[發明專利]數據預測方法、裝置、設備及存儲介質

在審

• 申請號: 201910847223.4
• 申請日: 2019-09-06
• 公開（公告）號: CN110738574A
• 公開（公告）日: 2020-01-31
• 發明（設計）人: 黎洋
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G06Q10/04;G06K9/62
• 代理公司: 44287 深圳市世紀恒程知識產權代理事務所
• 代理人: 胡海國

本發明公開了一種基于深度學習的數據預測方法、裝置、設備及存儲介質，所述方法包括：獲取當前用戶的用戶身份數據以及用戶駕駛行為數據；對所述用戶駕駛行為數據進行深度學習，得到所述當前用戶的參考預測數據；提取所述待處理駕駛數據中的用戶身份數據，根據所述用戶身份數據按照預設規則調整所述參考預測數據；根據所述用戶駕駛行為數據對所述當前用戶進行評分，獲得評分結果，根據所述評分結果和調整后的參考預測數據，得到所述當前用戶的目標數據，從而提高數據預測的針對性。

技術領域

本發明涉及數據處理領域，尤其涉及一種數據預測方法、裝置、設備及存儲介質。

背景技術

基于駕駛行為的保險賠付率UBI(Usage Based Insurance)，作為大數據時代的新型保險，近年來吸引了業界的廣泛興趣。UBI的理論基礎是行為表現較安全的駕駛人員應該獲得保費優惠，保費取決于實際時間、地點、具體方式或者這些指標的綜合考量。

目前市場上關于UBI計算的研究主要采用計算賠付率信息的公式，但是現有的計算賠付率信息的方法和公式太過單一，從而出現性質差異較大的駕駛行為對應同一種賠付率，導致賠付率的計算缺乏針對性，適用性較差。

發明內容

本發明的主要目的在于提出一種數據預測方法、裝置、設備及存儲介質，旨在提高數據預測的針對性。

為實現上述目的，本發明提供一種數據預測方法，所述數據預測方法包括以下步驟：

獲取當前用戶的待處理駕駛數據，其中，所述待處理駕駛數據包括用戶身份數據以及用戶駕駛行為數據；

提取所述待處理駕駛數據中的用戶駕駛行為數據，對所述用戶駕駛行為數據采用數據預測模型進行預測，得到所述當前用戶的參考預測數據；

提取所述待處理駕駛數據中的用戶身份數據，根據所述用戶身份數據按照預設規則調整所述參考預測數據；

根據所述用戶駕駛行為數據對所述當前用戶進行評分，獲得評分結果，根據所述評分結果和調整后的參考預測數據，得到所述當前用戶的目標數據。

優選地，所述提取所述待處理駕駛數據中的用戶駕駛行為數據，對所述用戶駕駛行為數據采用數據預測模型進行預測，得到所述當前用戶的參考預測數據的步驟，包括：

提取所述待處理駕駛數據中的用戶駕駛行為數據，將所述用戶駕駛行為數據與預設關鍵字信息進行比較；

查找所述用戶駕駛行為數據中與所述預設關鍵字信息相關的目標駕駛行為數據，將查找到的目標駕駛行為數據作為參考數據；

將所述參考數據采用數據預測模型進行預測，得到所述當前用戶的參考預測數據。

優選地，所述將所述參考數據采用數據預測模型進行預測，得到所述當前用戶的參考預測數據的步驟，包括：

根據所述參考數據構建層級網絡信息，查找所述層級網絡信息之間的各種關鍵字組合信息；

根據所述關鍵字的預設等級信息進行組合，將組合后的關鍵字信息作為當前駕駛特征信息；

將所述當前駕駛特征信息采用數據預測模型進行預測，得到所述當前用戶的參考預測數據。

優選地，所述將所述當前駕駛特征信息采用數據預測模型進行預測，得到所述當前用戶的參考預測數據之前，所述方法還包括：

獲取預設原始長短期記憶網絡模型，將所述預設原始長短期記憶網絡模型作為參考數據預測模型的初始層；

按照時間序列提取歷史駕駛特征信息，根據所述歷史駛特征信息對所述預設原始長短期記憶網絡模型進行訓練，得到參考數據預測模型；

將所述參考數據預測模型中的歷史駕駛特征信息進行合并；