[发明专利]一种智能保险推荐方法、装置及智能保险机器人设备

权利要求书

1.一种智能保险推荐方法，其特征在于，所述方法包括：

对通过语音交互获取的用户语音信息进行预处理，包括：根据保险知识库，通过自动纠错模型，对分词后的文本信息进行自动纠错，进一步包括：根据保险知识库，统计前序词和当前词的条件概率P(当前词|前序词)，具体包括：遍历所述保险知识库中的保险领域词典跟当前词的编辑距离为1的全部词汇V，找出其中使得P(vi|前序词)最大的词汇vi，记作v，对于v，如果P(v|前序词)的概率大于P(当前词|前序词)，并且P(v)大于P(当前词)，那么把当前词替换成v；

将预处理后的文本信息分别进行意图分类和实体识别，获取意图信息和实体识别信息；

结合所述意图信息、实体识别信息和保险用户画像信息，进行相应保险推荐，具体包括：

结合所述意图信息、实体识别信息、保险产品属性因子和根据所述语音信息获取的用户动态特征信息以及经过清洗并落库的用户静态特征信息，训练得到保险推荐模型；

根据所述保险推荐模型，进行保险产品匹配的相应保险推荐，并将匹配结果返回所述保险推荐模型进行微调；

其中，所述意图分类包括通过训练好的意图分类模型对所述文本信息进行意图识别分类，具体包括：

通过利用保险领域的语料训练出一个词向量，并进行将不同句子标记为相应种类保险意图的训练集标注；

通过卷积神经网络和所述训练集训练得到意图分类模型；

通过所述意图分类模型，获得不同语料归属于相应保险意图的概率，然后通过确定的语料对应意图的映射关系进行意图识别分类。

2.根据权利要求1所述的方法，其特征在于，对用户输入的语音信息进行预处理，包括：

将用户输入的语音信息去除环境杂音，然后转换为文字信息，并对所述文字信息进行包括去除语气词和分词的预处理。

3.根据权利要求1或2所述的方法，其特征在于，将预处理后的文本信息分别进行意图分类和实体识别，获取意图信息和实体识别信息，其中，所述

实体识别包括：

根据所述保险领域词典通过自然语言理解进行关键词抓取，以进行实体识别。

4.一种智能保险推荐装置，其特征在于，包括：

预处理模块，用于对通过语音交互获取的用户语音信息进行预处理，所述预处理模块还用于：根据保险知识库，通过自动纠错模型，对分词后的文本信息进行自动纠错，包括：根据保险知识库，统计前序词和当前词的条件概率P(当前词|前序词)，具体包括：遍历所述保险知识库中的保险领域词典跟当前词的编辑距离为1的全部词汇V，找出其中使得P(vi|前序词)最大的词汇vi，记作v，对于v，如果P(v|前序词)的概率大于P(当前词|前序词)，并且P(v)大于P(当前词)，那么把当前词替换成v；

意图分类模块，用于将预处理后的文本信息分别进行意图分类，获取意图信息；

实体识别模块，用于将预处理后的文本信息进行实体识别，获取实体识别信息；

推荐模块，用于结合所述意图信息、实体识别信息和保险用户画像信息，进行相应保险推荐，具体包括：

结合所述意图信息、实体识别信息、保险产品属性因子和根据所述语音信息获取的用户动态特征信息以及经过清洗并落库的用户静态特征信息，训练得到保险推荐模型；

根据所述保险推荐模型，进行保险产品匹配的相应保险推荐，并将匹配结果返回所述保险推荐模型进行微调；

其中所述意图分类模块用于通过训练好的意图分类模型对所述文本信息进行意图识别分类；

所述意图分类模块包括标注子模块、第一训练子模块和分类识别子模块，

所述标注子模块用于：通过利用保险领域的语料训练出一个词向量，并进行将不同句子标记为相应种类保险意图的训练集标注；

所述第一训练子模块用于：通过卷积神经网络和所述训练集训练得到意图分类模型；

所述分类识别子模块用于：通过所述意图分类模型，获得不同语料归属于相应保险意图的概率，然后通过确定的预料对应意图的映射关系进行意图识别分类。

5.根据权利要求4所述的装置，其特征在于，所述预处理模块用于：

将用户输入的语音信息去除环境杂音，然后转换为文字信息，并对所述文字信息进行包括去除语气词和分词的预处理。