[发明专利]定损价格预警方法、装置、设备、存储介质和程序产品在审
申请号: | 202210947522.7 | 申请日: | 2022-08-09 |
公开(公告)号: | CN115018658A | 公开(公告)日: | 2022-09-06 |
发明(设计)人: | 黄玉华;马丹雄;黄锐;陈中乾 | 申请(专利权)人: | 太平金融科技服务(上海)有限公司深圳分公司;太平财产保险有限公司 |
主分类号: | G06Q40/08 | 分类号: | G06Q40/08 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 姜晓云 |
地址: | 518048 广东省深圳市福田区新*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 价格 预警 方法 装置 设备 存储 介质 程序 产品 | ||
1.一种定损价格预警方法,其特征在于,所述方法包括:
获取定损信息,所述定损信息包括当前定损价格和当前定损数据;
将所述当前定损数据和所述当前定损价格输入至预先训练得到的预警模型中进行处理,以得到所述当前定损价格的第一预警信息;
获取预先根据统计学计算得到的配件标准价格;
根据所述配件标准价格与所述当前定损价格得到第二预警信息;
根据所述第一预警信息和所述第二预警信息得到所述定损价格的目标预警信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取历史理赔数据,所述历史理赔数据包括历史定损数据和历史定损价格;
将所述历史定损数据进行特征向量化得到样本特征向量;
根据所述样本特征向量和所述历史定损价格进行训练得到预警模型。
3.根据权利要求2所述的方法,其特征在于,所述将所述历史定损数据进行特征向量化得到样本特征向量之前,还包括:
将所述历史定损数据划分为至少一类,并选取每一类中的当前样本中心;
计算每一类中的历史定损数据与所述当前样本中心的当前距离;
根据所述当前距离的第一统计值计算得到每一类的新的样本中心;
判断所述当前样本中心与所述新的样本中心之间的差值;
当所述差值小于预设阈值时,将所述新的样本中心作为目标样本中心,否则将所述新的样本中心作为当前样本中心,并继续计算每一类中的历史定损数据与所述当前样本中心的当前距离,直至所述差值小于预设阈值;
根据所述目标样本中心对所述历史定损数据进行标准化处理。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标样本中心对所述历史定损数据进行标准化处理,包括:
计算所述历史定损数据至所述目标样本中心的第一距离;并计算所述第一距离的第二统计值得到参考距离;
根据所述第一距离与所述参考距离对所述历史定损数据进行标准化处理。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述将所述当前定损数据和所述当前定损价格输入至预先训练得到的预警模型中进行处理,以得到所述当前定损价格的第一预警信息,包括:
将所述当前定损数据输入至预先训练得到的预警模型中得到预测价格;
当所述预测价格大于等于所述当前定损价格时,生成所述当前定损价格正常的第一预警信息;
当所述预测价格小于所述当前定损价格时,生成所述当前定损价格异常的第一预警信息。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
计算每一类中的历史定损数据的第三统计值,将所述第三统计值作为配件标准价格。
7.根据权利要求6所述的方法,其特征在于,所述根据所述配件标准价格与所述当前定损价格得到第二预警信息,包括:
计算每一类中的历史定损数据的离散系数,根据所述离散系数计算得到参考阈值;
根据所述参考阈值与所述当前定损价格得到第二预警信息。
8.根据权利要求7所述的方法,其特征在于,所述根据所述离散系数计算得到参考阈值,包括:
当所述离散系数小于等于阈值比率时,根据所述历史定损数据的中位数和标准差计算得到参考阈值的上下限;
当所述离散系数大于所述阈值比率时,根据所述历史定损数据的平均值、中位数以及所述阈值比率计算得到参考阈值的上下限。
9.根据权利要求1所述的方法,其特征在于,所述根据所述第一预警信息和所述第二预警信息得到所述定损价格的目标预警信息,包括:
当所述第一预警信息和所述第二预警信息中的至少一个为所述当前定损价格异常时,输出所述定损价格异常的目标预警信息;
当所述第一预警信息和所述第二预警信息均不为所述当前定损价格异常时,输出所述定损价格正常的目标预警信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于太平金融科技服务(上海)有限公司深圳分公司;太平财产保险有限公司,未经太平金融科技服务(上海)有限公司深圳分公司;太平财产保险有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210947522.7/1.html,转载请声明来源钻瓜专利网。