[发明专利]一种面向车险信息化系统的智能赔付率方法

权利要求书

1.一种面向车险信息化系统的智能赔付率方法，其特征在于，其具体操作步骤如下：

步骤(1.1)、通过设计与构建车险信息化系统进行保险公司赔付率数据的获取；

步骤(1.2)、采用z-score标准化方法对获取的赔付率数据进行处理；

步骤(1.3)、针对处理后的赔付率数据，构造基于注意力BP神经网络的赔付率预测模型；

步骤(1.4)、使用训练数据对注意力BP神经网络的赔付率预测模型进行预测模型训练；

步骤(1.5)、在预测模型训练过程中，对其进行误差判断，如满足均方误差条件，则模型训练结束，将处理好的测试数据输入至训练模型中进行赔付率的预测；如未满足均方误差条件，则转至步骤(1.4)，继续进行预测模型训练；

步骤(1.6)、通过训练模型得到测试数据的预测结果，并将预测结果进行输出。

2.根据权利要求1所述的一种面向车险信息化系统的智能赔付率方法，其特征在于，在所述步骤(1.1)中，将获取的赔付率数据形成的数据集分为训练集和测试集，且将训练集和测试集以3:1的比例进行划分。

3.根据权利要求1所述的一种面向车险信息化系统的智能赔付率方法，其特征在于，步骤(1.2)中，所述的z-score标准化方法：是将获取的赔付率数据按比例缩放，将其落入0-1的特定区域之内；经处理后的赔付率数据的均值为0，标准差为1；其转化公式为：

其中，为原始数据的均值，为原始数据的标准差，x为原始数据，x^*为z-score标准化后的数据。

4.根据权利要求1所述的一种面向车险信息化系统的智能赔付率方法，其特征在于，步骤(1.3)中，所述注意力BP神经网络的赔付率预测模型包括注意力机制和BP神经网络，其中注意力机制分为前置注意力机制和后置注意力机制；

所述前置注意力机制是在BP神经网络训练之前进行注意力的训练，后置注意力机制是在在BP神经网络训练之后进行注意力的添加。

5.根据权利要求1所述的一种面向车险信息化系统的智能赔付率方法，其特征在于，在步骤(1.4)中，预测模型训练的操作过程：将训练集输入到注意力BP神经网络的赔付率预测模型中进行模型训练；设前n个时刻数据为X＝{X₁,L,X_t,L,X_n}，其中，X_t＝{x_t(1),L,x_t(i),L,x_t(k)}表示第t时刻数据，x_t(i)表示第t时刻的第i个数据，k表示数据的维度；

其公式如下：

β_t＝tanh(w_a1X_t)

δ_t＝w_a2β_t

α_t＝softmax(δ_t)

X′_t＝α_tX_t

其中tanh表示激活函数，X_t表示输入的向量数据，w_a1表示输入层与第一层感知机之间的权重，w_a2表示第一层感知器与第二层感知器之间的权重，δ_t表示X_t输入向量的相似度权重，α_t表示X_t输入向量归一化后的相似度权重，softmax表示归一化指数函数，X′_t表示注意力机制处理后的数据向量；

进行预测模型训练输出的具体公式如下：

o_t＝v_tf(wx′_t+θ_t)

其中，x′_t表示注意力机制处理下X′_t向量中t时刻数据，w表示注意力模型输出层与BP神经网络输入层的权重，v_t表示BP神经网络隐含层与输出层之间的权重，o_t表示第t时刻的输出结果，f()表示激活函数。

6.根据权利要求1所述的一种面向车险信息化系统的智能赔付率方法，其特征在于，在步骤(1.5)中，所述均方误差的公式如下所示：

e＝∑(o_t-o′_t)²＜μ

其中，o′_t表示第t时刻的预期输出结果，o_t表示实际输出，μ表示误差阈值，e表示样本学习过程产生的均方根误差。