一种团体保险出单方法技术

本申请公开一种团体保险出单方法

【技术实现步骤摘要】
一种团体保险出单方法、装置、计算机设备及存储介质


[0001]本申请属于人工智能
和金融科技领域，具体涉及一种团体保险出单方法
、
装置
、
计算机设备及存储介质
。

技术介绍

[0002]团体保险是一种保险产品，旨在为一个团体或组织的成员提供保险保障
。
团体保险通常由雇主或组织为其成员购买，作为福利计划的一部分，可以提供多种不同类型的保险，包括健康保险
、
生命保险
、
残疾保险
、
意外伤害保险和退休计划等
。
团体保险的主要特点是将大量的个体合并在一起，以便获得更好的保险条件和更具竞争力的保险费率
。
[0003]保险出单是指保险公司根据被保险人的申请和要求，批准并签发保险合同的过程，在保险出单过程中，保险公司会评估被保险人的风险状况
、
保险需求和申请信息，然后决定是否接受保险申请，并制定相应的保险条款
、
保费和保险金额等
。
[0004]在现有的方案中，保险公司实现团体保险的出单环节通常涉及确定团体需求
、
数据收集和评估
、
报价和协商
、
申请和签订保险合同等环节，这些环节中，需要通过业务人员手动配置规则
、
录入企业
、
被保人
、
险种等相关信息，最终完成团体保险出单
。
但上述手动配置的团体保险出单方案会耗费业务人员大量的时间和精力，效率较低，且容易受到业务人员主观因素影响，导致最终生成的保单与团体需求出现偏差的情况
。

技术实现思路

[0005]本申请实施例的目的在于提出一种团体保险出单方法
、
装置
、
计算机设备及存储介质，以解决现有手动配置的团体保险出单方案存在的耗费业务人员大量的时间和精力，效率较低，且容易受到业务人员主观因素影响，导致最终生成的保单与团体需求出现偏差的技术问题
。
[0006]为了解决上述技术问题，本申请实施例提供一种团体保险出单方法，采用了如下所述的技术方案：
[0007]一种团体保险出单方法，包括：
[0008]获取团体保险出单流程，并对团体保险出单流程进行分解，得到若干个团体保险出单子流程；
[0009]基于若干个团体保险出单子流程构建初始预测模型，其中，每一个团体保险出单子流程对应初始预测模型中的一个子模型；
[0010]获取历史团体保险数据，使用历史团体保险数据对初始预测模型进行训练，得到团体保险出单预测模型；
[0011]接收保险出单预测指令，获取待预测的团体保险数据；
[0012]将待预测的团体保险数据导入团体保险出单预测模型，输出团体保险出单预测结果；
[0013]基于团体保险出单预测结果生成团体保险出单方案
。
[0014]进一步地，获取团体保险出单流程，并对团体保险出单流程进行分解，得到若干个团体保险出单子流程的步骤，具体包括：
[0015]获取团体保险流程文档，并从团体保险流程文档中截取团体保险出单流程；
[0016]解析团体保险出单流程，识别团体保险出单流程中的关键决策节点；
[0017]基于关键决策节点对团体保险出单流程进行切分，得到若干个团体保险出单子流程
。
[0018]进一步地，初始预测模型为决策树模型，决策树模型包括若干棵决策树，每一棵决策树对应一个团体保险出单子流程，基于若干个团体保险出单子流程构建初始预测模型的步骤，具体包括：
[0019]提取每一个团体保险出单子流程的最佳分裂特征；
[0020]获取每一个团体保险出单子流程的决策规则；
[0021]基于每一个团体保险出单子流程的最佳分裂特征和每一个团体保险出单子流程的决策规则，构建每一个团体保险出单子流程的决策树；
[0022]组合构建的所有决策树，生成初始预测模型
。
[0023]进一步地，组合构建的所有决策树，生成初始预测模型的步骤，具体包括：
[0024]确定每一个团体保险出单子流程之间的递推关系；
[0025]根据每一个团体保险出单子流程之间的递推关系定义状态转移方程；
[0026]定义初始预测模型的目标函数；
[0027]在组合决策树时，配置状态转移方程和目标函数，得到初始预测模型
。
[0028]进一步地，获取历史团体保险数据，使用历史团体保险数据对初始预测模型进行训练，得到团体保险出单预测模型的步骤，具体包括：
[0029]基于历史团体保险数据构建训练数据集和验证数据集；
[0030]使用训练数据集对初始预测模型进行训练，得到初始团体保险出单预测模型；
[0031]使用验证数据集对初始团体保险出单预测模型进行模型验证，输出通过验证的初始团体保险出单预测模型，得到团体保险出单预测模型
。
[0032]进一步地，使用训练数据集对初始预测模型进行训练，得到初始团体保险出单预测模型的步骤，具体包括：
[0033]提取训练数据集中历史团体保险数据的特征，得到历史团体保险特征；
[0034]基于团体保险出单流程对历史团体保险特征进行分类，得到若干个历史团险类别特征；
[0035]将每一个历史团险类别特征导入匹配的决策树中进行特征分类；
[0036]获取每一棵决策树输出的分类结果，基于预设的动态规划算法和目标函数求解状态转移方程的最优解；
[0037]基于状态转移方程的最优解构建决策路径；
[0038]将决策路径与预设标准路径进行比对，并基于路径比对结果调整初始预测模型的模型参数，直至模型拟合，得到初始团体保险出单预测模型
。
[0039]进一步地，将决策路径与预设标准路径进行比对，并基于路径比对结果调整初始预测模型的模型参数，直至模型拟合，得到初始团体保险出单预测模型的步骤，具体包括：
[0040]构建初始预测模型的损失函数；
[0041]基于损失函数计算决策路径与预设标准路径之间的误差，得到预测误差；
[0042]根据预测误差调整初始预测模型的模型参数，直至模型拟合，得到初始团体保险出单预测模型
。
[0043]为了解决上述技术问题，本申请实施例还提供一种团体保险出单装置，采用了如下所述的技术方案：
[0044]一种团体保险出单装置，包括：
[0045]流程分解模块，用于获取团体保险出单流程，并对团体保险出单流程进行分解，得到若干个团体保险出单子流程；
[0046]模型构建模块，用于基于若干个团体保险出单子流程构建初始预测模型，其中，每一个团体保险出单子流程对应初始预测模型中的一个子模型；
[0047]模型训练模块，用于获取历史团体保险数据，使用历史团体保险数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种团体保险出单方法，其特征在于，包括：获取团体保险出单流程，并对所述团体保险出单流程进行分解，得到若干个团体保险出单子流程；基于若干个所述团体保险出单子流程构建初始预测模型，其中，每一个所述团体保险出单子流程对应所述初始预测模型中的一个子模型；获取历史团体保险数据，使用所述历史团体保险数据对所述初始预测模型进行训练，得到团体保险出单预测模型；接收保险出单预测指令，获取待预测的团体保险数据；将所述待预测的团体保险数据导入所述团体保险出单预测模型，输出团体保险出单预测结果；基于所述团体保险出单预测结果生成团体保险出单方案
。2.
如权利要求1所述的团体保险出单方法，其特征在于，所述获取团体保险出单流程，并对所述团体保险出单流程进行分解，得到若干个团体保险出单子流程的步骤，具体包括：获取团体保险流程文档，并从所述团体保险流程文档中截取所述团体保险出单流程；解析所述团体保险出单流程，识别所述团体保险出单流程中的关键决策节点；基于所述关键决策节点对所述团体保险出单流程进行切分，得到若干个所述团体保险出单子流程
。3.
如权利要求1所述的团体保险出单方法，其特征在于，所述初始预测模型为决策树模型，所述决策树模型包括若干棵决策树，每一棵决策树对应一个所述团体保险出单子流程，所述基于若干个所述团体保险出单子流程构建初始预测模型的步骤，具体包括：提取每一个所述团体保险出单子流程的最佳分裂特征；获取每一个所述团体保险出单子流程的决策规则；基于每一个所述团体保险出单子流程的最佳分裂特征和每一个所述团体保险出单子流程的所述决策规则，构建每一个所述团体保险出单子流程的决策树；组合构建的所有决策树，生成所述初始预测模型
。4.
如权利要求3所述的团体保险出单方法，其特征在于，所述组合构建的所有决策树，生成所述初始预测模型的步骤，具体包括：确定每一个所述团体保险出单子流程之间的递推关系；根据每一个所述团体保险出单子流程之间的递推关系定义状态转移方程；定义所述初始预测模型的目标函数；在组合决策树时，配置所述状态转移方程和所述目标函数，得到所述初始预测模型
。5.
如权利要求4所述的团体保险出单方法，其特征在于，所述获取历史团体保险数据，使用所述历史团体保险数据对所述初始预测模型进行训练，得到团体保险出单预测模型的步骤，具体包括：基于所述历史团体保险数据构建训练数据集和验证数据集；使用所述训练数据集对所述初始预测模型进行训练，得到初始团体保险出单预测模型；使用所述验证数据集对所述初始团体保险出单预测模型进行模型验证，输出通过验证的所述初始团体保...

【专利技术属性】
技术研发人员：许亚婷，
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：