案例丨保险欺诈检测与系统优化设计（二）
文 / 韩殿威
人寿保险推荐系统
人寿保险是一种投资。随着中国金融市场的不断完善，以及国民收入的提高，购买寿险、股票、债券、国债、商品房等，成为很多人投资的新选择。一般来说，人寿保险费一般分为三类：意外事故保险费、疾病死亡保险费和增值保险费。人寿保险是一种非常复杂的金融产品，面对纷繁多样的保险产品，以及冗长难懂的理赔条款，准确地选出适合自己的人寿保险产品，并不是一件轻松的事。所幸的是，我们可以借助基于人工智能技术的推荐系统。这类推荐系统不仅具有智能化、精准化的特性，同时还能够兼顾到客户的个性化特征。保险是一个比较特殊的产品，同一个人可能在不同的情况买不同的产品。所以，用户的喜好是人寿保险产品购买的决定要素。但如果推荐系统的算法全部基于用户喜好，也有失偏颇。所以，我们提出的改进算法是个人喜好加上系统超级参数，从而为客户推荐一个更平衡的产品。
我们的系统分两步。第一步，运用机器学习方法找出最佳超级参数；第二步，使用超级参数加上用户喜好值得到最优解，从而选择最佳计划或产品。
1. 术语与定义
任何计划都含有两个子集，即约束集和特征集。约束集是指每个客户应该满足的条件；特征集是指客户能够得到的利益。
约束集：我们有4种约束条件在一个保险计划之中（参见《基于效用理论的多标准推荐系统的人寿保险计划》），包含入门年龄、保险金额、有效期和成熟年龄。入门年龄：客户的年龄必须在最小入门年龄与最大入门年龄之间，年龄越低，保险费越低；保险金额：保险人承担赔偿或者给付保险金责任的最低限额 ；有效期：一个计划有效的时间；成熟年龄：保险人在计划成熟时的年龄。
特征集：《印度市场寿险买家效用函数的发展》提出，人寿保险应当包含9个关键特征参数，即低保险花费、灵活的付款方式、报税获利、死亡获利、存活获利、红利、好的客户服务、条款／保险额再协商、保险计划定制可能性。推荐系统认为这9个特征是一样的，没有系统给出的超级参数。我们找出超级参数可以向深度学习的方法一样。例如，我们可以选出我们知道的1000（或更多）个最优计划。然后求得这一千个计划的每个特征参考数，再求一下每个特征的均值作为系统参数。也可以随机选取。这里我们不再赘述。
2. 推荐系统框架
我们的推荐系统框架由3部分组成（见图4所示）：领域模型、用户模型、推荐系统。
图4 人寿保险推荐系统框架
领域模型：我们的系统参数由系统给出。基本是每个公司有组超级参数。然后，系统也给出具体的条款规则。
用户模型：用户需要输进统计信息与偏好值信息。统计信息包括：年龄、收入、保险期、保险金额等。偏好值是一组模糊规则集。用户使用一些语言变量表达他们的喜好程度。例如，非常重要、重要、中等、不重要、非常不重要（见表1所示）。
表1 语言变量
特征 j 的权重可以由下式得到（参照《基于效用理论的多标准推荐系统的人寿保险计划》的改进版）:
for all j = 1, 2, … n.
其余的公式是基于灰色关联分析（GRA）[14,7]。假设我们有m特征n个计划，详细的描述及推理不作赘述[14]。
★确定反映系统行为特征的参考数列和影响系统行为的比较数列
for i=1, 2, …, m and j = 1, 2, …, n. yij 是参考数列。
★求参考数列与比较数列的灰色关联系数 ξ（Xi）
★求关联度 (gray relational grade)
3. 推荐系统
推荐系统是真正计算最佳计划（policy）的步骤。首先，我们计算出所有计划的效用，最大效用的计划就是我们要推荐的计划。
在这一节中，我们用一实例讲解如何使用上述算法推荐最好的计划给用户。假设我们有 8 个计划 P1~P8，且它们属于不同的类型。经过过滤之后，只有 P1、P2、P4、P6、P7 等 5 个计划符合条件。
首先，系统给出超级参数（0.23、0.01、0.12、0.08、0.15、0.21、0.04、0.11、0.05），用户登陆到我们的系统，使用的输入在表2表示。
表 2 用户统计学信息
表 3 列出用户输入的对各个目标（特征）的重要性偏好值。
表 3 用户偏好
我们根据公式（1）计算出特征 1 的权重。
λ1 = （0.9*0.23+0.05(0.9*0.23)/(0.9*0.23+0.05)/0.781 = 0.264,
类似地，我们计算出所有的特征的权重，结果在表 4显示。
表 4 用户特征重要性
参考序列如表5所示（由于我们要比较我们的方法与[7]，所以我们使用相同的值）。由于我们值在[0,100] 范围，所以就不用转化了。最后的分数与排名列在表 6。所以，我们的推荐系统推荐计划P1给用户。对比《基于效用理论的多标准推荐系统的人寿保险计划》，旧的算法推荐P7.加上系统超级参数后，我们发现最后的分数有较大的改变。这符合我们的预期。
表 5 各个计划的表现
表 6 最后分数与排名
（栏目编辑 ：王 伟）
（点击查看精彩内容）
《金融电子化》新媒体部：主任 / 邝源 编辑 / 傅甜甜 潘婧