[发明专利]基于神经网络判断风险事件的方法、装置和计算机设备

说明书

本申请揭示了一种基于神经网络判断风险事件的方法、装置和计算机设备，其中方法包括：读取事件的记录信息；接收用户端在多个风险类型中选择的目标风险类型；获取所述目标风险类型对应的目标风险判断模型，以及所述记录信息中与所述目标风险类型对应的目标信息；将所述目标信息输入到所述目标风险判断模型中；计算得到风险事件系数；若所述风险事件系数超过预设第一风险阈值，则判定所述事件为风险事件。本申请自动读取事件的记录信息，并根据用户选择的模型将记录信息中的对应的数据进行计算，客观的帮助用户计算出事件的风险系统，节省用户的时间。

技术领域

本申请涉及到人工智能技术领域，特别是涉及到一种基于神经网络判断风险事件的方法、装置、计算机设备和存储介质。

背景技术

车险全称是机动车辆保险，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。用户将汽车作为保险标的向保险公司进行投保，当汽车出现了保险条款约定的情况时，保险公司会派出勘察人员进行查看审核是否符合约定的情况，然后将汽车送去指定的维修厂维修，或者用户自行将汽车送去指定的维修厂维修，并承担全部或承担部分因发生约定情况对投保人造成的损失。

有些车险的出险是不存在或者是夸大事实，是由于投保人、勘察人员、维修厂、定损员等涉及理赔流程之间的一个人或多个人之间“合作”进行骗保，以达到骗取保险公司的财产。保险公司发生的这类被骗保的案件定义为风险事件。车险的理赔环节较多，如报案、查勘、定损、报价、指导、理算等，各环节的工作人员以及投保人或与保险公司合作的维修厂、定损机构等均可能存在对保险公司骗保。

发明内容

本申请的主要目的为提供一种基于神经网络判断风险事件的方法、装置和计算机设备，旨在解决工作人员自己根据事件来判断是否是风险事件而需要大量时间的问题。

为了实现上述发明目的，本申请提出一种基于神经网络判断风险事件的方法，包括：

读取事件的记录信息；

接收用户端在多个风险类型中选择的目标风险类型；

获取所述目标风险类型对应的目标风险判断模型，以及所述记录信息中与所述目标风险类型对应的目标信息；

将所述目标信息输入到所述目标风险判断模型中；

接收所述目标风险判断模型输出的模型系数，并根据所述模型系数计算得到风险事件系数，所述模型系数是指目标风险判断模型根据事件的相关信息计算得出的数据；

若所述风险事件系数超过预设的与所述目标风险类型对应的第一风险阈值，则判定所述事件为风险事件。

进一步地，所述将所述目标信息输入到所述目标风险判断模型中的步骤之前，包括：

采集多个事件的记录信息，所述多个事件包括多个同一个风险类型的风险事件以及多个非风险事件；

将所述多个事件的记录信息输入到卷积神经网络模型进行训练，得到所述风险类型的风险判断模型。

进一步地，所述将所述多个事件的记录信息输入到卷积神经网络模型进行训练的步骤，包括：

读取所述记录信息中的立案日期；

根据所述立案日期以及预设的计算规则，计算出各处理流程对应的流程时间阶段；

分别读取记录信息中的记录数据的记录日期，根据各记录数据的记录日期以及各流程时间阶段，将所述记录数据分别添加对应的流程时间阶段的标签；

根据用户选择的训练类型，将带有所述训练类型对应的流程时间阶段的标签的记录数据输入到卷积神经网络模型进行训练。

进一步地，所述接收所述目标风险判断模型输出的模型系数，并根据所述模型系数计算得到风险事件系数的步骤，包括：