基于多方协作的工程履约保证保险风险识别方法与平台技术

本发明专利技术公开了一种基于多方协作的工程履约保证保险风险识别方法与平台，该方法包括：首先，参与协作训练风险评估模型的各方对本地存储的工程项目信息数据进行预处理操作和值映射操作得到隐私保护后的工程业务数据；然后，各参与方与云端服务器通过分布式协同完成风险评估模型的训练，得到全局风险评估模型；最后，将待评估的工程项目数据处理后输入到全局风险评估模型进行风险识别预测。本发明专利技术可以在保护数据隐私的前提下进行跨数据源多方协作风险识别，在保障工程信息数据安全的同时提升风险评估模型的风险识别能力。

【技术实现步骤摘要】
基于多方协作的工程履约保证保险风险识别方法与平台
本专利技术涉及工程履约保证保险与机器学习
，具体涉及一种基于多方协作的工程履约保证保险风险识别方法与平台。
技术介绍
建设工程项目的施工工艺和施工流程复杂，项目参与方较多，项目周期长，涉及面广，施工单位的违约会造成多方面的损失，因此引入建设工程履约保证保险的风控机制尤为重要，能够有效帮助建筑企业释放现金保证金压力，减轻企业负担。对于保险行业而言，开展建设工程履约保证保险面临的主要难题是数据和风控，保险公司对于建设工程项目专业知识和技术的缺乏，导致对投保人、投保项目和被保险人的风险难以评估。而非融资类保证保险审批速度要求较快，无法对投保人、工程项目、被保险人进行全面审查。造成工程违约的风险因素具有多样性、普遍性、客观性和偶然性等特性，导致履约的风险因素数量庞大且各风险因素之间具有很强的关联性。当前的工程履约保证保险多以人力判断为主，耗时长、未利用到广泛的项目数据信息，此为目前风险判别方法的不足。而本专利技术的风险识别方法利用到大量数据信息与智能算法模型，对投保人、工程项目、被保险人的本文档来自技高网...

【技术保护点】
1.一种基于多方协作的工程履约保证保险风险识别方法，其特征在于，所述方法包括如下步骤：/nS1：将参与协作训练风险评估模型的参与方分成主参与方和合作参与方，云端服务器 设定最大训练轮次为

【技术特征摘要】
1.一种基于多方协作的工程履约保证保险风险识别方法，其特征在于，所述方法包括如下步骤：
S1：将参与协作训练风险评估模型的参与方分成主参与方和合作参与方，云端服务器
设定最大训练轮次为；
S2：各参与方对本地存储的工程项目信息数据进行预处理操作和值映射操作得到隐私保护后的工程业务数据；
S3：云端服务器设定初始的训练轮次t=1，各参与方设定模型的初始预测值为0，然后基于本地的工程业务数据和模型初始预测值分别计算相应的模型参数并发送给云端服务器；
S4：云端服务器收到模型参数后进行汇总训练，将更新后的模型发送至各参与方；
S5：各参与方基于本地的工程业务数据和更新后的模型的预测值计算相应的模型参数并将参数发送给云端服务器；
S6：增加训练轮次t=t+1，重复步骤S4-S5直至达到最大训练轮次并输出新的全局风
险评估模型；
S7：主参与方的工程业务数据保持不变，而每个合作参与方利用步骤S6训练得到的全局风险评估模型对本地工程业务数据进行预测，并将被模型错误预测的工程业务数据挑选出来构成新的本地工程业务数据；
S8：重复步骤S3-S7直至全局风险评估模型的预测性能无法得到进一步改善，得到最终的全局风险评估模型；
S9：对待评估工程项目的数据进行步骤S2所述的预处理操作，然后将预处理结果输入到步骤S8得到的最终的全局风险评估模型得到最终的风险识别结果。


2.根据权利要求1所述的一种基于多方协作的工程履约保证保险风险识别方法，其特征在于，步骤S2具体包括：
S21：各个参与方对于工程业务数据中以文字形式描述的类别特征进行独热编码处理得到离散数值型特征，同时，各个参与方对于工程业务数据中以数值形式描述的特征利用中位值填充方法对缺失值进行填充，完成数据预处理；
S22：主参与方对预处理后的本地工程业务数据中每个维度特征i，计算其最大值
与最小值，并设定区间数N，根据如下公式计算步长：



然后主参与方对于第i维特征对应的本地所有数据值data执行如下值映射操作：



此处代表四舍五入，为值映射结果；
S23：主参与方将每个维度特征i对应的最小值和步长发送给合作参与方，合
作参与方按照S22的过程对本地工程业务数据完成值映射操作。


3.根据权利要求2所述的一种基于多方协作的工程履约保证保险风险识别方法，其特征在于，步骤S3具体包括：
S31：各个参与方对于本地工程业务数据的每一维度特征k，根据获得的和确
定均匀切分点和相应的N个划分区间，m为切分点；
S32：各个参与方j对于落在区间的本地工程业务数据样本，在模型初始预测
值这一点上计算该样本对应的模型损失函数的一阶导数和二阶导数，为与
样本对应的样本类别，然后按每一维度特征k求和得到一阶导数求和的值
和二阶导数求和的值；为样本的第k个维度特征取值；
S33：各参与方将模型参数传输到云端服务器。


4.根据权利要求3所述的一种基于多方协作的工程履约保证保险风险识别方法，其特征在于，步骤S4具体包括：
S41：云端服务器在接收到各个参与方发送过来的模型参数和后，汇总计算得到
所有参与方的模型参数的求和值和；
S42：在当前训练轮次t，遍历所有维度特征k的所有划分点，根据划分点得到左分支集
合与右分支集合，计算增益函数：



其中，与为调整模型过拟合程度的超参数，I为总划分点集合，通过比较不同划分下
的，选取最大值对应的划分为最优划分，进入左右分支并进行递归计算直至都小
于0，输出一个新的树分类器；
S43：合并当前获得的所有树分类器得到新的树组合分类器模型，并
将发送给所有参与方。


5.根据权利要求4所述的一种基于多方协作的工程履约保证保险风险识别方法，其特征在于，步骤S5具体包括：
S51：各个参与方在收到云端服务器发送过来的树组合分类器模型后，对本地工程业务
数据样本进行预测得到第t轮的预测结果：



S52：各个参与方j对于落在区间的样本，计算该样本关于对应的模型损失
函数的一阶导数和二阶导数，然后按每一维度特征k求和得到和；
S53：各参与方将模型参数传输到云端服务器。


6.一种基于多方协作的工程履约保证保险风险识别平台，其特征在于，所述平台包括数据输入模块、数据处理模块、模型训练模块、风险评估模块、云端服务器以及参与协作训练风险评估模型的主参与方和合作参与方；
所述数据输入模块，用于接受需要...

【专利技术属性】
技术研发人员：谢仑辰，徐学武，曾雪强，史清江，陈海军，化允，陈华龙，
申请(专利权)人：工保科技浙江有限公司，
类型：发明
国别省市：浙江;33