[發明專利]目標物定損方法、裝置、電子設備及計算機可讀存儲介質

有效

• 申請號: 202010927116.5
• 申請日: 2020-09-07
• 公開（公告）號: CN112085610B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 王鴻
• 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;G06F18/24;G06F18/22;G06N3/084;G06N3/0499
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及人工智能技術，揭露了一種目標物定損方法，包括：對原始損傷配件集進行特征提取得到配件特征集，基于所述配件特征集內配件特征之間的相似度，清理所述原始損傷配件集，得到標準損傷配件集，將所述標準損傷配件集劃分為核心配件損傷集及非核心配件損傷集，利用所述核心配件損傷集、所述非核心配件損傷集及維修時長集訓練原始定損模型，得到標準定損模型，利用所述標準定損模型對待定損目標物的損傷配件執行定損，得到所述損傷配件的維修時長。本發明還提出一種目標物定損裝置、電子設備以及一種計算機可讀存儲介質。本發明結合目標物的配件與配件之間的關系，可以提高對目標物的定損準確率。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種目標物定損方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著科技快速發展，對于目標物的定損已逐漸從人工定損轉為自動化定損的方法，如車險理賠服務中，傳統的定損方法是依賴個人從業經驗，對車輛的損壞程度進行人工定損，或者使用分類算法對車輛的損壞配件所花費的維修時間進行預測，通過預測出的時間長短評估出車輛定損結果。

上述兩種方法都可達到目標物定損的目的，但人工定損由于過多占用工作人員時間，且效率低下出錯率高，而利用分類算法的自動化定損無法有效劃分出目標物內不同配件之間的關系，導致對于目標物定損時，有時會發送定損結果與實際結果相差甚遠的現象。

發明內容

本發明提供一種目標物定損方法、裝置、電子設備及計算機可讀存儲介質，其主要目的在于結合目標物的配件與配件之間的關系，提高對目標物的定損準確率。

為實現上述目的，本發明提供的一種目標物定損方法，包括：

獲取目標物的歷史維修數據集，從所述歷史維修數據集中提取原始損傷配件集及維修時長集；

對所述原始損傷配件集進行特征提取得到配件特征集；

根據所述維修時長集，計算所述配件特征集內配件特征之間的相似度，并基于所述相似度清理所述原始損傷配件集，得到標準損傷配件集；

將所述標準損傷配件集劃分為核心配件損傷集及非核心配件損傷集；

基于前向反饋神經網絡構建原始定損模型，利用所述核心配件損傷集、所述非核心配件損傷集及所述維修時長集，訓練所述原始定損模型，得到標準定損模型；

利用所述標準定損模型對待定損目標物的損傷配件執行定損，得到所述損傷配件的維修時長。

可選地，所述基于前向反饋神經網絡構建原始定損模型，包括：

集成預設的第一分類函數及第二分類函數，得到輸出層，其中第一分類函數和第二分類函數均為概率函數；

將所述輸出層連接至所述前向反饋神經網絡的末端，得到所述原始定損模型。

可選地，所述利用所述核心配件損傷集、所述非核心配件損傷集及所述維修時長集，訓練所述原始定損模型，得到標準定損模型，包括：

利用所述第一分類函數對非核心配件損傷集執行計算，得到核心配件預測集；

計算所述核心配件預測集與所述核心配件損傷集之間的配件誤差值；

判斷所述配件誤差值與預設的配件誤差閾值的大小關系；

若所述配件誤差值大于或等于所述配件誤差閾值，調整所述原始定損模型的內部參數值，并重新預測核心配件預測集；

若所述配件誤差值小于所述配件誤差閾值，利用所述第二分類函數計算所述非核心配件損傷集的時長預測集；

計算所述時長預測集與所述維修時長集的維修時長誤差值；

判斷所述維修時長誤差值與預設的維修時長閾值的大小關系；