[发明专利]理赔风险预测方法、系统、设备及存储介质

说明书

本发明涉及一种理赔风险预测方法、系统、设备和储存介质，在客户提交订单后，计算出该订单的理赔风险指数，该方法包括如下步骤：获取订单基本特征；计算基于基本特征的衍生特征；根据基本特征获取对应的收、寄件人的历史理赔数据；将基本特征、衍生特征及历史理赔数据进行融合处理并输入预先基于XGBOOST算法构建的风险预测模型，得到理赔风险指数。通过使用XGBOOST算法进行建模，对订单数据信息进行综合评判，能够在客户下单后，订单成交之前计算出该订单的理赔风险指数，从而预先针对理赔风险指数高的订单做出相应的预防措施，降低损失。

技术领域

本发明涉及风险预测技术领域，尤其适合物流领域的理赔风险预测。

背景技术

随着互联网、物流、运输等行业的发展，越来越多的人选择网络购物，或者利用快递公司来进行物品邮寄。每天产生的大量快件中，一些少数快件由于自身物品的特殊性，或者在运输环节、派送环节等由于某些原因，或者由于客户自身的特殊情况等，而产生不同程度的损坏，这就会产生对这些快件进行理赔，对客户和快递公司都会造成不同程度的损失。

现有技术中，很难做到提前甄别快件的理赔风险，因此，需要一种理赔风险预测方法，在客户下单后、收派员上门取件之前计算出该快件的理赔风险指数。

发明内容

为了能够在客户下单后、订单成交之前计算出订单的理赔风险指数，本发明提供了一种基于XGBOOST算法对订单的理赔风险进行计算的预测方法、系统、设备及存储介质。

本发明涉及一种理赔风险预测方法，包括如下步骤：获取订单基本特征；计算基于基本特征的衍生特征；根据基本特征获取对应的收、寄件人的历史理赔数据；将基本特征、衍生特征及历史理赔数据进行融合处理并输入预先基于XGBOOST算法构建的风险预测模型，得到理赔风险指数。

优选地，基本特征包括寄件人、收件人，寄件地址，收件地址，托寄物类型及时效信息。

优选地，衍生特征包括收、寄件地址距离，关联收、寄件区域历史理赔率中至少一项。

优选地，历史理赔数据包理赔次数，寄件次数，保价频率及地址变更次数中至少一项。

优选地，所述将基本特征、衍生特征及历史理赔数据融合处理，包括将基本特征、衍生特征及历史理赔数据直接组合为一个特征向量。

优选地，风险预测模型是通过将包括基本特征、衍生特征及历史理赔数据的历史订单数据集作为XGBOOST算法的输入，构建的风险预测模型，其中，历史订单数据集是对历史的快递订单统计得到的数据集合。

优选地，本发明的理赔风险预测方法还包括在预设时间内将理赔风险指数推送至收派终端。

优选地，预设时间内包括在订单触发之后至揽收之前。

优选地，本发明的理赔风险预测方法，还包括反馈针对高风险理赔托寄物的揽收策略。

本发明还涉及一种理赔风险预测系统，包括

基本特征获取模块，配置用于获取订单基本特征；

衍生特征获取模块，配置用于计算基于基本特征的衍生特征；

理赔数据获取模块，配置用于获取基于基本特征对应的收、寄件人的历史理赔数据；

风险预测模块，配置用于将基本特征、衍生特征及历史理赔数据进行融合处理并输入预先基于XGBOOST算法构建的风险预测模型，得到理赔风险指数。

本发明还涉及一种设备，该设备包括：一个或多个处理器；存储器，其上存储有一个或多个程序；当一个或多个处理器执行一个或多个程序时，实现上述的理赔风险预测方法的步骤。

本发明还涉及一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的理赔风险预测方法的步骤。