[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

说明书

本发明提出的预测投保风险概率的方法、装置、计算机设备和存储介质，其中方法包括：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。本发明的主要目的为提供一种能高效、准确地预测投保风险概率的方法、装置、计算机设备和存储介质。

技术领域

本发明涉及到计算机技术领域，特别是涉及到一种预测投保风险概率的方法、装置、计算机设备和存储介质。

背景技术

在保险领域中，保险公司的业务员需要对客户提出的投保申请进行审核，通过审核结果来决定是否接受承保业务，并在接受承保业务后，确定保险费率。而在核保过程中，核保人员会根据不同风险类别给予客户不同的费率，保证业务质量。现有的主要通过业务员的经验来人为筛选出风险单，判断客户的风险类别，采取这种方式的缺点在于效率较低，浪费时间，而且还很容易由于人为疏忽错漏风险单，且对于风险单所对应的客户之间的潜在关系无法预测。因此如何提供一种能高效、准确地预测保险业务投保申请的风险概率的方法成为亟待解决的问题。

发明内容

本发明的主要目的为提供一种能高效、准确地预测投保风险概率的方法、装置、计算机设备和存储介质。

本发明提出预测投保风险概率的方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。