风险控制方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本发明专利技术提供了一种风险控制方法、装置、电子设备及计算机可读存储介质。本发明专利技术提供的风险控制方法，包括：在收到待投保人员的投保申请后，获取待投保人员的信息数据；将所述待投保人员的所述投保信息数据输入训练完备的长短期记忆网络模型中，得到所述待投保人员的第一风险等级标签；根据所述基本信息数据或/和所述投保信息数据以及预设基础规则集，确定所述待投保人员的第二风险等级标签；根据所述第一风险等级标签和所述第二风险等级标签确定所述待投保人员的风险等级，根据所述待投保人员的所述风险等级，确定是否对所述待投保人员的投保申请进行拦截。本发明专利技术的风险控制方法，可以实现对投保申请风险的准确拦截，提高了风险拦截的准确率。险拦截的准确率。险拦截的准确率。

【技术实现步骤摘要】
风险控制方法、装置、电子设备及计算机可读存储介质


[0001]本专利技术涉及计算机应用
，尤其涉及一种风险控制方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]互联网技术对保险业的方方面面产生了深刻的影响，互联网保险随着互联网技术的发展，也得到了长足的发展。互联网保险在用户投保时依靠用户提交的资料进行核保，在提升用户体验感的同时，保险企业也引入了较大风险，因此，理赔风险控制是保险企业业务发展中必不可少的环节。
[0003]传统风险控制方式多为风控规则结合人工评审的方式，传统风险控制方式的异常阈值，多来自于理赔人员的自定义，由于不同的理赔人员的经验、核赔标准等不同，使得异常阈值的定义带有主观性，这使得传统风险控制方式的风险拦截不够准确，从而为企业的资金损失带来较大风险。

技术实现思路

[0004]本专利技术的目的在于提供一种风险控制方法、装置、电子设备及计算机可读存储介质，以解决现有技术中风险拦截不够准确的技术问题。
[0005]本专利技术的技术方案如下，提供了一种风险控制方法，包括：
[0006]在收到待投保人员的投保申请后，获取待投保人员的信息数据，其中，所述信息数据包括基本信息数据和投保信息数据，所述投保信息数据包括客户退保次数、理赔次数以及投保配偶人数；
[0007]将所述待投保人员的所述投保信息数据输入训练完备的长短期记忆网络模型中，得到所述待投保人员的第一风险等级标签；
[0008]根据所述基本信息数据或/和所述投保信息数据以及预设基础规则集，确定所述待投保人员的第二风险等级标签；
[0009]根据所述第一风险等级标签和所述第二风险等级标签确定所述待投保人员的风险等级，根据所述待投保人员的所述风险等级，确定是否对所述待投保人员的投保申请进行拦截。
[0010]进一步地，所述长短期记忆网络模型的训练过程，包括：
[0011]获取历史投保人员的历史投保信息数据，根据所述历史投保人员的所述历史投保信息数据获取样本数据，根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，得到所述训练完备的长短期记忆网络模型。
[0012]进一步地，所述根据所述历史投保人员的所述历史投保信息数据获取样本数据，包括：
[0013]根据所述历史投保人员的所述历史投保信息数据获取训练数据集、测试数据集以及对应的样本风险等级标签，根据所述训练数据集、所述测试数据集以及所述样本风险等
级标签形成样本数据。
[0014]进一步地，根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，得到所述训练完备的长短期记忆网络模型，包括：
[0015]根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，在对预设长短期记忆网络模型进行训练的过程中，引入自动特征提取模块并增加正则化函数，得到所述训练完备的长短期记忆网络模型。
[0016]进一步地，根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，包括：
[0017]将所述训练数据集中的数据输入至所述预设长短期记忆网络模型，通过所述滑动窗口限定所述预设长短期记忆网络模型的参数权重，通过最小化损失函数训练所述预设长短期记忆网络模型，通过所述测试数据集对所述预设长短期记忆网络模型进行测试，使所述预设长短期记忆网络模型的准确率达到预设准确率。
[0018]进一步地，根据所述基本信息数据或/和所述投保信息数据以及预设基础规则集，确定所述待投保人员的第二风险等级标签，包括：
[0019]若所述基本信息数据或/和所述投保信息数据处在对应的所述预设基础规则集的第一预设范围内，则所述待投保人员的第二风险等级标签为高风险等级标签；若所述基本信息数据或/和所述投保信息数据处在对应的所述预设基础规则集的第二预设范围内，则所述待投保人员的第二风险等级标签为中风险等级标签；若所述基本信息数据或/和所述投保信息数据处在对应的所述预设基础规则集的第三预设范围内，则所述待投保人员的第二风险等级标签为低风险等级标签。
[0020]进一步地，根据所述第一风险等级标签和所述第二风险等级标签确定所述待投保人员的风险等级，包括：
[0021]若所述第一风险等级标签和所述第二风险等级标签为同一风险等级标签，则以所述第一风险等级标签或所述第二风险等级标签确定所述待投保人员的风险等级；若所述第一风险等级标签和所述第二风险等级标签为不同风险等级标签，则以风险等级较高的风险等级标签确定所述待投保人员的风险等级。
[0022]本专利技术的另一技术方案如下，提供了一种风险控制装置，包括数据获取模块、第一标签获取模块、第二标签获取模块以及申请拦截模块；
[0023]所述数据获取模块，用于在收到待投保人员的投保申请后，获取待投保人员的信息数据，其中，所述信息数据包括基本信息数据和投保信息数据，所述投保信息数据包括客户退保次数、理赔次数以及投保配偶人数；
[0024]所述第一标签获取模块，用于将所述待投保人员的所述投保信息数据输入训练完备的长短期记忆网络模型中，得到所述待投保人员的第一风险等级标签；
[0025]所述第二标签获取模块，用于根据所述基本信息数据或/和所述投保信息数据以及预设基础规则集，确定所述待投保人员的第二风险等级标签；
[0026]所述申请拦截模块，用于根据所述第一风险等级标签和所述第二风险等级标签确定所述待投保人员的风险等级，根据所述待投保人员的所述风险等级，确定是否对所述待投保人员的投保申请进行拦截。
[0027]本专利技术的另一技术方案如下，提供了一种电子设备，包括存储器、处理器，所述存
储器存储有可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项技术方案所述的风险控制方法。
[0028]本专利技术的另一技术方案如下，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项技术方案所述的风险控制方法。
[0029]本专利技术的有益效果在于：在收到待投保人员的投保申请后，获取待投保人员的信息数据，其中，所述信息数据包括基本信息数据和投保信息数据，所述投保信息数据包括客户退保次数、理赔次数以及投保配偶人数；将所述待投保人员的所述投保信息数据输入训练完备的长短期记忆网络模型中，得到所述待投保人员的第一风险等级标签；根据所述基本信息数据或/和所述投保信息数据以及预设基础规则集，确定所述待投保人员的第二风险等级标签；根据所述第一风险等级标签和所述第二风险等级标签确定所述待投保人员的风险等级，根据所述待投保人员的所述风险等级，确定是否对所述待投保人员的投保申请进行拦截；通过上述技术方案，可以实现对投保申请风险的准确拦截，提高了风险拦截的准确率。
附图说明
[0030]图1为本专利技术实施例的风险控制方法的流程示意图；
[0031]图2为本专利技术实施例的风险控制装置的结构示意图；
[0032]图3为本专利技术实施例的电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险控制方法，其特征在于，包括如下步骤：在收到待投保人员的投保申请后，获取待投保人员的信息数据，其中，所述信息数据包括基本信息数据和投保信息数据，所述投保信息数据包括客户退保次数、理赔次数以及投保配偶人数；将所述待投保人员的所述投保信息数据输入训练完备的长短期记忆网络模型中，得到所述待投保人员的第一风险等级标签；根据所述基本信息数据或/和所述投保信息数据以及预设基础规则集，确定所述待投保人员的第二风险等级标签；根据所述第一风险等级标签和所述第二风险等级标签确定所述待投保人员的风险等级，根据所述待投保人员的所述风险等级，确定是否对所述待投保人员的投保申请进行拦截。2.根据权利要求1所述的风险控制方法，其特征在于，所述长短期记忆网络模型的训练过程，包括：获取历史投保人员的历史投保信息数据，根据所述历史投保人员的所述历史投保信息数据获取样本数据，根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，得到所述训练完备的长短期记忆网络模型。3.根据权利要求2所述的风险控制方法，其特征在于，所述根据所述历史投保人员的所述历史投保信息数据获取样本数据，包括：根据所述历史投保人员的所述历史投保信息数据获取训练数据集、测试数据集以及对应的样本风险等级标签，根据所述训练数据集、所述测试数据集以及所述样本风险等级标签形成样本数据。4.根据权利要求3所述的风险控制方法，其特征在于，根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，得到所述训练完备的长短期记忆网络模型，包括：根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，在对预设长短期记忆网络模型进行训练的过程中，引入自动特征提取模块并增加正则化函数，得到所述训练完备的长短期记忆网络模型。5.根据权利要求3所述的风险控制方法，其特征在于，根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，包括：将所述训练数据集中的数据输入至所述预设长短期记忆网络模型，通过所述滑动窗口限定所述预设长短期记忆网络模型的参数权重，通过最小化损失函数训练所述预设长短期记忆网络模型，通过所述测试数据集对所述预设长短期记忆网络模型进行测试，使所述预设长短期记忆网络模型的准确率达到预设准确率。6.根据权利要求1所述的风险控制方法，其特征在于，根据所述基本信息数据或/和所述投保信息数...

【专利技术属性】
技术研发人员：董迪，于杰瑶，耿琪超，
申请(专利权)人：平安健康保险股份有限公司，
类型：发明
国别省市：