The implementation of the manual provides a method, device and server for predicting the risk of auto insurance. As an embodiment of the method may include: attribute information auto users, the attribute feature information including natural natural attributes and social attributes of information, information behavior data of at least one of the information data of the people; the prediction algorithm attribute information processing using pre construction insurance the risk prediction results to obtain the user's risk of motor vehicle insurance.
【技术实现步骤摘要】
车险风险预测方法、装置及服务器
本说明书实施例属于计算机数据处理
,尤其涉及一种车险风险预测方法、装置及服务器。
技术介绍
随着车辆保有量的逐年增加,各保险公司的车险业务量也随之增加。如何对被保险车辆进行准确的车险风险评估,以制定合理的车辆承保、定价、服务项目等车险保险业务,是保险公司重要的研究方向之一。目前,保险公司主要依靠车辆自身的属性信息进行定价建模,针对不同的被保险车辆情况制定相应车险业务,提供给用户。例如,根据被保险车辆的外观新旧度、车辆使用年限、车辆里程等。实际的车辆保险业务中,影响车辆是否出险以及出险费用的因素还可以包括其他方面,如车辆所在地的自然环境、经常驾驶路况等。因此,业内还需要更加全面、准确的预测车险风险的解决方案。
技术实现思路
本说明书的一个或多个实施例目的在于提供一种车险风险预测方法、装置及服务器,可以使用车险用户的人属性信息进行车险风险预测,提供更加全面、准确、可靠的车辆风险预测依据,整体上提高车险风险评估的准确性和可靠性。本说明书的一个或多个提供的一种车险风险预测方法、装置及服务器是包括以下方式实现的:一种车险风险预测方法,所述方法包括:获取车险用户的人属性特征信息,所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据;利用预先构建的车险风险预测算法对所述人属性特征信息进行处理,得到所述车险用户的车险风险预测结果。一种车险风险预测装置,所述装置包括:人属性特征获取模块,用于获取车险用户的人属性特征信息,所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据; ...
【技术保护点】
一种车险风险预测方法,所述方法包括:获取车险用户的人属性特征信息,所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据;利用预先构建的车险风险预测算法对所述人属性特征信息进行处理,得到所述车险用户的车险风险预测结果。
【技术特征摘要】
1.一种车险风险预测方法,所述方法包括:获取车险用户的人属性特征信息,所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据;利用预先构建的车险风险预测算法对所述人属性特征信息进行处理,得到所述车险用户的车险风险预测结果。2.如权利要求1所述的一种车险风险预测方法,所述车险风险预测算法包括采用下述方式构建生成的预测模型:采集预设类型的人属性特征样本;确定使用的广义线性模型以及所述广义线性模型的建模目标;以包括所述人属性特征样本的数据作为广义线性模型的输入,对所述建模目标进行建模,确定车险风险预测模型,所述车险风险预测模型包括至少一项表示车险用户的车险风险高低的输出结果。3.如权利要求1所述的一种车险风险预测方法,所述车险风险预测算法包括采用下述方式构建生成的预测模型:采集预设类型的人属性特征样本;使用梯度提升决策树对选取的建模目标进行建模,确定车险风险预测模型,所述的建模目标包括实际建模目标值与预测建模目标值的差值,以及使用伽马回归的目标函数作为建模时的目标函数,所述实际建模目标值与预测建模目标值基于所述属性特征样本计算得到。4.如权利要求1所述的一种车险风险预测方法,所述车险风险预测算法包括采用下述方式构建生成的预测模型:采集预设类型的人属性特征样本;使用梯度提升决策树对选取的建模目标进行建模,确定车险风险预测模型,所述的建模目标包括实际建模目标值与预测建模目标值的商值,以及使用特维迪回归的目标函数作为建模时的目标函数,所述实际建模目标值与预测建模目标值基于所述属性特征样本计算得到。5.如权利要求1所述的一种车险风险预测方法,所述车险风险预测算法包括采用下述方式构建生成:采集预设类型的人属性特征样本;将所述人属性特征样本在对应的特征类型中划分成不同取值区间的特征样本;根据设置的N个特征类型抽取所述特征样本的特征数据,生成N维的离散型特征向量;按照预设方式将所述特征样本的单个所述离散型特征向量映射成M维的连续型特征向量;将所述N维的离散型特征对应的连续型特征向量拼接后形成(N*M)维的连续型特征向量X,以所述连续型特征向量X作为选取的深度神经网络的输入,构建生成车险风险预测模型。6.如权利要求2至4中任意一项所述的一种车险风险预测方法,所述建模目标包括下述中的至少一种:所述车险用户的赔付率、出险频率、出险金额。7.如权利要求2至5中任意一项所述的一种车险风险预测方法,所述预设类型的人属性特征样本包括下述中至少一个类型的变量数据:驾驶习惯、职业特性、身份特质、信用历史、消费习惯、稳定性。8.如权利要求7所述的一种车险风险预测方法,在获取所述人属性特征信息的变量数据之后,还对所述变量数据进行整理处理,所述整理处理包括下述中的至少一项处理:设置所述变量数据的权重;对所述变量数据中的残缺值进行补充;确定属于重复变量数据的数据使用选择方式;所述变量数据之间的交互效应处理;基于所述变量数据生成新的变量数据;相应的,所述利用预先构建的车险风险预测算法对所述人属性特征信息进行处理包括利用预先构建的车险风险预测算法对包括所述整理处理后的变量数据进行处理。9.如权利要求1所述的一种车险风险预测方法,若在构建所述车险风险预测算法时产生至少两个的候选车险风险预测算法,则所述方法还包括:计算预定类型的统计指标,所述统计指标包括在所述人属性特征信息作为所述候选车险风险预测算法的自变量时,用于表示对所述候选车险风险预测算法输出结果影响程度的统计量;通过所述统计指标的比较处理,从所述候选车险风险算法中选出使用的车险风险预测算法。10.一种车险风险预测装置,所述装置包括:人属性特征获取模块,用于获取车险用户的人属性特征信息,所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据;风险预测模块,用于利用预先构建的车险风险预测算法对所述人属性特征信息进行处理,得到所述车险用户的车险风险预测结果。11.如权利要求10所述的一种车险风险预测装置,所述风险预测模块包括:样本获取单元,...
【专利技术属性】
技术研发人员:雷宇翔,李冠如,丁炜,黄靖,谭纯平,陈诗奕,施鸣骞,赵沛霖,李龙飞,张志强,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛,KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。