模型训练方法、装置、计算设备及计算机可读存储介质制造方法及图纸

本申请提供模型训练方法、装置、计算设备及计算机可读存储介质，其中，所述模型训练方法包括：获取项目中参与案件审核的审核组成员的行为特征数据；根据所述审核组成员参与案件审核过程中生成的历史案件审核数据，确定所述审核组成员针对案件审核的合理性评分；将所述审核组成员的行为特征数据以及合理性评分作为训练样本对建立的审核合理性预测模型进行训练；基于通过所述项目的案件审核资格认证的新审核组成员参与案件审核过程中生成的案件审核数据，对训练后获得的目标审核合理性预测模型进行优化。所述模型训练方法对合理性评分的预测更加准确，从而在此基础上确定对案件审核的理性水平更高的审核组成员。

Model Training Method, Device, Computing Equipment and Computer Readable Storage Media

【技术实现步骤摘要】
模型训练方法、装置、计算设备及计算机可读存储介质
本申请涉及数据处理
，特别涉及一种模型训练方法。本申请同时涉及一种模型训练装置，一种计算设备，以及一种计算机可读存储介质。
技术介绍
随着互联网技术的飞速发展，保险的销售、售后、理赔等常规业务都可以比较方便地在线操作，用户在投保完成后，针对投保后的服务体验，比如理赔、退保等环节的要求也越来越高。目前，投保人在投保之后理赔的过程中，首先需要在申请理赔报案时准备理赔相关材料，理赔相关材料被提交到保险公司后，由保险公司对投保人提交的理赔相关材料进行审核，在审核过程中，为了提升理赔案件审核的准确度，需要更多并且更加专业的审核人员参与到理赔案件的审核中，但一方面受限于审核人员的人数，另一方面受限于审核人员的素质，目前对理赔案件的审核还存在较多的缺陷。
技术实现思路
有鉴于此，本申请实施例提供了一种模型训练方法，以解决现有技术中存在的技术缺陷。本申请实施例同时提供了一种模型训练装置，一种计算设备，以及一种计算机可读存储介质。本申请提供一种模型训练方法，包括：获取项目中参与案件审核的审核组成员的行为特征数据；根据所述审核组成员参与案件审核过程中生成的历史案件审核数据，确定所述审核组成员针对案件审核的合理性评分；将所述审核组成员的行为特征数据以及合理性评分作为训练样本对建立的审核合理性预测模型进行训练；基于通过所述项目的案件审核资格认证的新审核组成员参与案件审核过程中生成的案件审核数据，对训练后获得的目标审核合理性预测模型进行优化。可选的，通过将所述新审核组成员的行为特征数据输入所述目标审核合理性预测模型进行案件审核的合理性评分预测，在输出的合理性评分超出审核合理性阈值的情况下所述新审核组成员通过所述案件审核资格认证。可选的，所述案件审核资格认证，采用如下方式实现：采用答题的方式对所述项目中提出案件审核申请的项目成员对所述项目的认知程度进行审核；在所述项目成员对所述项目的认知程度满足预设认知程度阈值的情况下，对所述项目成员在案件审核环节提交的证明材料进行审核；在所述证明材料满足预设审核标准的情况下，通过将所述项目成员的行为特征数据输入所述目标审核合理性预测模型进行案件审核的合理性评分预测，在输出的合理性评分超出所述审核合理性阈值的情况下通过所述案件审核资格认证，并将所述项目成员作为所述项目中参与案件审核的所述新审核组成员。可选的，所述根据所述审核组成员参与案件审核过程中生成的历史案件审核数据，确定所述审核组成员针对案件审核的合理性评分，包括：根据所述历史案件审核数据中包含的所述审核组成员对所述项目的项目案件的审核投票结果，确定所述审核投票结果与所述项目案件的实际审核结果相同的正向投票次数，以及所述审核投票结果与所述项目案件的实际审核结果不相同的负向投票次数；根据所述正向投票次数和所述负向投票次数计算所述审核组成员针对案件审核的所述合理性评分。可选的，所述合理性评分，等于所述正向投票次数与总投票次数之比，所述总投票次数为所述正向投票次数与所述负向投票次数二者之和。可选的，所述将所述审核组成员的行为特征数据以及合理性评分作为训练样本对建立的审核合理性预测模型进行训练步骤执行之后，且所述基于通过所述项目的案件审核资格认证的新审核组成员参与案件审核过程中生成的案件审核数据，对训练后获得的目标审核合理性预测模型进行优化步骤执行之前，包括：根据所述项目中项目成员提出的案件审核申请，获取所述项目成员的行为特征数据；将所述行为特征数据输入所述目标审核合理性预测模型进行案件审核的合理性评分预测；若所述目标审核合理性预测模型输出的所述项目成员针对案件审核的合理性评分大于审核合理性阈值，则将所述项目成员作为所述项目中参与案件审核的所述新审核组成员。可选的，所述基于通过所述项目的案件审核资格认证的新审核组成员参与案件审核过程中生成的案件审核数据，对训练后获得的目标审核合理性预测模型进行优化，包括：根据所述新审核组成员参与案件审核过程中生成的所述案件审核数据，判断所述案件审核数据中包含的所述新审核组成员对所述项目的项目案件的审核投票结果与所述项目案件的实际审核投票结果是否相同；若相同，在包含所述新审核组成员的审核组成员集群中筛选行为特征数据与所述新审核组成员的行为特征数据相似度较高的审核组成员；根据筛选出的第一审核组成员参与案件审核过程中生成历史案件审核数据，确定所述第一审核组成员针对案件审核的合理性评分；将所述第一审核组成员的行为特征数据以及针对案件审核的合理性评分作为训练样本，通过利用所述训练样本对所述目标审核合理性预测模型进行训练的方式对所述目标审核合理性预测模型进行优化。可选的，若所述判断所述案件审核数据中包含的所述新审核组成员对所述项目的项目案件的审核投票结果与所述项目案件的实际审核投票结果是否相同子步骤的判断结果为不相同，执行如下操作：在所述审核组成员集群中筛选行为特征数据与所述新审核组成员的行为特征数据相似度较低的审核组成员；根据筛选出的第二审核组成员参与案件审核过程中生成历史案件审核数据，确定所述第二审核组成员针对案件审核的合理性评分；将所述第二审核组成员的行为特征数据以及针对案件审核的合理性评分作为训练样本，通过利用所述训练样本对所述目标审核合理性预测模型进行训练的方式对所述目标审核合理性预测模型进行优化。可选的，所述项目包括：互助共济项目；所述审核组成员包括：所述互助共济项目的互助共济成员当中，参与到所述互助共济项目中申领互助金案件审核的互助共济成员。可选的，所述行为特征数据，包括下述至少一项：支付维度的支付行为特征数据，理财维度的理财行为特征数据，项目所属维度的项目相关行为数据。本申请还提供一种模型训练装置，包括：行为特征数据获取单元，被配置为获取项目中参与案件审核的审核组成员的行为特征数据；合理性评分确定单元，被配置为根据所述审核组成员参与案件审核过程中生成的历史案件审核数据，确定所述审核组成员针对案件审核的合理性评分；审核合理性预测模型训练单元，被配置为将所述审核组成员的行为特征数据以及合理性评分作为训练样本对建立的审核合理性预测模型进行训练；目标审核合理性预测模型优化单元，被配置为基于通过所述项目的案件审核资格认证的新审核组成员参与案件审核过程中生成的案件审核数据，对训练后获得的目标审核合理性预测模型进行优化。可选的，所述合理性评分确定单元，包括：投票次数确定子单元，被配置为根据所述历史案件审核数据中包含的所述审核组成员对所述项目的项目案件的审核投票结果，确定所述审核投票结果与所述项目案件的实际审核结果相同的正向投票次数，以及所述审核投票结果与所述项目案件的实际审核结果不相同的负向投票次数；合理性评分计算子单元，被配置为根据所述正向投票次数和所述负向投票次数计算所述审核组成员针对案件审核的所述合理性评分。本申请还提供一种计算设备，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：获取项目中参与案件审核的审核组成员的行为特征数据；根据所述审核组成员参与案件审核过程中生成的历史案件审核数据，确定所述审核组成员针对案件审核的合理性评分；将所述审核组成员的行为特征数据以及合理性评分作为训练样本对建立的审核合理性本文档来自技高网...

【技术保护点】
1.一种模型训练方法，其特征在于，包括：获取项目中参与案件审核的审核组成员的行为特征数据；根据所述审核组成员参与案件审核过程中生成的历史案件审核数据，确定所述审核组成员针对案件审核的合理性评分；将所述审核组成员的行为特征数据以及合理性评分作为训练样本对建立的审核合理性预测模型进行训练；基于通过所述项目的案件审核资格认证的新审核组成员参与案件审核过程中生成的案件审核数据，对训练后获得的目标审核合理性预测模型进行优化。

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取项目中参与案件审核的审核组成员的行为特征数据；根据所述审核组成员参与案件审核过程中生成的历史案件审核数据，确定所述审核组成员针对案件审核的合理性评分；将所述审核组成员的行为特征数据以及合理性评分作为训练样本对建立的审核合理性预测模型进行训练；基于通过所述项目的案件审核资格认证的新审核组成员参与案件审核过程中生成的案件审核数据，对训练后获得的目标审核合理性预测模型进行优化。2.根据权利要求1所述的模型训练方法，其特征在于，通过将所述新审核组成员的行为特征数据输入所述目标审核合理性预测模型进行案件审核的合理性评分预测，在输出的合理性评分超出审核合理性阈值的情况下所述新审核组成员通过所述案件审核资格认证。3.根据权利要求1所述的模型训练方法，其特征在于，所述案件审核资格认证，采用如下方式实现：采用答题的方式对所述项目中提出案件审核申请的项目成员对所述项目的认知程度进行审核；在所述项目成员对所述项目的认知程度满足预设认知程度阈值的情况下，对所述项目成员在案件审核环节提交的证明材料进行审核；在所述证明材料满足预设审核标准的情况下，通过将所述项目成员的行为特征数据输入所述目标审核合理性预测模型进行案件审核的合理性评分预测，在输出的合理性评分超出所述审核合理性阈值的情况下通过所述案件审核资格认证，并将所述项目成员作为所述项目中参与案件审核的所述新审核组成员。4.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述审核组成员参与案件审核过程中生成的历史案件审核数据，确定所述审核组成员针对案件审核的合理性评分，包括：根据所述历史案件审核数据中包含的所述审核组成员对所述项目的项目案件的审核投票结果，确定所述审核投票结果与所述项目案件的实际审核结果相同的正向投票次数，以及所述审核投票结果与所述项目案件的实际审核结果不相同的负向投票次数；根据所述正向投票次数和所述负向投票次数计算所述审核组成员针对案件审核的所述合理性评分。5.根据权利要求1所述的模型训练方法，其特征在于，所述合理性评分，等于所述正向投票次数与总投票次数之比，所述总投票次数为所述正向投票次数与所述负向投票次数二者之和。6.根据权利要求1所述的模型训练方法，其特征在于，所述将所述审核组成员的行为特征数据以及合理性评分作为训练样本对建立的审核合理性预测模型进行训练步骤执行之后，且所述基于通过所述项目的案件审核资格认证的新审核组成员参与案件审核过程中生成的案件审核数据，对训练后获得的目标审核合理性预测模型进行优化步骤执行之前，包括：根据所述项目中项目成员提出的案件审核申请，获取所述项目成员的行为特征数据；将所述行为特征数据输入所述目标审核合理性预测模型进行案件审核的合理性评分预测；若所述目标审核合理性预测模型输出的所述项目成员针对案件审核的合理性评分大于审核合理性阈值，则将所述项目成员作为所述项目中参与案件审核的所述新审核组成员。7.根据权利要求1所述的模型训练方法，其特征在于，所述基于通过所述项目的案件审核资格认证的新审核组成员参与案件审核过程中生成的案件审核数据，对训练后获得的目标审核合理性预测模型进行优化，包括：根据所述新审核组成员参与案件审核过程中生成的所述案件审核数据，判断所述案件审核数据中包含的所述新审核组成员对所述项目的项目案件的审核投票结果与所述项目案件的实际审核投票结果是否相同；若相同，在包含所述新审核组成员的审核组成员集群中筛选行为特征数据与所述新审核组成员的行为特征数据相似...

【专利技术属性】
技术研发人员：连琨，谢福恒，
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