[发明专利]基于人工智能的核保风控方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的核保风控方法，其特征在于，所述方法包括以下步骤：

获取预设埋点采集的历史保单核保数据，其中，所述历史保单核保数据包括历史保单的风控规则调用数据和理赔数据；

根据所述历史保单核保数据，训练针对核保不同流转环节的各个基于K邻近法的风控规则分类模型，得到训练完成的各个风控规则分类模型；

获取待核保保单，利用所述训练完成的各个风控规则分类模型，确定所述待核保保单对应的目标风控规则集；

根据所述目标风控规则集执行对所述待核保保单的风控决策处理，得到风控决策结果。

2.根据权利要求1所述的基于人工智能的核保风控方法，其特征在于，所述根据所述历史保单核保数据，训练针对核保不同流转环节的各个基于K邻近法的风控规则分类模型，得到训练完成的各个风控规则分类模型，包括：

根据所述历史保单核保数据中历史保单涉及的流转环节的种类个数，确定基于K邻近法的风控规则分类模型的数量；

从所述历史保单核保数据中提取所述历史保单的特征向量以及所述历史保单的流转环节所调用的风控规则类别标签，并根据提取的所述特征向量和所述风控规则类别标签，建立样本集；

根据所述样本集，对针对核保不同流转环节的各个风控规则分类模型进行训练，以确定所述各个风控规则分类模型对应的K值，得到训练完成的各个风控规则分类模型，其中，所述K值为每个所述风控规则分类模型的参数，K大于0。

3.根据权利要求2所述的基于人工智能的核保风控方法，其特征在于，所述根据所述样本集，对针对核保不同流转环节的各个风控规则分类模型进行训练，以确定所述各个风控规则分类模型对应的K值，得到训练完成的各个风控规则分类模型，包括：

将所述样本集的样本平均划分为K组，对所述各个风控规则分类模型分别进行K折交叉验证，以确定所述各个风控规则分类模型分类准确率最高时对应的K值；

将所述各个风控规则分类模型分类准确率最高时对应的K值，作为所述各个风控规则分类模型对应的K值，得到训练完成的各个风控规则分类模型。

4.根据权利要求3所述的基于人工智能的核保风控方法，其特征在于，所述将所述样本集的样本平均划分为K组，对所述各个风控规则分类模型分别进行K折交叉验证，以确定所述各个风控规则分类模型分类准确率最高时对应的K值，包括：

将所述样本集的样本平均划分为K组，依次将每组样本作为验证集，其余K-1组的样本作为训练集；

分别将所述验证集的样本输入至所述各个风控规则分类模型进行分类，遍历所述各个风控规则分类模型对应的所有可能出现的K值，以确定所述各个风控规则分类模型在不同K值时对所述验证集的样本的分类准确率；

将所述各个风控规则分类模型在不同K值时的所述分类准确率进行比对，确定所述各个风控规则分类模型的所述分类准确率最高时对应的K值。

5.根据权利要求4所述的基于人工智能的核保风控方法，其特征在于，所述分别将所述验证集的样本输入至所述各个风控规则分类模型进行分类，包括：

将欧式距离确定为距离度量方式；

将所述验证集的样本分别输入至所述各个风控规则分类模型，以使所述各个风控规则分类模型确定所述验证集的样本与所述训练集的样本之间的欧式距离，从所述训练集中选取所述欧式距离最小的K个点，确定所述K个点所调用的风控规则类别标签的出现频率，并将所述K个点中所述出现频率最高的风控规则类别标签作为所述验证集的样本的分类结果进行输出。

6.根据权利要求1所述的基于人工智能的核保风控方法，其特征在于，所述获取待核保保单，利用所述训练完成的各个风控规则分类模型，确定所述待核保保单对应的目标风控规则集，包括：

提取所述待审核保单的特征向量，将所述待审核保单的特征向量分别输入至所述训练完成的各个风控规则分类模型进行分类，得到各个风控规则分类模型输出的分类结果；

根据所述各个分类结果确定所述待核保保单对应的目标风控规则集。