本申請涉及計算機，尤其涉及一種業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、目前團體保單的數(shù)據(jù)風(fēng)險預(yù)測基本以專家所設(shè)定的風(fēng)控規(guī)則為主，風(fēng)控規(guī)則僅僅以有限的條件進行案件的抓取，較難控制準(zhǔn)確率，且泛化性弱，對新數(shù)據(jù)的適應(yīng)性較低。與此同時，有限的規(guī)則條件覆蓋風(fēng)險場景少，較易導(dǎo)致風(fēng)險滲透。

2、為提高數(shù)據(jù)風(fēng)險預(yù)測的準(zhǔn)確率及覆蓋度，目前部分解決方案為基于邏輯回歸模型或xgboost模型構(gòu)建理賠案件風(fēng)險評分卡，但邏輯回歸模型本質(zhì)是線性回歸，無法解決非線形問題，而保單出現(xiàn)風(fēng)險的場景較多，數(shù)據(jù)分布存在較大不同，線性關(guān)系很難擬合數(shù)據(jù)分布，以及團體保單中的數(shù)據(jù)還存在特征復(fù)雜、異常值、數(shù)據(jù)不平衡等情況使得邏輯回歸模型的輸出結(jié)果較差。xgboost模型則存在無法處理類別型特征、模型訓(xùn)練空間消耗大、訓(xùn)練耗時較長而導(dǎo)致的數(shù)據(jù)處理效率低的問題。

技術(shù)實現(xiàn)思路

1、本申請?zhí)峁┮环N業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法、裝置、設(shè)備及存儲介質(zhì)，旨在提升確定業(yè)務(wù)數(shù)據(jù)風(fēng)險的準(zhǔn)確性及提升業(yè)務(wù)數(shù)據(jù)風(fēng)險確定過程中的數(shù)據(jù)處理效率。

2、第一方面，本申請?zhí)峁┮环N業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法，所述業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法包括以下步驟：

3、獲取業(yè)務(wù)數(shù)據(jù)，所述業(yè)務(wù)數(shù)據(jù)包括多個待選團體保單；

4、在所述待選團體保單中確定符合保單風(fēng)險條件的第一目標(biāo)團體保單，以及在所述待選團體保單中確定符合模型調(diào)試條件的第二目標(biāo)團體保單；

5、基于特征提取模型，對所述第一目標(biāo)團體保單進行特征提取處理，得到訓(xùn)練數(shù)據(jù)；

6、根據(jù)所述訓(xùn)練數(shù)據(jù)，對預(yù)設(shè)的lightgbm模型進行訓(xùn)練，得到保單風(fēng)險預(yù)測模型；

7、根據(jù)所述第二目標(biāo)團體保單調(diào)整所述保單風(fēng)險預(yù)測模型的風(fēng)險預(yù)測參數(shù)，得到目標(biāo)保單風(fēng)險預(yù)測模型；

8、基于所述目標(biāo)保單風(fēng)險預(yù)測模型，根據(jù)待預(yù)測團體保單的特征數(shù)據(jù)確定所述待預(yù)測團體保單的欺詐風(fēng)險值。

9、第二方面，本申請還提供一種業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定裝置，所述業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定裝置包括：

10、保單獲取模塊，用于獲取業(yè)務(wù)數(shù)據(jù)，所述業(yè)務(wù)數(shù)據(jù)包括多個待選團體保單；

11、保單篩選模塊，用于在所述待選團體保單中確定符合保單風(fēng)險條件的第一目標(biāo)團體保單，以及在所述待選團體保單中確定符合模型調(diào)試條件的第二目標(biāo)團體保單；

12、數(shù)據(jù)確定模塊，用于基于特征提取模型，對所述第一目標(biāo)團體保單進行特征提取處理，得到訓(xùn)練數(shù)據(jù)；

13、模型訓(xùn)練模塊，用于根據(jù)所述訓(xùn)練數(shù)據(jù)，對預(yù)設(shè)的lightgbm模型進行訓(xùn)練，得到保單風(fēng)險預(yù)測模型；

14、參數(shù)調(diào)整模塊，用于根據(jù)所述第二目標(biāo)團體保單調(diào)整所述保單風(fēng)險預(yù)測模型的風(fēng)險預(yù)測參數(shù)，得到目標(biāo)保單風(fēng)險預(yù)測模型；

15、風(fēng)險預(yù)測模塊，用于基于所述目標(biāo)保單風(fēng)險預(yù)測模型，根據(jù)待預(yù)測團體保單的特征數(shù)據(jù)確定所述待預(yù)測團體保單的欺詐風(fēng)險值。

16、第三方面，本申請還提供一種計算機設(shè)備，所述計算機設(shè)備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的計算機程序，其中所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)如上述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法的步驟。

17、第四方面，本申請還提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，其中所述計算機程序被處理器執(zhí)行時，實現(xiàn)如上述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法的步驟。

18、本申請?zhí)峁┮环N業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法、裝置、設(shè)備及存儲介質(zhì)，本申請通過在待選團體保單中確定符合保單風(fēng)險條件的第一目標(biāo)團體保單及符合模型調(diào)試條件的第二目標(biāo)團體保單，實現(xiàn)對數(shù)據(jù)的篩選，以解決數(shù)據(jù)不平衡、數(shù)據(jù)覆蓋度低的問題；然后通過第一目標(biāo)團體保單對應(yīng)的數(shù)據(jù)對預(yù)設(shè)的lightgbm模型進行訓(xùn)練，從而得到保單風(fēng)險預(yù)測模型，其中，lightgbm模型與邏輯回歸模型相比具有更好的數(shù)據(jù)擬合度，而與xgboost模型相比則在模型訓(xùn)練過程中具有訓(xùn)練速度更快、內(nèi)存消耗更小，以及訓(xùn)練后的模型輸出的結(jié)果具備更高的準(zhǔn)確率及數(shù)據(jù)覆蓋度；再利用第二目標(biāo)團體保單對應(yīng)的數(shù)據(jù)對保單風(fēng)險預(yù)測模型中用于預(yù)測團體保單的欺詐風(fēng)險值的風(fēng)險預(yù)測參數(shù)進行調(diào)整，進一步提升保單風(fēng)險預(yù)測模型的預(yù)測準(zhǔn)確率，最后基于參數(shù)調(diào)整后得到的目標(biāo)保單風(fēng)險預(yù)測模型對待預(yù)測團體保單實現(xiàn)欺詐風(fēng)險的預(yù)測，提升了團體保單的欺詐風(fēng)險預(yù)測的效率和準(zhǔn)確率。

技術(shù)特征：

1.一種業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法，其特征在于，包括：

2.如權(quán)利要求1所述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法，其特征在于，所述確定符合保單風(fēng)險條件的第一目標(biāo)團體保單，包括：

3.如權(quán)利要求2所述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法，其特征在于，所述確定符合模型調(diào)試條件的第二目標(biāo)團體保單，包括：

4.如權(quán)利要求1-3任一項所述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法，其特征在于，所述基于特征提取模型，對所述第一目標(biāo)團體保單進行特征提取處理，得到訓(xùn)練數(shù)據(jù)，包括：

5.如權(quán)利要求1-3任一項所述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法，其特征在于，所述基于特征提取模型，對所述第一目標(biāo)團體保單進行特征提取處理，得到訓(xùn)練數(shù)據(jù)，包括：

6.如權(quán)利要求1-3任一項所述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法，其特征在于，所述基于所述目標(biāo)保單風(fēng)險預(yù)測模型，根據(jù)待預(yù)測團體保單的特征數(shù)據(jù)確定所述待預(yù)測團體保單的欺詐風(fēng)險值，包括：

7.如權(quán)利要求6所述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法，其特征在于，所述方法還包括：

8.一種業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定裝置，其特征在于，所述業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定裝置包括：

9.一種計算機設(shè)備，其特征在于，所述計算機設(shè)備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的計算機程序，其中所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)如權(quán)利要求1至7中任一項所述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，其中所述計算機程序被處理器執(zhí)行時，實現(xiàn)如權(quán)利要求1至7中任一項所述的業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法的步驟。

技術(shù)總結(jié)
本申請?zhí)峁┮环N業(yè)務(wù)數(shù)據(jù)的風(fēng)險確定方法、裝置、設(shè)備及存儲介質(zhì)，該方法包括：獲取多個待選團體保單；在待選團體保單中確定符合保單風(fēng)險條件的第一目標(biāo)團體保單，以及在待選團體保單中確定符合模型調(diào)試條件的第二目標(biāo)團體保單；基于特征提取模型，對第一目標(biāo)團體保單進行特征提取處理，得到訓(xùn)練數(shù)據(jù)；根據(jù)訓(xùn)練數(shù)據(jù)，對預(yù)設(shè)的LightGBM模型進行訓(xùn)練，得到保單風(fēng)險預(yù)測模型；根據(jù)第二目標(biāo)團體保單調(diào)整保單風(fēng)險預(yù)測模型的風(fēng)險預(yù)測參數(shù)，得到目標(biāo)保單風(fēng)險預(yù)測模型；基于目標(biāo)保單風(fēng)險預(yù)測模型，根據(jù)待預(yù)測團體保單的特征數(shù)據(jù)確定待預(yù)測團體保單的欺詐風(fēng)險值。本申請?zhí)嵘藢I(yè)務(wù)數(shù)據(jù)中團體保單的欺詐風(fēng)險預(yù)測準(zhǔn)確性及提升了在風(fēng)險預(yù)測過程中的數(shù)據(jù)處理效率。

技術(shù)研發(fā)人員：趙棟,陶民澤
受保護的技術(shù)使用者：平安健康保險股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6