05-13向国家知识产权局提交的专利申请。

本基于大数据的团体险产品推荐算法、装置和计算机设备在说明书摘要公布了：本发明公开了基于大数据的团体险产品推荐算法、装置和计算机设备，具体涉及保险科技领域，包括特征融合与标准化、时空适配度计算、群体偏好传播、动态需求预测、多目标优化排序以及反馈自适应。本发明通过多模态特征融合与加密标准化实现多源数据深度整合，利用三维时空量化模型动态捕捉服务覆盖半径变化与保单周期衰减特性，结合群体偏好传播机制提升推荐时效性，创新设计的双目标帕累托优化策略协同企业利润与客户效用目标，通过实时采集业务指标动态调整时空适配系数与传播权重，形成闭环反馈系统。该技术有效解决传统方法数据维度单一、静态规则滞后及利益失衡问题，兼具隐私保护、动态响应和多目标平衡优势。

本发明授权基于大数据的团体险产品推荐算法、装置和计算机设备在权利要求书中公布了：1.基于大数据的团体险产品推荐算法，其特征在于，包括： S1：特征融合与标准化：整合产品库、客户台账和业务员画像的异构数据源，构建跨领域特征矩阵，通过空间编码将地理位置转换为栅格坐标，采用标准化方法消除量纲差异，对敏感字段进行加密处理，输出统一时空粒度的特征向量集合； S2：时空适配度计算：综合评估客户地理位置与产品服务范围的覆盖匹配度、职业风险类别与保险条款的兼容性、保单周期与时间敏感度的契合程度，建立三维空间-属性-时间的客户产品适配性量化模型； S3：群体偏好传播：基于客户特征相似度计算与行为模式关联分析构建客户关系图谱，基于图神经网络设计偏好传播方程，将显性购买行为数据沿网络拓扑结构进行多跳扩散，挖掘潜在群体选择偏好，形成客户节点间的隐性需求关联映射； 所述客户关系图谱基于客户静态特征向量的余弦相似度计算基础关联度，引入时序行为向量的余弦相似度作为动态修正项，通过网格搜索优化的时序权重系数将两类相似度加权融合，构建客户节点间的综合关联权重，其中静态特征反映客户固有属性匹配程度，时序行为捕捉动态交互模式相似性，权重系数平衡两类信息的贡献比例； 所述偏好传播方程基于客户特征相似性和行为关联度构建带权关系图谱，通过拉普拉斯矩阵表征节点连接强度，将初始购买概率矩阵与单位矩阵进行逆向偏移量补偿，结合经验设定的传播系数控制信息扩散范围，最终求解线性方程组获得稳态偏好分布； S4：动态需求预测：融合历史续保周期规律和实时市场事件的影响因子，构建时间序列预测模型，分析客户在不同时间节点的潜在投保需求波动特征； S5：多目标优化排序：构建兼顾企业利润目标与客户效用价值的双目标优化函数，根据用户角色类型设定差异化策略参数，生成满足多方利益平衡的推荐产品排序序列； S6：反馈自适应：通过实时采集推荐结果的点击率与转化率数据，建立在线学习机制动态调整模型参数，实现推荐策略的持续迭代优化； 所述S1整合产品特征向量、客户特征向量以及行为时序数据三类原始输入，通过空间栅格化编码将地理位置转换为经纬度坐标系，采用Z-score标准化消除不同量纲特征间的数值差异，对敏感字段实施动态盐值哈希加密，运用时间窗口对齐技术统一多源数据的时序粒度，生成包含空间编码、标准化数值、脱敏字段的统一特征矩阵； 所述产品特征向量从产品表的结构化数据存储中提取，通过定时任务调度系统每日凌晨执行全量数据同步，采用数据库快照技术捕获产品参数的完整状态，同时通过数据库触发器实时监听产品信息变更事件；所述客户特征向量基于台账表的历史交易记录构建，通过ETL工具每小时从业务数据库增量抽取数据，结合事务日志解析技术捕捉客户状态变化；所述行为时序数据从台账表的生效日期、续保操作时间戳字段，以及业务员表的群发记录、跟踪日志中提取时间序列信息； 所述S2通过空间兼容性指数评估客户地理位置与产品服务网点的覆盖半径匹配程度，运用职业风险匹配度量化客户职业类别与保险产品承保条款的兼容性，结合行为周期契合度分析客户保单周期与当前时间节点的关联强度，构建多维度的动态适配评估体系，综合判断客户与保险产品的时空匹配特性； 所述空间兼容性指数通过获取台账数据中的客户地理位置坐标与产品表中标注的服务网点坐标，计算两者之间的球面距离，将实际距离值与产品历史承保案例的最大服务半径进行归一化处理，最终生成0-1区间的匹配度量化值，数值越接近1表明客户所在地理位置与该产品的服务覆盖范围匹配度越高； 所述职业风险匹配度通过逐项比对客户职业类别与保险产品承保条款中明确的职业大类要求，对完全符合承保范围的职业类别赋予全额匹配值，对存在风险等级交叉但未明确排除的职业类别赋予部分匹配值，最终取所有职业类目匹配结果的加权平均值； 所述行为周期契合度基于保单有效期与当前系统时间的日期差异计算时间敏感度，采用指数衰减模型量化客户续保需求的时效特征，其中衰减系数根据历史续保周期分布规律设定； 所述S4通过基线预测模型分析客户历史投保行为的时间序列规律建立基础需求预测，引入事件影响因子量化外部事件对保险需求的即时扰动效应，将时序趋势预测与突发事件响应相结合，构建具有环境感知能力的动态需求预测模型，实时输出客户在不同场景下的潜在投保需求强度； 所述基线预测模型基于历史保单生效日期与续保周期数据，采用自回归时序分析方法建立基础预测框架，通过自相关函数分析确定最优滞后期数，将客户历史投保时间点、续保间隔天数作为核心输入特征，同时引入实时事件作为外部干预变量，采用极大似然估计法计算各特征回归系数，构建可解释性强的需求预测基准模型； 时间影响因子通过定义市场政策变动、营销活动开展事件类型，基于历史数据回归分析量化不同事件对投保需求的平均影响强度，采用事件发生时间窗内的布尔标识函数实时捕获事件状态，将各事件类型的影响系数与其发生状态进行线性加权求和，动态修正基线预测值以反映突发性市场因素对客户需求的冲击效应； 所述S5通过构建同时优化企业利润目标与客户效用价值的双目标函数，设计包含最大推荐数量限制和产品选择变量约束的约束条件，采用帕累托前沿求解方法生成满足商业策略与客户需求平衡的推荐产品排序序列，其中目标权重根据用户角色类型动态配置； 所述双目标函数基于企业端历史保费利润数据构建利润最大化目标函数，同时结合客户端产品适配度指标建立效用价值评估函数，通过参数化加权方式将两类目标整合为统一优化框架，其中权重参数根据业务场景动态配置，并附加推荐数量限制与产品互斥性约束形成完整数学规划模型，最终采用非支配排序算法生成推荐解集； 所述约束条件设计基于实际业务规则与系统处理能力，通过设定最大推荐数量限制控制信息过载风险，阈值根据用户界面承载能力与客户决策效率综合确定；采用产品选择二元变量约束确保推荐结果的离散化决策特性，每个产品仅存在推荐或不推荐两种明确状态； 所述S6通过实时追踪推荐产品的点击率与转化率作为核心效果评估指标，建立基于梯度下降的在线学习机制，根据指标变化动态调整时空适配计算中的衰减系数、群体偏好传播中的时序行为权重系数以及多目标优化中的调节参数，实现推荐策略参数的自动迭代优化，参数更新过程采用滑动窗口机制保留近期行为数据的时效性特征，通过损失函数反传修正各流程计算参数，形成闭环反馈调节； 所述效果评估指标通过实时采集用户对推荐产品的点击行为数据与投保转化数据，构建双维度评估体系，点击率指标计算推荐产品曝光次数与用户实际点击次数的比例以衡量内容吸引力，转化率指标统计用户从查看产品详情到完成投保的操作转化比例以评估需求匹配精度，两类指标数据源分别来自前端交互日志和台账系统交易记录； 所述参数更新基于实时采集的推荐结果点击率与转化率数据，通过计算效果指标对模型参数的偏导数确定各参数调整方向，采用动态学习率控制更新步长，学习率随时间推移进行指数衰减以平衡收敛速度与稳定性，同时设置参数阈值边界约束防止过调节，对异常波动数据启动滑动窗口平滑处理机制。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人百保箱(北京)科技有限公司，其通讯地址为：101407 北京市怀柔区雁栖经济开发区雁栖大街53号院13号楼4层01-427-9室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。