[發明專利]特征因子確定方法及設備

有效

• 申請號: 201811549933.0
• 申請日: 2018-12-18
• 公開（公告）號: CN109670976B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 崔藍藝
• 申請（專利權）人: 泰康保險集團股份有限公司;泰康在線財產保險股份有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 孫靜;劉芳

本實施例提供一種特征因子確定方法及設備，該方法包括：先根據N個候選特征因子，獲取基準AUC值，各所述候選特征因子分別用于描述一種類型的風控特征，所述風控特征的類型包括如下中的至少一種：投保特征、承保特征或理賠特征；再根據各所述候選特征因子的重要性，獲取AUC臨界值以及AUC擬合曲線；再根據所述基準AUC值、所述AUC臨界值以及所述AUC擬合曲線，在所述N個候選特征因子中確定目標特征因子，克服了使用單輪刀切法去篩選特征因子，不能評估入模特征因子的數量，對于入模的特征因子的數量只能由工作人員自己估測，存在偏差，無法合理的選擇到最佳特征因子的問題。

技術領域

本發明涉及保險風控技術領域，尤其涉及一種特征因子確定方法及設備。

背景技術

目前，意外險和健康險存在部分欺詐行為，比如有些投保人在申請單上填寫虛假高收入信息，借此信息來獲得高保額，造成很大的欺詐嫌疑。對于此類行為，可以借助保險業務場景來搭建一套全面的、系統的、切合業務場景的數學模型，進而結合業務場景規則引擎，來多維度篩查虛假信息，并應用到核保規則中，來避免欺詐行為的發生。

目前數學模型的優化大體有三種：算法的優化、樣本的優化，即篩選一部分優質的樣本、特征因子的優化。其中現有的特征因子優化的方法主要為單輪刀切法，具體原理為：通過評估每一個特征因子對模型的效果，來排除對模型影響較小的特征因子，以此來完成特征因子對應的樣本數據的屬性規約，即篩選較合理的特征因子輸入模型。

但是，使用單輪刀切法去篩選特征因子不能評估輸入模型的特征因子的數量，對于輸入模型的特征因子的數量只能由工作人員自己估測，存在偏差，無法合理的選擇到最佳特征因子。

發明內容

本發明實施例提供一種特征因子確定方法及設備，克服了使用單輪刀切法去篩選特征因子，不能評估入模特征因子的數量，對于入模的特征因子的數量只能由工作人員自己估測，存在偏差，無法合理的選擇到最佳特征因子的問題。

第一方面，本發明實施例提供一種特征因子確定方法，包括：

根據N個候選特征因子，獲取基準AUC值，各所述候選特征因子分別用于描述一種類型的風控特征，所述風控特征的類型包括如下中的至少一種：投保特征、承保特征或理賠特征；

根據各所述候選特征因子的重要性，獲取AUC臨界值以及AUC擬合曲線；

根據所述基準AUC值、所述AUC臨界值以及所述AUC擬合曲線，在所述N個候選特征因子中確定目標特征因子。

在一種可能的設計中，所述根據各所述候選特征因子的重要性，獲取AUC臨界值以及AUC擬合曲線，包括：

從所述N個候選特征因子中刪除重要性最低的特征因子，將剩余的N-1個候選特征因子輸入訓練模型，得到所述訓練模型輸出的AUC值；

從所述N-1個候選特征因子中刪除重要性最低的特征因子，將剩余的N-2個候選特征因子輸入所述訓練模型，得到所述訓練模型輸出的AUC值；

重復執行刪除重要性最低的特征因子的操作，直至從剩余的2個候選特征因子中刪除重要性最低的特征因子，將1個候選特征因子輸入所述訓練模型，得到所述訓練模型輸出的AUC值；

根據得到的N-1個AUC值，獲取所述AUC臨界值以及所述AUC擬合曲線。

在一種可能的設計中，所述根據得到的N-1個AUC值，獲取所述AUC臨界值以及所述AUC擬合曲線，包括：

將所述N-1個AUC值中的最大值作為所述AUC臨界值；

對所述N-1個AUC值進行擬合，得到所述AUC擬合曲線。

在一種可能的設計中，所述根據所述基準AUC值、所述AUC臨界值以及所述AUC擬合曲線，在所述N個候選特征因子中確定目標特征因子，包括：