[发明专利]一种保险业务风险预测的处理方法、装置及处理设备

说明书

本说明书实施例公开了一种保险业务风险预测的处理方法、装置及处理设备。利用本说明书实施例，可以通过在保险业务风险预测中引入演算梯度提升决策树，不仅兼容保险业务中非线性关系的保险业务数据的风险预测处理，还可以输出风险预测后的相对风险大小关系，排序后的风险预测结果表征的是不同用户之间风险的相对大小，可以提供另一种更加可靠的保险业务的风险预测实施方案。

技术领域

本说明书实施例方案属于保险业务风险预测的计算机数据处理技术领域，尤其涉及一种保险业务风险预测的处理方法、装置及处理设备。

背景技术

机动车辆保险即汽车保险(或简称车险)，是指对机动车辆由于自然灾害或意外事故所造成的人身伤亡或财产损失负赔偿责任的一种商业保险。随着经济的发展，机动车辆的数量不断增加，当前，车险已成为中国财产保险业务中最大的险种之一。

用户在进行车辆投保时，保险公司通常会对用户进行风险评估，风险评估的结果会直接影响到用户投保金额、优惠待遇等。通过对用户的风险评估，保险公司可以更加准确、合理的进行保险业务的处理，有效规避或减少业务风险。目前，在车险风险预测领域，基于广义线性模型(generalized linear model，GLM)的风险预测已成为业内的主流风险预测技术体系。广义线性模型主要处理的为线性相关的数据对象，如上网时长降低1个百分点，年龄增大1岁，可以基于网龄数据与年龄数据的线性关系实现GLM的建模。

但随着车险业务的不断增加，互联网数据已呈现多种类、海量数据增长，传统的GLM模型体系已越来越受到限制，例如如果“年龄”不是单纯随上网时长变化而变化，而是同时与人群的购物以及习惯等方面相关，不同消费习惯随自身变化改变年龄分布呈非线性影响的形式。GLM模型可以通过分箱将非线性变量进行分段汇总，但是会损失很多变量的精准性，难以适应当前大数据、多维度的风险预测要求。因此，业内亟需一种可以在多维度数据中更加有效和高效的进行车险业务风险预测的处理方式。

发明内容

本说明书实施例目的在于提供一种保险业务风险预测的处理方法、装置及处理设备，可以通过在保险业务风险预测中引入演算梯度提升决策树，不仅兼容保险业务中非线性关系的保险业务数据的风险预测处理，还可以输出风险预测后的相对风险大小关系，排序后的风险预测结果表征的是不同用户之间风险的相对大小，可以提供另一种更加可靠的保险业务的风险预测实施方案。

本说明书实施例提供的一种保险业务风险预测的处理方法、装置及处理设备是包括以下方式实现的：

一种保险业务风险预测的处理方法，所述方法包括：

获取待预测用户的目标风险关联数据；

利用构建的风险排序模型对所述目标风险关联数据进行处理，输出所述待预测用户的风险相对值，所述风险排序模型包括：利用已打标的风险关联数据对演算梯度提升决策树进行训练确定的排序模型。

一种保险业务风险预测的处理方法，包括：

取待预测用户的目标风险关联数据；

利用构建的风险排序模型对所述目标风险关联数据进行处理，输出所述待预测用户的风险相对值，所述风险相对值表征在指定用户集合中用户之间的相对风险大小关系。

一种保险业务风险预测处理装置，包括：

一种保险业务风险预测处理装置，包括：

预测数据获取模块，用于获取待预测用户的目标风险关联数据；

风险预测模块，用于利用构建的风险排序模型对所述目标风险关联数据进行处理，输出所述待预测用户的风险相对值，所述风险排序模型包括：利用已打标的风险关联数据对演算梯度提升决策树进行训练确定的排序模型。

一种保险业务风险预测处理设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现：