预测投保风险概率的方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术提出的预测投保风险概率的方法、装置、计算机设备和存储介质，其中方法包括：获取保险单中的用户的个人信息和业务类型信息；将所述个人信息转换得到第一向量以及将所述业务类型信息转换得到第二向量；将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算，其中，所述风险概率预测模型通过输入指定量的用户的个人信息和业务类型信息，以及用户的个人信息和业务类型信息所对应的风险概率作为样本数据进行训练所得，用于计算用户进行投保的风险概率。本发明专利技术的主要目的为提供一种能高效、准确地预测投保风险概率的方法、装置、计算机设备和存储介质。

【技术实现步骤摘要】
预测投保风险概率的方法、装置、计算机设备和存储介质
本专利技术涉及到计算机
，特别是涉及到一种预测投保风险概率的方法、装置、计算机设备和存储介质。
技术介绍
在保险领域中，保险公司的业务员需要对客户提出的投保申请进行审核，通过审核结果来决定是否接受承保业务，并在接受承保业务后，确定保险费率。而在核保过程中，核保人员会根据不同风险类别给予客户不同的费率，保证业务质量。现有的主要通过业务员的经验来人为筛选出风险单，判断客户的风险类别，采取这种方式的缺点在于效率较低，浪费时间，而且还很容易由于人为疏忽错漏风险单，且对于风险单所对应的客户之间的潜在关系无法预测。因此如何提供一种能高效、准确地预测保险业务投保申请的风险概率的方法成为亟待解决的问题。
技术实现思路
本专利技术的主要目的为提供一种能高效、准确地预测投保风险概率的方法、装置、计算机设备和存储介质。本专利技术提出预测投保风险概率的方法，包括：获取保险单中的用户的个人信息和业务类型信息；将所述个人信息转换得到第一向量以及将所述业务类型信息转换得到第二向量；将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算，其中，所述风险概率预测模型通过指定量的用户的个人信息和业务类型信息，以及用户的个人信息和业务类型信息所对应的风险概率作为样本数据进行训练所得，用于计算用户进行投保的风险概率；获取所述风险概率预测模型输出的计算结果，该结果为用户进行投保的风险概率。进一步地，所述用户的个人信息包括离散个人信息以及连续个人信息，所述将所述个人信息转换得到第一向量的步骤，包括：检测出所述个人信息中的离散个人信息以及连续个人信息；将所述离散个人信息转换得到离散向量，并且将所述离散个人信息进行交叉得到交叉向量，以及将所述连续个人信息进行放缩处理得到连续向量；将所述离散向量、交叉向量以及连续向量进行组合得到第一向量。进一步地，所述将所述离散向量、交叉向量以及连续向量进行组合得到第一向量的步骤之前，包括：对所述离散向量、交叉向量分别进行稠密处理。进一步地，所述将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算的步骤，包括：将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算得到结果向量和结果常数；通过公式计算得到风险概率，其中均为权重常数，a为所述结果向量，b为所述结果常数，φ(x)为所述交叉向量，x为所述离散向量，P(Y＝1|x)为所述风险概率。进一步地，所述将所述业务类型信息转换得到第二向量的步骤，包括：将所述业务类型信息转换为保险单号信息；对所述保险单号信息进行稠密处理得到第二向量。进一步地，所述获取所述风险概率预测模型输出的计算结果，该结果为用户进行投保的风险概率的步骤之后，包括：将所述风险概率与预设的风险等级表进行匹配，所述风险等级表包括不同风险概率范围与风险等级的对应关系；根据匹配结果输出风险等级。进一步地，所述根据匹配结果输出风险等级的步骤之后，包括：在预设的费率映射表中查找所述风险等级对应的费率，所述预设的费率映射表包括不同风险等级与费率的对应关系。本专利技术提出的预测投保风险概率的装置，包括：获取单元，用于获取保险单中的用户的个人信息和业务类型信息；转换单元，用于将所述个人信息转换得到第一向量以及将所述业务类型信息转换得到第二向量；计算单元，用于将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算，其中，所述风险概率预测模型通过指定量的用户的个人信息和业务类型信息，以及用户的个人信息和业务类型信息所对应的风险概率作为样本数据进行训练所得，用于计算用户进行投保的风险概率；第一输出单元，用于获取所述风险概率预测模型输出的计算结果，该结果为用户申请投保该业务的风险概率。本专利技术提出的计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。本专利技术提出的计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的方法的步骤。本专利技术的有益效果为：相较于现有的通过人为经验来选择风险单导致筛选效率低、浪费时间且还很容易由于人为疏忽错漏风险单的情况，本专利技术中通过上述风险概率预测模型实现能高效、准确地预测保险业务投保申请的风险概率，还能极大的减少人力，节约时间。附图说明图1为本专利技术一实施例中的预测投保风险概率的方法的步骤示意图；图2为本专利技术另一实施例中的预测投保风险概率的方法的步骤示意图；图3为本专利技术一实施例中的预测投保风险概率的装置的结构示意图；图4为本专利技术一实施例中的预测投保风险概率的装置的转换单元的结构示意图；图5为本专利技术另一实施例中的预测投保风险概率的装置的转换单元的结构示意图；图6为本专利技术一实施例中的预测投保风险概率的装置的计算单元的结构示意图；图7为本专利技术另一实施例中的预测投保风险概率的装置的结构示意图；图8为本专利技术一实施例的计算机设备的结构示意框图。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，本专利技术实施例中的预测投保风险概率的方法，包括：步骤S1，获取保险单中的用户的个人信息和业务类型信息；步骤S2，将所述个人信息转换得到第一向量以及将所述业务类型信息转换得到第二向量；步骤S3，将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算，其中，所述风险概率预测模型通过指定量的用户的个人信息和业务类型信息，以及用户的个人信息和业务类型信息所对应的风险概率作为样本数据进行训练所得，用于计算用户进行投保的风险概率；步骤S4，获取所述风险概率预测模型输出的计算结果，该结果为用户进行投保的风险概率。在步骤S1中，当用户到保险公司去投保某个保险业务时，保险公司的业务员需要用户在保险单中填写用户自己的个人信息以及投保的业务类型信息，从而根据用户的个人信息以及投保的业务类型信息来评估用户投保时的风险概率；其中用户的个人信息包括一些用户的私人信息或用户参与保险业务的相关信息，例如教育水平、固定资产、职称、是否购买过保险、收入、年龄、已购买的保险份数以及购买的每份保险对应的保单金额等；而业务类型信息为保险公司不同类型的保险产品。本实施例中的预测投保风险概率的方法通过获取用户在保险单中填写的用户的个人信息和业务类型信息，便于根据上述信息预测得到用户进行投保的风险概率。在步骤S2中，对于上述用户的个人信息以及业务类型信息中包含有文字信息，而预设的基于深度神经网络的风险概率预测模型需要输入对应的向量才能进行计算，因此将上述个人信息转换得到第一向量以及将上述业务类型信息转换得到第二向量。其中用户的个人信息通过预设的第一规则进行转换得到对应的第一向量，其中上述预设的第一规则为对于用户的个人信息中包含有文字信息，通过设置不同的评分参数将其转换得到对应的向量，对于为数字的个人信息，直接作为对应的向量或者进行放缩后作为对应的向量。上述业务类型信息通过预设的第二规则本文档来自技高网...

【技术保护点】
1.一种预测投保风险概率的方法，其特征在于，包括：获取保险单中的用户的个人信息和业务类型信息；将所述个人信息转换得到第一向量以及将所述业务类型信息转换得到第二向量；将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算，其中，所述风险概率预测模型通过输入指定量的用户的个人信息和业务类型信息，以及用户的个人信息和业务类型信息所对应的风险概率作为样本数据进行训练所得，用于计算用户进行投保的风险概率；获取所述风险概率预测模型输出的计算结果，该结果为用户进行投保的风险概率。

【技术特征摘要】
1.一种预测投保风险概率的方法，其特征在于，包括：获取保险单中的用户的个人信息和业务类型信息；将所述个人信息转换得到第一向量以及将所述业务类型信息转换得到第二向量；将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算，其中，所述风险概率预测模型通过输入指定量的用户的个人信息和业务类型信息，以及用户的个人信息和业务类型信息所对应的风险概率作为样本数据进行训练所得，用于计算用户进行投保的风险概率；获取所述风险概率预测模型输出的计算结果，该结果为用户进行投保的风险概率。2.根据权利要求1所述的预测投保风险概率的方法，其特征在于，所述用户的个人信息包括离散个人信息以及连续个人信息，所述将所述个人信息转换得到第一向量的步骤，包括：检测出所述个人信息中的离散个人信息以及连续个人信息；将所述离散个人信息转换得到离散向量，并且将所述离散个人信息进行交叉得到交叉向量，以及将所述连续个人信息进行放缩处理得到连续向量；将所述离散向量、交叉向量以及连续向量进行组合得到第一向量。3.根据权利要求2所述的预测投保风险概率的方法，其特征在于，所述将所述离散向量、交叉向量以及连续向量进行组合得到第一向量的步骤之前，包括：对所述离散向量、交叉向量分别进行稠密处理。4.根据权利要求2所述的预测投保风险概率的方法，其特征在于，所述将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算的步骤，包括：将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算得到结果向量和结果常数；通过公式计算得到风险概率，其中均为权重常数，a为所述结果向量，b为所述结果常数，φ(x)为所述交叉向量，x为所述离散向量，P(Y＝1|x)为所述风险概...

【专利技术属性】
技术研发人员：金戈，徐亮，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44