一种移动查勘定损系统的智能训练及完善方法技术方案

本发明专利技术公开了一种移动查勘定损系统的智能训练及完善方法，将样本划分成不同比例的训练样本、测试样本和验证样本，同时根据训练样本的模型因子数量，采用SMOTE算法对训练样本的模型因子进行均衡处理，丰富实际训练样本的数量，且提高样本的训练精度，得到初始模型；利用原始样本初次预测数据与实际数据进行比对，将二者的残差的标准差进行对比，用于调整初始模型的配置参数，可大大降低模型的误差率。在实际应用中，对新案例进行检查和筛选，形成增量样本，用于更新样本库，并且对模型进行抽检，利用更新样本库对模型重新进行训练，实现模型在增量样本的基础上持续优化完善。

【技术实现步骤摘要】
一种移动查勘定损系统的智能训练及完善方法
本专利技术属于车险查勘
，具体涉及一种移动查勘定损系统的智能训练及完善方法。
技术介绍
对于保险行业来说“互联网+”是一个重要的发展方向。财产保险公司的业务开展，一般包含承保环节与理赔环节。其中，理赔环节中最重要和最困难的为现场查勘和定损。随着竞争越来越激烈，因为事故现场的查勘定损是保险公司工作人员与客户直接面对沟通的最直接作业环节，该项工作的处理效果如何，将在客户心里造成最直观的体验，进而决定了客户对保险公司服务水平的判断。因此，多数的保险公司已经开始重视查勘定损的质量和速率。传统的车险事故查勘定损环节，查勘人员到达现场，进行拍照取证、填写材料、初步确定损失等相关动作之后，需要将所有的材料带回公司，然后在业务系统安排信息录入，然而，在这个过程中，会增加工作人员的工作量，同时还会增加出错率。无法保证整个理赔流程公平和快速有效的进行。随着互联网技术的发展与成熟，商业服务入口终端选择移动设备的现象日益增多。因此，车险移动查勘定损系统应运而生，成为了查勘人员必备的移动设备。可大大提高查勘人员对于时效性、便利性、准确性的要求。目前，国内多家大型本文档来自技高网...

【技术保护点】
1.一种移动查勘定损系统的智能训练及完善方法，其特征在于，包括以下步骤：(1)样本的获取与分类：从移动查勘定损系统的历史数据库中选取若干份完全不同的成功案例放入样本库，并随机分为训练样本、测试样本及验证样本三个组，提取所述训练样本、测试样本及验证样本的模型因子；(2)样本的预处理：根据训练样本的模型因子数量，采用SMOTE算法对训练样本的模型因子进行均衡处理；(3)模型的训练：S1：将原始训练样本及均衡处理后的训练样本的模型因子输入BP神经网络模型中按批次进行训练，得到初始模型；S2：将原始训练样本使用所述初始模型进行一次训练，并计算出初次预测数据，将所述初次预测数据与实际数据进行比对，并计算...

【技术特征摘要】
1.一种移动查勘定损系统的智能训练及完善方法，其特征在于，包括以下步骤：(1)样本的获取与分类：从移动查勘定损系统的历史数据库中选取若干份完全不同的成功案例放入样本库，并随机分为训练样本、测试样本及验证样本三个组，提取所述训练样本、测试样本及验证样本的模型因子；(2)样本的预处理：根据训练样本的模型因子数量，采用SMOTE算法对训练样本的模型因子进行均衡处理；(3)模型的训练：S1：将原始训练样本及均衡处理后的训练样本的模型因子输入BP神经网络模型中按批次进行训练，得到初始模型；S2：将原始训练样本使用所述初始模型进行一次训练，并计算出初次预测数据，将所述初次预测数据与实际数据进行比对，并计算出初次预测数据残差的标准差；判断初次预测数据残差的标准差是否满足对应的阈值范围，若否，调整初始模型中的配置参数，重新对原始训练样本进行二次训练，直至各数据残差的标准差满足对应的阈值时，得到优化模型1.0；S3：使用所述测试样本对所述优化模型1.0进行测试，测试过程中优化模型1.0的模型参数会发生改变，当模型参数不再发生改变时，测试结束，优化模型1.0更新至优化模型2.0；S4：使用验证样本对所述优化模型2.0的精确度进行验证，若精确度大于95％，即为满足精确度要求，否则调整模型参数和结构，重复S1-S3，直至满足精度要求；(4)模型的完善：模型的训练完成后，即可投入实际应用中，依靠最新模型版本对实际应用中的案例进行实时处理，并对最新模型版本得出的评估结果进行检查和筛选，形成增量样本，将所述增量样本添加入所述样本库，更新样本库；同时，定期抽检模型的精准度，当达到一定条件后利用更新样本库对模型按照步骤(3)重新进行训练，实现模型在增量样本的基础上持续优化完善。2.如权利要求1所述...

【专利技术属性】
技术研发人员：冯韩，
申请(专利权)人：北京精友世纪软件技术有限公司，
类型：发明
国别省市：北京,11