[发明专利]基于人工智能的风险区域分析方法、装置、设备及介质

说明书

本发明涉及人工智能技术，揭露了一种基于人工智能的风险区域分析方法，包括对历史事件数据集合进行分区，得到事件数据分区集合；利用聚类模型提取所述事件数据分区集合中的目标数据分区中的可达距离特征值；将各个核心事件点构建最小生成树，得到最小生成树，根据并查集算法将各个边定义的簇进行适应性合并，得到各个组合簇；计算所述组合簇的组合最小生成树的平均边距离，利用平均边距离大于或等于所述可达距离特征值的组合簇，吸收平均距离小于所述所述可达距离特征值的组合簇，得到有效簇集合；绘制所述有效簇集合中各个有效簇的边界，各个风险密集区。本发明还提出一种基于人工智能的风险区域分析装置、电子设备以及存储介质。本发明可以提高风险密集区域定位的准确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的风险区域分析方法、装置、电子设备及计算机可读存储介质。

背景技术

在保险行业中，评估承保标的所在区域的风险是一个重要的工作环节，结合历史业务数据划定出具有高出险风险的区域，将对承保环节的风险评估工作起到重大支撑作用。历史保险业务数据中，出险数据很好地反映了标的实际发生风险的情况，结合出险数据记录的地理位置信息便可以进一步评估相应区域的出险风险。

出险区域风险地图是评估风险区域的重要表现形式，其中，所述出险区域风险地图是根据历史业务数据进行整合，很好地反映了各区域实际发生风险的情况，结合出险数据记录的地理位置信息可评估一定区域内的出险风险。现有的出险区域风险地图是通过热力图的方式对历史业务数据进行统筹构建的，但是热力图无法给出具有明确边界的密集出险区域，且连续的热力图等级在对业务人员而言仍需在应用过程中自行判断属于高风险的切分阈值，主观因素较强，此外，热力图并不能考虑到业务承保情况的空间异质性，其表征的热力值在应用范围内具有绝对性，但实际上在热力图中即使为同一出险热力值，在不同承保量级的区域所表征的风险也会有所不同，因此，目前急需一种能够快速、准确定位目标区域中风险密集区的方法。

发明内容

本发明提供一种基于人工智能的风险区域分析方法、装置及计算机可读存储介质，其主要目的在于解决定位风险密集区域时定位不准确的问题。

为实现上述目的，本发明提供的一种基于人工智能的风险区域分析方法，包括：

从预构建的业务数据库中提取历史事件数据集合，根据所述历史事件数据集合中的各个事件发生所在地，对所述历史事件数据集合进行分区，得到事件数据分区集合；

从所述事件数据分区集合中提取目标数据分区，并利用预训练的聚类模型提取所述目标数据分区中全部的核心事件点，根据各个所述核心事件点间的可达距离，计算所述目标数据分区的可达距离特征值；

根据各个所述核心事件点构建最小生成树，并将所述最小生成树中的各个边定义为一个簇，根据并查集算法将各个所述簇进行适应性合并，得到各个组合簇；

构建所述各个组合簇的组合最小生成树，并计算各个所述组合最小生成树的平均边距离；

根据预设的弃舍-吸收策略，利用平均边距离大于或等于所述可达距离特征值的组合簇，吸收平均距离小于所述所述可达距离特征值的组合簇，得到有效簇集合；

绘制所述有效簇集合中各个有效簇的边界，得到所述目标数据分区中的各个风险密集区。

可选的，所述利用预训练的聚类模型提取所述目标数据分区中全部的核心事件点，根据各个所述核心事件点间的可达距离，计算所述目标数据分区的可达距离特征值，包括：

根据预设的排序策略，对所述目标数据分区中全部的核心事件点进行可达距离排序，得到第一队列；

对所述第一队列进行密集程度表示，并根据预设的缩放参数对密集程度表示结果进行量化，并计算所述目标数据分区的可达距离特征值。