[发明专利]风险控制方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种风险控制方法，其特征在于，包括如下步骤：

在收到待投保人员的投保申请后，获取待投保人员的信息数据，其中，所述信息数据包括基本信息数据和投保信息数据，所述投保信息数据包括客户退保次数、理赔次数以及投保配偶人数；

将所述待投保人员的所述投保信息数据输入训练完备的长短期记忆网络模型中，得到所述待投保人员的第一风险等级标签；

根据所述基本信息数据或/和所述投保信息数据以及预设基础规则集，确定所述待投保人员的第二风险等级标签；

根据所述第一风险等级标签和所述第二风险等级标签确定所述待投保人员的风险等级，根据所述待投保人员的所述风险等级，确定是否对所述待投保人员的投保申请进行拦截。

2.根据权利要求1所述的风险控制方法，其特征在于，所述长短期记忆网络模型的训练过程，包括：

获取历史投保人员的历史投保信息数据，根据所述历史投保人员的所述历史投保信息数据获取样本数据，根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，得到所述训练完备的长短期记忆网络模型。

3.根据权利要求2所述的风险控制方法，其特征在于，所述根据所述历史投保人员的所述历史投保信息数据获取样本数据，包括：

根据所述历史投保人员的所述历史投保信息数据获取训练数据集、测试数据集以及对应的样本风险等级标签，根据所述训练数据集、所述测试数据集以及所述样本风险等级标签形成样本数据。

4.根据权利要求3所述的风险控制方法，其特征在于，根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，得到所述训练完备的长短期记忆网络模型，包括：

根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，在对预设长短期记忆网络模型进行训练的过程中，引入自动特征提取模块并增加正则化函数，得到所述训练完备的长短期记忆网络模型。

5.根据权利要求3所述的风险控制方法，其特征在于，根据所述样本数据以及滑动窗口对预设长短期记忆网络模型进行训练，包括：

将所述训练数据集中的数据输入至所述预设长短期记忆网络模型，通过所述滑动窗口限定所述预设长短期记忆网络模型的参数权重，通过最小化损失函数训练所述预设长短期记忆网络模型，通过所述测试数据集对所述预设长短期记忆网络模型进行测试，使所述预设长短期记忆网络模型的准确率达到预设准确率。

6.根据权利要求1所述的风险控制方法，其特征在于，根据所述基本信息数据或/和所述投保信息数据以及预设基础规则集，确定所述待投保人员的第二风险等级标签，包括：

若所述基本信息数据或/和所述投保信息数据处在对应的所述预设基础规则集的第一预设范围内，则所述待投保人员的第二风险等级标签为高风险等级标签；若所述基本信息数据或/和所述投保信息数据处在对应的所述预设基础规则集的第二预设范围内，则所述待投保人员的第二风险等级标签为中风险等级标签；若所述基本信息数据或/和所述投保信息数据处在对应的所述预设基础规则集的第三预设范围内，则所述待投保人员的第二风险等级标签为低风险等级标签。

7.根据权利要求6所述的风险控制方法，其特征在于，根据所述第一风险等级标签和所述第二风险等级标签确定所述待投保人员的风险等级，包括：

若所述第一风险等级标签和所述第二风险等级标签为同一风险等级标签，则以所述第一风险等级标签或所述第二风险等级标签确定所述待投保人员的风险等级；若所述第一风险等级标签和所述第二风险等级标签为不同风险等级标签，则以风险等级较高的风险等级标签确定所述待投保人员的风险等级。