[发明专利]智能核保方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.一种智能核保方法，其特征在于，包括：

从保险数据库中获取历史数据集，其中，所述历史数据集为所述保险数据库中预设时间范围内的所有保单数据的集合；

将所获取的历史数据集通过预设规则划分为正样本数据集以及负样本数据集，其中，所述正样本数据集为正常投保或理赔的保单数据的集合，所述负样本数据集为高风险保单数据的集合；

基于所述正样本数据集以及负样本数据集，通过预设算法建模训练以得到核保预警模型；

获取待核保保单的数据；以及

利用所述核保预警模型对所获取的待核保保单的数据进行评估以得到所述待核保保单的风险值。

2.根据权利要求1所述的智能核保方法，其特征在于，所述方法还包括：

基于所述待核保保单的投保人静态数据，查找所述保险数据库是否存在所述投保人；以及

若存在所述投保人，根据预设规则引擎以及与所述投保人相关的数据计算所述投保人的风险系数；其中，所述与所述投保人相关的数据包括所述投保人静态数据以及投保人历史行为数据。

3.根据权利要求2所述的智能核保方法，其特征在于，所述根据预设规则引擎以及与所述投保人相关的数据计算所述投保人的风险系数，包括：

对所述正样本数据集以及所述负样本数据集进行数据处理以得到各项数据对应的权重值；

利用所得到的各项数据对应的权重值构建所述预设规则引擎；

获取与所述投保人相关的数据；以及

基于所获取的与所述投保人相关的数据，利用预设规则引擎计算所述投保人的风险系数。

4.根据权利要求1所述的智能核保方法，其特征在于，所述将所获取的历史数据集通过预设规则划分为正样本数据集以及负样本数据集，包括：

获取所述历史数据集中每一保单的首次生效日以及事故发生日；

计算每一保单的首次生效日以及事故发生日之间间隔天数；

判断每一保单的间隔天数是否大于预设天数；

若所述间隔天数大于预设天数，将该间隔天数所对应的保单划分到正样本数据集中；以及

若所述间隔天数不大于预设天数，将该间隔天数所对应的保单划分到负样本数据集中。

5.根据权利要求1所述的智能核保方法，其特征在于，所述预设算法包括GBDT算法；

所述基于所述正样本数据集以及负样本数据集，通过预设算法建模训练以得到核保预警模型，包括：

根据所述正样本数据集以及负样本数据集分别构建正样本特征宽表以及负样本特征宽表，其中，所述正样本特征宽表包括正样本特征训练宽表以及正样本特征校验宽表，所述负样本特征宽表包括负样本特征训练宽表以及负样本特征校验宽表；以及

基于所述正样本特征宽表以及负样本特征宽表，通过GBDT算法建模训练以得到核保预警模型。

6.根据权利要求5所述的智能核保方法，其特征在于，所述根据所述正样本数据集以及负样本数据集分别构建正样本特征宽表以及负样本特征宽表，包括：

将所述正样本数据集按预设比例随机划分为正样本训练集和正样本校验集；

获取所述正样本训练集和正样本校验集中每一保单的静态数据以及行为数据；

利用所述正样本训练集以及正样本校验集的静态数据以及行为数据分别构建所述正样本特征训练宽表以及正样本特征校验宽表；

将所述负样本数据集按预设比例随机划分为负样本训练集和负样本校验集；

获取所述负样本训练集和负样本校验集中每一保单的静态数据以及行为数据；以及

利用所述负样本训练集以及负样本校验集的静态数据以及行为数据分别构建所述负样本特征训练宽表以及负样本特征校验宽表。