一种风险预测方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例属于人工智能中的智能决策技术领域，涉及一种应用于车险理赔的风险预测方法、装置、计算机设备及存储介质。本申请将非结构化数据转化为模型能够识别的非结构化文本向量后，利用Softmax函数输出该非结构化文本向量的非结构化风险概率，并从独立特征以及交互特征两个方向对上述结构化数据和非结构化风险概率进行分别预测，通过加权平均算法计算预测得到的独立预测结果和交互预测结果的加权平均值，最后根据预设风险阈值确认该加权平均值是否存在风险，从而实现对车险理赔的风险预测目的，不仅有助于降低人工指定规则与特征工程阶段的人力与时间，并且在识别效果方面也有较大的优势和较高的提升空间。也有较大的优势和较高的提升空间。也有较大的优势和较高的提升空间。

【技术实现步骤摘要】
一种风险预测方法、装置、计算机设备及存储介质


[0001]本申请涉及人工智能中的智能决策
，尤其涉及一种应用于车险理赔的风险预测方法、装置、计算机设备及存储介质。

技术介绍

[0002]在全球经济形势复杂化/经济全球化的背景下，随着车辆保有量的逐年增加，各保险公司的车险业务量也随之增加。如何对被保险车辆进行准确的车险风险评估，以制定合理的车辆承保、定价、服务项目等车险保险业务，是保险公司重要的研究方向之一。
[0003]现有一种车险风险预测方法，通过通过机器学习的方法，如常用的逻辑回归(Logistic Regression，LR)、随机森林(Random Forest,RF)、梯度提升决策树(Gradient Boosting Decision Tree，GBDT)等，发掘一些潜在的欺诈模式，从而实现车险风险预测的目的。
[0004]然而，申请人发现传统的车险风险预测方法无法有效的处理或者挖掘复杂特征的能力，同时，特征工程阶段需要耗费较大的人力与时间，从而导致传统的车险风险预测方法存在预测准确性以及处理效率较低的问题。

技术实现思路

[0005]本申请实施例的目的在于提出一种应用于车险理赔的风险预测方法、装置、计算机设备及存储介质，以解决传统的车险风险预测方法存在预测准确性以及处理效率较低的问题。
[0006]为了解决上述技术问题，本申请实施例提供一种应用于车险理赔的风险预测方法，采用了如下所述的技术方案：
[0007]获取车险理赔原始数据，其中，所述车险理赔原始数据包括结构化数据以及非结构化数据；
[0008]将所述非结构化数据输入至BERT模型进行向量转化操作，得到非结构化文本向量；
[0009]根据归一化指数函数对所述非结构化文本向量进行归一化操作，得到非结构化风险概率；
[0010]对所述结构化数据以及所述非结构化风险概率进行独立特征预测操作，得到独立预测结果；
[0011]对所述结构化数据以及所述非结构化风险概率进行交互特征预测操作，得到交互预测结果；
[0012]根据预设权重参数计算所述独立预测结果以及所述交互预测结果的加权平均值；
[0013]若所述加权平均值大于或等于预设风险阈值，则确认所述车险理赔原始数据的风险预测结果为存在风险；
[0014]若所述加权平均值小于所述预设风险阈值，则确认所述车险理赔原始数据的风险
预测结果为不存在风险。
[0015]进一步的，在所述获取车险理赔原始数据的步骤之后，且在所述将所述非结构化数据输入至BERT模型进行向量转化操作，得到非结构化文本向量的不在之前，所述方法还包括下述步骤：
[0016]对所述结构化数据进行第一数据预处理，其中，所述第一数据预处理为异常值/缺失值处理、LabelEncoder编码处理或归一化处理中的任一一种或其组合。
[0017]进一步的，在所述获取车险理赔原始数据的步骤之后，且在所述将所述非结构化数据输入至BERT模型进行向量转化操作，得到非结构化文本向量的不在之前，所述方法还包括下述步骤：
[0018]对所述非结构化数据进行第二数据预处理，其中，所述第二数据预处理为中文分词处理或去停用词处理中的任一一种或其组合。
[0019]进一步的，所述对所述结构化数据以及所述非结构化风险概率进行独立特征预测操作，得到独立预测结果的步骤，具体包括下述步骤：
[0020]将所述结构化数据以及所述非结构化风险概率输入至LGBM模型，得到所述独立预测结果。
[0021]进一步的，所述对所述结构化数据以及所述非结构化风险概率进行交互特征预测操作，得到交互预测结果的步骤，具体包括下述步骤：
[0022]根据压缩交互网络对所述结构化数据以及所述非结构化风险概率进行特征组合操作，得到交互特征组合；
[0023]将所述交互特征组合输入至深度神经网络模型，得到所述交互预测结果。
[0024]进一步的，所述深度神经网络模型集成有注意力机制。
[0025]为了解决上述技术问题，本申请实施例还提供一种应用于车险理赔的风险预测装置，采用了如下所述的技术方案：
[0026]数据获取模块，用于获取车险理赔原始数据，其中，所述车险理赔原始数据包括结构化数据以及非结构化数据；
[0027]向量转化模块，用于将所述非结构化数据输入至BERT模型进行向量转化操作，得到非结构化文本向量；
[0028]归一化模块，用于根据归一化指数函数对所述非结构化文本向量进行归一化操作，得到非结构化风险概率；
[0029]独立特征预测模块，用于对所述结构化数据以及所述非结构化风险概率进行独立特征预测操作，得到独立预测结果；
[0030]交互特征预测模块，用于对所述结构化数据以及所述非结构化风险概率进行交互特征预测操作，得到交互预测结果；
[0031]加权平均模块，用于根据预设权重参数计算所述独立预测结果以及所述交互预测结果的加权平均值；
[0032]第一结果模块，用于若所述加权平均值大于或等于预设风险阈值，则确认所述车险理赔原始数据的风险预测结果为存在风险；
[0033]第二结果模块，用于若所述加权平均值小于所述预设风险阈值，则确认所述车险理赔原始数据的风险预测结果为不存在风险。
[0034]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0035]包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的应用于车险理赔的风险预测方法的步骤。
[0036]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
[0037]所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的应用于车险理赔的风险预测方法的步骤。
[0038]本申请提供了一种应用于车险理赔的风险预测方法，包括：获取车险理赔原始数据，其中，所述车险理赔原始数据包括结构化数据以及非结构化数据；将所述非结构化数据输入至BERT模型进行向量转化操作，得到非结构化文本向量；根据归一化指数函数对所述非结构化文本向量进行归一化操作，得到非结构化风险概率；对所述结构化数据以及所述非结构化风险概率进行独立特征预测操作，得到独立预测结果；对所述结构化数据以及所述非结构化风险概率进行交互特征预测操作，得到交互预测结果；根据预设权重参数计算所述独立预测结果以及所述交互预测结果的加权平均值；若所述加权平均值大于或等于预设风险阈值，则确认所述车险理赔原始数据的风险预测结果为存在风险；若所述加权平均值小于所述预设风险阈值，则确认所述车险理赔原始数据的风险预测结果为不存在风险。与现有技术相比，本申请将非结构化数据转化为模型能够识别的非结构化文本向量后，利用Softmax函数输出该非结构化文本向量的非结构化风险概率，并从独立特征以及交互特征两个方向对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于车险理赔的风险预测方法，其特征在于，包括下述步骤：获取车险理赔原始数据，其中，所述车险理赔原始数据包括结构化数据以及非结构化数据；将所述非结构化数据输入至BERT模型进行向量转化操作，得到非结构化文本向量；根据归一化指数函数对所述非结构化文本向量进行归一化操作，得到非结构化风险概率；对所述结构化数据以及所述非结构化风险概率进行独立特征预测操作，得到独立预测结果；对所述结构化数据以及所述非结构化风险概率进行交互特征预测操作，得到交互预测结果；根据预设权重参数计算所述独立预测结果以及所述交互预测结果的加权平均值；若所述加权平均值大于或等于预设风险阈值，则确认所述车险理赔原始数据的风险预测结果为存在风险；若所述加权平均值小于所述预设风险阈值，则确认所述车险理赔原始数据的风险预测结果为不存在风险。2.根据权利要求1所述的应用于车险理赔的风险预测方法，其特征在于，在所述获取车险理赔原始数据的步骤之后，且在所述将所述非结构化数据输入至BERT模型进行向量转化操作，得到非结构化文本向量的不在之前，所述方法还包括下述步骤：对所述结构化数据进行第一数据预处理，其中，所述第一数据预处理为异常值/缺失值处理、LabelEncoder编码处理或归一化处理中的任一一种或其组合。3.根据权利要求1所述的应用于车险理赔的风险预测方法，其特征在于，在所述获取车险理赔原始数据的步骤之后，且在所述将所述非结构化数据输入至BERT模型进行向量转化操作，得到非结构化文本向量的不在之前，所述方法还包括下述步骤：对所述非结构化数据进行第二数据预处理，其中，所述第二数据预处理为中文分词处理或去停用词处理中的任一一种或其组合。4.根据权利要求1所述的应用于车险理赔的风险预测方法，其特征在于，所述对所述结构化数据以及所述非结构化风险概率进行独立特征预测操作，得到独立预测结果的步骤，具体包括下述步骤：将所述结构化数据以及所述非结构化风险概率输入至LGBM模型，得到所述独立预测结果。5.根据权利要求1所述的应用于车险理赔的风险预测方法，其特征在于，所述对所述结构化数据以及所述非结构化风险概率进行交互特征预测操作，...

【专利技术属性】
技术研发人员：龚熠辰，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：