CN107767959A - 基于性格特征的健康风险评估方法、装置及设备 - Google Patents
基于性格特征的健康风险评估方法、装置及设备 Download PDFInfo
- Publication number
- CN107767959A CN107767959A CN201711133504.0A CN201711133504A CN107767959A CN 107767959 A CN107767959 A CN 107767959A CN 201711133504 A CN201711133504 A CN 201711133504A CN 107767959 A CN107767959 A CN 107767959A
- Authority
- CN
- China
- Prior art keywords
- user
- health risk
- assessed
- personality
- character
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于性格特征的健康风险评估方法、装置、设备及存储介质,所述方法包括:获取待评估用户的性格特征信息;根据所述性格特征信息确定待评估用户对应的性格类型;在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;根据所述健康风险值确定所述待评估用户对应的健康风险等级;由于所述映射关系中包括各性格类型与健康风险值之间的对应关系,从而能够在确定待评估的用户的性格类型时,通过所述映射关系方便快捷地获取待评估用户对应的健康风险值,进而确定待评估用户对应的健康风险等级,在保证了评估结果准确性的同时,也减轻了业务人员的工作量。
Description
技术领域
本发明涉及风险评估技术领域,尤其涉及一种基于性格特征的健康风险评估方法、装置、设备及存储介质。
背景技术
在保险行业尤其是健康险(以被保险人的身体为保险标的,使被保险人在疾病或意外事故所致伤害时发生的费用或损失获得补偿的一种保险)业务中,客户既往的就医、理赔信息通常用来预估客户未来的赔付风险,但客户的就医、理赔信息是健康风险的结果体现,而非导致健康风险发生的原因。
一般情况下,在承保新客户时能够从新客户处获取的既往就医、理赔信息较为有限,目前凭借员工个人经验在对客户的健康风险进行评估时,评估结果往往不够准确,效果较差。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于性格特征的健康风险评估方法、装置、设备及存储介质,旨在解决现有技术在对客户的健康风险进行评估时,评估结果往往不够准确,效果较差的技术问题。
为实现上述目的,本发明提供了一种基于性格特征的健康风险评估方法,所述方法包括以下步骤:
获取待评估用户的性格特征信息;
根据所述性格特征信息确定待评估用户对应的性格类型;
在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;
根据所述健康风险值确定所述待评估用户对应的健康风险等级。
优选地,所述获取待评估用户的性格特征信息之前,所述方法还包括:
从已投保用户中筛选出若干个待测用户;
对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本;
统计各性格类型样本的样本用户总数以及各性格类型样本中具有理赔记录的用户数量;
根据统计结果计算出各性格类型样本中具有理赔记录的用户的占比,将所述占比作为对应性格类型样本的健康风险值,并建立各性格类型与对应的健康风险值之间的映射关系。
优选地,所述根据所述健康风险值确定所述待评估用户对应的健康风险等级之后,所述方法还包括:
在所述健康风险等级超过预设等级时,获取所述待评估用户的个人健康数据;
将所述个人健康数据送入到预先训练好的疾病预测模型中,以获取所述待评估用户在投保期间内的患病概率;
在所述患病概率超过预设患病概率时,将所述待评估用户认定为高风险用户,并发出风险预警提示。
优选地,所述对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本,具体包括:
展示卡特尔16种人格因素问卷,并提示所述待测用户根据所述卡特尔16种人格因素问卷进行人格因素测试;
获取所述待测用户填写所述卡特尔16种人格因素问卷的填写结果,并对所述填写结果进行分析,获取所述待测用户对应的测试结果;
根据所述测试结果对所述待测用户进行性格分类,获取不同的性格类型样本。
优选地,所述获取所述待测用户填写所述卡特尔16种人格因素问卷的填写结果,并对所述填写结果进行分析,获取所述待测用户对应的测试结果之后,所述方法还包括:
根据所述测试结果,统计所述卡特尔16种人格因素问卷中各测试试题对应的不同选项被选择的次数;
根据不同选项被选择的次数以及所述待测用户的总数,计算出各测试试题中每个选项的被选概率;
查找是否存在被选概率超过预设被选概率的选项;
当存在被选概率超过所述预设被选概率的选项时,将所述选项对应的测试试题标记为待删除试题;
将所述待删除试题从所述卡特尔16种人格因素问卷中删除,获得目标性格测试问卷。
优选地,所述获取待评估用户的性格特征信息,具体包括:
展示所述目标性格测试问卷,并提示所述待评估用户对所述目标性格测试问卷进行填写;
对所述待评估用户的填写结果进行分析,获取对应的性格特征信息。
优选地,所述获取待评估用户的性格特征信息,具体包括:
获取待评估用户的历史投保记录,对所述历史投保记录进行分析,以获取所述待评估用户的性格特性信息。
此外,为实现上述目的,本发明还提出一种基于性格特征的健康风险评估设备,所述设备包括: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基于性格特征的健康风险评估程序,所述基于性格特征的健康风险评估程序配置为实现如上文所述的基于性格特征的健康风险评估方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有基于性格特征的健康风险评估程序,所述基于性格特征的健康风险评估程序被处理器执行时实现如上文所述的基于性格特征的健康风险评估方法的步骤。
此外,为实现上述目的,本发明还提出一种基于性格特征的健康风险评估装置,所述装置包括:
信息获取模块,用于获取待评估用户的性格特征信息;
性格判定模块,用于根据所述性格特征信息确定待评估用户对应的性格类型;
映射查找模块,用于在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;
风险评估模块,用于根据所述健康风险值确定所述待评估用户对应的健康风险等级。
本发明通过获取待评估用户的性格特征信息;根据所述性格特征信息确定待评估用户对应的性格类型;在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;根据所述健康风险值确定所述待评估用户对应的健康风险等级;由于所述映射关系中包括各性格类型与健康风险值之间的对应关系,从而能够在确定待评估的用户的性格类型时,通过所述映射关系方便快捷地获取待评估用户对应的健康风险值,进而确定待评估用户对应的健康风险等级,在保证评估结果准确性的同时,也减轻了业务人员的工作量。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于性格特征的健康风险评估设备的结构示意图;
图2为本发明基于性格特征的健康风险评估方法第一实施例的流程示意图;
图3为本发明基于性格特征的健康风险评估方法第二实施例的流程示意图;
图4为本发明基于性格特征的健康风险评估方法第三实施例的流程示意图;
图5为本发明基于性格特征的健康风险评估装置第一实施例的结构框图。
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
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的基于性格特征的健康风险评估设备结构示意图。
如图1所示,该基于性格特征的健康风险评估设备(以下简称健康风险评估设备)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-volatile memory),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。
本领域技术人员可以理解,图1中示出的结构并不构成对健康风险评估设备的限定,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。
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、用户接口模块以及基于性格特征的健康风险评估程序。
在图1所示的健康风险评估设备中,网络接口1004主要用于连接服务器,与服务器进行数据通信;用户接口1003主要用于连接客户端,与客户端进行数据通信,所述健康风险评估设备通过处理器1001调用存储器1005中存储的基于性格特征的健康风险评估程序,并执行以下操作:
获取待评估用户的性格特征信息;
根据所述性格特征信息确定待评估用户对应的性格类型;
在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;
根据所述健康风险值确定所述待评估用户对应的健康风险等级。
进一步地,处理器1001可以调用存储器1005中存储的基于性格特征的健康风险评估程序,还执行以下操作:
从已投保用户中筛选出若干个待测用户;
对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本;
统计各性格类型样本的样本用户总数以及各性格类型样本中具有理赔记录的用户数量;
根据统计结果计算出各性格类型样本中具有理赔记录的用户的占比,将所述占比作为对应性格类型样本的健康风险值,并建立各性格类型与对应的健康风险值之间的映射关系。
进一步地,处理器1001可以调用存储器1005中存储的基于性格特征的健康风险评估程序,还执行以下操作:
在所述健康风险等级超过预设等级时,获取所述待评估用户的个人健康数据;
将所述个人健康数据送入到预先训练好的疾病预测模型中,以获取所述待评估用户在投保期间内的患病概率;
在所述患病概率超过预设患病概率时,将所述待评估用户认定为高风险用户,并发出风险预警提示。
进一步地,处理器1001可以调用存储器1005中存储的基于性格特征的健康风险评估程序,还执行以下操作:
展示卡特尔16种人格因素问卷,并提示所述待测用户根据所述卡特尔16种人格因素问卷进行人格因素测试;
获取所述待测用户填写所述卡特尔16种人格因素问卷的填写结果,并对所述填写结果进行分析,获取所述待测用户对应的测试结果;
根据所述测试结果对所述待测用户进行性格分类,获取不同的性格类型样本。
进一步地,处理器1001可以调用存储器1005中存储的基于性格特征的健康风险评估程序,还执行以下操作:
根据所述测试结果,统计所述卡特尔16种人格因素问卷中各测试试题对应的不同选项被选择的次数;
根据不同选项被选择的次数以及所述待测用户的总数,计算出各测试试题中每个选项的被选概率;
查找是否存在被选概率超过预设被选概率的选项;
当存在被选概率超过所述预设被选概率的选项时,将所述选项对应的测试试题标记为待删除试题;
将所述待删除试题从所述卡特尔16种人格因素问卷中删除,获得目标性格测试问卷。
进一步地,处理器1001可以调用存储器1005中存储的基于性格特征的健康风险评估程序,还执行以下操作:
展示所述目标性格测试问卷,并提示所述待评估用户对所述目标性格测试问卷进行填写;
对所述待评估用户的填写结果进行分析,获取对应的性格特征信息。
进一步地,处理器1001可以调用存储器1005中存储的基于性格特征的健康风险评估程序,还执行以下操作:
获取待评估用户的历史投保记录,对所述历史投保记录进行分析,以获取所述待评估用户的性格特性信息。
本实施例通过获取待评估用户的性格特征信息,根据所述性格特征信息确定待评估用户对应的性格类型;在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,然后根据所述健康风险值确定所述待评估用户对应的健康风险等级;由于所述映射关系中包括各性格类型与健康风险值之间的对应关系,从而能够在确定待评估的用户的性格类型时,通过所述映射关系方便快捷地获取待评估用户对应的健康风险值,进而确定待评估用户对应的健康风险等级,在保证评估结果准确性的同时,也减轻了业务人员的工作量。
基于上述硬件结构,提出本发明基于性格特征的健康风险评估方法实施例。
参照图2,图2为本发明基于性格特征的健康风险评估方法第一实施例的流程示意图。
本实施例中,所述方法包括以下步骤:
步骤S10:获取待评估用户的性格特征信息;
需要说明的是,所述待评估用户为已购买或预购买健康险或其他类别保险的用户;所述性格特征信息可以是能够判定或确定出用户所属性格类型的信息,例如:用户进行各类性格测试问卷的问卷调查结果或用户好友对用户本人的性格评价等,所述性格类型可包括内向型、外向型、活泼开朗型、成熟稳重型等,所述性格类型的具体种类和划分可根据实际情况而定,本实施例对此不加以限制。
在具体实现中,可通过性格测试问卷对待评估用户进行问卷调查,然后根据所述性格测试问卷的调查结果获取所述待评估用户的性格特征信息;也可以是通过向待评估用户推送具有不同性格特征选项的自我评价调查,并获取用户的自我评价结果(即所述性格特征信息)。
步骤S20:根据所述性格特征信息确定待评估用户对应的性格类型;
在具体实现中,在获取待评估用户的性格特征信息后,根据获取到的性格特征信息即可确定待评估用户对应的性格类型。例如,用户在进行自我评价调查时,选择的性格特征选项为:活泼开朗,则可确定出所述待评估用户是一个活泼开朗型性格的人。
步骤S30:在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;
在本实施例中,为了提高健康风险评估效率,可预先建立一个映射关系,以在获取到待评估用户的性格特征时,通过所述映射关系实现对与该性格类型相对应的健康风险值快速准确的获取,所述映射关系中包括各性格类型与健康风险值之间的对应关系。
步骤S40:根据所述健康风险值确定所述待评估用户对应的健康风险等级。
需要说明的是,所述健康风险值可以是在预设时间段内承保方(保险公司)对投保方(投保用户)可能发生的健康问题进行理赔的理赔概率,所述理赔概率可以由类似于购买健康险的投保用户在保险有效期内身患疾病的概率或去医院就医的概率等进行表征。所述健康风险值也可以是根据投保用户的保险金额以及理赔概率计算出的能够表征健康风险的具体数值,本实施例中所述健康风险值的定义或计算方式可根据实际情况而定;所述预设时间段可以是接下来一年、两年或保险有效期等,本实施例对此不加以限制。
可以理解的是,为了对不同待评估用户对应的健康风险进行有效区分,可根据获取到的健康风险值来确定待评估用户对应的健康风险等级,所述健康风险等级可以根据所述健康风险值设定的等级评判标准,例如:将理赔概率为0~20%对应的健康风险等级设定为低级;将理赔概率为20%~40%对应的健康风险等级设定为中低级;将理赔概率为40%~60%的健康风险等级设定为中级;将理赔概率为60%~80%的健康风险等级设定为中高级;将理赔概率为80%~100%的健康风险等级设定为高级。又如,当根据用户3的性格类型获取到的用户3健康风险值为19%,则可确定用户3的健康风险等级为低级,用户3为低风险用户。
进一步地,为了对已确定健康风险等级的用户进行有效区分,本实施例方法在所述步骤S40之后,还包括:在所述健康风险等级超过预设等级时,获取所述待评估用户的个人健康数据;将所述个人健康数据送入到预先训练好的疾病预测模型中,以获取所述待评估用户在投保期间内的患病概率;在所述患病概率超过预设患病概率时,将所述待评估用户认定为高风险用户,并发出风险预警提示。
需要说明的是,所述疾病预测模型为根据大量的已投保用户的个人健康数据(例如体检数据、体检时所患疾病的种类、患病次数等)对预设模型(例如:支持向量机模型、回归模型等)训练后获得的能够通过用户的个人健康数据进行疾病预测的模型。
所述预设患病概率可以是预先设定的患病预警概率,当通过所述疾病预测模型计算出的患病概率超过该预设患病概率时,则表示该用户具有较高的患病可能,此时就将这类用户标记为高风险用户;所述风险预警提示可以是通过预设的图标、文字或语音播报等方式提示保险业务人员,需要对该待评估用户进行重点关注,并尽可能的该高风险用户进行投保方案的优化,例如:变更投保额度或投保套餐等,并将优化后的新的投保方案建议或推送给该高风险用户。
本实施例通过获取待评估用户的性格特征信息,根据所述性格特征信息确定待评估用户对应的性格类型;在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,然后根据所述健康风险值确定所述待评估用户对应的健康风险等级;由于所述映射关系中包括各性格类型与健康风险值之间的对应关系,从而能够在确定待评估的用户的性格类型时,通过所述映射关系方便快捷地获取待评估用户对应的健康风险值,进而确定待评估用户对应的健康风险等级,在保证评估结果准确性的同时,也减轻了业务人员的工作量。同时,通过将获取到的健康风险等级与预设等级比对,在所述健康风险等级超过预设等级时,获取所述待评估用户的个人健康数据;将所述个人健康数据送入到预先训练好的疾病预测模型中,以获取所述待评估用户在投保期间内的患病概率;在所述患病概率超过预设患病概率时,将所述待评估用户认定为高风险用户,,并发出风险预警提示,从而实现了对待评估用户健康风险的进一步评估,提高了健康风险评估的准确性。
参考图3,图3为本发明基于性格特征的健康风险评估方法第二实施例的流程示意图。
基于上述第一实施例,本实施例提出的基于性格特征的健康风险评估方法在所述步骤S10之前,还包括:
步骤S01:从已投保用户中筛选出若干个待测用户;
可以理解的是,在众多的已投保用户中,由于已投保用户的群体较为庞大,如果对所有用户都进行性格测试将会消耗大量的人力物力,因此有必要对已投保用户进行筛选,具体实现中,可将各已投保用户的累计投保时长与预设时长(例如:半年或一年等)进行比对,将超过所述预设时长的已投保用户筛选为所述待测用户,具体的待测用户的数量也可自行确定,例如:10万、50万、100万等,本实施例对此不加以限制。
步骤S02:对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本;
在筛选出若干个待测用户后,可通过预设方式来对所述待测用户进行性格测试,所述预设方式可以是:明尼苏达多项人格测验、卡特尔16种人格因素问卷、MBTI(Myers-Briggs Type Indicator)性格类型测试、DISC(Dominance Influence SteadinessCompliance)性格测试和/或DPA(Dynamics Personality Assessment)动态性格测试等方式,具体的测试方式可根据实际情况选择,本实施例对此不加以限制。
在具体实现中,通过预设方式对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本。
步骤S03:统计各性格类型样本的样本用户总数以及各性格类型样本中具有理赔记录的用户数量;
在获取到不同的性格类型样本后,统计各性格类型的性格类型样本对应的用户总数,例如:待测用户的总数为10万,经测试后稳定型性格的用户为1.5万、聪慧型性格的用户为0.8万、独立型性格的用户为1.2万等;获取各性格类型样本中具有历史理赔记录的待测用户数量,例如1.5万稳定型性格的用户中,具有历史理赔记录的待测用户数量为0.3万。
遍历各性格类型样本,直至统计完所有的性格类型样本对应的用户总数以及该性格类型样本中具有历史理赔记录的用户数量。
步骤S04:根据统计结果计算出各性格类型样本中具有理赔记录的用户的占比,将所述占比作为对应性格类型样本的健康风险值,并建立各性格类型与对应的健康风险值之间的映射关系。
在具体实现中,根据统计结果计算出各性格类型样本中具有理赔记录的用户的占比,将所述占比作为对应性格类型样本的健康风险值,并建立各性格类型与对应的健康风险值之间的映射关系,例如:1.5万稳定型性格的用户中,具有历史理赔记录的待测用户数量为0.3万,占比为20%,也就是说,当判定出一个已投保用户的性格特征为稳定型性格时,在其有效的投保期间内,保险公司对其进行理赔的几率为20%,该用户对应的健康风险值也为20%或0.2;进一步地,为保证承保方更准确地对后续的可能支付的理赔金额进行预估,还可以根据承保方对具有理赔记录的用户支付的理赔总额,计算出稳定型性格的人对应的平均理赔金额。在获取到各性格类型对应的健康风险值后,建立各性格类型与对应健康风险值之间的映射关系。
本实施例通过从已投保用户中筛选出若干个待测用户;对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本;统计各性格类型样本的样本用户总数以及各性格类型样本中具有理赔记录的用户数量;根据统计结果计算出各性格类型样本中具有理赔记录的用户的占比,将所述占比作为对应性格类型样本的健康风险值,并建立各性格类型与对应的健康风险值之间的映射关系,从而保证了根据性格类型获取到的健康风险值的可靠性与准确性。
参考图4,图4为本发明基于性格特征的健康风险评估方法第三实施例的流程示意图。
基于上述各实施例,本实施例提出的基于性格特征的健康风险评估方法中,所述步骤S02可具体包括:
步骤S021:展示卡特尔16种人格因素问卷,并提示所述待测用户根据所述卡特尔16种人格因素问卷进行人格因素测试;
需要说明的是,所述卡特尔16种人格因素问卷是美国卡特尔教授编制的用于人格检测的一种问卷,简称卡特尔16PF(Cattell's 16Personality Factor,16PF)。在该问卷中,卡特尔将人的性格分为了16中类型,包括:乐群性、聪慧性、稳定性、恃强性、兴奋性、有恒性、敢为性、敏感性、怀疑性、幻想性、世故性、忧虑性、实验性、独立性、自律性和紧张性,每种人格因素都有一个分值,分值的高低能够体现人在该性格方面的偏向,因此通过该人格因素问卷能够比较准确的判定出每个人的性格类型或性格倾向。
步骤S022:获取所述待测用户填写所述卡特尔16种人格因素问卷的填写结果,并对所述填写结果进行分析,获取所述待测用户对应的测试结果;
在本步骤中,获取到待测用户的问卷调查结果后,根据问卷调查的填写结果中用户选择的试题选项以及各选项对应的分值进行分析,获取所述待测用户对应的测试结果,例如每一试题各有a、b、c三个答案,可按0、1、2三等记分,然后使用计分模板得出各因素的原始分,再将原始分按常模表换算成标准分。这样即可得出各待测用户对应的测试结果。
步骤S023:根据所述测试结果对所述待测用户进行性格分类,获取不同的性格类型样本。
在具体实现中,可通过向待测用户展示所述卡特尔16种人格因素问卷,并提示待测用户进行答卷,然后根据待测用户的填写结果分析出对应的测试结果,再根据所述测试结果对所述待测用户进行性格分类,获取不同的性格类型样本。
进一步地,为了能够在性格测试中提高用户的检测体验,简化测试过程,节约用户的受测试时间。在所述步骤S022之后,所述方法还包括:
步骤S024:根据所述测试结果,统计所述卡特尔16种人格因素问卷中各测试试题对应的不同选项被选择的次数;
步骤S025:根据不同选项被选择的次数以及所述待测用户的总数,计算出各测试试题中每个选项的被选概率;
步骤S026:查找是否存在被选概率超过预设被选概率的选项;
步骤S027:当存在被选概率超过所述预设被选概率的选项时,将所述选项对应的测试试题标记为待删除试题;
步骤S028:将所述待删除试题从所述卡特尔16种人格因素问卷中删除,获得目标性格测试问卷。
可以理解的是,由于所述卡特尔16种人格因素问卷中测试题量较大,用户在受测试时可能会花费较多时间,导致用户体验感较差,而实际上,问卷中会存在一些选项相对集中的测试试题,当这类试题的选项的相对集中度达到一定程度时,表明这类试题对实际的性格测试结果影响不大,因此为了节约用户的受测试时间,可对所述卡特尔16种人格因素问卷进行简化,获取简化后的性格测试问卷(即所述目标性格测试问卷)。
在具体实现中,可根据待测用户进行卡特尔16种人格因素问卷后的测试结果来统计问卷中每个测试试题的不同选项对应的被选择的次数,然后根据不同选项被选择的次数以及所述待测用户的总数,计算出各测试试题中每个选项的被选概率;查找是否存在被选概率超过预设被选概率的选项;当存在被选概率超过所述预设被选概率的选项时,将所述选项对应的测试试题标记为待删除试题;将所述待删除试题从所述卡特尔16种人格因素问卷中删除,获得目标性格测试问卷。例如:参加性格测试的待测用户总数为10万,而这10万人在解答问卷中第20题时,有9万人选择了选项A,0.7万人选择了选项B,0.3万人选择了选项C,则该问卷中第20题的选项A、B和C的被选概率分别为90%、7%和3%,因此选项A的被选概率超过了预先设定的预设被选概率(例如80%),则表明该问卷中的第20题为待删除试题,为了达到简化问卷的目的,就可以将该问卷中的第20题删除。
遍历所述卡特尔16种人格因素问卷,将所述问卷中标记为待删除试题的测试试题从所述问卷中删除,获取所述目标性格测试问卷。
相应地,在本实施例中所述步骤S10可具体包括:
步骤S101:展示所述目标性格测试问卷,并提示所述待评估用户对所述目标性格测试问卷进行填写;
在具体实现中,通过客户端或APP显示界面向待评估用户展示所述目标测试问卷,然后提示所述待评估用户对所述目标性格测试问卷进行填写,并对待评估用户的填写结果进行记录。
步骤S102:对所述待评估用户的填写结果进行分析,获取对应的性格特征信息。
在本实施例中,通过所述目标性格测试问卷所述对待评估用户进行性格测试问卷调查后,根据记录的问卷调查结果来获取待评估用户每一种人格因素对应的得分值,然后对比不同人格因素得分值的高低,将分值最高的人格因素作为所述性格特征信息,即可根据所述性格特征信息确定出待评估用户对应的性格类型。
基于上述各实施例,本实施例提出的基于性格特征的健康风险评估方法的第四实施例。
在本实施例中,所述步骤S10可具体包括:获取待评估用户的历史投保记录,对所述历史投保记录进行分析,以获取所述待评估用户的性格特性信息。
需要说明的是,所述历史投保记录可以是待评估用户通过不同渠道(例如:手机APP、电脑客户端等)购买保险产品时的历史投保记录,例如:该保险产品的手机APP向用户1和用户2均推荐保险A,用户1当即在5分钟内购买了保险A,则可以认为用户1的敢为性因素较高,属于敢为型性格人群;用户2将与保险A的同类保险进行反复对比后,第二天购买了保险A,则可以认为用户2的稳定性因素较高,属于稳定性性格人群。当然,本实施例中,还可以通过手机APP、电脑客户端等应用软件提示用户对自己的性格特征进行评价,然后根据用户的自我评价结果来确定用户对应的性格类型。
本实施例通过获取待评估用户的历史投保记录,并根据所述历史投保记录生成所述待评估用户的性格特性信息;根据所述性格特征信息确定待评估用户对应的性格类型,从而能够较为快速便捷地获取到待评估用户的性格特征信息,并确定所述待评估用户所属的性格类型,在免去了用户进行性格问卷测试的同时,提高了用户体验。
参照图5,图5为本发明基于性格特征的健康风险评估装置第一实施例的结构框图。
如图5所示,本实施例提出的基于性格特征的健康风险评估装置201包括:
信息获取模块2011,用于获取待评估用户的性格特征信息;
性格判定模块2012,用于根据所述性格特征信息确定待评估用户对应的性格类型;
需要说明的是,所述待评估用户为已购买或预购买健康险或其他类别保险的用户;所述性格特征信息可以是能够判定或确定出用户所属性格类型的信息,例如:用户进行各类性格测试问卷的问卷调查结果或用户好友对用户本人的性格评价等,所述性格类型可包括内向型、外向型、活泼开朗型、成熟稳重型等,所述性格类型的具体种类和划分可根据实际情况而定,本实施例对此不加以限制。
映射查找模块2013,用于在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;
风险评估模块2014,用于根据所述健康风险值确定所述待评估用户对应的健康风险等级。
需要说明的是,所述健康风险值可以是在预设时间段内承保方(保险公司)对投保方(投保用户)可能发生的健康问题进行理赔的理赔概率,所述理赔概率可以由类似于购买健康险的投保用户在保险有效期内身患疾病的概率或去医院就医的概率等进行表征。所述健康风险值也可以是根据投保用户的保险金额以及理赔概率计算出的能够表征健康风险的具体数值,本实施例中所述健康风险值的定义或计算方式可根据实际情况而定;所述预设时间段可以是接下来一年、两年或保险有效期等,本实施例对此不加以限制。
可以理解的是,为了对不同待评估用户对应的健康风险进行有效区分,可根据获取到的健康风险值来确定待评估用户对应的健康风险等级,所述健康风险等级可以根据所述健康风险值设定的等级评判标准,例如:将理赔概率为0~20%对应的健康风险等级设定为低级;将理赔概率为20%~40%对应的健康风险等级设定为中低级;将理赔概率为40%~60%的健康风险等级设定为中级;将理赔概率为60%~80%的健康风险等级设定为中高级;将理赔概率为80%~100%的健康风险等级设定为高级。又如,当根据用户3的性格类型获取到的用户3健康风险值为19%,则可确定用户3的健康风险等级为低级,用户3为低风险用户。
进一步地,为了对已确定健康风险等级的用户进行有效区分,本实施例中,所述风险评估模块2014,还用于在所述健康风险等级超过预设等级时,获取所述待评估用户的个人健康数据;将所述个人健康数据送入到预先训练好的疾病预测模型中,以获取所述待评估用户在投保期间内的患病概率;在所述患病概率超过预设患病概率时,将所述待评估用户认定为高风险用户,并发出风险预警提示。
需要说明的是,所述疾病预测模型为根据大量的已投保用户的个人健康数据(例如体检数据、体检时所患疾病的种类、患病次数等)对预设模型(例如:支持向量机模型、回归模型等)训练后获得的能够通过用户的个人健康数据进行疾病预测的模型。
所述预设患病概率可以是预先设定的患病预警概率,当通过所述疾病预测模型计算出的患病概率超过该预设患病概率时,则表示该用户具有较高的患病可能,此时就将这类用户标记为高风险用户;所述风险预警提示可以是通过预设的图标、文字或语音播报等方式提示保险业务人员,需要对该待评估用户进行重点关注,并尽可能的该高风险用户进行投保方案的优化,例如:变更投保额度或投保套餐等,并将优化后的新的投保方案建议或推送给该高风险用户。
在本实施例中为了提高健康风险评估效率,可预先建立一个映射关系,以在获取到待评估用户的性格特征时,通过所述映射关系实现对与该性格类型相对应的健康风险值快速准确的获取。
本实施例通过获取待评估用户的性格特征信息,根据所述性格特征信息确定待评估用户对应的性格类型;在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,然后根据所述健康风险值确定所述待评估用户对应的健康风险等级;由于所述映射关系中包括各性格类型与健康风险值之间的对应关系,从而能够在确定待评估的用户的性格类型时,通过所述映射关系方便快捷地获取待评估用户对应的健康风险值,进而确定待评估用户对应的健康风险等级,在保证评估结果准确性的同时,也减轻了业务人员的工作量。同时,通过将获取到的健康风险等级与预设等级比对,在所述健康风险等级超过预设等级时,获取所述待评估用户的个人健康数据;将所述个人健康数据送入到预先训练好的疾病预测模型中,以获取所述待评估用户在投保期间内的患病概率;在所述患病概率超过预设患病概率时,将所述待评估用户认定为高风险用户,,并发出风险预警提示,从而实现了对待评估用户健康风险的进一步评估,提高了健康风险评估的准确性。
基于上述基于性格特征的健康风险评估装置的第一实施例,提出基于性格特征的健康风险评估装置的第二实施例。
本实施例中所述基于性格特征的健康风险评估装置201还包括:用户筛选模块、测试分类模块、数据统计模块以及映射建立模块;
所述用户筛选模块,用于从已投保用户中筛选出若干个待测用户;
所述测试分类模块,用于对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本;
可以理解的是,在众多的已投保用户中,由于用户群体较为庞大,没有必要对用户都进行性格测试,可根据累计投保时长(例如:购买保险超过半年或以上等)从所述已投保用户中筛选出一部分用户作为待测用户,具体的待测用户的数量可自行确定,例如:10万、50万、100万等,本实施例对此不加以限制。
在筛选出若干个待测用户后,可通过预设方式来对所述待测用户进行性格测试,所述预设方式可以是:明尼苏达多项人格测验、卡特尔16种人格因素问卷、MBTI(Myers-Briggs Type Indicator)性格类型测试、DISC(Dominance Influence SteadinessCompliance)性格测试和/或DPA(Dynamics Personality Assessment)动态性格测试等方式,具体的测试方式可根据实际情况选择,本实施例对此不加以限制。
所述数据统计模块,用于统计各性格类型样本的样本用户总数以及各性格类型样本中具有理赔记录的用户数量;
在获取到不同的性格类型样本后,统计各性格类型的性格类型样本对应的用户总数,例如:待测用户的总数为10万,经测试后稳定型性格的用户为1.5万、聪慧型性格的用户为0.8万、独立型性格的用户为1.2万等;获取各性格类型样本中具有历史理赔记录的待测用户数量,例如1.5万稳定型性格的用户中,具有历史理赔记录的待测用户数量为0.3万。
遍历各性格类型样本,直至统计完所有的性格类型样本对应的用户总数以及该性格类型样本中具有历史理赔记录的用户数量。
所述映射建立模块,用于根据统计结果计算出各性格类型样本中具有理赔记录的用户的占比,将所述占比作为对应性格类型样本的健康风险值,并建立各性格类型与对应的健康风险值之间的映射关系。
在具体实现中,根据统计结果计算出各性格类型样本中具有理赔记录的用户的占比,将所述占比作为对应性格类型样本的健康风险值,并建立各性格类型与对应的健康风险值之间的映射关系,例如:1.5万稳定型性格的用户中,具有历史理赔记录的待测用户数量为0.3万,占比为20%,也就是说,当判定出一个已投保用户的性格特征为稳定型性格时,在其有效的投保期间内,保险公司对其进行理赔的几率为20%,该用户对应的健康风险值也为20%或0.2;进一步地,为保证承保方更准确地对后续的可能支付的理赔金额进行预估,所述还映射建立模块,还用于根据承保方对具有理赔记录的用户支付的理赔总额,计算出稳定型性格的人对应的平均理赔金额。在获取到各性格类型对应的健康风险值后,建立各性格类型与对应健康风险值之间的映射关系。
基于上述基于性格特征的健康风险评估装置的各实施例,提出基于性格特征的健康风险评估装置的第三实施例。
在本实施例中,所述测试分类模块,还用于展示卡特尔16种人格因素问卷,并提示所述待测用户根据所述卡特尔16种人格因素问卷进行人格因素测试;获取所述待测用户填写所述卡特尔16种人格因素问卷的填写结果,并对所述填写结果进行分析,获取所述待测用户对应的测试结果;根据所述测试结果对所述待测用户进行性格分类,获取不同的性格类型样本。
需要说明的是,所述卡特尔16种人格因素问卷是美国卡特尔教授编制的用于人格检测的一种问卷,简称卡特尔16PF(Cattell's 16Personality Factor,16PF)。在该问卷中,卡特尔将人的性格分为了16中类型,包括:乐群性、聪慧性、稳定性、恃强性、兴奋性、有恒性、敢为性、敏感性、怀疑性、幻想性、世故性、忧虑性、实验性、独立性、自律性和紧张性,每种人格因素都有一个分值,分值的高低能够体现人在该性格方面的偏向,因此通过该人格因素问卷能够比较准确的判定出每个人的性格类型或性格倾向。
进一步地,为了能够在性格测试中提高用户的检测体验,简化测试过程,节约用户的受测试时间。所述测试分类模块,还用于根据所述测试结果,统计所述卡特尔16种人格因素问卷中各测试试题对应的不同选项被选择的次数;根据不同选项被选择的次数以及所述待测用户的总数,计算出各测试试题中每个选项的被选概率;查找是否存在被选概率超过预设被选概率的选项;当存在被选概率超过所述预设被选概率的选项时,将所述选项对应的测试试题标记为待删除试题;将所述待删除试题从所述卡特尔16种人格因素问卷中删除,获得目标性格测试问卷。
可以理解的是,由于所述卡特尔16种人格因素问卷中测试题量较大,用户在受测试时可能会花费较多时间,导致用户体验感较差,而实际上,问卷中会存在一些选项相对集中的测试试题,当这类试题的选项的相对集中度达到一定程度时,表明这类试题对实际的性格测试结果影响不大,因此为了节约用户的受测试时间,可对所述卡特尔16种人格因素问卷进行简化,获取简化后的性格测试问卷(即所述目标性格测试问卷)。
在具体实现中,可根据待测用户进行卡特尔16种人格因素问卷后的测试结果来统计问卷中每个测试试题的不同选项对应的被选择的次数,然后根据不同选项被选择的次数以及所述待测用户的总数,计算出各测试试题中每个选项的被选概率;查找是否存在被选概率超过预设被选概率的选项;当存在被选概率超过所述预设被选概率的选项时,将所述选项对应的测试试题标记为待删除试题;将所述待删除试题从所述卡特尔16种人格因素问卷中删除,获得目标性格测试问卷。例如:参加性格测试的待测用户总数为10万,而这10万人在解答问卷中第20题时,有9万人选择了选项A,0.7万人选择了选项B,0.3万人选择了选项C,则该问卷中第20题的选项A、B和C的被选概率分别为90%、7%和3%,因此选项A的被选概率超过了预先设定的预设被选概率(例如80%),则表明该问卷中的第20题为待删除试题,为了达到简化问卷的目的,就可以将该问卷中的第20题删除。
遍历所述卡特尔16种人格因素问卷,将所述问卷中标记为待删除试题的测试试题从所述问卷中删除,获取所述目标性格测试问卷。
相应地,本实施例中所述信息获取模块2011,还用于展示所述目标性格测试问卷,并提示所述待评估用户对所述目标性格测试问卷进行填写;对所述待评估用户的填写结果进行分析,获取对应的性格特征信息。
基于上述基于性格特征的健康风险评估装置的第一实施例,提出基于性格特征的健康风险评估装置的第四实施例。
在本实施例中,所述信息获取模块2011,还用于获取待评估用户的历史投保记录,对所述历史投保记录进行分析,以获取所述待评估用户的性格特性信息。
需要说明的是,所述历史投保记录可以是待评估用户通过不同渠道(例如:手机APP、电脑客户端等)购买保险产品时的历史投保记录,例如:该保险产品的手机APP向用户1和用户2均推荐保险A,用户1当即在5分钟内购买了保险A,则可以认为用户1的敢为性因素较高,属于敢为型性格人群;用户2将与保险A的同类保险进行反复对比后,第二天购买了保险A,则可以认为用户2的稳定性因素较高,属于稳定性性格人群。当然,本实施例中,还可以通过手机APP、电脑客户端等应用软件提示用户对自己的性格特征进行评价,然后根据用户的自我评价结果来确定用户对应的性格类型。
本实施例通过获取待评估用户的历史投保记录,并根据所述历史投保记录生成所述待评估用户的性格特性信息;根据所述性格特征信息确定待评估用户对应的性格类型,从而能够较为快速便捷地获取到待评估用户的性格特征信息,并确定所述待评估用户所属的性格类型,在免去了用户进行性格问卷测试的同时,提高了用户体验。
此外,本发明还提供一种存储介质,所述存储介质上存储有基于性格特征的健康风险评估程序,所述基于性格特征的健康风险评估程序被处理器执行时实现如下操作:
获取待评估用户的性格特征信息;
根据所述性格特征信息确定待评估用户对应的性格类型;
在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;
根据所述健康风险值确定所述待评估用户对应的健康风险等级。
进一步地,所述基于性格特征的健康风险评估程序被处理器执行时还实现如下操作:
从已投保用户中筛选出若干个待测用户;
对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本;
统计各性格类型样本的样本用户总数以及各性格类型样本中具有理赔记录的用户数量;
根据统计结果计算出各性格类型样本中具有理赔记录的用户的占比,将所述占比作为对应性格类型样本的健康风险值,并建立各性格类型与对应的健康风险值之间的映射关系。
进一步地,所述基于性格特征的健康风险评估程序被处理器执行时还实现如下操作:
在所述健康风险等级超过预设等级时,获取所述待评估用户的个人健康数据;
将所述个人健康数据送入到预先训练好的疾病预测模型中,以获取所述待评估用户在投保期间内的患病概率;
在所述患病概率超过预设患病概率时,将所述待评估用户认定为高风险用户,并发出风险预警提示。
进一步地,所述基于性格特征的健康风险评估程序被处理器执行时还实现如下操作:
展示卡特尔16种人格因素问卷,并提示所述待测用户根据所述卡特尔16种人格因素问卷进行人格因素测试;
获取所述待测用户填写所述卡特尔16种人格因素问卷的填写结果,并对所述填写结果进行分析,获取所述待测用户对应的测试结果;
根据所述测试结果对所述待测用户进行性格分类,获取不同的性格类型样本。
进一步地,所述基于性格特征的健康风险评估程序被处理器执行时还实现如下操作:
根据所述测试结果,统计所述卡特尔16种人格因素问卷中各测试试题对应的不同选项被选择的次数;
根据不同选项被选择的次数以及所述待测用户的总数,计算出各测试试题中每个选项的被选概率;
查找是否存在被选概率超过预设被选概率的选项;
当存在被选概率超过所述预设被选概率的选项时,将所述选项对应的测试试题标记为待删除试题;
将所述待删除试题从所述卡特尔16种人格因素问卷中删除,获得目标性格测试问卷。
进一步地,所述基于性格特征的健康风险评估程序被处理器执行时还实现如下操作:
展示所述目标性格测试问卷,并提示所述待评估用户对所述目标性格测试问卷进行填写;
对所述待评估用户的填写结果进行分析,获取对应的性格特征信息。
进一步地,所述基于性格特征的健康风险评估程序被处理器执行时还实现如下操作:
获取待评估用户的历史投保记录,对所述历史投保记录进行分析,以获取所述待评估用户的性格特性信息。
本实施例通过获取待评估用户的性格特征信息,根据所述性格特征信息确定待评估用户对应的性格类型;在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,然后根据所述健康风险值确定所述待评估用户对应的健康风险等级;由于所述映射关系中包括各性格类型与健康风险值之间的对应关系,从而能够在确定待评估的用户的性格类型时,通过所述映射关系方便快捷地获取待评估用户对应的健康风险值,进而确定待评估用户对应的健康风险等级,在保证评估结果准确率的同时,也减轻了业务人员的工作量。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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它要素,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。
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。
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。
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它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于性格特征的健康风险评估方法,其特征在于,所述方法包括:
获取待评估用户的性格特征信息;
根据所述性格特征信息确定待评估用户对应的性格类型;
在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;
根据所述健康风险值确定所述待评估用户对应的健康风险等级。
2.如权利要求1所述的方法,其特征在于,所述获取待评估用户的性格特征信息之前,所述方法还包括:
从已投保用户中筛选出若干个待测用户;
对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本;
统计各性格类型样本的样本用户总数以及各性格类型样本中具有理赔记录的用户数量;
根据统计结果计算出各性格类型样本中具有理赔记录的用户的占比,将所述占比作为对应性格类型样本的健康风险值,并建立各性格类型与对应的健康风险值之间的映射关系。
3.如权利要求2所述的方法,其特征在于,所述根据所述健康风险值确定所述待评估用户对应的健康风险等级之后,所述方法还包括:
在所述健康风险等级超过预设等级时,获取所述待评估用户的个人健康数据;
将所述个人健康数据送入到预先训练好的疾病预测模型中,以获取所述待评估用户在投保期间内的患病概率;
在所述患病概率超过预设患病概率时,将所述待评估用户认定为高风险用户,并发出风险预警提示。
4.如权利要求3所述的方法,其特征在于,所述对所述待测用户进行性格测试,并根据测试结果对所述待测用户进行性格分类,获取不同的性格类型样本,具体包括:
展示卡特尔16种人格因素问卷,并提示所述待测用户根据所述卡特尔16种人格因素问卷进行人格因素测试;
获取所述待测用户填写所述卡特尔16种人格因素问卷的填写结果,并对所述填写结果进行分析,获取所述待测用户对应的测试结果;
根据所述测试结果对所述待测用户进行性格分类,获取不同的性格类型样本。
5.如权利要求4所述的方法,其特征在于,所述获取所述待测用户填写所述卡特尔16种人格因素问卷的填写结果,并对所述填写结果进行分析,获取所述待测用户对应的测试结果之后,所述方法还包括:
根据所述测试结果,统计所述卡特尔16种人格因素问卷中各测试试题对应的不同选项被选择的次数;
根据不同选项被选择的次数以及所述待测用户的总数,计算出各测试试题中每个选项的被选概率;
查找是否存在被选概率超过预设被选概率的选项;
当存在被选概率超过所述预设被选概率的选项时,将所述选项对应的测试试题标记为待删除试题;
将所述待删除试题从所述卡特尔16种人格因素问卷中删除,获得目标性格测试问卷。
6.如权利要求5所述的方法,其特征在于,所述获取待评估用户的性格特征信息,具体包括:
展示所述目标性格测试问卷,并提示所述待评估用户对所述目标性格测试问卷进行填写;
对所述待评估用户的填写结果进行分析,获取对应的性格特征信息。
7.如权利要求1所述的方法,其特征在于,所述获取待评估用户的性格特征信息,具体包括:
获取待评估用户的历史投保记录,对所述历史投保记录进行分析,以获取所述待评估用户的性格特性信息。
8.一种基于性格特征的健康风险评估装置,其特征在于,所述装置包括:
信息获取模块,用于获取待评估用户的性格特征信息;
性格判定模块,用于根据所述性格特征信息确定待评估用户对应的性格类型;
映射查找模块,用于在映射关系中查找与所述待评估用户的性格类型对应的健康风险值,所述映射关系中包括各性格类型与健康风险值之间的对应关系;
风险评估模块,用于根据所述健康风险值确定所述待评估用户对应的健康风险等级。
9.一种基于性格特征的健康风险评估设备,其特征在于,所述设备包括: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基于性格特征的健康风险评估程序,所述基于性格特征的健康风险评估程序配置为实现如权利要求1至7中任一项所述的基于性格特征的健康风险评估方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有基于性格特征的健康风险评估程序,所述基于性格特征的健康风险评估程序被处理器执行时实现如权利要求1至7任一项所述的基于性格特征的健康风险评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711133504.0A CN107767959A (zh) | 2017-11-15 | 2017-11-15 | 基于性格特征的健康风险评估方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711133504.0A CN107767959A (zh) | 2017-11-15 | 2017-11-15 | 基于性格特征的健康风险评估方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107767959A true CN107767959A (zh) | 2018-03-06 |
Family
ID=61278911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711133504.0A Pending CN107767959A (zh) | 2017-11-15 | 2017-11-15 | 基于性格特征的健康风险评估方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107767959A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377394A (zh) * | 2018-10-22 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 保险业务数据处理方法、装置及存储介质、计算机设备 |
CN109448847A (zh) * | 2018-09-25 | 2019-03-08 | 深圳立安保险经纪有限公司 | 风险测评方法、装置、计算机设备和存储介质 |
CN109447831A (zh) * | 2018-12-28 | 2019-03-08 | 武汉大学 | 一种基于可穿戴设备的医疗保险合同设计方法 |
CN109598414A (zh) * | 2018-11-13 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 风险评估模型训练、风险评估方法、装置及电子设备 |
CN109785965A (zh) * | 2018-12-13 | 2019-05-21 | 平安医疗健康管理股份有限公司 | 一种健康评估方法、健康评估装置及计算机可读存储介质 |
CN111105316A (zh) * | 2019-11-13 | 2020-05-05 | 泰康保险集团股份有限公司 | 长期护理保险的数据处理方法、装置、介质与电子设备 |
CN111275558A (zh) * | 2020-01-13 | 2020-06-12 | 上海维跃信息科技有限公司 | 用于确定保险数据的方法和装置 |
CN111563471A (zh) * | 2020-05-14 | 2020-08-21 | 杭州海康威视系统技术有限公司 | 一种厂房风险评估方法及装置 |
CN112182371A (zh) * | 2020-09-22 | 2021-01-05 | 珠海中科先进技术研究院有限公司 | 健康管理产品组合及定价方法及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407699A (zh) * | 2016-09-28 | 2017-02-15 | 湖南老码信息科技有限责任公司 | 一种基于增量式神经网络模型的冠心病预测方法和预测系统 |
CN107194174A (zh) * | 2017-05-19 | 2017-09-22 | 白胜西 | 一种健康状况监测方法、系统和存储介质 |
CN107341731A (zh) * | 2016-05-03 | 2017-11-10 | 泰康保险集团股份有限公司 | 保险业务风险评分系统及其构建方法 |
-
2017
- 2017-11-15 CN CN201711133504.0A patent/CN107767959A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341731A (zh) * | 2016-05-03 | 2017-11-10 | 泰康保险集团股份有限公司 | 保险业务风险评分系统及其构建方法 |
CN106407699A (zh) * | 2016-09-28 | 2017-02-15 | 湖南老码信息科技有限责任公司 | 一种基于增量式神经网络模型的冠心病预测方法和预测系统 |
CN107194174A (zh) * | 2017-05-19 | 2017-09-22 | 白胜西 | 一种健康状况监测方法、系统和存储介质 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448847A (zh) * | 2018-09-25 | 2019-03-08 | 深圳立安保险经纪有限公司 | 风险测评方法、装置、计算机设备和存储介质 |
CN109377394A (zh) * | 2018-10-22 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 保险业务数据处理方法、装置及存储介质、计算机设备 |
CN109598414A (zh) * | 2018-11-13 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 风险评估模型训练、风险评估方法、装置及电子设备 |
CN109598414B (zh) * | 2018-11-13 | 2023-04-21 | 创新先进技术有限公司 | 风险评估模型训练、风险评估方法、装置及电子设备 |
CN109785965A (zh) * | 2018-12-13 | 2019-05-21 | 平安医疗健康管理股份有限公司 | 一种健康评估方法、健康评估装置及计算机可读存储介质 |
CN109447831A (zh) * | 2018-12-28 | 2019-03-08 | 武汉大学 | 一种基于可穿戴设备的医疗保险合同设计方法 |
CN111105316A (zh) * | 2019-11-13 | 2020-05-05 | 泰康保险集团股份有限公司 | 长期护理保险的数据处理方法、装置、介质与电子设备 |
CN111275558A (zh) * | 2020-01-13 | 2020-06-12 | 上海维跃信息科技有限公司 | 用于确定保险数据的方法和装置 |
CN111275558B (zh) * | 2020-01-13 | 2024-02-27 | 上海维跃信息科技有限公司 | 用于确定保险数据的方法和装置 |
CN111563471A (zh) * | 2020-05-14 | 2020-08-21 | 杭州海康威视系统技术有限公司 | 一种厂房风险评估方法及装置 |
CN112182371A (zh) * | 2020-09-22 | 2021-01-05 | 珠海中科先进技术研究院有限公司 | 健康管理产品组合及定价方法及介质 |
CN112182371B (zh) * | 2020-09-22 | 2024-05-14 | 珠海中科先进技术研究院有限公司 | 健康管理产品组合及定价方法及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767959A (zh) | 基于性格特征的健康风险评估方法、装置及设备 | |
Šumak et al. | Factors affecting acceptance and use of Moodle: An empirical study based on TAM | |
CN109711424B (zh) | 一种基于决策树的行为规则获取方法、装置及设备 | |
Studer | Does it matter how happiness is measured? Evidence from a randomized controlled experiment | |
Kenny et al. | Drivers of health information privacy concern: a comparison study | |
US20160019803A1 (en) | System, method and computer-accessible medium for scalable testing and evaluation | |
US10790049B2 (en) | Method and system for managing health care patient record data | |
Prakoso et al. | User experience on e-Government online services: a case study on the SIMPATIKA service application at the Ministry of Religious Affairs of Indonesia | |
CN112598184A (zh) | 一种戒毒人员复吸风险预测的方法和装置 | |
Miryam et al. | The effect of social media content on customer engagement and its impact on customer intention | |
Ryan et al. | Using conjoint analysis to elicit the views of health service users: an application to the patient health card | |
CN109670913B (zh) | 为平台的租户提供服务的方法、装置、介质及电子设备 | |
Mourelatos et al. | An investigation of factors affecting the visits of online crowdsourcing and labor platforms | |
Aditya et al. | Success analysis oF kitabisa mobile application information system by using delone and mclean models | |
Kurniawan et al. | Analisis Usability Aplikasi C-Access Commuterline Menggunakan System Usability Scale (Sus) | |
Wu et al. | Examining the incremental impact of long-standing health conditions on subjective well-being alongside the EQ-5D | |
Herrmann et al. | Allais for the poor: Relations to ability, information processing, and risk attitudes | |
Farlian et al. | The Method User Experience Questionnaire Analysis of Identitas Kependudukan Digital Application | |
Wiratma et al. | Remote Usability Testing of Tour Guide Application | |
CN113205270B (zh) | 一种满意度评价表自动生成和评价得分计算的方法及系统 | |
Bimantara et al. | Usability Characteristics Evaluation on Food Delivery Service Applications using ISO/IEC 25010 Quality Model | |
Ferreira | The determinants of promotions and firm separations | |
JP7353695B1 (ja) | 情報提供装置 | |
CN103761439B (zh) | 一种基于物联网的职业紧张评估系统 | |
Patel et al. | Methods for assessing costs of gambling related harms and cost-effectiveness of interventions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180306 |
|
RJ01 | Rejection of invention patent application after publication |