[发明专利]基于深度学习的车险自助理赔成功率预测方法

说明书

本发明涉及一种基于深度学习的车险自助理赔成功率预测方法，属于大数据分析预测技术领域，该方法包含如下步骤：S1：基于保险公司用户端用户，获取构造用户画像所需要的用户数据；S2：对所获取的用户数据进行数据处理；S3：对经过处理之后的用户数据进行特征因子提取；S4：建立基于深度学习算法的预测模型对理赔成功率进行预测。本发明方法基于用户海量的线上线下数据，采用深度学习方法建设预测模型，将用户画像应用于理赔自助成功率预测上。为保险公司个性化提供理赔服务提供了条件，节省人工，提高工作效率和用户体验。

技术领域

本发明属于大数据分析预测技术领域，涉及一种基于深度学习的车险自助理赔成功率预测方法。

背景技术

随着时代的发展，保险服务正在从以产品为中心，转向以消费者为中心。而借助互联网的高速发展，越来越多的用户数据被记录了下来，大量的线上线下数据为纷繁的应用带来了可能。保险公司为产品寻找目标用户和为用户定制产品服务也成为现实。

从公司战略层面来说，用户画像可以帮助企业进行市场洞察、预估市场规模，从而辅助制定阶段性目标，指导重大决策，提升ROI，避免同质化，进行个性化营销；从产品本身角度来说，用户画像可以围绕产品进行人群细分，确定产品的核心人群，从而有助于确定产品定位，优化产品的功能点；从数据管理角度来说，用户画像有助于建立数据资产，挖掘数据的价值，使数据分析更为精确，甚至可以进行数据交易，促进数据流通。保险行业的产品作为一个长周期产品，提高保险用户再次购买保险产品的转化率，是保险公司经营好老用户的一项重要任务。

发明内容

有鉴于此，本发明的目的在于提供一种基于深度学习的车险自助理赔成功率预测方法，基于用户海量的线上线下数据，采用深度学习方法建设预测模型，将用户画像应用于理赔自助成功率预测上。为保险公司个性化提供理赔服务提供了条件，节省人工，提高工作效率和用户体验。

为达到上述目的，本发明提供如下技术方案：

基于深度学习的车险自助理赔成功率预测方法，该方法包含如下步骤：

S1：基于保险公司用户端用户，获取构造用户画像所需要的用户数据；

S2：对所获取的用户数据进行数据处理；

S3：对经过处理之后的用户数据进行特征因子提取；

S4：建立基于深度学习算法的预测模型对理赔成功率进行预测。

进一步，步骤S1中所述用户数据包含静态数据、动态数据和辅助数据；

所述静态数据为与理赔产品相关的人物固定数据，包含用户的照片、姓名、年龄、职业、爱好；

所述动态数据为理赔产品的使用场景数据；

所述辅助数据为行业经验数据。

进一步，步骤S2具体包含如下步骤：

S21：对所述用户数据进行原始数据收集；

S22：对收集到的原始数据进行完整性处理，纠正原始数据的非完整性数据；

S23：对完整性处理后的数据进行唯一性处理，消除完整性处理后数据中存在的冗余数据；

S24：对唯一性处理后的数据进行权威性处理，统一多来源数据中相同参数的不同数值；

S25：对权威性处理后的数据进行合法性处理，舍去明显不符合常识的数据；

S26：对合法性处理后的数据进行一致性处理，整合实质相同的数据。

进一步，步骤S3中，所述特征因子包含：驾驶员信息，车辆信息，时间信息，地址信息，事件信息和欺诈因子。

进一步，所述地址信息的处理步骤如下：