[发明专利]基于不规则数据计算推荐金额的方法及系统

权利要求书

1.一种基于不规则数据计算推荐金额的方法，其特征在于，包括：

采集订单信息、客户信息、商品信息和赔付金额，将所述订单信息、客户信息、商品信息作为变量，对所述变量与赔付金额进行相关性分析，将影响所述赔付金额的变量作为自变量，根据所述自变量确定自变量组合；

对所述自变量组合中数值类型为连续数值型的自变量进行离散化，形成多个区间；

设置支持度和置信度，通过所述支持度和置信度对各所述区间进行频繁项集挖掘；

计算所述区间中各自变量的均值、中位数、众数和上下四分位数；

根据所述均值、所述中位数、所述众数、所述上下四分位数和所述频繁项集形成所述区间的备选推荐金额；

设计目标函数为cost＝e^λcost_a+e^cost_b，其中，λ表示平滑系数，cost_a表示赔付成本的提升率，cost_b表示满意度偏移量；

利用所述目标函数遍历所述区间内的备选推荐金额，将使所述目标函数的值最小的所述备选推荐金额作为所述区间的最优推荐金额。

2.根据权利要求1所述的基于不规则数据计算推荐金额的方法，其特征在于，

所述对所述变量与赔付金额进行相关性分析，具体为：采用联列表分析方法或假设检验分析方法分别对所述订单信息、客户信息、商品信息与赔付金额进行相关性分析。

3.根据权利要求1所述的基于不规则数据计算推荐金额的方法，其特征在于，设计目标函数之前，还包括：

筛选不存在频繁项集的区间作为第一区间，利用与所述第一区间相邻区间的备选推荐金额作为所述第一区间的备选推荐金额。

4.根据权利要求1所述的基于不规则数据计算推荐金额的方法，其特征在于，设计目标函数之前，还包括：

筛选不存在频繁项集的区间作为第一区间，利用所述第一区间的均值、中位数、众数和上下四分位数作为第一区间的备选推荐金额。

5.根据权利要求1所述的基于不规则数据计算推荐金额的方法，其特征在于，

所述对各所述自变量组合进行频繁项集挖掘，具体为：采用Apriori方法进行频繁项集挖掘。

6.根据权利要求1所述的基于不规则数据计算推荐金额的方法，其特征在于，所述对所述自变量组合中数值类型为连续数值型的自变量进行离散化，具体为：将所述连续数值型订单金额按照最细粒度分段，根据相似度对相邻段进行合并，对合并后形成的各个区间进行调整，使得各所述区间之间的分界点为整数。

7.根据权利要求1所述的基于不规则数据计算推荐金额的方法，其特征在于，

所述赔付成本的提升率为其中，var_sum表示根据所述备选推荐金额计算得到的付款总额，sum表示实际付款总额；

根据所述区间内的多个备选推荐金额的均值计算满意度偏移量其中，x表示备选推荐金额，mean表示所述区间内的备选推荐金额的均值。

8.根据权利要求1所述的基于不规则数据计算推荐金额的方法，其特征在于，

所述赔付成本的提升率为其中，var_sum表示根据所述备选推荐金额计算得到的付款总额，sum表示实际付款总额；

根据所述区间内的多个备选推荐金额的中位数计算满意度偏移量其中，x表示备选推荐金额，mid表示所述区间内的备选推荐金额的中位数。

9.一种基于不规则数据计算推荐金额的系统，其特征在于，包括：

采集模块，用于采集订单信息、客户信息、商品信息和赔付金额；

分析模块，用于将所述订单信息、客户信息、商品信息作为变量，对所述变量与赔付金额进行相关性分析，将影响所述赔付金额的变量作为自变量，根据所述自变量确定自变量组合；

离散化模块，用于对所述自变量组合中数值类型为连续数值型的自变量进行离散化，形成多个区间；

挖掘模块，用于设置支持度和置信度，通过所述支持度和置信度对各所述自变量组合进行频繁项集挖掘；

计算模块，用于计算所述区间中各自变量的均值、中位数、众数和上下四分位数；

备选推荐金额设置模块，用于根据所述均值、所述中位数、所述众数、所述上下四分位数和所述频繁项集形成所述区间的备选推荐金额；

目标函数设计模块，用于设计目标函数cost＝e^λcost_a+e^cost_b，其中，λ表示平滑系数，cost_a表示赔付成本的提升率，cost_b表示满意度偏移量；

设置模块，用于利用所述目标函数遍历所述区间内的备选推荐金额，将使所述目标函数的值最小的所述备选推荐金额作为所述区间的最优推荐金额。