[发明专利]预测投保风险概率的方法、装置、计算机设备和存储介质

权利要求书

1.一种预测投保风险概率的方法，其特征在于，包括：

获取保险单中的用户的个人信息和业务类型信息；

将所述个人信息转换得到第一向量以及将所述业务类型信息转换得到第二向量；

将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算，其中，所述风险概率预测模型通过输入指定量的用户的个人信息和业务类型信息，以及用户的个人信息和业务类型信息所对应的风险概率作为样本数据进行训练所得，用于计算用户进行投保的风险概率；

获取所述风险概率预测模型输出的计算结果，该结果为用户进行投保的风险概率。

2.根据权利要求1所述的预测投保风险概率的方法，其特征在于，所述用户的个人信息包括离散个人信息以及连续个人信息，所述将所述个人信息转换得到第一向量的步骤，包括：

检测出所述个人信息中的离散个人信息以及连续个人信息；

将所述离散个人信息转换得到离散向量，并且将所述离散个人信息进行交叉得到交叉向量，以及将所述连续个人信息进行放缩处理得到连续向量；

将所述离散向量、交叉向量以及连续向量进行组合得到第一向量。

3.根据权利要求2所述的预测投保风险概率的方法，其特征在于，所述将所述离散向量、交叉向量以及连续向量进行组合得到第一向量的步骤之前，包括：

对所述离散向量、交叉向量分别进行稠密处理。

4.根据权利要求2所述的预测投保风险概率的方法，其特征在于，所述将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算的步骤，包括：

将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算得到结果向量和结果常数；

通过公式计算得到风险概率，其中均为权重常数，a为所述结果向量，b为所述结果常数，φ(x)为所述交叉向量，x为所述离散向量，P(Y＝1|x)为所述风险概率。

5.根据权利要求1所述的预测投保风险概率的方法，其特征在于，所述将所述业务类型信息转换得到第二向量的步骤，包括：

将所述业务类型信息转换为保险单号信息；

对所述保险单号信息进行稠密处理得到第二向量。

6.根据权利要求1所述的预测投保风险概率的方法，其特征在于，所述获取所述风险概率预测模型输出的计算结果，该结果为用户进行投保的风险概率的步骤之后，包括：

将所述风险概率与预设的风险等级表进行匹配，所述风险等级表包括不同风险概率范围与风险等级的对应关系；

根据匹配结果输出风险等级。

7.根据权利要求6所述的预测投保风险概率的方法，其特征在于，所述根据匹配结果输出风险等级的步骤之后，包括：

在预设的费率映射表中查找所述风险等级对应的费率，所述预设的费率映射表包括不同风险等级与费率的对应关系。

8.一种预测投保风险概率的装置，其特征在于，包括：

获取单元，用于获取保险单中的用户的个人信息和业务类型信息；

转换单元，用于将所述个人信息转换得到第一向量以及将所述业务类型信息转换得到第二向量；

计算单元，用于将所述第一向量和第二向量进行组合得到向量矩阵输入至预设的基于深度神经网络的风险概率预测模型中进行计算，其中，所述风险概率预测模型通过指定量的用户的个人信息和业务类型信息，以及用户的个人信息和业务类型信息所对应的风险概率作为样本数据进行训练所得，用于计算用户进行投保的风险概率；

第一输出单元，用于获取所述风险概率预测模型输出的计算结果，该结果为用户申请投保该业务的风险概率。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。