[發明專利]一種保險業務風險預測的處理方法、裝置及處理設備

在審

• 申請號: 201810469782.1
• 申請日: 2018-05-16
• 公開（公告）號: CN108665175A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 吳龍鳳;陳*;石秋慧;張泰瑋;陳詩奕
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/08;G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝

本說明書實施例公開了一種保險業務風險預測的處理方法、裝置及處理設備。因此利用本說明書實施例提供的方法可以預先使用梯度提升決策樹來構建風險預測模型，該風險預測模型可以使用已打標的與保險業務相關聯的風險關聯數據進行訓練。當風險預測模型訓練達到預測要求時可以作為線上風險預測使用，對待預測用戶進行保險業務風險預測，輸出預測結果。利用本說明書實施例提供的方法可以合理有效地應用保險業務中多維度的非線性變量，基于梯度提升決策樹的非線性關系的風險預測模型可以很好地兼容線性和非線性變量，相對于傳統的線性模型，預測結果的準確性有著顯著的提升，有效彌補傳統線性模型的不足，提高保險業務服務體驗。

技術領域

本說明書實施例方案屬于保險業務風險預測的計算機數據處理技術領域，尤其涉及一種保險業務風險預測的處理方法、裝置及處理設備。

背景技術

機動車輛保險即汽車保險(或簡稱車險)，是指對機動車輛由于自然災害或意外事故所造成的人身傷亡或財產損失負賠償責任的一種商業保險。隨著經濟的發展，機動車輛的數量不斷增加，當前，車險已成為中國財產保險業務中最大的險種之一。

用戶在進行車輛投保時，保險公司通常會對用戶進行風險評估，風險評估的結果會直接影響到用戶投保金額、優惠待遇等。通過對用戶的風險評估，保險公司可以更加準確、合理的進行保險業務的處理，有效規避或減少業務風險。目前，在車險風險預測領域，基于廣義線性模型(generalized linear model，GLM)的風險預測已成為業內的主流風險預測技術體系。廣義線性模型主要處理的為線性相關的數據對象，如上網時長降低1個百分點，年齡增大1歲，可以基于網齡數據與年齡數據的線性關系實現GLM的建模。

但隨著車險業務的不斷增加，互聯網數據已呈現多種類、海量數據增長，傳統的GLM模型體系已越來越受到限制，例如如果“年齡”不是單純隨上網時長變化而變化，而是同時與人群的購物以及習慣等方面相關，不同消費習慣隨自身變化改變年齡分布呈非線性影響的形式。GLM模型可以通過分箱將非線性變量進行分段匯總，但是會損失很多變量的精準性，難以適應當前大數據、多維度的風險預測要求。因此，業內亟需一種可以在多維度數據中更加有效和高效的進行車險業務風險預測的處理方式。

發明內容

本說明書實施例目的在于提供一種保險業務風險預測的處理方法、裝置及處理設備，可以通過在保險業務風險預測中引入梯度提升決策樹，實現兼容非線性關系的保險業務數據的風險預測，有效提高保險業務風險預測的準確性。

本說明書實施例提供的一種保險業務風險預測的處理方法、裝置及處理設備是包括以下方式實現的：

一種保險業務風險預測的處理方法，所述方法包括：

獲取待預測用戶的目標風險關聯數據；

利用構建的風險預測模型對所述目標風險關聯數據進行處理，輸出所述待預測用戶的風險預測結果，所述風險預測模型法包括：利用已打標的風險關聯數據對梯度提升決策樹進行訓練確定的預測模型。

一種保險業務風險預測處理裝置，包括：

預測數據獲取模塊，用于獲取待預測用戶的目標風險關聯數據；

風險預測模塊，用于利用構建的風險預測模型對所述目標風險關聯數據進行處理，輸出所述待預測用戶的風險預測結果，所述風險預測模型法包括：利用已打標的風險關聯數據對梯度提升決策樹進行訓練確定的預測模型。

一種保險業務風險預測處理設備，包括處理器以及用于存儲處理器可執行指令的存儲器，所述處理器執行所述指令時實現：

獲取待預測用戶的目標風險關聯數據；

利用構建的風險預測模型對所述目標風險關聯數據進行處理，輸出所述待預測用戶的風險預測結果，所述風險預測模型法包括：利用已打標的風險關聯數據對梯度提升決策樹進行訓練確定的預測模型。