[發明專利]基于機器學習的數據評估方法、裝置、設備及存儲介質

在審

• 申請號: 202210093869.X
• 申請日: 2022-01-26
• 公開（公告）號: CN114493896A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 何勁
• 申請（專利權）人: 深圳壹賬通科技服務有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G06Q10/06;G06F40/279;G06F40/30;G06K9/62;G06N20/00
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 楊志強

本申請適用于人工智能技術領域，提供了基于機器學習的數據評估方法、裝置、設備及存儲介質。包括：獲取多組待評估的車險理賠數據；通過已訓練的車險評估模型，提取每組車險理賠數據中的特征信息；對每個特征信息進行分類，得到每組車險理賠數據的車險評估結果；根據每個場景類型以及預設評分方法，確定每組車險理賠數據對應的目標評分；根據每個場景類型和每個目標評分，調整車險理賠策略。上述方案中，對已經產生的車險理賠數據進行自檢，快速、準確地得到車險理賠數據對應的評分，進而準確地反映出車險理賠策略中存在的不合理的問題，再根據場景類型及時對應調整車險理賠策略，降低了財險公司的經濟損失，提升了車險理賠策略的準確性、合理性。

技術領域

本申請屬于人工智能技術領域，尤其涉及基于機器學習的數據評估方法、裝置、設備及存儲介質。

背景技術

隨著車險綜合改革實施落地，據銀保監會數據顯示，截至目前整體車均保費較改革前下降17％，綜合賠付率上升15個百分點。一方面消費者在本次車險綜改中獲得了真正的實惠，車險綜合改革“降價、增保、提質”的階段性目標正在穩步實現。

而另一方面對于財險公司而言，保費減少、賠付增加，車險行業的綜合成本率已升至約100％。財險公司面臨較大經營壓力的同時，還在經歷高壓監管。車險經營更為困難，盈利預期不明確，費用手段逐漸失靈，低毛利將是市場新常態，亟需通過理賠控制車險賠付，優化風控策略，實現降賠減損。

因此，合理制定車險賠付策略非常重要，而車險賠付策略又與車險賠付數據的評估密切相關。現有的評估方案中，對車險賠付數據進行評估時，通常采用線性回歸方法，由于車險賠付數據特征復雜，難以準確地提取到該特征，導致評估結果不準確，不能準確地反映出車險賠付數據中存在的問題，進而導致不能根據評估結果準確地制定車險賠付策略，給財險公司造成了經濟損失。

發明內容

有鑒于此，本申請實施例提供了基于機器學習的數據評估方法、裝置、設備及存儲介質，以解決現有的評估方案中，對車險賠付數據進行評估時，通常采用線性回歸方法，由于車險賠付數據特征復雜，難以準確地提取到該特征，導致評估結果不準確，不能準確地反映出車險賠付數據中存在的問題，進而導致不能根據評估結果準確地制定車險賠付策略的問題。

本申請實施例的第一方面提供了一種基于機器學習的數據評估方法，該方法包括：

獲取多組待評估的車險理賠數據；

通過已訓練的車險評估模型，提取每組所述車險理賠數據中的特征信息，所述車險評估模型是基于樣本訓練集中的樣本車險理賠數據和樣本車險評估結果之間的對應關系訓練得到的；

對每個所述特征信息進行分類，得到每組所述車險理賠數據的車險評估結果，所述車險評估結果包括每組所述車險理賠數據對應的場景類型；

在預設評分方法中，查找與每個所述場景類型匹配的目標評分方法，所述目標評分方法包括評分指標和評分計算方法；

基于所述目標評分方法對每組所述車險理賠數據進行評分處理，得到每組所述車險理賠數據對應的目標評分；

根據每個所述場景類型和每個所述目標評分，調整車險理賠策略。

可選地，所述根據每個所述場景類型和每個所述目標評分，調整車險理賠策略，包括：

獲取屬于同一場景類型的車險理賠數據所對應的各個目標評分；

計算屬于同一場景類型的車險理賠數據所對應的各個目標評分之和，得到總評分；

當檢測到所述總評分小于或等于預設質量評分時，調整所述車險理賠策略中所述同一場景類型對應的理賠策略。

可選地，所述計算屬于同一場景類型的車險理賠數據所對應的各個目標評分之和，得到總評分之后，所述數據評估方法還包括：