一种基于异质信息网络的冷启动用户跨域保险推荐系统

互联网正在改变世界，顺应互联网销售趋势将为传统保险公司带来收益。在线保险仍处于发展初期，其中冷启动问题（潜在客户）是最大的挑战之一。在传统电子商务领域，已有若干跨域推荐（CDR）方法被研究，以基于冷启动用户在其他域中的偏好推断其偏好。然而，由于领域特有属性，这些 CDR 方法无法直接应用于保险领域。本文提出一种称为基于异质信息网络的冷启动用户跨域保险推荐（HCDIR）系统的新框架。具体而言，我们首先尝试在源域和目标域中学习更有效的用户与物品潜在特征。在源域中，我们采用门控循环单元（GRU）对用户动态兴趣建模。在目标域中，鉴于保险产品的复杂性与数据稀疏问题，我们基于来自平安金管家的数据构建保险异质信息网络（IHIN），该 IHIN 将用户、代理人、保险产品及保险产品属性连接在一起，为我们提供更丰富的信息。随后我们采用三级（关系、节点与语义）注意力聚合来获取用户与保险产品表示。在获得重叠用户的潜在特征后，通过多层感知机（MLP）学习两域之间的特征映射。我们在金管家数据集上应用 HCDIR，并显示 HCDIR 显著优于最先进的解决方案。