可左右滑动选省市

财产保险信息核验方法、装置、设备及存储介质

更新时间:2024-07-01
财产保险信息核验方法、装置、设备及存储介质 专利申请类型:发明专利;
地区:四川-成都;
源自:成都高价值专利检索信息库;

专利名称:财产保险信息核验方法、装置、设备及存储介质

专利类型:发明专利

专利申请号:CN202410433119.1

专利申请(专利权)人:中国平安财产保险股份有限公司四川分公司
权利人地址:四川省成都市高新区天府大道北段1199号3栋4001、4006、3704、3705、3706号

专利发明(设计)人:张小小,高原,陈巍,李金航,万诗雅,彭超宇,朱冬雪

专利摘要:本发明公开了一种财产保险信息核验方法、装置、设备及存储介质,该方法包括获取服务终端上传的投保请求,提取投保请求中的投保信息;基于投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征;调用保险赔付数据库,提取采用目标投保风险模型的赔付保单中的历史投保风险关联特征,对目标投保风险模型进行风险冗余调整,获得最终投保风险模型;将目标投保风险关联特征输入最终投保风险模型,生成核验结果并发送至服务终端。本发明对目标投保风险模型进行优化,使最终投保风险模型能够以不同方式响应多个环境影响特征和多个硬件影响特征,以此提高财产保险信息核验与保险费率确定的准确性。

主权利要求:
1.一种财产保险信息核验方法,其特征在于,包括以下步骤:
获取服务终端上传的投保请求,提取所述投保请求中的投保信息;其中,所述投保信息包括投保财产类型和投保风险关联信息;
基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征;
调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型;
将目标投保风险关联特征输入所述冗余投保风险模型,生成所述投保请求对应的核验结果并发送至服务终端;
其中,调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型步骤,具体包括:调用保险赔付数据库,提取采用目标投保风险模型的赔付保单中的历史投保风险关联特征;其中,历史投保风险关联特征和目标投保风险关联特征包括受环境影响的若干种第一关联特征和受硬件影响的若干种第二关联特征;利用历史投保风险关联特征和目标投保风险关联特征的第一关联特征,对目标投保风险模型进行环境风险冗余调整,获得中间投保风险模型;利用历史投保风险关联特征和目标投保风险关联特征的第二关联特征,对中间投保风险模型进行硬件风险冗余调整,获得最终投保风险模型;
其中,利用历史投保风险关联特征和目标投保风险关联特征的第一关联特征,对目标投保风险模型进行环境风险冗余调整,获得中间投保风险模型步骤,具体包括:统计采用目标投保风险模型的所有赔付保单中每种第一关联特征中每个特征数据出现的频率,按频率从高到低的顺序对每种第一关联特征中的所有特征数据执行第一排序动作;按第一预设规则为第一排序动作的排序结果中每种第一关联特征中每个特征数据分配对应的第一风险因子;根据所述目标投保风险关联特征中每种第一关联特征的实际特征数据,为每种第一关联特征生成对应的第一风险因子,获得中间投保风险模;
其中,利用历史投保风险关联特征和目标投保风险关联特征的第二关联特征,对中间投保风险模型进行硬件风险冗余调整,获得最终投保风险模型步骤,具体包括:统计采用目标投保风险模型的所有赔付保单中每种第二关联特征中每个特征数据出现的时间,根据每个特征数据出现的时间到当前的时间长度,为每个特征数据在每个出现的时间分配计数权重;计算目标历史时段内每个特征数据的计数权重和,按计数权重和从高到低的顺序对每种第二关联特征中的所有特征数据执行第二排序动作;按第二预设规则为第二排序动作的排序结果中每种第二关联特征中每个特征数据分配对应的第二风险因子;根据所述目标投保风险关联特征中每种第二关联特征的实际特征数据,为每种第二关联特征生成对应的第二风险因子,获得最终投保风险模型。
2.如权利要求1所述的财产保险信息核验方法,其特征在于,获取服务终端上传的投保请求,提取所述投保请求中的投保信息步骤之前,还包括:获取服务终端上传的投保查询语句,提取所述投保查询语句中的若干个关于投保信息的关键词,建立目标关键词集;
利用所述目标关键词集中的若干个关键词,在投保请求模板库中匹配与所述投保查询语句关联度最高的目标投保请求模板;
将所述目标投保请求模板发送至服务终端,以使服务终端根据用户的输入响应动作,生成投保请求。
3.如权利要求2所述的财产保险信息核验方法,其特征在于,基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征步骤,具体包括:基于所述投保财产类型,调用投保风险模型库,在所述投保风险模型库中匹配所述投保财产类型对应的目标投保风险模型;其中,所述目标投保风险模型标注有模型输入参数的附加信息;
根据所述目标投保风险模型的附加信息,从所述投保风险关联信息中提取出若干个目标投保风险关联特征。
4.如权利要求1所述的财产保险信息核验方法,其特征在于,所述目标投保风险模型,具体包括:风险分值计算模块和核验结果生成模块;
其中,所述风险分值计算模块被配置为基于每个目标投保风险关联特征对应的预设风险分值和风险因子的权重和,计算投保请求的总体风险分值;
其中,所述保险费率确定模块被配置为根据计算获得的投保请求的总体风险分值和保险费率与风险分值范围的预设关系对照表,确定投保请求的保险费率,并基于所述保险费率生成核验结果。
5.一种财产保险信息核验装置,其特征在于,包括:
获取模块,用于获取服务终端上传的投保请求,提取所述投保请求中的投保信息;其中,所述投保信息包括投保财产类型和投保风险关联信息;
确定模块,用于基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征;
调用模块,用于调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型;
生成模块,用于将目标投保风险关联特征输入所述冗余投保风险模型,生成所述投保请求对应的核验结果并发送至服务终端;
其中,调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型,具体包括:调用保险赔付数据库,提取采用目标投保风险模型的赔付保单中的历史投保风险关联特征;其中,历史投保风险关联特征和目标投保风险关联特征包括受环境影响的若干种第一关联特征和受硬件影响的若干种第二关联特征;利用历史投保风险关联特征和目标投保风险关联特征的第一关联特征,对目标投保风险模型进行环境风险冗余调整,获得中间投保风险模型;利用历史投保风险关联特征和目标投保风险关联特征的第二关联特征,对中间投保风险模型进行硬件风险冗余调整,获得最终投保风险模型;
其中,利用历史投保风险关联特征和目标投保风险关联特征的第一关联特征,对目标投保风险模型进行环境风险冗余调整,获得中间投保风险模型,具体包括:统计采用目标投保风险模型的所有赔付保单中每种第一关联特征中每个特征数据出现的频率,按频率从高到低的顺序对每种第一关联特征中的所有特征数据执行第一排序动作;按第一预设规则为第一排序动作的排序结果中每种第一关联特征中每个特征数据分配对应的第一风险因子;
根据所述目标投保风险关联特征中每种第一关联特征的实际特征数据,为每种第一关联特征生成对应的第一风险因子,获得中间投保风险模;
其中,利用历史投保风险关联特征和目标投保风险关联特征的第二关联特征,对中间投保风险模型进行硬件风险冗余调整,获得最终投保风险模型,具体包括:统计采用目标投保风险模型的所有赔付保单中每种第二关联特征中每个特征数据出现的时间,根据每个特征数据出现的时间到当前的时间长度,为每个特征数据在每个出现的时间分配计数权重;
计算目标历史时段内每个特征数据的计数权重和,按计数权重和从高到低的顺序对每种第二关联特征中的所有特征数据执行第二排序动作;按第二预设规则为第二排序动作的排序结果中每种第二关联特征中每个特征数据分配对应的第二风险因子;根据所述目标投保风险关联特征中每种第二关联特征的实际特征数据,为每种第二关联特征生成对应的第二风险因子,获得最终投保风险模型。
6.一种财产保险信息核验设备,其特征在于,所述财产保险信息核验设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的财产保险信息核验程序,所述财产保险信息核验程序被所述处理器执行时实现如权利要求1至4中任一项所述的财产保险信息核验方法的步骤。
7.一种存储介质,其特征在于,所述存储介质上存储有财产保险信息核验程序,所述财产保险信息核验程序被处理器执行时实现如权利要求1至4中任一项所述的财产保险信息核验方法的步骤。 说明书 : 财产保险信息核验方法、装置、设备及存储介质技术领域[0001] 本发明涉及数据处理技术领域,尤其涉及到一种财产保险信息核验方法、装置、设备及存储介质。背景技术[0002] 逆选择风险,是指在交易或决策过程中,由于信息不对称或知识差异,导致一方可能利用自己的信息优势与另一方签订对自己更有利的契约,从而使另一方处于不利的地位。通常,在保险人和被保险人之间的交易中容易出现被保险人在已知风险出现的情况下购买相应的保险,以实现风险转移并获得赔偿,而针对这样的逆选择风险,保险人通常采用适应性调整保险费率的方式,有助于保险人控制风险,防止因过度承担风险导致的财务损失。[0003] 然而,目前面对保险费率的适应性调整,特别是财产保险(例如运输险、火灾险等)的保险费率调整方案,大多基于某一条投保参考信息或某几条投保参考信息的独立判断,例如,某一条或几条投保参考信息更倾向于赔付条件,则需要调高保险费率,这样的调整方式:一方面,无法考虑到哪一条投保信息需要着重考虑;另一方面,在出现投保信息没有明显倾向时,无法准确考量投保风险;同时,在面临不同维度的投保参考信息时,采用简单且相同的倾向性判断无法精确衡量不同投保参考信息所带来的影响。[0004] 因此,如何提高财产保险信息核验的准确性,提供一种精度更高、更合理的财产保险费率确定方案,是一个亟需解决的技术问题。发明内容[0005] 本发明的主要目的在于提供一种财产保险信息核验方法、装置、设备及存储介质,旨在解决目前财产保险信息核验过程中,保险费率的确定采用投保参考信息独立判断存在的精确度不佳以及合理性不足的技术问题。[0006] 为实现上述目的,本发明提供一种财产保险信息核验方法,包括以下步骤:[0007] 获取服务终端上传的投保请求,提取所述投保请求中的投保信息;其中,所述投保信息包括投保财产类型和投保风险关联信息;[0008] 基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征;[0009] 调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型;[0010] 将目标投保风险关联特征输入所述最终投保风险模型,生成所述投保请求对应的核验结果并发送至服务终端。[0011] 可选的,获取服务终端上传的投保请求,提取所述投保请求中的投保信息步骤之前,还包括:[0012] 获取服务终端上传的投保查询语句,提取所述投保查询语句中的若干个关于投保信息的关键词,建立目标关键词集;[0013] 利用所述目标关键词集中的若干个关键词,在投保请求模板库中匹配与所述投保查询语句关联度最高的目标投保请求模板;[0014] 将所述目标投保请求模板发送至服务终端,以使服务终端根据用户的输入响应动作,生成投保请求。[0015] 可选的,基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征步骤,具体包括:[0016] 基于所述投保财产类型,调用投保风险模型库,在所述投保风险模型库中匹配所述投保财产类型对应的目标投保风险模型;其中,所述目标投保风险模型标注有模型输入参数的附加信息;[0017] 根据所述目标投保风险模型的附加信息,从所述投保风险关联信息中提取出若干个目标投保风险关联特征。[0018] 可选的,调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型步骤,具体包括:[0019] 调用保险赔付数据库,提取采用目标投保风险模型的赔付保单中的历史投保风险关联特征;其中,历史投保风险关联特征和目标投保风险关联特征包括受环境影响的若干种第一关联特征和受硬件影响的若干种第二关联特征;[0020] 利用历史投保风险关联特征和目标投保风险关联特征的第一关联特征,对目标投保风险模型进行环境风险冗余调整,获得中间投保风险模型;[0021] 利用历史投保风险关联特征和目标投保风险关联特征的第二关联特征,对中间投保风险模型进行硬件风险冗余调整,获得最终投保风险模型。[0022] 可选的,所述目标投保风险模型,具体包括:风险分值计算模块和核验结果生成模块;[0023] 其中,所述风险分值计算模块被配置为基于每个目标投保风险关联特征对应的预设风险分值和风险因子的权重和,计算投保请求的总体风险分值;[0024] 其中,所述保险费率确定模块被配置为根据计算获得的投保请求的总体风险分值和保险费率与风险分值范围的预设关系对照表,确定投保请求的保险费率,并基于所述保险费率生成核验结果。[0025] 可选的,利用历史投保风险关联特征和目标投保风险关联特征的第一关联特征,对目标投保风险模型进行环境风险冗余调整,获得中间投保风险模型步骤,具体包括:[0026] 统计采用目标投保风险模型的所有赔付保单中每种第一关联特征中每个特征数据出现的频率,按频率从高到低的顺序对每种第一关联特征中的所有特征数据执行第一排序动作;[0027] 按第一预设规则为第一排序动作的排序结果中每种第一关联特征中每个特征数据分配对应的第一风险因子;[0028] 根据所述目标投保风险关联特征中每种第一关联特征的实际特征数据,为每种第一关联特征生成对应的第一风险因子,获得中间投保风险模型。[0029] 可选的,利用历史投保风险关联特征和目标投保风险关联特征的第二关联特征,对中间投保风险模型进行硬件风险冗余调整,获得最终投保风险模型步骤,具体包括:[0030] 统计采用目标投保风险模型的所有赔付保单中每种第二关联特征中每个特征数据出现的时间,根据每个特征数据出现的时间到当前的时间长度,为每个特征数据在每个出现的时间分配计数权重;[0031] 计算目标历史时段内每个特征数据的计数权重和,按计数权重和从高到低的顺序对每种第二关联特征中的所有特征数据执行第二排序动作;[0032] 按第二预设规则为第二排序动作的排序结果中每种第二关联特征中每个特征数据分配对应的第二风险因子;[0033] 根据所述目标投保风险关联特征中每种第二关联特征的实际特征数据,为每种第二关联特征生成对应的第二风险因子,获得最终投保风险模型。[0034] 此外,为了实现上述目的,本发明还提供了一种财产保险信息核验装置,包括:[0035] 获取模块,用于获取服务终端上传的投保请求,提取所述投保请求中的投保信息;其中,所述投保信息包括投保财产类型和投保风险关联信息;[0036] 确定模块,用于基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征;[0037] 调用模块,用于调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型;[0038] 生成模块,用于将目标投保风险关联特征输入所述最终投保风险模型,生成所述投保请求对应的核验结果并发送至服务终端。[0039] 此外,为了实现上述目的,本发明还提供了一种财产保险信息核验设备,所述财产保险信息核验设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的财产保险信息核验程序,所述财产保险信息核验程序被所述处理器执行时实现如上所述的财产保险信息核验方法的步骤。[0040] 此外,为了实现上述目的,本发明还提供了一种存储介质,所述存储介质上存储有财产保险信息核验程序,所述财产保险信息核验程序被处理器执行时实现上述的财产保险信息核验方法的步骤。[0041] 本发明的有益效果在于:提出了一种财产保险信息核验方法、装置、设备及存储介质,通过提取目标投保风险关联特征,根据目标投保风险关联特征与历史投保风险关联特征之间的特征关系,对目标投保风险模型进行优化,使最终投保风险模型能够以不同方式响应多个环境影响特征和多个硬件影响特征,以此提高财产保险信息核验的准确性,提供一种精度更高、更合理的财产保险费率确定方案。附图说明[0042] 图1为本发明实施例方案涉及的硬件运行环境的装置结构示意图;[0043] 图2为本发明财产保险信息核验方法实施例的流程示意图;[0044] 图3为本发明实施例中一种财产保险信息核验装置的结构框图。[0045] 本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。具体实施方式[0046] 应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。[0047] 为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。[0048] 如图1所示,图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。[0049] 如图1所示,该装置可以包括:处理器1001,例如CPU,通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI‑FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non‑volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。[0050] 本领域技术人员可以理解,图1中示出的装置的结构并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。[0051] 如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及财产保险信息核验程序。[0052] 在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的财产保险信息核验程序,并执行以下操作:[0053] 获取服务终端上传的投保请求,提取所述投保请求中的投保信息;其中,所述投保信息包括投保财产类型和投保风险关联信息;[0054] 基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征;[0055] 调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型;[0056] 将目标投保风险关联特征输入所述最终投保风险模型,生成所述投保请求对应的核验结果并发送至服务终端。[0057] 本发明应用于装置的具体实施例与下述应用财产保险信息核验方法的各实施例基本相同,在此不作赘述。[0058] 本发明实施例提供了一种财产保险信息核验方法,参照图2,图2为本发明财产保险信息核验方法实施例的流程示意图。[0059] 本实施例中,所述财产保险信息核验方法,包括以下步骤:[0060] S100:获取服务终端上传的投保请求,提取所述投保请求中的投保信息;其中,所述投保信息包括投保财产类型和投保风险关联信息;[0061] S200:基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征;[0062] S300:调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型;[0063] S400:将目标投保风险关联特征输入所述最终投保风险模型,生成所述投保请求对应的核验结果并发送至服务终端。[0064] 需要说明的是,目前面对保险费率的适应性调整,特别是财产保险(例如运输险、火灾险等)的保险费率调整方案,大多基于某一条投保参考信息或某几条投保参考信息的独立判断,例如,某一条或几条投保参考信息更倾向于赔付条件,则需要调高保险费率,这样的调整方式:一方面,无法考虑到哪一条投保信息需要着重考虑;另一方面,在出现投保信息没有明显倾向时,无法准确考量投保风险;同时,在面临不同维度的投保参考信息时,采用简单且相同的倾向性判断无法精确衡量不同投保参考信息所带来的影响。为了解决上述问题,本实施例通过提取目标投保风险关联特征,根据目标投保风险关联特征与历史投保风险关联特征之间的特征关系,对目标投保风险模型进行优化,使最终投保风险模型能够以不同方式响应多个环境影响特征和多个硬件影响特征,以此提高财产保险信息核验的准确性,提供一种精度更高、更合理的财产保险费率确定方案。[0065] 在优选的实施例中,获取服务终端上传的投保请求,提取所述投保请求中的投保信息步骤之前,还包括:获取服务终端上传的投保查询语句,提取所述投保查询语句中的若干个关于投保信息的关键词,建立目标关键词集;利用所述目标关键词集中的若干个关键词,在投保请求模板库中匹配与所述投保查询语句关联度最高的目标投保请求模板;将所述目标投保请求模板发送至服务终端,以使服务终端根据用户的输入响应动作,生成投保请求。[0066] 本实施例中,首先获取服务终端输入的投保查询语句,通过提取关于投保信息的关键词以及基于关键词的投保请求模板匹配,为服务终端提供投保请求模板列表,以使用户在服务终端选择需要的投保请求模板,并将对应的投保信息写入模板形成投保请求并上传至服务器终端,最终由服务器终端根据投保信息确定保险费率生成核验结果。[0067] 在优选的实施例中,基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征步骤,具体包括:基于所述投保财产类型,调用投保风险模型库,在所述投保风险模型库中匹配所述投保财产类型对应的目标投保风险模型;其中,所述目标投保风险模型标注有模型输入参数的附加信息;根据所述目标投保风险模型的附加信息,从所述投保风险关联信息中提取出若干个目标投保风险关联特征。[0068] 本实施例中,服务器终端在接收到投保财产类型时,在投保风险模型库中调用对应的目标投保风险模型(例如,运输险保险费率计算模型、火灾险保险费率计算模型等)。同时,每个目标投保风险模型标注有模型输入参数的附加信息,在调用目标投保风险模型后,即可根据每个模型的模型输入参数从投保风险关联信息中提取出该模型所需要的关联特征(例如,运输险保险费率计算模型的模型输入参数包括:财产类型、运输路线、运输天气、运输时段、运输设备、运输负责人员等)。[0069] 在优选的实施例中,调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型步骤,具体包括:调用保险赔付数据库,提取采用目标投保风险模型的赔付保单中的历史投保风险关联特征;其中,历史投保风险关联特征和目标投保风险关联特征包括受环境影响的若干种第一关联特征和受硬件影响的若干种第二关联特征;利用历史投保风险关联特征和目标投保风险关联特征的第一关联特征,对目标投保风险模型进行环境风险冗余调整,获得中间投保风险模型;利用历史投保风险关联特征和目标投保风险关联特征的第二关联特征,对中间投保风险模型进行硬件风险冗余调整,获得最终投保风险模型。[0070] 本实施例中,在获得目标投保风险模型和目标投保风险关联特征后,即可根据目标投保风险关联特征(包括受环境影响的若干种第一关联特征和受硬件影响的若干种第二关联特征)与历史投保风险关联特征,来对目标投保风险模型分别进行环境风险冗余调整和硬件风险冗余调整,获得最终投保风险模型,利用该最终投保风险模型进行保险费率计算能够获得最符合当前投保请求对应风险的保险费率,通过对风险的准确评估和保险费率的动态调整,帮助保险人更好的管理风险敞口,保证保险人的稳健经营。[0071] 在此基础上,所述目标投保风险模型,具体包括:风险分值计算模块和核验结果生成模块;其中,所述风险分值计算模块被配置为基于每个目标投保风险关联特征对应的预设风险分值和风险因子的权重和,计算投保请求的总体风险分值;其中,所述保险费率确定模块被配置为根据计算获得的投保请求的总体风险分值和保险费率与风险分值范围的预设关系对照表,确定投保请求的保险费率,并基于所述保险费率生成核验结果。[0072] 本实施例中,目标投保风险模型计算保险费率的过程具体为:首先,对根据每个目标投保风险关联特征预先设置风险分值,除此之外,考虑到不同投保风险关联特征在每个投保请求的场景下具有的重要性不同,需要为每个目标投保风险关联特征分配对应的风险因子作为权重,以此通过计算权重和来计算总体风险分值,最后,通过查询保险费率与风险分值范围的预设关系对照表中总体风险分值所在的范围,为当前投保请求生成最合适的保险费率。[0073] 更进一步的,利用历史投保风险关联特征和目标投保风险关联特征的第一关联特征,对目标投保风险模型进行环境风险冗余调整,获得中间投保风险模型步骤,具体包括:统计采用目标投保风险模型的所有赔付保单中每种第一关联特征中每个特征数据出现的频率,按频率从高到低的顺序对每种第一关联特征中的所有特征数据执行第一排序动作;按第一预设规则为第一排序动作的排序结果中每种第一关联特征中每个特征数据分配对应的第一风险因子;根据所述目标投保风险关联特征中每种第一关联特征的实际特征数据,为每种第一关联特征生成对应的第一风险因子,获得中间投保风险模型。[0074] 更进一步的,利用历史投保风险关联特征和目标投保风险关联特征的第二关联特征,对中间投保风险模型进行硬件风险冗余调整,获得最终投保风险模型步骤,具体包括:统计采用目标投保风险模型的所有赔付保单中每种第二关联特征中每个特征数据出现的时间,根据每个特征数据出现的时间到当前的时间长度,为每个特征数据在每个出现的时间分配计数权重;计算目标历史时段内每个特征数据的计数权重和,按计数权重和从高到低的顺序对每种第二关联特征中的所有特征数据执行第二排序动作;按第二预设规则为第二排序动作的排序结果中每种第二关联特征中每个特征数据分配对应的第二风险因子;根据目标投保风险关联特征中每种第二关联特征的实际特征数据,为每种第二关联特征生成对应的第二风险因子,获得最终投保风险模型。[0075] 本实施例中,考虑到目标投保风险关联特征所具有的不同维度,在面临不同维度的目标投保风险关联特征时,采用简单且相同的倾向性判断无法精确衡量不同目标投保风险关联特征所带来的影响,由此,可能导致保险人所收到的保费与提供的保险服务价值不匹配,造成保险人过度承担风险或被保险人对保费价格不满的两种极端情况出现。对此,本实施例将历史投保风险关联特征和目标投保风险关联特征划分为受环境影响的若干种第一关联特征和受硬件影响的若干种第二关联特征;其中,受环境影响的若干种第一关联特征为受外界影响、不可控且随机稳定出现的特征,该特征仅跟发生频率相关(例如运输险中的财产类型、运输路线、运输天气、运输时段等);受硬件影响的若干种第二关联特征为受自身硬件设施且可控出现的特征,该特征跟特征本身的质量相关(例如运输险中的运输设备和运输负责人员)。[0076] 在此基础上,对目标投保风险模型进行环境风险冗余调整,具体考虑不同第一关联特征发生频率对保单赔付的促进影响,通过统计所有保单赔付中每种第一关联特征中每个特征数据出现的频率,来确定哪个特征数据对保单赔付的促进影响最大,并为其分配最大的第一风险因子(即第一预设规则),最终,根据目标投保风险关联特征中第一关联特征的实际特征数据,来确定目标投保风险模型中每个投保风险关联特征对应的风险因子。而对目标投保风险模型进行硬件风险冗余调整,具体考虑不同第二关联特征在过去一定时间内的发生次数以及距离当前时间的长度对保单赔付的促进影响,即在一定时间内发生次数多、距离当前时间近的第二关联特征对保单赔付的促进巩营乡最大,并为其分配最大的第二风险因子(即第二预设规则),最终,根据目标投保风险关联特征中第二关联特征的实际特征数据,来确定目标投保风险模型中每个投保风险关联特征的风险因子。由此,在将目标投保风险模型中的原始风险因子更新为调整后的风险因子后,即可获得最终投保风险模型,利用该最终投保风险模型进行保险费率计算能够获得最符合当前投保请求对应风险的保险费率,通过对风险的准确评估和保险费率的动态调整,帮助保险人更好的管理风险敞口,保证保险人的稳健经营。[0077] 在本实施例中,提供了一种财产保险信息核验方法,通过提取目标投保风险关联特征,根据目标投保风险关联特征与历史投保风险关联特征之间的特征关系,对目标投保风险模型进行优化,使最终投保风险模型能够以不同方式响应多个环境影响特征和多个硬件影响特征,以此提高财产保险信息核验的准确性,提供一种精度更高、更合理的财产保险费率确定方案。[0078] 参照图3,图3为本发明财产保险信息核验装置实施例的结构框图。[0079] 如图3所示,本发明实施例提出的财产保险信息核验装置包括:[0080] 获取模块10,用于获取服务终端上传的投保请求,提取所述投保请求中的投保信息;其中,所述投保信息包括投保财产类型和投保风险关联信息;[0081] 确定模块20,用于基于所述投保信息中的投保财产类型和投保风险关联信息,确定目标投保风险模型与目标投保风险关联特征;[0082] 调用模块30,用于调用保险赔付数据库,提取采用所述目标投保风险模型的赔付保单中的历史投保风险关联特征,对所述目标投保风险模型进行风险冗余调整,获得最终投保风险模型;[0083] 生成模块40,用于将目标投保风险关联特征输入所述最终投保风险模型,生成所述投保请求对应的核验结果并发送至服务终端。[0084] 本发明财产保险信息核验装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。[0085] 此外,本发明还提出一种财产保险信息核验设备,所述财产保险信息核验设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的财产保险信息核验程序,所述财产保险信息核验程序被所述处理器执行时实现如上所述的财产保险信息核验方法的步骤。[0086] 本申请财产保险信息核验设备的具体实施方式与上述财产保险信息核验方法各实施例基本相同,在此不再赘述。[0087] 此外,本发明还提出一种可读存储介质,所述可读存储介质包括计算机可读存储介质,其上存储有财产保险信息核验程序。所述可读存储介质可以是图1的终端中的存储器1005,也可以是如ROM(Read‑OnlyMemory,只读存储器)/RAM(RandomAccessMemory,随机存取存储器)、磁碟、光盘中的至少一种,所述可读存储介质包括若干指令用以使得一台具有处理器的财产保险信息核验设备执行本发明各个实施例所述的财产保险信息核验方法。[0088] 本申请可读存储介质中的具体实施方式与上述财产保险信息核验方法各实施例基本相同,在此不再赘述。[0089] 可以理解的是,在本说明书的描述中,参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例~第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。[0090] 需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。[0091] 上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。[0092] 通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。[0093] 以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

专利地区:四川

专利申请日期:2024-04-11

专利公开日期:2024-06-18

专利公告号:CN118037461B

电话咨询
读内容
搜本页
回顶部