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】
本专利技术涉及一种续保预测方法,尤其涉及一种生成保险续保预测结果的方法和系统。
技术介绍
1、现有技术可以给出车险续保可能性的预测结果,或从整体上给出哪些因素对车险续保可能性有影响,例如得出车辆出险次数、车龄等因素对是否对续保有影响的结论。
2、但现有技术无法对每位车险客户的续保预测结果给出准确的原因解释,即无法解释为什么预测某个客户车险续保可能性高,或预测续保可能性低的原因。因此现有技术存在导致保险公司车险续保销售和管理人员对车险续保可能性预测结果不信任、不理解,从而无法很好的运用预测结果开展有效的续保营销的技术缺陷。
技术实现思路
1、本专利技术实施例提供一种生成保险续保预测结果的方法和系统,以解决相关技术存在的问题,技术方案如下:
2、第一方面,本专利技术实施例提供了一种生成保险续保预测结果的方法,包括:
3、将目标用户的历史保单数据输入到预先完成训练的续保预测模型中,得到所述续保预测模型输出的所述目标用户的续保可能性概率值;
4、将所述续保预测模型输入事后解释模型中,生成模型解释器;
5、将所述目标用户的历史保单数据输入所述模型解释器中,量化所述历史保单数据的每个特征要素对所述目标用户续保可能性概率值的贡献度;
6、根据所述目标用户的续保可能性概率值、以及每个所述特征要素的贡献度,生成续保预测结果;
7、其中,量化所述历史保单数据的每个特征要素i对所述目标用户续保可能性概率值的贡献度的值计算
8、
9、其中,n={1,…,d}为训练集中所有的特征的集合,|n|为特征总数,s是能够从训练集n中抽取出来的特征组合,其特征数量为|s|,表示不包含特征要素i的全部可能的特征组合,p(s)表示只利用特征集合s计算出的续保可能性预测值,p(s∪{i})表示在特征集合s的基础上增加特征要素i后计算出的续保可能性预测值表示在包含特征要素i和不包含特征要素i的情况下,预测值差值的权重。
10、可选地,将目标用户的历史保单数据输入到预先完成训练的续保预测模型中,得到所述续保预测模型输出的所述目标用户的续保可能性概率值之前,包括:
11、对训练保单数据中的特征按照连续变量和分类变量进行划分;将完成划分的特征添加目标特征,组成训练数据;
12、利用预测算法,对所述训练数据进行训练,得到续保可能性预测模型;
13、其中,所述目标特征为目标用户是否续保。
14、可选地,将目标用户的历史保单数据输入到预先完成训练的续保预测模型中,包括:
15、将目标用户的历史保单数据中的特征按照连续变量和分类变量进行划分;将完成划分的特征确定为预测数据;
16、将所述预测数据,输入到预先完成训练的续保预测模型中。
17、可选地,所述续保预测结果的展示形式为条形图;
18、其中,所述条形图的y轴表示特征要素;x轴表示各个特征要素的贡献度,条形长度代表每个特征要素对续保可能性概率值影响的强弱;
19、当贡献度的数值为正,则条形为右向条形,表示该特征要素对续保预测可能性有正影响;
20、当贡献度的数值为负,则条形为左向条形,表示该特征要素对续保预测可能性有负影响。
21、可选地,所述预测算法,包括如下之一:
22、lightgbm算法、线性回归算法、逻辑回归算法、支持向量机算法、集成学习算法、随机森林算法、adaboost、gbdt算法。
23、可选地,对于所述预测算法采用lightgbm算法,输入事后解释模型采用shap算法,则每个特征要素的shap值与续保可能性概率值之间的关系是:
24、
25、其中,y′为续保可能性概率值,φ0为训练样本模型续保可能性概率值的log oddsratio均值,φi为各个特征要素的shap值,m为特征要素的个数。
26、第二方面,本专利技术实施例提供了一种提升续保可能性概率值的方法,包括:
27、查询输入数据对应的历史保单数据;其中,所述查询输入数据包括如下至少之一:目标用户的标识、被投保对象标识、目标用户的保单数据;
28、将所述历史保单数据输入到预先完成训练的续保预测模型中,得到所述续保预测模型输出的所述目标用户的续保可能性概率值;
29、将所述历史保单数据输入预先生成的模型解释器中,量化所述历史保单数据的每个特征要素对所述目标用户续保可能性概率值的贡献度;
30、若所述续保可能性概率值大于第一预设阈值,则根据每个特征要素对所述目标用户续保可能性概率值的贡献度筛选待提升的特征要素;
31、根据所述待提升的特征要素,提升续保可能性概率值。
32、可选地,根据所述待提升的特征要素,提升续保可能性概率值,包括:
33、根据所述特征要素,构建所述目标用户的用户画像;
34、根据代理人的签单历史,建立代理人画像;
35、将所述用户画像与所述代理人画像进行匹配;
36、选取匹配度较高的代理人负责所述目标用户,并根据所述特征要素,提升续保可能性概率值。
37、可选地,根据所述待提升的特征要素,提升续保可能性概率值,还包括:
38、根据所述特征要素,对所述目标用户制定优惠策略;
39、将所述优惠策略发送给所述匹配度较高的代理人,并根据所述特征要素,提升续保可能性概率值。
40、第三方面,本专利技术实施例提供了一种生成保险续保预测结果的系统,包括:
41、历史表单查询模块,用于查询输入数据对应的历史保单数据;其中,所述查询输入数据包括如下至少之一:目标用户的标识、被投保对象标识、目标用户的保单数据;
42、续保可能性输出模块,用于将所述历史保单数据输入到预先完成训练的续保预测模型中,得到所述续保预测模型输出的所述目标用户的续保可能性概率值;
43、特征要素贡献度量化模块,用于将所述历史保单数据输入预先生成的模型解释器中,量化所述历史保单数据的每个特征要素对所述目标用户续保可能性概率值的贡献度;
44、结果输出模块,用于根据所述目标用户的续保可能性概率值、以及每个所述特征要素的贡献度,输出续保预测结果。
45、第四方面,本专利技术实施例提供了一种生成保险续保预测结果的服务器,该装置包括:存储器和处理器。其中,该该存储器和该处理器通过内部连接通路互相通信,该存储器用于存储指令,该处理器用于执行该存储器存储的指令,并且当该处理器执行该存储器存储的指令时,使得该处理器执行上述各方面任一种实施方式中的方法。
46、第五方面,本专利技术实施例提供了一种计算机可读存储介质,计算机可读存储介质存储计算机程序,当计算机程序在计算机上运行时,上述各方面任一种实施方式中的方法被执行。
47、上述技术方案中的优点或有益本文档来自技高网...
【技术保护点】
1.一种生成保险续保预测结果的方法,其特征在于,
2.根据权利要求1所述的方法,其特征在于,将目标用户的历史保单数据输入到预先完成训练的续保预测模型中,得到所述续保预测模型输出的所述目标用户的续保可能性概率值之前,包括:
3.根据权利要求1所述的方法,其特征在于,将目标用户的历史保单数据输入到预先完成训练的续保预测模型中,包括:
4.根据权利要求1所述的方法,其特征在于,所述续保预测结果的展示形式为条形图;
5.根据权利要求2所述的方法,其特征在于,根据所述续保预测模型采用的算法类型,选择匹配的模型解释器,包括如下之一:
6.根据权利要求5所述的方法,其特征在于,
7.一种提升续保可能性概率值的方法,其特征在于,
8.根据权利要求7所述的方法,其特征在于,根据所述待提升的特征要素,提升续保可能性概率值,包括:
9.根据权利要求8所述的方法,其特征在于,根据所述待提升的特征要素,提升续保可能性概率值,还包括:
10.一种生成保险续保预测结果的系统,其特征在于,
1
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
...【技术特征摘要】
1.一种生成保险续保预测结果的方法,其特征在于,
2.根据权利要求1所述的方法,其特征在于,将目标用户的历史保单数据输入到预先完成训练的续保预测模型中,得到所述续保预测模型输出的所述目标用户的续保可能性概率值之前,包括:
3.根据权利要求1所述的方法,其特征在于,将目标用户的历史保单数据输入到预先完成训练的续保预测模型中,包括:
4.根据权利要求1所述的方法,其特征在于,所述续保预测结果的展示形式为条形图;
5.根据权利要求2所述的方法,其特征在于,根据所述续保预测模型采用的算法类型,选择匹配的模型解释器,包括如下之一:
6.根据权利要求5所述的方法,其特征在于,
7.一种提升续保可能...
【专利技术属性】
技术研发人员:刘方,张璐,黄中杰,
申请(专利权)人:中国人寿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。