[發明專利]核保難度預測的方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201710752024.6
• 申請日: 2017-08-28
• 公開（公告）號: CN107633323A
• 公開（公告）日: 2018-01-26
• 發明（設計）人: 馬向東;高雪;丁杰;李斌;陳杰;邵正鉑;張捷
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/08;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司44224
• 代理人: 王寧

技術領域

本發明涉及計算機處理領域，特別是涉及一種核保難度預測的方法、裝置、計算機設備及存儲介質。

背景技術

隨著保險業務的發展，越來越多的人開始進行投保，保險公司在收到用戶的投保申請后，需要對投保單進行核保，由于核保需要相關的專業知識，為了提高工作效率，分配核保任務時是根據核保難度進行分配的，比如，將核保難度高的投保單分配給高級專業人員進行處理，核保難度低的分配給初級專業人員進行處理。因此，如何準確地計算投保單的核保難度顯得非常重要。

傳統的核保難度的計算是根據固定規則人為計算的，不夠靈活，而且計算結果往往也不貼近實際，導致后續分配核保任務時不能夠準確分配。

發明內容

基于此，有必要針對上述問題，提出一種比較靈活且能夠準確預測核保難度值的核保難度預測的方法、裝置、計算機設備及存儲介質。

一種核保難度預測的方法，所述方法包括：獲取待計算核保難度的投保單，提取所述投保單中影響核保難度的目標因素；確定與每個目標因素對應的參數值；對所述參數值進行歸一化處理得到標準參數值；將各個目標因素對應的標準參數值按照預設的規則組合為目標向量；將所述目標向量作為訓練好的核保難度預測模型的輸入，獲取輸出的與所述投保單對應的核保難度值，所述核保難度預測模型是基于歷史投保單采用BP神經網絡模型進行訓練得到的。

在其中一個實施例中，在獲取待計算核保難度的投保單，提取所述投保單中影響核保難度的目標因素的步驟之前還包括：從數據庫中獲取歷史投保單，確定訓練樣本集；提取所述訓練樣本集中每個歷史投保單對應的影響核保難度的影響因素以及相應的核保難度值；確定與每個影響因素對應的參數值，對所述參數值進行歸一化處理得到標準參數值；將每個歷史投保單中各個影響因素對應的標準參數值按照預設的規則組合為輸入向量；將每個歷史投保單對應的輸入向量作為輸入樣本，將相應的核保難度值作為期望的輸出樣本，對BP神經網絡模型進行訓練得到核保難度預測模型。

在其中一個實施例中，所述從數據庫中獲取歷史投保單，確定訓練樣本集包括：從數據庫中獲取歷史投保單，獲取歷史投保單所對應的投保年份；根據投保年份將歷史投保單進行分類；對每一類歷史投保單進行篩選得到有效歷史投保單；將每一類有效歷史投保單進行聚類，得到訓練樣本集。

在其中一個實施例中，在所述將每個歷史投保單對應的輸入向量作為輸入樣本，將相應的核保難度值作為期望的輸出樣本，采用BP神經網絡模型進行訓練得到核保難度預測模型的步驟之后還包括：獲取檢測樣本集；將所述檢測樣本集的輸入樣本作為所述訓練得到的核保難度預測模型的輸入，獲取相應的輸出值；判斷所述輸出值與所述標準輸出值的誤差是否在預設的范圍內；若是，則將所述訓練得到的核保難度預測模型作為訓練好的核保難度預測模型。

在其中一個實施例中，所述方法還包括：根據預設的核保難度值與職能等級之間的關系獲取與所述核保難度值對應的職能等級；根據所述職能等級將所述投保單進行分配。

一種核保難度預測的裝置，所述裝置包括：第一提取模塊，用于獲取待計算核保難度的投保單，提取所述投保單中影響核保難度的目標因素；參數值確定模塊，用于確定與每個目標因素對應的參數值；第一處理模塊，用于對所述參數值進行歸一化處理得到標準參數值；第一組合模塊，用于將各個目標因素對應的標準參數值按照預設的規則組合為目標向量；預測模塊，用于將所述目標向量作為訓練好的核保難度預測模型的輸入，獲取輸出的與所述投保單對應的核保難度值，所述核保難度預測模型是基于歷史投保單采用BP神經網絡模型進行訓練得到的。

在其中一個實施例中，所述裝置還包括：樣本集確定模塊，用于從數據庫中獲取歷史投保單，確定訓練樣本集；第二提取模塊，用于提取所述訓練樣本集中每個歷史投保單對應的影響核保難度的因素以及相應的核保難度值；第二處理模塊，用于確定與每個影響因素對應的參數值，對所述參數值進行歸一化處理得到標準參數值；第二組合模塊，用于將每個歷史投保單中各個影響因素對應的標準參數值按照預設的規則組合為輸入向量；訓練模塊，用于將每個歷史投保單對應的輸入向量作為輸入樣本，將相應的核保難度值作為期望的輸出樣本，對BP神經網絡模型進行訓練得到核保難度預測模型。

在其中一個實施例中，所述確定模塊還用于從數據庫中獲取歷史投保單，獲取歷史投保單所對應的投保年份，根據投保年份將歷史投保單進行分類，對每一類歷史投保單進行篩選得到有效歷史投保單，將每一類有效歷史投保單進行聚類，得到訓練樣本集。