基于区块链技术的智能保险推荐系统的研究
2021-12-03项慨詹梦桥陈好郭嘉一卫豫贤荣文志彭池方鸿霁
项慨 詹梦桥 陈好 郭嘉一 卫豫贤 荣文志 彭池 方鸿霁
摘 要：随着互联网与保险行业的深度融合，为解决传统保险业存在的用户隐私泄露、产品销售难、信息不对称等问题，本文将区块链技术与推荐算法和保险业相结合，利用Android Studio平台构建基于区块链技术的智能保险推荐系统。据此，本文在具体的系统构建过程中，使用基于保险产品的协同过滤算法和用户协同过滤的算法，设计个性化保险产品推荐系统，并结合区块链技术将保险交易过程中的信息存储于各个分布式节点进行加密，旨在提升保险交易前的精度与保险交易中的效率、安全性，从而实现用户与保险企业的共赢局面。
关键词：保险;区块链;智能推荐;互联网金融
一、引言
“智能+”在2019年《政府工作报告》中被提出后一直备受关注。“智能+”是数字技术发展的新维度，其发展关键包括人工智能、大数据、云计算的研发与应用。而互联网、大数据、云计算等新兴技术的快速发展，使得我国互联网保险得到了长足发展，互联网保险保费呈现出持续增长态势。2019年我國互联网保险保费规模达到2696亿元，互联网保险的渗透率达到6.3%，成为拉动保费增长，促进传统保险行业提质增效的重要因素之一。
在“智能+”发展格局之下，随着区块链、推荐算法的发展，在“智能+”发展的基础上结合区块链技术和推荐算法促进传统保险业的发展已经成为保险业发展的重要方向。
目前，传统保险业存在着用户隐私泄露、产品销售难、信息不对称等问题。一方面，区块链技术分布式、去中心化的特点有利于加强对用户信息的保护，防止用户信息泄露，有利于构筑信任体制，进一步提升消费体验[1]。另一方面，根据不同用户的需求提供个性化的智能推荐并结合客户的自身情况进行智能改进，总结出保险行业智能推荐策略。基于智能推荐算法帮助保险公司更深层次的挖掘目标客户，提供个性化和定制化服务信息辅助用户决策，提升用户购买保险产品的积极性。
区块链保险方面，从数字化平台角度出发，shaun Crawford和David Piessse分析区块链对保险行业影响，他们认为随着区块链的快速发展会促进保险业的发展与创新;国内学者宋蔚（2018）针对“区块链+保险”业务模式进行了分析，指出“区块链+保险”的业务模式为保险行业创新发展提供了新方向，可提升保险行业服务水平，促进行业优化升级[2]。
在“智能+”的发展趋势下，本文将区块链技术和推荐算法和保险业相结合，提出基于区块链技术的智能保险推荐策略，提升保险业务的精准化和智能化水平，为用户带来更高质量的服务。
二、区块链与智能推荐
（一）区块链
区块链是一种分布式数据存储，加密算法、点对点传输等技术在互联网时代的创新应用模式。区块链分布式数据存储结构具有多方共识、分布式存储、难以篡改等特征[3]。由于具有这些特征，区块链技术在数字货币，支付结算、跨境汇款、共同互助保险等领域都得到一定程度的应用，相比于传统的中心化服务器，区块链技术具有促进数据的交换和共享、有效保护用户隐私、建立可信体系等作用[4]。
（二）智能推荐
智能推荐算法即通过一些数学算法挖掘出用户的偏好，主动为用户推荐出兴趣信息。在推荐过程中，要求智能推荐系统能够及时采集用户的需求信息并在此基础上分析用户的喜好，以及设置被推荐产品信息具备的合理属性。智能推荐算法通过设置的产品本身特有的属性和用户的需求信息，对用户和产品进行匹配并将匹配程度进行排序，根据匹配程度做出最优的推荐。目前主要有基于协同过滤的推荐、基于内容的推荐、基于混合过滤的推荐等推荐算法，智能推荐算法在图书、音乐、视频、新闻、电影等领域都有着极为广泛的应用。通过智能算法推荐系统，可以避免用户寻找海量信息所导致的厌倦状态，极大提升信息的有效利用。
1. 基于协同过滤的推荐
仅根据用户行为数据设计的推荐算法通常称为协作过滤算法[5]。在这些算法中，行业广泛采用基于邻域的方法，主要包括基于用户的协同过滤算法和基于物品的协同过滤算法。协同过滤来使用一个简单的兴趣爱好相投的群体，有着共同兴趣的用户个人信息通过信息合作机制相当程度评分（如评分），并用于过滤和筛选，针对特别有共同兴趣的记录，也是非常重要的值得推荐的信息。
（1）基于用户的协同过滤用户的行为数据
基于用户的协同过滤是基于这样一项原则，即根据所有用户的偏好而言，有可能确定一组用户的“邻居”们的品味和喜好相似的当前用户所喜爱的物品，并推荐最近邻。一般的应用中是采用计算“K-近邻”的算法，根据这些邻居的历史偏好信息，向当前用户提出建议和推荐。
（2）基于物品的协同过滤算法（item based CF）
基础为协同过滤推荐的一个项目，类似于基于用户建议，即所有用户的偏好使用物品，物品与物品之间，找出相同点，然后向用户推荐类似的根据他们喜好的历史记录。
如果用户购买了一个物品A，并通过分析用户行为记录计算出物品A与物品A有很大的相似之处，则建议用户使用物品B，该方法基于物品的协同过滤算法。
2. 基于内容的推荐
协同过滤算法的使用前提是用户具有项目评分行为，这大大限制了他们的使用[6]。为了解决这个问题，研究人员提出了基于内容的建议，并进行了大量相关研究。基于内容的推荐主要推荐与用户过去喜欢的产品类似的产品。该算法首先通过自动学习或其他方式提取事物的特征，然后构建用户模型并生成推荐的结果，而不需要从用户那里获得项目的评分。
基于内容的推荐可以处理新用户和新产品问题，可以提高协同过滤的效率，特别是受信息获取技术的约束，例如多媒体内容的自动提取数据特征的技术困难、产品特征提取是常常出现的必要参与人数较多，所以这方面的相关应用受到了很大限制。
3. 基于关联规则的推荐算法
基于关联规则的推荐系统的主要目标是找出关联规则，即许多用户同时购买的对象集合，这些对象可以相互推荐。目前关联规则挖掘算法主要从Apriori和FP-Growth两个算法发展演变而来[7]。
三、系统设计
（一）系统总体架构
1. 整体结构
基于区块链的智能保险推荐系统的整体框架思路为，系统将用户和公司各自的信息存储于各个分布式节点中，以key-value的方式在单独的键值存储区中进行加密;当用户进行业务交易时，系统将授权调用键值存储区的信息，通过推荐算法对供需双方进行分析与匹配，根据运算结果从保险产品数据库中为客户呈现推荐保险产品集合[8]。在用户购买产品后，系统会运用区块链智能合约技术，将对投保人的信用水平进行自动审核，一旦符合要求即可交易成功;而当保险产品中的理赔条件一旦发生，智能合约就会被触发，对投保人进行支付理赔。
2. 系统运作流程
根据系統总体需求分析，对本保险产品的系统流程总结如下：
用户可以匿名浏览平台中的各类保险产品，如需购买产品则要进行登录验证。用户在选择保险产品时首先要填写其对保险产品的基本需求，此时推荐系统将初步筛选确定推荐产品的范围，用户登录成功后即可查看保险的详细信息。对于登录用户的购买保险产品行为，若用户选择在线支付即可立即购买保险产品，若用户暂未付款，系统则会将该产品添加进用户购物车方便用户下次购买。付款后用户可以对购买的保险产品进行评价，系统在记录并量化用户评价行为后，将其反馈至推荐算法。
对于感兴趣的保险产品，用户暂时不购买，也可以将保险产品添加到自己的购物车以便继续访问。本系统还有好友功能，用户可以添加其他用户为好友进行保险产品的互相推荐。
用户购买保险时的具体业务流程如图2所示。
（二）功能设计
1. 新产品上架
新产品上架功能主要是为了给新用户推荐到数据库中最新发布的保险产品信息，让新上架的保险产品信息更有机会被用户了解到，增加用户的行为数据记录[9]，为以后用户推荐新上架的保险产品做数据支撑准备。其中，在数据库内最为热门的保险产品及其信息会展示在用户界面上，浏览数、收藏数、加入保险产品列表次数等都是热门保险的衡量指标。
2. 用户管理
在用户管理系统中，用户主要分为三类。其中，管理员用户可以行使三类管理权限，分别对应评论、保险产品和用户的管理。管理员用户为系统中权限最高的用户，可以通过界面化的功能对整个系统进行维护。管理员系统维护功能包括系统界面维护、系统功能维护、系统推荐算法维护、系统数据库维护。注册用户可以通过保险产品个性化推荐、保险产品检索、保险产品上架等功能的使用进行保险产品的选择、体验评论、收藏等操作。而对于匿名用户而言，这一群体只能接受普通的保险产品浏览服务，无法对其进行个性化推荐。
3. 信息记录
在“我的”版块中，用户可以查询自己的保险产品浏览及收藏记录。系统在存储用户及保险公司的隐私信息时，也会自动将此类产品偏好信息同步到数据库。
每个保险用户拥有独立账户，都是一个分布式节点。保险交易的交易数据不是存储在某些特定的服务器或中心节点上，而是在每一个节点之间共享。系统将信息打包同时分配至区块链节点，此时区块链使用非对称加密算法对录入的信息进行加密存储，利用公钥传递信息，而私钥只有用户自己知晓，能够有效防范用户和保险公司的私密信息被泄露，同时方便信息传递验证。
与此同时，区块链对推荐算法进行授权，具体信息以key-value方式存储在单独的键值存储区中。信息记录流程如图5所示。
4. 个性化推荐
个性化推荐功能是本产品的核心功能。客户在用户界面筛选自己对保险产品、保险公司的需求，系统即可立即调用推荐算法在客户授权下向区块链查询对应信息，然后根据保险公司的授权向区块链查询公司信息。数据查询的流程如图6所示，同时推荐算法从保险产品数据库中获取各个产品的免责范围，根据设定算法的运算结果得到客户的推荐产品列表。
5. 检索功能
一方面可以让普通用户可以在海量的保险产品信息中检索到符合自身需求的产品;另一方面也可以让管理员可以在保险产品数据库中删除违规或者下架的保险产品。
四、系统实施
（一）系统层次结构
推荐系统由表示层、数据采集层、数据支撑层和数据处理层所组成[10]。用户在表示层进行注册登录等初始化操作，并通过表示层接收系统推荐的各类保险业务信息;数据采集层主要在后台实现对保险业务信息和用户偏好信息的采集;采集后的数据在数据支撑层进行储存与管理;数据处理层通过调用支撑层的数据，按照算法规则对其进行计算处理，生成最后的保险产品推荐列表，呈现在表示层。
（二）系统功能模块
基于区块链技术的智能保险推荐系统大致分为三个大的功能模块，分别是保险产品数据采集模块、用户群体细分模块和保险产品信息推荐模块。这三个模块大致构成了智能保险推荐系统的主体部分。
一是保险产品数据采集模块，这一功能模块中主要包含保险产品数据采集功能并且将从各大金融机构搜集的数据经过相关处理后存储到后台相关的数据库中用以对后续智能保险推荐系统的调用等操作。通过数据采集框架对各大金融机构的保险产品信息进行数据采集并将其存放到系统的后台数据库表中。
二是用户群体细分模块，本系统利用相关的推荐算法并根据用户属性特征与行为特征进行聚类分析，通过聚类分析从而保留聚类中心。新用户登录本系统后会先进行个人信息的填写并录入系统后台数据库表中。智能保险推荐系统根据用户的个人信息和保险产品的时效性最终形成保险产品推荐列表。
三是保险产品信息推荐模块，此功能模块的实现分为两种情况，一种情况是：如果未经登录和信息认证的游客進入本系统，那么本系统会展示最新的保险产品信息，据此游客可以进行保险产品信息的浏览。另一种情况是：对于已经登录和确认信息的用户，系统会根据用户特征，比如用户年龄、用户类别等，通过聚类分析后形成的细分群体，在细分群体中通过相关的推荐算法，向用户生成保险产品推荐列表并且经过时效性处理后将最终结果向用户展示。
本系统将根据对用户浏览数据的采集和经过用户登录和确认之后的信息进行相关分析，从而向用户生成相关的保险产品信息推荐推荐列表。
1. 基于保险产品的协同过滤算法
首先需要构建所有用户对保险产品的评分矩阵，计算出不同保险产品间的共现矩阵，然后再计算每个保险产品的用户购买量，根据共现矩阵和用户购买量计算保险产品之间的相似性[11]。再根据与用户购买过的保险产品相似度较高且没有购买过的保险产品进行推荐值计算，最终为目标客户推荐排名靠前的N项服务。
具体步骤如下：
（1）构建评分矩阵
（2）构建共现矩阵与单服务购买次数
共现矩阵中值的计算：两个保险产品之间被共同购买的次数。
（3）计算保险产品之间的相似度
（4）计算推荐值
推荐值=保险产品之间的相似度*用户对服务的评分（Rij） （公式2）
用户U1对理财产品S1的总评分计算：
1*0+1*0.1+0*0.2+0*0.3+1*0=0.1
用户U1对理财产品S2的总评分计算：
1*0+3*0.1+1*0.2+2*0.3+2*0=1.1
用户U1对理财产品S3的总评分计算：
0*0+1*0.1+1*0.2+1*0.3+0*0=0.6
用户U1对理财产品S4的总评分计算：
0*0+2*0.1+1*0.2+2*0.3+1*0=1.0
从而得到用户1的推荐列表为1[101：0.1，102：1.1，103：0.6，104：1.0]再经过排序得到最终推荐列表1[102：1.1，104：1.0，103：0.6，101：0.1]。类似得到其他用户对不同保险产品的推荐列表。
最后通过推荐值筛选出靠前的服务，对目标客户U推荐未知保险产品S2。
2. 基于用户的协同过滤算法
（1）发现兴趣相似的用户
通常用余弦相似度公式计算两个用户之间的相似度。设 N（u）为用户u喜欢的产品集合，N（v）为用户v喜欢的产品集合，由此通过公式构建u和v的相似度：
公式4 余弦相似度公式
假设目前共有4个用户： U1、U2、U3、U4;共有5个产品：S1、S2、S3、S4、S5。用户与产品的关系（用户喜欢产品）如下表所示：
为计算方便，通常首先需要建立“产品—用户”的倒排表，如下图所示：
对于每个产品，喜欢它的用户，两两之间相同产品加1。例如喜欢产品S1的用户有U1和U2，那么在矩阵中他们两两加1。如下表所示：
计算用户两两之间的相似度，上面的矩阵仅仅代表的是公式的分子部分。以余弦相似度为例，对上图进行进一步计算：
由此，用户相似度计算完成，根据计算结果可以直观地找到与目标用户兴趣较相似的用户。
（三）关键代码
智能保险推荐App，基于Android平台下基于区块链技术，结合协同过滤推荐算法的保险产品推荐。用户将自己的信息录入，建立数据库1。通过基于用户协同过滤的推荐，并建立推荐保险产品信息库2。计算已有的用户信息数据库1和推荐的保险数据库2的交集，便是符合用户特征和需求的智能保险产品，相对补集是用户缺少的保险产品，此时可以导入购物链接。
本文设计与实现了基于Android平台下结合协同过滤推荐算法的智能保险推荐App，可以推荐适合用户的保险。针对目前存在的保险产品信息更新频繁带来的数据利用率低、实时性差等问题，本文主要详细设计实现了基于协同过滤推荐算法的推荐模块。相比于其他推荐系统，提高了推荐实时准确性，增强了系统的稳定性。
1. 登录注册部分
首先确定了本页面整体为线性布局收尾以
其次为整个页面的背景图及总色调，选取的为符合本项目主旨的蓝色和白色。
在线性布局内设有以下元素：一个Textview作为登录标志，两个Edittext分别作为账号输入以及密码输入。设有button，在java文件中分别命名为login_btn及一个通过语句：
连接主页面。
未注册的用户则通过代码1：
caseR.id.regester_user：
Intent intent=new Intent（LoginActivity.this，RegeActivity.class）;
startActivity（intent）;
break;
跳转至注册页面（Activity_rege.xml）。
注册页面内，用户在填写完信息后，系统为其保存注册信息并录入数据库进行注册。
2. 主要功能部分
