[发明专利]保险的出险预测方法、装置及服务器

说明书

本发明提出一种保险的出险预测方法、装置及服务器，所述方法包括：获取待处理保险的保单信息；将所述待处理保险的保单信息输入深度神经网络模型，预测得到所述待处理保险的出险数据，其中，所述深度神经网络预测模型的输入特征为保单信息，输出特征为出险数据。本发明技术方案将待处理保险的保单信息输入深度神经网络预测模型，预测得到所述待处理保险的出险数据，通过深度神经网络预测模型来预测出险数据可以避免主观性过强导致的定价偏差较大的技术问题。

技术领域

本发明涉及互联网技术领域，尤其涉及一种保险的出险预测方法、装置及服务器。

背景技术

团体保险(以下简称团险)是由保险公司用一份保险合同为团体内多个成员提供保险保障的特殊保险产品形式。保险合同的主体为投保人，团体内的成员为被保险人。保险公司为投保人提供一份总保单，为各成员提供合同内规定的保障计划。团体保险在整体保险业务中占有很大比例，该业务的市场竞争比较激烈，对报价管理的时效性要求较高。

传统的团险定价方法包括两种：一是人工定价方法，即完全依靠业务人员的经验判断进行定价；二是基于专家知识库辅助人工定价方法，由业务人员将当前询价团体的特征输入询价系统，查找对比经验库中的参考定价，然后再给出定价。

人工定价方法不但效率不高，而且主观性过强；基于专家知识库辅助人工定价方法中的询价系统，也是将特征和规则固化到系统中，仍然存在很强的主观因素。

发明内容

本发明实施例提供一种基于深度学习的团体保险的出险预测方法、装置及服务器，以为解决或缓解背景技术中的一项或多项以上技术问题，至少提供一种有益的选择。

第一方面，本发明实施例提供了一种保险的出险预测方法，包括：

获取待处理保险的保单信息；

将所述待处理保险的保单信息输入深度神经网络模型，预测得到所述待处理保险的出险数据，其中，所述深度神经网络预测模型的输入特征为保单信息，输出特征为出险数据

结合第一方面，本发明在第一方面的第一种实施方式中，

所述保单信息包括以下至少一种：单位名称、险种代码、险种责任、行业、职业、分公司、保额、总人数、平均年龄和男性比例；

所述出险数据包括以下至少一种：出险率、件均赔付、件均索赔和平均住院天数。

结合第一方面或第一方面的第一实施方式，本发明在第一方面的第二种实施方式中，将所述待处理保险的保单信息输入深度神经网络预测模型，预测得到所述待处理保险的出险数据，包括：

对所述待处理保险的保单信息进行预处理；

将预处理后的保单信息输入深度神经网络预测模型，预测得到所述待处理保险的出险数据

结合第一方面的第二种实施方式，本发明在第一方面的第三种实施方式中，对所述待处理保险的保单信息进行预处理，包括：

对保单信息中的被保险人数据按年龄进行离散化处理；

对离散化后的被保险人数据进行独热编码；

对编码后的被保险人数据进行归一化处理。

结合第一方面、第一方面的第一种实施方式、第一方面的第二种实施方式或第一方面的第三种实施方式，本发明在第一方面的四种实施方式中，所述方法还包括：

将历史的保单信息作为输入特征，将历史的出险数据作为输出特征，训练得到深度神经网络预测模型。

结合第一方面、第一方面的第一种实施方式、第一方面的第二种实施方式或第一方面的第三种实施方式，本发明在第一方面的五种实施方式中，所述方法还包括：