System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能决策及金融科技领域,尤其涉及一种保险案件风险评估方法、装置、电子设备及存储介质。
技术介绍
1、在金融科技领域,在各种保险(如车险)的理赔案件中的理赔中,经常都是使用深度学习模型来判断该案件是否有欺诈风险,以进行案件的事中风险评估(是否拒赔)。
2、但是目前,利用深度学习模型在进行案件的风险评估时,使用单个模型进行风险评估,评估的维度单一,导致保险案件风险评估的准确率较低。
技术实现思路
1、本专利技术提供一种保险案件风险评估方法、装置、电子设备及存储介质,其主要目的在于提高保险案件风险评估的准确率。
2、获取分类模型集、历史保险案件数据集及所述历史保险案件数据集中每个历史保险案件数据的数据权重及风险标签;
3、在所述分类模型集中选取任意分类模型,得到待训练模型,并利用所述待训练模型评估每个所述历史保险案件数据的保险案件风险值;
4、基于所述数据权重、所述保险案件风险值及所述风险标签对所述待训练模型进行参数更新,得到初始风险评估模型,并计算所述初始风险评估模型的风险评估权重;
5、基于所述待训练模型对所述分类模型集进行模型数量更新,并判断更新后的分类模型集中模型数量是否为零;
6、若更新后的分类模型集中模型数量不为零,利用所述风险评估权重对每个所述历史保险案件数据的数据权重进行更新,并返回在所述分类模型集中选取任意分类模型步骤;
7、若更新后的分类模型集中模型数量为零,当接受待评估
8、可选地,所述基于所述数据权重、所述保险案件风险值及所述风险标签对所述待训练模型进行参数更新,得到初始风险评估模型,包括:
9、将所述历史保险案件数据的风险标签转换为数值,得到所述历史保险案件数据的风险标签值;
10、基于所有所述历史保险案件数据的数据权重、保险案件风险值及风险标签值,计算所述待训练模型的模型损失值;
11、根据所述模型损失值对所述待训练模型进行参数更新,得到初始风险评估模型。
12、可选地,所述计算所述初始风险评估模型的风险评估权重,包括:
13、基于每个所述历史保险案件数据的保险案件风险值及预设的评估阈值,确定每个所述历史保险案件数据的评估风险;
14、当所述历史保险案件数据的评估风险与风险标签不一致,则将该历史保险案件数据确定为误报数据;
15、计算所述历史保险案件数据集中的误报数据的占比,得到评估错误率;
16、基于所述评估错误率进行计算,得到所述风险评估权重。
17、可选地,所述计算所述历史保险案件数据集中的误报数据的占比,得到评估错误率,包括:
18、获取所有所述误报数据的数量,得到误报数据数量;
19、获取所述历史保险案件数据集中历史保险案件数据的数量,得到样本数据数量;
20、计算所述误报数据数量与所述样本数据数量的比值,得到所述评估错误率。
21、可选地,所述利用所述风险评估权重对每个所述历史保险案件数据的数据权重进行更新,包括:
22、判断所述历史保险案件数据的评估风险与风险标签是否一致;
23、当所述历史保险案件数据的评估风险与风险标签一致,则基于所述风险评估权重计算第一更新系数,利用所述第一更新系数对所述历史保险案件数据的数据权重进行更新;
24、当所述历史保险案件数据的评估风险与风险标签不一致,则基于所述风险评估权重计算第二更新系数,利用所述第二更新系数对所述历史保险案件数据的数据权重进行更新。
25、可选地,所述基于所述风险评估权重及所有初始风险评估模型进行综合风险评估,得到目标评估风险,包括:
26、基于所有所述风险评估权重将每个所述初始风险评估模型的风险评估权重进行归一化,得到每个所述初始风险评估模型的目标风险评估权重;
27、利用每个所述初始风险评估模型对所述待评估保险案件数据进行风险评估,得到每个所述初始风险评估模型的初始保险案件风险值;
28、将每个所述初始风险评估模型的目标风险评估权重与初始保险案件风险值相乘,得到每个所述初始风险评估模型的加权保险案件风险值;
29、基于所有所述加权保险案件风险值进行计算,得到目标保险案件风险值;
30、根据所述目标保险案件风险值及预设风险评估阈值进行风险判断,得到所述目标评估风险。
31、可选地,所述基于所有所述加权保险案件风险值进行计算,得到目标保险案件风险值,包括:
32、将所有所述加权保险案件风险值相加,得到总风险值;
33、计算所述总风险值与所述加权保险案件风险值的数量的比值,得到所述目标保险案件风险值。
34、为了解决上述问题,本专利技术还提供一种保险案件风险评估装置,所述装置包括:
35、数据获取模块,用于获取分类模型集、历史保险案件数据集及所述历史保险案件数据集中每个历史保险案件数据的数据权重及风险标签;
36、权重计算模块,用于在所述分类模型集中选取任意分类模型,得到待训练模型,并利用所述待训练模型评估每个所述历史保险案件数据的保险案件风险值;基于所述数据权重、所述保险案件风险值及所述风险标签对所述待训练模型进行参数更新,得到初始风险评估模型,并计算所述初始风险评估模型的风险评估权重;基于所述待训练模型对所述分类模型集进行模型数量更新,并判断更新后的分类模型集中模型数量是否为零;若更新后的分类模型集中模型数量不为零,利用所述风险评估权重对每个所述历史保险案件数据的数据权重进行更新,并返回在所述分类模型集中选取任意分类模型步骤;
37、风险评估模块,用于若更新后的分类模型集中模型数量为零,当接受待评估保险案件数据时,基于所述风险评估权重及所有初始风险评估模型进行综合风险评估,得到目标评估风险。
38、为了解决上述问题,本专利技术还提供一种电子设备,所述电子设备包括:
39、存储器,存储至少一个计算机程序;及
40、处理器,执行所述存储器中存储的计算机程序以实现上述所述的保险案件风险评估方法。
41、为了解决上述问题,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的保险案件风险评估方法。
42、本专利技术实施例基于所述风险评估权重及所有初始风险评估模型进行综合风险评估,得到目标评估风险。通过利用多个模型进行综合的风险评估,与利用单个模型进行风险评估相比,降低的评估错误的可能性,提高了保险案件风险评估的准确率。因此本专利技术实施例提出的保险案件风险评估方法、装置、电子设备及可读存储介质提高了保险案件风险评估的准确率。
本文档来自技高网...【技术保护点】
1.一种保险案件风险评估方法,其特征在于,所述方法包括:
2.如权利要求1所述的保险案件风险评估方法,其特征在于,所述基于所述数据权重、所述保险案件风险值及所述风险标签对所述待训练模型进行参数更新,得到初始风险评估模型,包括:
3.如权利要求1中所述的保险案件风险评估方法,其特征在于,所述计算所述初始风险评估模型的风险评估权重,包括:
4.如权利要求3所述的保险案件风险评估方法,其特征在于,所述计算所述历史保险案件数据集中的误报数据的占比,得到评估错误率,包括:
5.如权利要求3所述的保险案件风险评估方法,其特征在于,所述利用所述风险评估权重对每个所述历史保险案件数据的数据权重进行更新,包括:
6.如权利要求1至5中任意一项所述的保险案件风险评估方法,其特征在于,所述基于所述风险评估权重及所有初始风险评估模型进行综合风险评估,得到目标评估风险,包括:
7.如权利要求6所述的保险案件风险评估方法,其特征在于,所述基于所有所述加权保险案件风险值进行计算,得到目标保险案件风险值,包括:
8.一种保险案件
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的保险案件风险评估方法。
...【技术特征摘要】
1.一种保险案件风险评估方法,其特征在于,所述方法包括:
2.如权利要求1所述的保险案件风险评估方法,其特征在于,所述基于所述数据权重、所述保险案件风险值及所述风险标签对所述待训练模型进行参数更新,得到初始风险评估模型,包括:
3.如权利要求1中所述的保险案件风险评估方法,其特征在于,所述计算所述初始风险评估模型的风险评估权重,包括:
4.如权利要求3所述的保险案件风险评估方法,其特征在于,所述计算所述历史保险案件数据集中的误报数据的占比,得到评估错误率,包括:
5.如权利要求3所述的保险案件风险评估方法,其特征在于,所述利用所述风险评估权重对每个所述历史保险案件数据的...
【专利技术属性】
技术研发人员:王苓,陈奕宇,
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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。