[发明专利]基于人工智能的异常预测方法、装置、设备及存储介质在审

专利信息
申请号: 202211019204.0 申请日: 2022-08-24
公开(公告)号: CN115374861A 公开(公告)日: 2022-11-22
发明(设计)人: 敖琦 申请(专利权)人: 中国平安财产保险股份有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 深圳市世联合知识产权代理有限公司 44385 代理人: 姜妍
地址: 518000 广东省深圳市福田区益田路*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 人工智能 异常 预测 方法 装置 设备 存储 介质
【权利要求书】:

1.一种基于人工智能的异常预测方法,其特征在于,包括下述步骤:

获取目标机构在目标时间之前的预设时间段内的第一核销数据,将所述第一核销数据输入至预先训练的机构异常预测模型内,预测得到所述目标机构在所述目标时间的第一核销预测值;

获取所述目标机构在所述目标时间的第一实际核销值,基于与所述第一核销预测值对应的第一预设范围阈值,判断所述第一实际核销值是否异常;

若异常,获取所述目标机构的网点在所述目标时间之前的预设时间段内的第二核销数据,将所述第二核销数据输入至预设训练的网点异常预测模型,预测得到所述网点在所述目标时间的第二核销预测值;

获取所述网点在所述目标时间的第二实际核销值,基于与所述第二核销预测值对应的第二预设范围阈值,判断所述第二实际核销值是否异常;

若异常,获取与所述网点对应的目标用户在所述目标时间之前的预设时间段内的第三核销数据,将所述第三核销数据输入至预设训练的用户异常预测模型,预测得到所述目标用户在所述目标时间的第三核销预测值;

获取所述目标用户在所述目标时间的第三实际核销值,基于与所述第三核销预测值对应的第三预设范围阈值,判断所述第三实际核销值是否异常;

若异常,将所述目标用户判定为异常用户。

2.根据权利要求1所述的基于人工智能的异常预测方法,其特征在于,所述获取所述目标机构在所述目标时间的第一实际核销值,基于与所述第一核销预测值对应的第一预设范围阈值,判断所述第一实际核销值是否异常的步骤,具体包括:

获取所述目标机构在所述目标时间的第一实际核销值;

获取与所述第一核销预测值对应的第一预设范围阈值;

判断所述第一实际核销值是否处于所述第一预设范围阈值内;

若处于所述第一预设范围阈值内,判定所述第一实际核销值正常;

若不处于所述第一预设范围阈值内,判定所述第一实际核销值异常。

3.根据权利要求1所述的基于人工智能的异常预测方法,其特征在于,在所述将所述第一核销数据输入至预先训练的机构异常预测模型内,预测得到所述目标机构在所述目标时间的第一核销预测值的步骤之前,还包括:

获取指定机构在指定时间周期内的指定核销数据;

基于所述指定核销数据构建训练样本与测试样本;其中,所述训练样本包括训练样本数据和与所述训练样本数据对应的训练样本标签;所述测试样本包括测试样本数据和与所述测试样本数据对应的测试样本标签;

调用预先构建的初始LSTM模型;

将所述训练样本的训练样本数据作为所述初始LSTM模型的输入,将所述训练样本的训练样本标签作为所述初始LSTM模型的输出,对所述初始LSTM模型进行训练,不断调整所述初始LSTM模型的参数,直至所述训练后的LSTM模型的评价指标满足预设条件,并将所述训练后的LSTM模型作为与所述指定机构对应的指定机构异常预测模型;其中,所述评价指标为通过使用所述测试样本数据检验所述训练后的LSTM模型得到。

4.根据权利要求1所述的基于人工智能的异常预测方法,其特征在于,在所述获取与所述网点对应的目标用户在所述目标时间之前的预设时间段内的第三核销数据的步骤之前,还包括:

获取所述网点在所述目标时间之前的预设时间段内的第一属性数据;

获取与网点对应的第一风险分析策略;

基于所述第一风险分析策略与所述第一属性数据对所述网点进行风险分析,得到与所述网点对应的第一风险分析结果。

5.根据权利要求1所述的基于人工智能的异常预测方法,其特征在于,在所述将所述目标用户判定为异常用户的步骤之后,还包括:

获取所述目标用户在所述目标时间之前的预设时间段内的第二属性数据;

获取与用户对应的第二风险分析策略;

基于所述第二风险分析策略与所述第二属性数据对所述目标用户进行风险分析,得到与所述目标用户对应的第二风险分析结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国平安财产保险股份有限公司,未经中国平安财产保险股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211019204.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top