我应该购买什么类型的保险？

各个险种之间的区别是什么？

赔付形式是怎样的？

哪些情况不属于投保范围？

……

日前，招商银行发布的《当代青年保险态度报告》中指出，在购买保险的人群中，年龄在18-45岁的占90%以上，其中25-35岁的人数占比更是高达58%。不难看出，年轻人已经成为购买保险的主力军。

随着购买群体日益年轻化，传统线下劝服的营销方式已逐步被淘汰，他们更倾向于通过线上渠道，与保险供应商快捷、精准地互动。这就要求保险企业革新销售及服务方式，以智能化的手段链接客户。

可以说，智能客服的出现，帮助企业解决了人手短缺及响应速度慢等问题；而知识图谱的应用则为企业在响应客户咨询的全面性、专业度及精准度层面上，迈出了智能化的一步。

什么是知识图谱？

知识图谱（Knowledge Graph）旨在描述世界万物的知识、概念、实体、属性、事件及其之间的关系。可以将知识图谱简单理解为把知识连接在一起组成的网络，这些网络就是我们所谓的图谱。它以节点来代表实体、概念、事件，每一个节点都是一个知识点，而边代表实体/概念之间的各种语义关系。

简单的讲，知识图谱就是将所有不同种类的信息连接在一起，得到的一个关系网络，以可视化的方式展现实体间的关联，能够更快、更简单地发现新的信息和知识，提供了一种从“关系”的角度去分析问题的能力。

知识图谱X保险行业

知识图谱在保险行业的应用前景十分广阔，合理的利用知识图谱技术，能缓解保险公司在风险管控中的诸多压力，帮助管理者优化监管工作；同时，还能解决交易过程中，用户获取产品信息成本较高，信息不对称等问题，为优化用户服务体验提供了新的思路。

搜的更全、搜的更准

长期以来，阻拦未购买保险的用户做出购置决定的重要原因之一，就在于保险产品条款本身的复杂性。一是不同险种的目标群体及适用范围不同，条款细则中充斥着大量难以直接理解的专有名词，用户在决策前需要花费大量的时间和精力去了解；而对于保险代理人来说，也很难熟知每一险种中的所有条款细则。

知识图谱可以利用上下文的实体关联关系，缩小搜索范围，快速找到用户真正关心的东西。利用智能的知识网络，更简洁高效的为用户提供信息服务。

那么，知识图谱是如何赋能保险行业的呢？

通过将保险条款中多元复杂的内容提取出来，利用实体识别、关系抽取、知识融合等手段，转化为知识图谱的表示方式，将“数据知识化”，并结合NLP智能问答与语义搜索、语义匹配，实现基于图谱的搜索、问答及推荐。基于智能的知识网络，更简洁高效的为用户提供信息服务，降低用户获取产品信息的成本，“扫清”阻拦用户做出购买决策的障碍。

属性问答

也称定义类问答，例如保单是什么；什么是重疾险等。

产品推荐问答

可以根据不同用户对产品不同的需求，有针对性的推荐保险产品，例如保A疾病的产品有哪些；重疾险有哪些等。

反问机制

当缺少对应的实体类型时候，会进行反问。例如：在没有上下文的情况下直接询问等待期是多久，系统会反问具体问的是哪一款产品。

上下文理解-意图继承

问答系统可以对意图进行继承，当上文已有意图的情况下，如果下文用户基于该意图直接进行提问，那么系统可以继承上文的意图进行回答；

上下文理解-实体继承

问答系统可以对实体进行继承，当上文已有实体的情况下，如果下文用户基于该实体直接进行提问，那么系统可以继承上文的实体进行回答。

实例化问题

基于知识图谱构建的问答系统具有推理能力及判断能力，可以对一些实例化问题进行精准答复。

让机器更懂人类语言

通过对保险知识图谱化重构，构建知识管理系统平台，为银保、代理、销售、客户提供智能化精准搜索、问答等服务，能够有效提升拓客及工作效率，以及提高客户满意度，帮助降低企业人力服务成本，推动保险企业的数字化、智能化能力建设。