[发明专利]数据处理方法与装置、存储介质、电子设备

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取历史参数，并获取与所述历史参数对应的历史数据；

针对不同的调查环节对所述历史数据的不同部分打标签，以确定与所述历史参数对应的标签信息；包括：基于第一标签规则，对所述历史数据打标签，并确定与所述历史参数对应的第一标签信息；基于第二标签规则，对所述历史数据打标签，并确定与所述历史参数对应的第二标签信息；其中，所述第一标签规则是针对承保后出险前调查环节的风险评估预设的打标签规则；所述第二标签规则是针对理赔风险评估环节预设的打标签规则；

利用所述标签信息与特征数据训练待训练机器学习模型，以确定训练好的目标机器学习模型，所述待训练机器学习模型是极端梯度提升模型；

在承保后出险前的调查环节或理赔调查环节确定并获取目标参数，以得到与所述目标参数对应的在承保后出险前的调查环节或理赔调查环节确定的目标特征数据；

将所述目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的评估概率；

获取与所述评估概率对应的阈值，将所述评估概率大于所述阈值的对象确定为目标对象。

2.根据权利要求1所述的数据处理方法，其特征在于，所述目标特征数据包括第一目标特征数据，所述评估概率包括第一评估概率，

所述将所述目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的评估概率，包括：

将所述第一目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的第一评估概率。

3.根据权利要求1所述的数据处理方法，其特征在于，所述确定并获取目标参数，包括：

在数据库中获取参数，并判断所述参数是否满足预设条件；

若所述参数满足所述预设条件，将所述参数确定为目标参数。

4.根据权利要求3所述的数据处理方法，其特征在于，所述目标特征数据包括第二目标特征数据，所述评估概率包括第二评估概率，

所述将所述目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的评估概率，包括：

将所述第二目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的第二评估概率。

5.根据权利要求1所述的数据处理方法，其特征在于，在所述利用特征数据训练待训练机器学习模型之前，所述方法还包括：

在数据库中，识别并获取待处理参数，并获取与所述待处理参数对应的待处理特征信息；

预处理所述待处理特征信息，以获取所述特征数据。

6.一种数据处理装置，其特征在于，包括：

模型训练模块，被配置为获取历史参数，并获取与所述历史参数对应的历史数据；

针对不同的调查环节对所述历史数据的不同部分打标签，以确定与所述历史参数对应的标签信息；包括：基于第一标签规则，对所述历史数据打标签，并确定与所述历史参数对应的第一标签信息；基于第二标签规则，对所述历史数据打标签，并确定与所述历史参数对应的第二标签信息；其中，所述第一标签规则是针对承保后出险前调查环节的风险评估预设的打标签规则；所述第二标签规则是针对理赔风险评估环节预设的打标签规则；

利用所述标签信息与特征数据训练待训练机器学习模型，以确定训练好的目标机器学习模型，所述待训练机器学习模型是极端梯度提升模型；

数据获取模块，被配置为在承保后出险前的调查环节或理赔调查环节确定并获取目标参数，以得到与所述目标参数对应的在承保后出险前的调查环节或理赔调查环节确定的目标特征数据；

风险评估模块，被配置为将所述目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的评估概率；

对象确定模块，被配置为获取与所述评估概率对应的阈值，将所述评估概率大于所述阈值的对象确定为目标对象。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任意一项所述的数据处理方法。

8.一种电子设备，其特征在于，包括：

处理器；

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器被配置为经由执行所述可执行指令来执行如权利要求1-5中任意一项所述的数据处理方法。