[发明专利]养老保险补缴信息提醒方法及系统

权利要求书

1.养老保险补缴信息提醒方法，其特征是，包括：

从社会保险系统中，获取待分析数据；

对待分析数据进行预处理，得到预处理后的数据；

对预处理后的数据，进行特征提取，得到提取特征；

将提取的特征输入到预先训练好的支持向量机模型中，输出目标补缴人员；

向目标补缴人员的手机终端发出补缴信息提醒。

2.如权利要求1所述的方法，其特征是，从社会保险系统中，获取待分析数据；其中，所述待分析数据，包括：养老保险参保信息、企业职工养老保险参保信息、养老服务补贴给付信息。

3.如权利要求1所述的方法，其特征是，从社会保险系统中，获取待分析数据还包括：将获取的待分析数据存储到数据库中，识别出对因变量有影响的所有变量。

4.如权利要求1所述的方法，其特征是，对待分析数据进行预处理，得到预处理后的数据；具体步骤包括：

处理缺失数据；清洗异常数据；对数据进行采样处理；将非数值数据转换为数值数据；进行数据归一化处理，消除数据之间的量纲影响。

5.如权利要求4所述的方法，其特征是，处理缺失数据；具体步骤包括：

采用均值插补、同类均值插补、多重插补或极大似然估计的方式对缺失数据进行处理；

或者，所述清洗异常数据，采用的方式包括：直接删除或者平均值修正；

或者，

对数据进行采样处理，是对正负样本不平衡问题进行处理，采用smote算法生成新的样本数据；

或者，

将非数值数据转换为数值数据；具体步骤包括：对于定序型数据，使用序号编码；对于定类型数据，使用独热编码；对于字符串型数据，采用词嵌入模型处理；

或者，

进行数据归一化处理，消除数据之间的量纲影响；具体步骤包括：对数据进行min-max归一化处理，将原始值通过min-max标准化映射成在区间[0,1]中的值。

6.如权利要求4所述的方法，其特征是，对预处理后的数据，进行特征提取，得到提取特征；具体步骤包括：Filter过滤或者递归特征消除；

Filter过滤：依据发散性或者相关性对各个特征进行评分，设定阈值或者待选择阈值的个数，将特征方差、特征相关系数或者卡方检验结果大于设定阈值的特征选择出来；

递归特征消除：基于一个预测模型来进行多轮训练，选出目标特征。

7.如权利要求4所述的方法，其特征是，将提取的特征输入到预先训练好的支持向量机模型中，输出目标补缴人员；所述预先训练好的支持向量机模型的训练步骤包括：

构建支持向量机模型；

构建训练集，所述训练集为已经完成补缴人员的数据特征；

将训练集输入到支持向量机模型中，对模型进行训练，当模型预测准确度超过设定阈值时，停止训练，得到训练好的支持向量机模型；

对训练好的支持向量机模型，采用混淆矩阵、KS值、ROC或AUC中一种或多种的模型评估方法，调整优化模型参数，得到最终训练好的支持向量机模型；

或者，

将提取的特征输入到预先训练好的支持向量机模型中，输出目标补缴人员；具体步骤包括：

特征空间隐式映射：将在原始空间不可分样本映射到高维空间中，让样本点在高维空间线性可分，使用核函数，将非线性特征空间映射到新的线性特征空间；

软间隔最大化处理：在多维空间中确定最大间隔超平面；引入松弛变量，两类样本分别分割在该超平面的两侧，两侧距离超平面最近的样本点到超平面的距离最大化；

利用最优分离超平面进行分类预测。