摘要：針對傳統(tǒng)的人工方式判斷車主是否有意向購買車險存在效率低、缺乏預(yù)測性等問題，提出一種基于支持向量機的車險購買意向識別方法。首先，通過標準化處理與主成分分析降維，將30維的通話數(shù)據(jù)映射至10維空間，并采用欠抽樣策略解決數(shù)據(jù)樣本不平衡的問題；然后，利用SVM模型區(qū)分有、無意向車主。實驗結(jié)果表明，SNM模型的識別召回率和誤檢率分別為97.9%、4.3%。該方法可為車險公司個性化服務(wù)提供技術(shù)支持。

關(guān)鍵詞：車險購買意向識別；主成分分析；支持向量機；通話數(shù)據(jù)

中圖分類號：TP311.5 """"""""""文獻標志碼：A """""""""文章編號：1674-2605（2024）06-0013-06

DOI：10.3969/j.issn.1674-2605.2024.06.013""""""""""""""""""""開放獲取

A Method of Car Insurance Purchase Intention Recognition Based on """Support Vector Machine

SHAO Yanfu "XIE Dawei

（Guangzhou Joysim Technology Co.， Ltd.， Guangzhou 510000， China）

Abstract： Aiming at the problems of low efficiency and lack of predictability in traditional manual methods of judging whether car owners intend to purchase car insurance， a car insurance purchase intention recognition method based on support vector machine is proposed. Firstly， through standardization and principal component analysis dimensionality reduction， the 30 dimensional call data is mapped to a 10 dimensional space， and under sampling strategy is adopted to solve the problem of imbalanced data samples; Then， use SVM model to distinguish between interested and uninterested car owners. The experimental results show that the recognition recall rate and 1 detection rate of the SNM model are 97.9% and 4.3%. This method can provide technical support for personalized services of car insurance companies.

Keywords："car insurance purchase intention recognition; principal component analysis; support vector machine; calling data

0 引言

據(jù)統(tǒng)計，2022年我國民用汽車保有量已突破3.8億輛^[1]。同時，車險險種的結(jié)構(gòu)、費用費率不合理等問題也日漸浮現(xiàn)。自2015年第二次車險費用改革以來，我國車險行業(yè)通過市場化手段降低了車險費率，但仍存在經(jīng)營粗放、競爭失序和數(shù)據(jù)失真等問題^[2]，迫切需要深化改革，以滿足高質(zhì)量發(fā)展的要求。為此，利用車險公司積累的大量數(shù)據(jù)，通過建立準確的數(shù)學(xué)模型，對車險產(chǎn)品進行精細化管理和定價非常重要。其中，對不同購買意向的車主提供個性化的保險方案與服務(wù)，可提高車險的吸引力，促進車險行業(yè)向更合理、高效的方向發(fā)展。

通過車主與車險公司的通話內(nèi)容，分析車主的車險購買意向，有助于車險公司為車主提供更好的服務(wù)。傳統(tǒng)的車險購買意向主要通過人工標注和調(diào)查問卷的方式來確定，不僅效率低，而且缺乏預(yù)測性。因此，開發(fā)基于大數(shù)據(jù)和機器學(xué)習(xí)算法的車險購買意向識別技術(shù)，具有重要的理論意義和應(yīng)用價值^[3]。

目前，車主購買車險意向的研究主要分為4類：1） 根據(jù)車主過去的車險購買記錄，通過數(shù)據(jù)挖掘和模式識別技術(shù)，預(yù)測車主未來購買車險的可能性和偏好，其優(yōu)點是直接利用已有的數(shù)據(jù)資源，具有較強的實證基礎(chǔ)，但過度依賴歷史數(shù)據(jù)，忽略了車主的偏好和市場環(huán)境的變化；2） 通過分析車主的駕駛行為和風(fēng)格，如駕駛速度、剎車習(xí)慣等，預(yù)測其購買車險的意向，其優(yōu)點是體現(xiàn)了車主的個性化需求，能更精準地匹配適合其特點的車險產(chǎn)品，但收集和分析駕駛行為數(shù)據(jù)需要較高的技術(shù)支持和成本，且可能涉及隱私問題；3） 通過分析車主的消費習(xí)慣和偏好，如車險價格敏感度、險種選擇偏好等，了解車主購買車險的行為模式，其優(yōu)點是從消費者的角度為車險產(chǎn)品的設(shè)計和營銷策略提供指導(dǎo)，但消費習(xí)慣受多種因素的影響，變化較大，難以準確預(yù)測；4）"車險公司的產(chǎn)品質(zhì)量與服務(wù)態(tài)度，其優(yōu)點是直接反映車險公司在市場中的競爭力，為其提升產(chǎn)品質(zhì)量和改進服務(wù)提供指導(dǎo)方向，但評價標準主觀性強，且受限于車主的個人體驗和期望，可能存在一定的偏差^[4]。

本文利用車主與車險公司的通話數(shù)據(jù)，提出一種基于支持向量機（support vector machine， SVM）的車險購買意向識別模型，分析車主購買或復(fù)購車險的意向程度。該模型利用主成分分析（principal component analysis， PCA）算法降低輸入特征的維度，減少計算復(fù)雜度；通過SVM在N維空間中尋找最大化超平面，將有意向車主與無意向車主有效分離。

1 相關(guān)研究

1.1 PCA

PCA是一種經(jīng)典的數(shù)據(jù)降維技術(shù)，基本思想是將原始數(shù)據(jù)線性映射到一個新的正交空間，使映射后數(shù)據(jù)的方差最大，并舍棄貢獻率較小的次要成分。具體做法是：計算數(shù)據(jù)協(xié)方差矩陣，求解其特征值和特征向量；選取前k個最大的特征值對應(yīng)的特征向量作為新空間的基底，將原始數(shù)據(jù)投影到新空間中實現(xiàn)降維。

PCA具有算法簡單、無數(shù)據(jù)損失等特點，被廣泛應(yīng)用于圖像識別、信號處理、數(shù)據(jù)壓縮等領(lǐng)域。但它是一種無監(jiān)督學(xué)習(xí)方法，數(shù)據(jù)降維后可能會丟失有用的判別信息。

1.2 SVM

SVM是一種基于統(tǒng)計學(xué)習(xí)理論發(fā)展起來的有監(jiān)督學(xué)習(xí)模型，主要用于模式識別、數(shù)據(jù)分析等領(lǐng)域。其基本工作原理是在高維特征空間中尋找一個最大邊界超平面，將不同類別的樣本點分開，使兩類樣本點到超平面的距離最大，從而達到較好的分類效果，原理如圖1所示。

SVM具有正則化的特點，能夠較好地控制模型的復(fù)雜度，避免過擬合；且泛化能力較強，在小樣本、高維、非線性等情況下仍能獲得較理想的性能。

2 識別方法

基于改進SVM的車險購買意向識別方法主要分為數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、特征降維、SVM分類、模型預(yù)測5個環(huán)節(jié)。預(yù)先設(shè)定車主的車險購買意向為有意向車主和無意向車主2種類型。

2.1 數(shù)據(jù)獲取

在預(yù)先獲得授權(quán)的前提下，統(tǒng)計某車險公司半年內(nèi)的通話數(shù)據(jù)，得出30個與車險購買意向相關(guān)的維度，包括是否撥打車險公司號碼、通話時長、是否為主叫方等。其中，車主的手機號碼經(jīng)過加密脫敏處理。最終，收集到無意向車主數(shù)據(jù)453 869條、有意向車主數(shù)據(jù)518條。通話原始數(shù)據(jù)維度如表1所示。

無意向車主數(shù)據(jù)（453 869條）與有意向車主數(shù)據(jù)（518條）存在嚴重的數(shù)據(jù)不平衡。如果直接基于這種不平衡數(shù)據(jù)訓(xùn)練模型，將導(dǎo)致模型泛化性能較差。為解決這一問題，本文采用欠抽樣的策略，從無意向車主數(shù)據(jù)中隨機抽取518條，與有意向車主的518條數(shù)據(jù)組成平衡的混合數(shù)據(jù)集，并將該混合數(shù)據(jù)集按照1∶1的比例劃分為訓(xùn)練集和驗證集^[6]。

2.2 數(shù)據(jù)預(yù)處理

由于通話數(shù)據(jù)特征維度的量綱不同，如是否主叫的取值范圍為{0，1}，通話時長以秒為單位，因此需要對原始通話數(shù)據(jù)進行標準化處理，即將不同量綱的數(shù)據(jù)統(tǒng)一到同一數(shù)量級：

2.3 特征降維

由于標準化后的通話數(shù)據(jù)的特征維數(shù)較高（30個），且部分特征存在線性相關(guān)性，直接輸入模型可能會導(dǎo)致過擬合及計算效率降低。為此，采用PCA算法對標準化后的通話數(shù)據(jù)進行降維處理。

由表2可知，前10個最大的特征值之和占全部特征值總和的比例為98.1%，即主成分保留98%以上，故選取前10個特征值替代通話數(shù)據(jù)的30個特征值。

2.4 SVM分類

經(jīng)初步分析發(fā)現(xiàn)，有意向車主數(shù)據(jù)與無意向車主數(shù)據(jù)在一些字段上較為相似，用低維的曲線擬合容易導(dǎo)致欠擬合，用高維的多項式擬合容易出現(xiàn)過擬合。為此，采用SVM算法先把低維不可分的數(shù)據(jù)投射到高維空間，再用高維超平面進行是否有車險購買意向的二分類。

2）"懲罰參數(shù)C：引入一個正的調(diào)整參數(shù)C，其決定了分類的嚴格程度。較大的懲罰參數(shù)C意味著模型會對錯誤分類的樣本給予更大的懲罰，從而可能導(dǎo)致模型過擬合；較小的懲罰參數(shù)C使模型對錯誤分類的樣本懲罰減小，從而可能導(dǎo)致模型欠擬合。

2.5 模型預(yù)測

利用驗證集的518條數(shù)據(jù)進行SVM模型預(yù)測驗證，其中288條數(shù)據(jù)為有意向車主數(shù)據(jù)，占比為55.6%；230條為無意向車主數(shù)據(jù)，占比為44.4%。

對驗證集數(shù)據(jù)進行數(shù)據(jù)預(yù)處理、特征降維（10維）后，輸入SVM模型（公式12），得出的預(yù)測結(jié)果如表3混淆矩陣所示^[10]。

3 結(jié)論

本文針對車主的車險購買意向識別問題，提出了一種基于支持向量機的車險購買意向識別方法。1） 根據(jù)車主與車險公司的通話數(shù)據(jù)，統(tǒng)計需要分析的30個維度；2） 利用欠抽樣策略隨機抽取部分車主數(shù)據(jù)，構(gòu)建平衡數(shù)據(jù)集，緩解模型訓(xùn)練過程中的數(shù)據(jù)偏差；3） 對30維的原始通話數(shù)據(jù)進行標準化預(yù)處理，消除不同特征量綱的影響；4） 采用PCA算法將30維數(shù)據(jù)映射到10維空間，并保留了98%以上的方差貢獻，有效降低了數(shù)據(jù)冗余；5） 采用SVM算法建立分類模型，將是否有意向購買車險的數(shù)據(jù)進行分類。經(jīng)驗證集測試，SVM模型的召回率為97.9%，誤檢率為4.3%，具有良好的分類性能。本文SVM模型還存在需要改進的地方，如模型進一步優(yōu)化、模型參數(shù)的自動調(diào)優(yōu)等。

?The author（s） 2024. This is an open access article under the CC BY-NC-ND 4.0 License （https：//creativecommons.org/licenses/ by-nc-nd/4.0/）

參考文獻

[1]"楊怡.關(guān)于推動我國交通運輸高質(zhì)量發(fā)展的幾點思考[J].人民公交，2024（11）：69-72.

[2]"房弢，陳晨，華圓.中小財產(chǎn)車險公司差異化發(fā)展路徑與服務(wù)實踐研究[J].浙江工商職業(yè)技術(shù)學(xué)院學(xué)報，2024，23（1）：13-17.

[3] 唐金成，肖思文.新能源車險發(fā)展困境與創(chuàng)新策略[J].中國保險，2024（5）：29-33.

[4] 譚征.基于K-Means和SEM的消費者互聯(lián)網(wǎng)保險購買意愿研究——以TPB和TAM為分析框架[J].重慶理工大學(xué)學(xué)報（自然科學(xué)），2019，33（2）：198-207.

[5]"鄧育輝，李鵬，邵延富，等.基于神經(jīng)網(wǎng)絡(luò)與粒子群算法的騷擾電話識別研究[J].數(shù)據(jù)通信，2022（5）：28-30.

[6] HAN Jiawei， KAMBER Micheline， Pei Jian. Data mining： Concepts and techniques[M]. Waltham： Morgan Kaufmann Publishers， 2012：265-270.

[7] 包研科.數(shù)據(jù)分析教程[M].北京：清華大學(xué)出版社，2011：68-76.

[8] 王學(xué)民.應(yīng)用多元分析[M].4版.上海：上海財經(jīng)大學(xué)出版社， 2014：188-214.

[9] TAN Pangning， STEINBACH Michael， Vipin Kumar. Mining W I D. Introduction to data mining[M]. New Jersey： Pearson Education， Inc， 2006：127-189.

[10] 李文楷，劉原池，劉子越，等.基于正樣本-背景數(shù)據(jù)的校正混淆矩陣[J].海南大學(xué)學(xué)報（自然科學(xué)版），2023，41（3）：293-302.

[11] 高瑞.混淆矩陣在商業(yè)決策中的應(yīng)用研究[J].當代經(jīng)濟， 2021（4）：110-113.

作者簡介：

邵延富，男，1972年生，碩士研究生，高級工程師，主要研究方向：軟件工程和大數(shù)據(jù)工程。E-mail： 13632102858@139.com

謝大為，男，1991年生，本科，高級工程師，主要研究方向：大數(shù)據(jù)工程。E-mail： 13798088446@139.com