[发明专利]智能规则引擎规则输出方法、设备及计算机可读存储介质

权利要求书

1.一种智能规则引擎规则输出方法，其特征在于，所述方法包括：

接收由参数录入系统所传输的当前案件数据，并根据当前案件数据设置欺诈检测的场景，根据所选中欺诈检测的场景在模型因子库对应筛选得到模型因子，所述模型因子包括主键信息、风险主体、时间维度及搭载环境，所述接收由参数录入系统所传输的当前案件数据，并根据当前案件数据设置欺诈检测的场景，根据所选中欺诈检测的场景在模型因子库对应筛选得到模型因子的步骤，包括：

接收由参数录入系统所传输查勘任务流，并接收与查勘任务流对应的调用函数请求；

根据调用函数请求获取查勘任务流对应的当前案件数据；

通过Shell脚本调用Python进程；

根据当前案件数据中的报案类型对应设置欺诈检测的场景；

在Python进程中根据所述选中欺诈检测的场景在模型因子库中进行筛选，得到与欺诈检测的场景相对应模型因子；

将根据所选中欺诈检测的场景在模型因子库对应筛选得到的模型因子、及当前案件数据作为模型训练结果的输入，通过模型训练结果进行处理后输出适用于该场景的多组规则组合；

所述接收由参数录入系统所传输的当前案件数据，并根据当前案件数据设置欺诈检测的场景，根据所选中欺诈检测的场景在模型因子库对应筛选得到模型因子的步骤之前，还包括：

预先建立用于作为模型训练输入因子的模型因子库；

获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果；其中，预先设置的建模流程包括宽表搭建、数据探索、显著性分析、变量分箱、相关性分析、模型训练、模型测试、模型效果评价、及模型监控；

所述获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果的步骤中，包括：

将历史数据进行宽表搭建，得到第一处理数据，所述宽表是指业务主题相关的指标、维度、属性关联在一起的一张数据库表；

将第一处理数据进行数据探索，得到第二处理数据，包括对第一处理数据依次进行：变量的识别、单变量的分析、双变量的分析、处理缺失值、处理异常值、特征提取后，得到第二处理数据；

将第二处理数据进行显著性分析，得到第三处理数据，所述显著性分析即判断总体的真实情况与原假设是否有显著性差异；

将第三处理数据进行变量分箱，得到第四处理数据，将第三处理数据进行变量分箱的方法包括无监督分箱和/或有监督分箱；

将第四处理数据进行相关性分析，得到第五处理数据，所述相关性分析，是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度；

将第五处理数据进行模型训练，得到第六处理数据；

将第六处理数据进行模型测试，得到第七处理数据；

将第七处理数据进行模型效果评价，得到第八处理数据；

将第八处理数据进行模型监控，得到模型训练结果，所述模型监控的方法包括：基于偏最小二乘法的遗传模拟退火算法。

2.根据权利要求1所述智能规则引擎规则输出方法，其特征在于，所述将根据所选中欺诈检测的场景在模型因子库对应筛选得到的模型因子、及当前案件数据作为模型训练结果的输入，通过模型训练结果进行处理后输出适用于该场景的多组规则组合的步骤之后，还包括：

根据当前案件数据、及在多组规则组合中被选中的规则组合判断是否存在案件欺诈；

当存在案件欺诈，则进行调查提示；

当不存在案件欺诈，则进行理赔核算。

3.根据权利要求1所述智能规则引擎规则输出方法，其特征在于，所述当前案件数据包括报案时间、报案人姓名、及报案类型。