[发明专利]保险费用配置方法、装置、设备及存储介质

权利要求书

1.一种保险费用配置方法，其特征在于，所述方法包括：

确定待配置的多个客户群体中每个客户群体的客户量、预估保费、特征集以及成交率函数；

根据所述多个客户群体的客户量、预估保费、特征集以及成交率函数，采用预先构建的目标保费模型和预设的约束条件进行计算，得到所述多个客户群体的总保费满足预设条件时，所述多个客户群体对应的最优费用率；其中，所述成交率函数为所述每个客户群体的费用率和特征集构成的成交概率函数，所述目标保费模型为：所述多个客户群体的总保费满足所述预设条件时，所述多个客户群体的客户量、预估保费以及成交率函数之间的函数；所述约束条件为：费用率对应的约束条件；

根据所述多个客户群体的最优费用率，分别对所述多个客户群体对应的保险费用进行配置。

2.根据权利要求1所述的方法，其特征在于，所述确定待配置的多个客户群体中每个客户群体的客户量、预估保费、特征集以及成交率函数，包括：

从预设分组规则，进行客户群体的分组，得到所述多个客户群体；

确定所述每个客户群体的客户量、预估保费、特征集；

根据预设历史时间段内所述每个客户群体的历史投保信息，建立所述每个客户群体的成交率函数，所述历史投保信息包括：所述每个客户群体的历史费用率、特征集以及是否成交的标识信息。

3.根据权利要求2所述的方法，其特征在于，所述根据预设历史时间段内所述每个客户群体的历史投保信息，建立所述每个客户群体的成交率函，包括：

将所述预设历史时间段内，所述多个客户群体的历史投保信息，作为训练数据；

采用预设的模型结构进行模型构建，在所述模型构建的过程中对所述训练数据进行参数学习，得到具有所述模型结构的所述成交率函数。

4.根据权利要求3所述的方法，其特征在于，所述采用预设的模型结构进行模型构建，在所述模型构建的过程中对所述训练数据进行参数学习，得到具有所述模型结构的所述成交率函数，包括：

根据预设的特征选择策略，从所述训练数据中所述每个客户群体的历史投保信息中选择所述每个客户群体的目标特征；

根据选择得到的所述多个客户群体的目标特征，得到目标训练数据；

采用所述预设的模型结构进行模型构建，在所述模型构建的过程中对所述目标训练数据进行参数学习，得到具有所述模型结构的所述成交率函数。

5.根据权利要求4所述的方法，其特征在于，所述特征选择策略包括如下至少一种选择策略：

删除特征缺失度大于或等于第一预设阈值的特征、删除两两相关系数大于或等于第二预设阈值中的任一特征、删除单值特征、删除所述模型结构无贡献的特征、删除所述模型结构的贡献度小于或等于第三预设阈值的特征。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

采用预设的验证算法，利用接受者操作特性曲线ROC对所述成交率函数进行精度评估，得到所述成交率函数的评估精度值；

若所述评估精度值小于预设的评估精度阈值，则继续进行模型构建，直至重新构建模型所得到的所述成交率函数的评估精度值大于或等于所述预设的评估精度阈值。

7.根据权利要求1-6中任一所述的方法，其特征在于，所述根据所述多个客户群体的客户量、预估保费、特征集以及成交率函数，采用预先构建的目标保费模型和预设的约束条件进行计算，得到所述多个客户群体的总保费满足预设条件时，所述多个客户群体对应的最优费用率，包括：

将所述多个客户群体的客户量、预估保费、特征集以及成交率函数，输入所述目标保费模型和所述约束条件中；

采用差分进化算法对所述目标保费模型和所述约束条件进行求解，得到所述多个客户群体对应的最优费用率。