[发明专利]价值预测模型生成方法、装置及价值预测方法、装置

权利要求书

1.一种价值预测模型生成方法，其特征在于，包括：

获取多个样本保险客户的样本保险信息；

基于所述样本保险信息生成样本保险特征，并基于所述样本保险信息确定客户价值；

将所述样本保险特征及所述客户价值作为训练样本集迭代训练预先构建的机器学习模型，生成用于预测保险客户价值的价值预测模型。

2.根据权利要求1所述的方法，其特征在于，当所述样本保险特征包括：i年份样本保险特征，且所述客户价值包括：i年份客户价值，所述样本保险信息包括：从i-k年份至i+s年份样本保险信息；所述样本保险信息和所述样本保险特征的种类包括：日期类型、连续类型、离散类型以及序列号类型；

用于生成所述i年份样本保险特征的样本保险信息包括：从i-k年份至i年份的样本保险信息；用于生成所述i年份客户价值的样本保险信息包括：从i-t年份至i+s年份的样本保险信息，其中，t小于等于k。

3.根据权利要求2所述的方法，其特征在于，所述基于所述样本保险信息生成样本保险特征，包括：

针对每个样本保险客户，基于从i-k年份至i年份日期类型的样本保险信息生成i年份日期类型的样本保险特征；

针对每个样本保险客户，基于从i-k年份至i年份连续类型的样本保险信息生成i年份连续类型的样本保险特征；

针对每个样本保险客户，基于从i-k年份至i年份离散类型的样本保险信息生成i年份离散类型的样本保险特征；

针对每个样本保险客户，基于从i-k年份至i年份序列号类型的样本保险信息生成i年份序列号类型的样本保险特征。

4.根据权利要求3所述的方法，其特征在于，所述基于从i-k年份至i年份日期类型的样本保险信息生成i年份日期类型的样本保险特征之后，还包括：

将所述i年份日期类型的样本保险特征、所述i年份连续类型的样本保险特征、所述i年份离散类型的样本保险特征和所述i年份序列号类型的样本保险特征进行筛选，得到筛选后的样本保险特征作为所述i年份的样本保险特征。

5.根据权利要求4所述的方法，其特征在于，所述筛选过程包括：

筛选掉方差小于预设阈值的样本保险特征；

在经过筛选处理后的样本保险特征上建立随机森林模型，以得到每个样本保险特征的权重，筛选掉具有最小权重的样本保险特征，在经过新一次筛选处理后的样本保险特征上重新建立随机森林模型，以筛选掉具有最小权重的样本保险特征，直到样本保险特征的数量达到预设数量。

6.根据权利要求3所述的方法，其特征在于，所述基于从i-k年份至i年份日期类型的样本保险信息生成i年份日期类型的样本保险特征，包括：

设定所述i年份的最后一天为目标日期；

基于所述从i-k年份至i年份日期类型的样本保险信息和所述目标日期计算保险频率，作为所述i年份日期类型的样本保险特征。

7.根据权利要求6所述的方法，其特征在于，所述基于从i-k年份至i年份日期类型的样本保险保险信息和目标日期计算保险保险频率，包括：

利用所述从i-k年份至i年份日期类型的样本保险保险信息减去所述目标日期，得到一系列保险天数；

从所述保险天数中获取最大值、最小值和均值；

对所述保险天数进行排序，计算相邻保险天数之间的间隔，并从获得的间隔中获取最大值、最小值和均值；

将从保险天数中获得的最大值、最小值和均值以及从间隔中获得的最大值、最小值和均值作为所述保险频率。

8.根据权利要求3所述的方法，其特征在于，所述基于从i-k年份至i年份连续类型的样本保险信息生成i年份连续类型的样本保险特征，包括：

计算所述从i-k年份至i年份连续类型的样本保险信息的最大值、最小值、均值和标准差，作为所述i年份连续类型的样本保险特征。