[发明专利]一种保险保单托管系统

权利要求书

1.一种保险保单托管系统，其特征在于：包括保单数据托管单元、控制终端和数据库服务器；

所述数据库服务器与所述保单数据托管单元通讯连接，所述控制终端通过网络与所述数据库服务器通讯连接；

所述保单数据托管单元包括输入模块、查询模块、保单列表模块、编辑用户模块和编辑保单模块，所述控制终端内的输入信息传输至所述输入模块，所述输入模块启动所述查询模块、所述保单列表模块、所述编辑用户模块或所述编辑保单模块得到反馈数据界面信号并将所述反馈数据界面信号发送至所述控制终端进行显示，所述查询模块、所述保单列表模块、所述编辑用户模块和所述编辑保单模块分别与所述数据库服务器进行数据交互；

编辑用户模块和编辑保单模块分别将信息传输至数据库服务器，所述数据库服务器依次进行文本聚类和协同过滤，得到适合用户喜好的保险保单数据，输出至所述保单数据托管单元，进而输出至控制终端进行显示；

所述查询模块包括以下步骤：

S11：开始，接收到所述输入模块输入的查询信号后开始运行；

S12：创建用户模型；

S13：有无筛选条件，若有筛选条件，则设置模型的筛选条件，然后进行下一步骤，若无筛选条件，则直接进行下一步骤；

S14：判断身份，若输入信息为普通用户，则显示当前用户信息，然后显示用户列表，若输入信息为经纪人，则设置当前模型的经纪人为当前经纪人，然后显示用户列表，若输入信息为管理员，则直接显示用户列表；

S15；运行结束；

所述保单列表模块包括以下步骤：

S21：开始，接收到所述输入模块输入的保单操作信号后开始运行；

S22：创建保单模型；

S23：有无筛选条件，若有筛选条件，则设置模型的筛选条件，然后进行下一步骤，若无筛选条件，则直接进行下一步骤；

S24：判断身份，若输入信息为普通用户，则显示当前保单信息，然后显示保单列表，若输入信息为经纪人，则设置当前模型的经纪人为当前经纪人，然后显示保单列表，若输入信息为管理员，则直接显示保单列表；

S25；运行结束；

所述编辑用户模块包括以下步骤：

S31：开始，接收到所述输入模块输入的编辑用户信号后开始运行；

S32：判断是否是新增用户，若是，则创建新用户对象，若否，则进入S36步骤；

S33：创建新用户对象后填写信息；

S34：填写信息后判断必填信息是否完整，若完整则进行下一步骤，若不完整则返回S33步骤；

S35：储存，得到ID信息，然后同时进入S36和S37步骤；

S36：上传照片完善信息；

S37：判断储存是否成功，若是则进入下一步骤，若否则进入S36步骤；

S38：结束；

所述编辑保单模块包括以下步骤：

S41：开始，接收到所述输入模块输入的编辑保单信号后开始运行；

S42：判断是否是新增保单，若是，则进入下一步骤，若否，则进入步骤S410；

S43：输入投保人姓名和身份证号码；

S44：判断是否存在用户，若是，则进入下一步骤，若否，则进行新增用户，然后进入下一步骤；

S45：获取投保人；

S46：创建新保单对象；

S47：填写信息；

S48：判断必填信息是否完整，若是，则进入下一步骤，若否，则进入步骤S47；

S49：储存，得到ID，然后同时进入步骤S410和步骤S411；

S410：上传照片完善信息；

S411：判断是否储存成功，若是，则进入下一步骤，若否，则进入步骤S410；

S412：结束；

所述文本聚类包括以下步骤：

S51：将文本内容表示成为数学上可分析处理的形式，即建立文本特征，以一定的特征项来代表目标文本信息；

S52：在将文本内容表示成数学上可分析处理的形式后，在此数学形式的基础上，对文本进行聚类处理；

所述S51步骤包括：

S511：对文本信息进行预处理；

S512：构建统计词典；

S513：对文本进行词条切分；

S514：完成文本信息的分词过程；

所述S52步骤包括：向量空间模型，即VSM；所述向量空间模型为：

将每一文档都映射为由一组规范化正交词条矢量张成的向量空间中的一个点，对于所有的文档类和未知文档，此空间中的确定的特征向量词条的个数为n，表示方法为(D1,W1,D2,W2,Dp,…,Wp,n)(Wi≠0),其中，Di为权重不为零的特征向量词条；Wi为其相应权重；n为向量维度；

所述步骤S52具体步骤为：

S521：确定给定的文件集合D＝{d1,d2,…,di,…,dn}:

S522：将D中的每个文件di看作是一个具有单个成员的簇ci＝{di}；

S523：任选其中一单个成员簇ci作为聚类的起点；

S524：在其余未聚类的样本中，找到与ci距离满足条件的dj(可以是与ci距离最近的点，即相似度sim(ci,dj)最大的dj，也可以是与ci距离不超过阈值d的点，即相似度sim(ci,dj)≥d的任意dj)，将dj归入ci形成一个新的簇ck＝sim ci∪dj；

S525：重复步骤S524，直至与ci距离最近的dk与ci之间的距离超过阈值d，此时已经聚完了一类；

S526：选择一个未聚类的单个成员簇，重复步骤S524和步骤S525，开始新的一轮聚类，直至所有的单个成员簇ci都参与了聚类；

所述协同过滤包括以下步骤：

S61：将不同的行为分组，然后基于不同的行为，计算不同的用户对应保险保单的相似度；

S62：根据不同行为反映用户喜好的程度将它们进行加权，得到用户对于保险保单的总体喜好；

S63：针对由所述编辑用户模块和所述编辑保单模块分别传输的用户行为数据，进行预处理；

S64：用户对于保险保单相似度的计算；

S65：各个用户分别推荐的对应的保险保单信息与各个用户的数据信息进行合并保存，向所述查询模块和所述保单列表模块输出合并后的用户信息；

所述S63步骤包括以下步骤：

S631：减噪，用户行为数据是用户在使用应用过程中产生，存在大量的噪音和用户的误操作，通过数据挖掘算法过滤掉行为数据中的噪音；

S632：对不同的行为数据进行加权，将各类数据除以此类中的最大值，以保证归一化后的数据取值在[0,1]范围中；

S633：进行的预处理后，得到一个用户偏好的二维矩阵，一维是用户列表，另一维是物品列表，值是用户对物品的偏好；

所述S64步骤包括以下步骤：

S641:找到相似的保险保单，具体为，当已经对用户行为进行分析得到用户喜好后，根据用户喜好计算相似保险保单，然后基于相似保险保单进行推荐；

S642：相似度的计算，具体为，基于向量计算两个向量的距离，距离越近相似度越大，用户与保险保单偏好的二维矩阵中，将一个用户对所有保险保单的偏好作为一个向量来计算用户之间的相似度，或者将所有用户对某个保险保单的偏好作为一个向量来计算物品之间的相似度，所述S642的相似度的计算具体的计算方法包括皮尔逊相关系数：

则所述皮尔逊相关系数为：

它的取值在[-1，+1]之间，

式中，sx,sy是x和y的样品标准偏差；

S643：得到符合用户偏好的保险保单数据信息。