【技术实现步骤摘要】
本专利技术涉及人工智能、机器学习，特别是涉及一种融合顺序注意力和特征表征学习的核保结论预测方法。
技术介绍
1、保单核保是指保险公司核保人员依据被保人的年龄、性别、健康状况、职业以及医疗记录、体检报告等信息来评估风险和保险的可行性。根据风险评估结果，核保人员会做出核保结论。然而人工核保流程依赖于核保人员的专业知识和经验，不可避免会存在核保准确性和效率低下的问题。针对以上问题，采用大数据和机器学习分析、建模、预测保单核保结论成为一种可行的解决方法。
2、当前保险公司算法研究人员对保单核保结论预测的一般性方法为，利用大数据技术提取整合保单核保结论字段以及保单相关的投被保人、代理人信息。通过数据清洗和手动特征筛选提取入模特征。将数据集划分为训练集、测试集，分别训练机器学习算法如逻辑回归、随机森林、xgboost、lightgbm等模型，对比分析模型分类性能，选择分类准确率最高的模型进行核保结论预测。机器学习建模方法推动了保单核保业务的自动化进程，机器学习算法可以从历史数据中挖掘浅层特征表征进行预测，然而传统机器学习算法手动特征工程...
【技术保护点】
1.一种融合顺序注意力和特征表征学习的核保结论预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取基于历史保单数据的训练保单样本数据和测试保单样本数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述核保结论预测模型，还包括第一归一化层；利用所述训练保单样本数据训练所述核保结论预测模型以得到训练好的核保结论预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述顺序注意力模块，包括第一FC全连接网络、第二归一化层和Sparsemax激活函数；将拆分后的特征表征输入顺序注意力模块以基于特征的使用程...
【技术特征摘要】
1.一种融合顺序注意力和特征表征学习的核保结论预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取基于历史保单数据的训练保单样本数据和测试保单样本数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述核保结论预测模型，还包括第一归一化层；利用所述训练保单样本数据训练所述核保结论预测模型以得到训练好的核保结论预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述顺序注意力模块，包括第一fc全连接网络、第二归一化层和sparsemax激活函数；将拆分后的特征表征输入顺序注意力模块以基于特征的使用程度对特征分配不同权重值以构成掩码矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，所述表征学习模块，包括两个网络层模块，其中，每个网络层模块，包括两组网络层，所...
【专利技术属性】
技术研发人员：赵俊杰，温佳美，刘雨薇，
申请(专利权)人：人保信息科技有限公司，
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。