投保用户的健康风险预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种投保用户的健康风险预测方法、装置、设备及存储介质，所述方法包括：获取待预测投保用户的个人健康数据信息和投保信息；按预设规则对所述个人健康数据信息进行提取，获取目标健康特征数据；根据所述投保信息，从预先训练好的健康风险预测模型中确定对应的目标健康风险预测模型；将所述目标健康特征数据送入到所述目标健康风险预测模型中，以获取所述待预测投保用户对应的健康风险概率；由于是根据预先训练的健康风险预测模型来确定对应的目标健康风险预测模型，并计算健康风险概率，从而能够较为准确地根据投保信息确定所述待预测投保用户对应的健康风险等级，在保证了健康风险预测效果的同时，也减轻了工作人员的工作量。

【技术实现步骤摘要】
投保用户的健康风险预测方法、装置、设备及存储介质
本专利技术涉及数据分析
，尤其涉及一种投保用户的健康风险预测方法、装置、设备及存储介质。
技术介绍
在保险行业尤其是健康险(以被保险人的身体为保险标的，使被保险人在疾病或意外事故所致伤害时发生的费用或损失获得补偿的一种保险)业务中，保险公司往往需要对投保用户的健康风险进行预测，从而判断未来可能出现的理赔概率或数额。目前，保险公司通常依靠核保、报价人员的个人经验、医学知识、精算/统计知识，对已投保用户的既往理赔信息进行分析、判断，然后对待预测的投保用户进行健康风险预测，但这种预测方式中核保、报价人员的个人主观因素占比较高，预测的准确性较低。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种投保用户的健康风险预测方法、装置、设备及存储介质，旨在解决现有技术在对投保用户的健康风险进行预测时，准确性较低，效果较差的技术问题。为实现上述目的，本专利技术提供了一种投保用户的健康风险预测方法，所述方法包括以下步骤:获取待预测投保用户的个人健康数据信息和投保信息；按预设规则对所述个人健康数据信息进行提取，获取目标健康特征数据；根据所述投保信息，从预先训练好的健康风险预测模型中确定对应的目标健康风险预测模型；将所述目标健康特征数据送入到所述目标健康风险预测模型中，以获取所述待预测投保用户对应的健康风险概率；根据所述健康风险概率和所述投保信息确定所述待预测投保用户对应的健康风险等级。优选地，所述获取待预测投保用户的个人健康数据信息和投保信息之前，所述方法还包括：获取预设数量的已投保用户的个人健康数据信息，从所述个人健康数据信息中提取出预设类型的健康特征数据；根据预设疾病分类规则对所述健康特征数据进行分类，获取不同的疾病样本以及各疾病样本对应的疾病影响因子；根据不同的疾病样本以及各疾病样本对应的疾病影响因子分别对预设模型进行训练，获取不同疾病样本下各疾病对应的健康风险预测模型。优选地，所述根据不同的疾病样本以及各疾病样本对应的疾病影响因子分别对预设模型进行训练，获取不同疾病样本下各疾病对应的健康风险预测模型，具体包括：分别计算出不同疾病样本中每一疾病影响因子对应的疾病影响因子平均值；通过预设生存分析法获取各疾病样本对应的样本人群在不同时点的生存率；根据所述生存率、疾病影响因子以及疾病影响因子平均值对预设模型进行训练，获取不同疾病样本下各疾病对应的健康风险预测模型。优选地，所述预设模型为：其中，βi为第i个疾病影响因子对应的回归系数；Xi为第i个疾病影响因子；为疾病样本中第i个疾病影响因子的平均值；S0(t)为样本人群在t时点的生存率；P为待预测用户在t时点的健康风险概率。优选地，所述获取预设数量的已投保用户的个人健康数据信息，从所述个人健康数据信息中提取出预设类型的健康特征数据，具体包括：获取预设数量的已投保用户的个人健康数据信息；对所述个人健康数据信息进行筛选，将具有患病史的已投保用户作为目标用户；从所述目标用户对应的个人健康数据信息中提取出预设类型的健康特征数据。优选地，所述根据所述健康风险概率和所述投保信息确定所述待预测投保用户对应的健康风险等级，具体包括：在所述健康风险概率超过预设概率时，将所述待预测投保用户判定为高风险用户；根据所述投保信息获取所述高风险用户购买的保险金额，在所述保险金额超过预设金额时，将所述高风险用户标记为高风险理赔用户，以确定所述待预测投保用户对应的健康风险等级。优选地，所述根据所述投保信息获取所述高风险用户购买的保险金额，在所述保险金额超过预设金额时，将所述高风险用户标记为高风险理赔用户之后，所述方法还包括：每隔预设时间周期获取所述高风险理赔用户的当前个人健康数据信息；根据所述当前个人健康数据信息以及所述目标健康风险预测模型，计算出所述高风险理赔用户当前的实际健康风险概率；在所述实际健康风险概率低于所述预设概率时，撤销对所述高风险理赔用户的标记，并根据所述实际健康风险概率确定所述待预测投保用户当前对应的健康风险等级。此外，为实现上述目的，本专利技术还提出一种投保用户的健康风险预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的投保用户的健康风险预测程序，所述投保用户的健康风险预测程序配置为实现如上文所述的投保用户的健康风险预测方法的步骤。此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有投保用户的健康风险预测程序，所述投保用户的健康风险预测程序被处理器执行时实现如上文所述的投保用户的健康风险预测方法的步骤。此外，为实现上述目的，本专利技术还提出一种投保用户的健康风险预测装置，所述装置包括：信息获取模块，用于获取待预测投保用户的个人健康数据信息和投保信息；信息提取模块，用于按预设规则对所述个人健康数据信息进行提取，获取目标健康特征数据；模型选取模块，用于根据所述投保信息，从预先训练好的健康风险预测模型中确定对应的目标健康风险预测模型；风险预测模块，用于将所述目标健康特征数据送入到所述目标健康风险预测模型中，以获取所述待预测投保用户对应的健康风险概率；风险评估模块，用于根据所述健康风险概率和所述投保信息确定所述待预测投保用户对应的健康风险等级。本专利技术获取待预测投保用户的个人健康数据信息和投保信息；按预设规则对所述个人健康数据信息进行提取，获取目标健康特征数据；根据所述投保信息，从预先训练好的健康风险预测模型中确定对应的目标健康风险预测模型；将所述目标健康特征数据送入到所述目标健康风险预测模型中，以获取所述待预测投保用户对应的健康风险概率；根据所述健康风险概率和所述投保信息确定所述待预测投保用户对应的健康风险等级；从而能够根据健康风险概率和所述投保信息，较为简便确定所述待预测投保用户对应的健康风险等级，在保证了健康风险预测效果准确性的同时，也减轻了工作人员的工作量。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的投保用户的健康风险预测设备的结构示意图；图2为本专利技术投保用户的健康风险预测方法第一实施例的流程示意图；图3为本专利技术投保用户的健康风险预测方法第二实施例的流程示意图；图4为本专利技术投保用户的健康风险预测方法第三实施例的流程示意图；图5为本专利技术投保用户的健康风险预测装置第一实施例的结构框图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。参照图1，图1为本专利技术实施例方案涉及的硬件运行环境的投保用户的健康风险预测设备结构示意图。如图1所示，该投保用户的健康风险预测设备(以下简称健康风险预测设备)可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non本文档来自技高网...

【技术保护点】
一种投保用户的健康风险预测方法，其特征在于，所述方法包括：获取待预测投保用户的个人健康数据信息和投保信息；按预设规则对所述个人健康数据信息进行提取，获取目标健康特征数据；根据所述投保信息，从预先训练好的健康风险预测模型中确定对应的目标健康风险预测模型；将所述目标健康特征数据送入到所述目标健康风险预测模型中，以获取所述待预测投保用户对应的健康风险概率；根据所述健康风险概率和所述投保信息确定所述待预测投保用户对应的健康风险等级。

【技术特征摘要】
1.一种投保用户的健康风险预测方法，其特征在于，所述方法包括：获取待预测投保用户的个人健康数据信息和投保信息；按预设规则对所述个人健康数据信息进行提取，获取目标健康特征数据；根据所述投保信息，从预先训练好的健康风险预测模型中确定对应的目标健康风险预测模型；将所述目标健康特征数据送入到所述目标健康风险预测模型中，以获取所述待预测投保用户对应的健康风险概率；根据所述健康风险概率和所述投保信息确定所述待预测投保用户对应的健康风险等级。2.如权利要求1所述的方法，其特征在于，所述获取待预测投保用户的个人健康数据信息和投保信息之前，所述方法还包括：获取预设数量的已投保用户的个人健康数据信息，从所述个人健康数据信息中提取出预设类型的健康特征数据；根据预设疾病分类规则对所述健康特征数据进行分类，获取不同的疾病样本以及各疾病样本对应的疾病影响因子；根据不同的疾病样本以及各疾病样本对应的疾病影响因子分别对预设模型进行训练，获取不同疾病样本下各疾病对应的健康风险预测模型。3.如权利要求2所述的方法，其特征在于，所述根据不同的疾病样本以及各疾病样本对应的疾病影响因子分别对预设模型进行训练，获取不同疾病样本下各疾病对应的健康风险预测模型，具体包括：分别计算出不同疾病样本中每一疾病影响因子对应的疾病影响因子平均值；通过预设生存分析法获取各疾病样本对应的样本人群在不同时点的生存率；根据所述生存率、疾病影响因子以及疾病影响因子平均值对预设模型进行训练，获取不同疾病样本下各疾病对应的健康风险预测模型。4.如权利要求3所述的方法，其特征在于，所述预设模型为：其中，βi为第i个疾病影响因子对应的回归系数；Xi为第i个疾病影响因子；为疾病样本中第i个疾病影响因子的平均值；S0(t)为样本人群在t时点的生存率；P为待预测用户在t时点的健康风险概率。5.如权利要求4所述的方法，其特征在于，所述获取预设数量的已投保用户的个人健康数据信息，从所述个人健康数据信息中提取出预设类型的健康特征数据，具体包括：获取预设数量的已投保用户的个人健康数据信息；对所述个人健康数据信息进行筛选，将具有患病...

【专利技术属性】
技术研发人员：冯晓俊，
申请(专利权)人：平安健康保险股份有限公司，
类型：发明
国别省市：上海,31