CN108241730A - 核保测试方法、应用服务器及计算机可读存储介质 - Google Patents
核保测试方法、应用服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108241730A CN108241730A CN201710948977.XA CN201710948977A CN108241730A CN 108241730 A CN108241730 A CN 108241730A CN 201710948977 A CN201710948977 A CN 201710948977A CN 108241730 A CN108241730 A CN 108241730A
- Authority
- CN
- China
- Prior art keywords
- core
- channel map
- protects
- parameter
- map
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种核保测试方法,所述方法包括:获取核保配置文件,并根据所述核保配置文件生成通道映射表channel Map;对所述通道映射表channel Map写入入口参数;将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;获取环境信息类;将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;及获取所述深度学习模型输出的核保测试结果。本发明还提供一种应用服务器。本发明提供的应用服务器及核保测试方法提高了公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,在面对大量的公众责任险保单核保任务时,也能快速完成核保任务,降低了核保成本。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种核保测试方法、应用服务器及计算机可读存储介质。
背景技术
在金融保险领域,保险出单一般都包括录单、核保、收费等各个环节,针对保险核保,其是指保险人对投保申请进行审核,决定是否接受承保这一风险,并在接受承保风险的情况下,确定保险费率的过程。在核保过程中,核保人员会按标的物的不同风险类别给予不同的费率,保证业务质量,保证保险经营的稳定性。核保是承保业务中的核心业务,而承保部分又是保险公司控制风险、提高保险资产质量最为关键的一个步骤。另外在核保测试过程中,由于出单渠道多,核保规则多还复杂,且新产品测试周期短,导致测试效率低下。对此,若不提高效率则可能无法完成测试。
发明内容
有鉴于此,本发明提出一种核保测试方法及应用服务器,提高公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,在面对大量的公众责任险保单核保任务时,也能快速完成核保任务,降低了核保成本。
首先,为实现上述目的,本发明提出一种应用服务器,所述应用服务器包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的核保测试程序,所述核保测试程序被所述处理器执行时实现如下步骤:
获取核保配置文件,并根据所述核保配置文件生成通道映射表channel Map;
对所述通道映射表channel Map写入入口参数;
将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;
获取环境信息类;
将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;及
获取所述深度学习模型输出的核保测试结果。
可选地,所述对所述通道映射表channel Map写入入口参数的步骤,具体包括:
通过第一预设规则把所述入口参数写入所述通道映射表channel Map中。
可选地,所述对所述通道映射表channel Map写入入口参数的步骤,具体还包括:
将所述入口参数转变成Map形式。
可选地,所述获取环境信息的步骤,包括:
通过第二预设规则获取所述环境信息类,所述环境信息类包括保单对应险种类别。
可选地,获取所述深度学习模型的步骤,包括:
基于核保测试步骤建立核保测试算法;
挑选多个测算准确的测试样本数据,运行所述核保测试算法;
根据所述核保测试算法计算的结果与样本结果进行比对,获取相对误差;
调整所述核保测试算法参数以最小化所述相对误差;及
当所述相对误差小于预设值时,确定所述核保测试算法为所述深度学习模型。
此外,为实现上述目的,本发明还提供一种核保测试方法,该方法应用于应用服务器,所述方法包括:
获取核保配置文件,并根据所述核保配置文件生成通道映射表channel Map;
对所述通道映射表channel Map写入入口参数;
将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;
获取环境信息类;
将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;及
获取所述深度学习模型输出的核保测试结果。
可选地,所述对所述通道映射表channel Map写入入口参数的步骤,包括:
通过第一预设规则把所述入口参数写入所述通道映射表channel Map中。
可选地,所述对所述通道映射表channel Map写入入口参数的步骤,还包括:
将所述入口参数转变成Map形式。
可选地,所述获取环境信息的步骤,具体包括:
通过第二预设规则获取所述环境信息类,所述环境信息类包括保单对应险种类别。
可选地,获取所述深度学习模型的步骤,包括:
基于核保测试步骤建立核保测试算法;
挑选多个测算准确的测试样本数据,运行所述核保测试算法;
根据所述核保测试算法计算的结果与样本结果进行比对,获取相对误差;
调整所述核保测试算法参数以最小化所述相对误差;及
当所述相对误差小于预设值时,确定所述核保测试算法为所述深度学习模型。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有核保测试程序,所述核保测试程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的核保测试方法的步骤。
相较于现有技术,本发明所提出的应用服务器、核保测试方法及计算机可读存储介质,首先,获取核保配置文件,并根据所述核保配置文件生成通道映射表channel Map;其次,对所述通道映射表channel Map写入入口参数;再次,将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;然后,获取环境信息类,并将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;最后,获取所述深度学习模型输出的核保测试结果。这样,既可以避免现有技术中在核保结果受核保人员的专业水平以及从业经验影响的弊端。又能够提高公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,在面对大量的公众责任险保单核保任务时,也能快速完成核保任务,降低了核保成本,同时也保证了新产品正常下发。
附图说明
图1是应用服务器一可选的硬件架构的示意图;
图2是本发明核保测试程序第一实施例的程序模块图;
图3是本发明核保测试程序第二实施例的程序模块图;
图4为本发明核保测试方法第一实施例的流程图;
图5为本发明核保测试方法第二实施例的流程图;
图6为本发明核保测试方法第三实施例的流程图。
附图标记:
应用服务器 | 1 |
存储器 | 11 |
处理器 | 12 |
网络接口 | 13 |
核保测试程序 | 200 |
第一获取模块 | 201 |
生成模块 | 202 |
信息整合模块 | 203 |
第二获取模块 | 204 |
输入模块 | 205 |
输出模块 | 206 |
计算处理模块 | 207 |
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
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用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参阅图1所示,是应用服务器1一可选的硬件架构的示意图。
所述应用服务器1可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备,该应用服务器1可以是独立的服务器,也可以是多个服务器所组成的服务器集群。
本实施例中,所述应用服务器1可包括,但不仅限于,可通过系统总线相互通信连接存储器11、处理器12、网络接口13。
所述应用服务器1通过网络接口13连接网络,获取资讯。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobilecommunication,GSM)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。
需要指出的是,图1仅示出了具有组件11-13的应用服务器1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器11可以是所述应用服务器1的内部存储单元,例如该应用服务器1的硬盘或内存。在另一些实施例中,所述存储器11也可以是所述应用服务器1的外部存储设备,例如该应用服务器1配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器11还可以既包括所述应用服务器1的内部存储单元也包括其外部存储设备。本实施例中,所述存储器11通常用于存储安装于所述应用服务器1的操作系统和各类应用软件,例如所述核保测试程序200的程序代码等。此外,所述存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述应用服务器1的总体操作,例如执行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据,例如运行所述的核保测试程序200等。
所述网络接口13可包括无线网络接口或有线网络接口,该网络接口13通常用于在所述应用服务器1与其他电子设备之间建立通信连接。
本实施例中,所述应用服务器1内安装并运行有核保测试程序200,当所述核保测试程序200运行时,所述应用服务器1获取核保配置文件,并根据所述核保配置文件生成通道映射表channel Map;对所述通道映射表channel Map写入入口参数;将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;获取环境信息类,并将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;获取所述深度学习模型输出的核保测试结果。这样,既可以避免现有技术中在核保结果受核保人员的专业水平以及从业经验影响的弊端。又能够提高公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,在面对大量的公众责任险保单核保任务时,也能快速完成核保任务,降低了核保成本,同时也保证了新产品正常下发。
至此,己经详细介绍了本发明各个实施例的应用环境和相关设备的硬件结构和功能。下面,将基于上述应用环境和相关设备,提出本发明的各个实施例。
首先,本发明提出一种核保测试程序200。
参阅图2所示,是本发明核保测试程序200第一实施例的程序模块图。
本实施例中,所述的核保测试程序200包括一系列的存储于存储器11上的计算机程序指令,当该计算机程序指令被处理器12执行时,可以实现本发明各实施例的核保的测试操作。在一些实施例中,基于该计算机程序指令各部分所实现的特定的操作,所述核保测试程序200可以被划分为一个或多个模块。例如,在图2中,所述的核保测试程序200可以被分割成第一获取模块201、生成模块202、信息整合模块203、第二获取模块204、输入模块205、及输出模块206。其中:
所述第一获取模块201,用于获取核保配置文件。
具体地,所述核保的配置文件通过Test Date Proc类build Field Code Name的方法获取。所述核保的配置文件包括所述通道映射表channel Map中参数设定规则,可以通过这些参数设定规则自动生成通道映射表。
进一步地,所述核保的配置文件还包括测试环境的连接属性。
所述生成模块202,用于根据所述核保配置文件生成通道映射表channel Map。
所述信息整合模块203,对所述通道映射表channel Map写入入口参数,并将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表。
本实施例中,所述参数列表包括:承保范围、保额、历史赔付率、市场环境信息和商业竞争信息中一种或多种的组合。
具体地,所述信息整合模块203通过第一预设规则把所述入口参数写入所述通道映射表channel Map中。所述信息整合模块203还将所述入口参数转变成Map形式,例如,通过Get Date Map()函数把所述入参转变成Map形式。
本实施例中,所述第一预设规则为:通过Test Save Golden Collar Data ForUndw方法把所述入参写入所述通道映射表channel Map中。
所述第二获取模块204,用于获取环境信息类。
具体地,所述第二获取模块204通过第二预设规则获取所述环境信息类。
本实施例中,所述第二预设规则为:通过EnvConvert().get UWS Context(regioncode)获取所述环境信息类。
另外,所述环境信息类包括保单对应险种类别。例如,重大疾病险,儿童成长险,养老险等等。
所述输入模块205,将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型。
在本实施方式中,获取环境信息类之后,所述第二获取模块204还可以通过GetDbSid(region Code)函数返回对应的UWS数据库名称SID,进而供所述深度学习模型进行数据的调取和处理。
所述输出模块206,获取所述深度学习模型输出的核保测试结果。
具体地,所述输出模块206输出的核保测试结果可以在移动终端的测试客户端进行显示。本实施例中,所述移动终端可以是移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载装置等等的可移动设备,以及诸如数字TV、台式计算机、笔记本、服务器等等的固定终端。
从上文可知,所述应用服务器2的所述第一获取模块201,用于获取核保配置文件;所述生成模块202,用于根据所述核保配置文件生成通道映射表channel Map;所述信息整合模块203,对所述通道映射表channel Map写入入口参数;并将所述通道映射表channelMap中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;所述第二获取模块204,用于获取环境信息类;所述输入模块205,将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;所述输出模块206,获取所述深度学习模型输出的核保测试结果。这样,既可以避免现有技术中在核保结果受核保人员的专业水平以及从业经验影响的弊端。又能够提高公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,在面对大量的公众责任险保单核保任务时,也能快速完成核保任务,降低了核保成本,同时也保证了新产品正常下发。
通过上述程序模块201-206,本发明所提出的核保测试程序200,首先,获取核保配置文件,并根据所述核保配置文件生成通道映射表channel Map;其次,对所述通道映射表channel Map写入入口参数;再次,将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;然后,获取环境信息类,并将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;最后,获取所述深度学习模型输出的核保测试结果。这样,既可以避免现有技术中在核保结果受核保人员的专业水平以及从业经验影响的弊端。又能够提高公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,在面对大量的公众责任险保单核保任务时,也能快速完成核保任务,降低了核保成本,同时也保证了新产品正常下发。
进一步地,基于本发明核保测试程序200的上述第一实施例,提出本发明的第二实施例(如图3所示)。本实施例中,所述核保测试程序200还包括计算处理模块207,其中:
所述计算处理模块207用于:
基于核保测试步骤建立核保测试算法;挑选多个测算准确的测试样本数据,运行所述核保测试算法;根据所述核保测试算法计算的结果与样本结果进行比对,获取相对误差;调整所述核保测试算法参数以最小化所述相对误差;及当所述相对误差小于预设值时,确定所述核保测试算法为所述深度学习模型。
本实施例中,所述预设值由测试人员根据所需要的测试精确程度进行自行设定。
通过上述程序模块207,本发明所提出的核保测试程序200可以建立预先训练好的深度学习模型,这样避免了核保结果受核保人员的专业水平以及从业经验影响的问题,减少了人为输入的出错率,提高了公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,在面对大量的公众责任险保单核保任务时,也能快速完成核保任务,降低了核保成本,同时也保证了新产品正常下发。
此外,本发明还提出一种核保测试方法。
参阅图4所示,是本发明核保测试方法第一实施例的实施流程示意图。在本实施例中,根据不同的需求,图4所示的流程图中的步骤的执行顺序可以改变,某些步骤可以省略。
步骤S401,获取核保配置文件。
具体地,所述核保的配置文件通过Test Date Proc类build Field Code Name的方法获取。所述核保的配置文件包括所述通道映射表channel Map中参数设定规则,可以通过这些参数设定规则自动生成通道映射表。
进一步地,所述核保的配置文件还包括测试环境的连接属性。
步骤S402,根据所述核保配置文件生成通道映射表channel Map。
步骤S403,对所述通道映射表channel Map写入入口参数。
所述对所述通道映射表channel Map写入入口参数的步骤将在本发明核保测试方法第二实施例(图6)中详述。
步骤S404,将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表。
本实施例中,所述参数列表包括:承保范围、保额、历史赔付率、市场环境信息和商业竞争信息中一种或多种的组合。
步骤S405,获取环境信息类。具体地,所述应用服务器1通过EnvConvert().getUWS Context(region code)获取所述环境信息类。
另外,所述环境信息类包括保单对应险种类别。例如,重大疾病险,儿童成长险,养老险等等。
步骤S406,将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型。
其中,获取所述深度学习模型的步骤将在本发明核保测试方法第二实施例(图6)中详述。
在本实施方式中,获取环境信息类之后,所述应用服务器1还可以通过GetDb Sid(region Code)函数返回对应的UWS数据库名称SID,进而供所述深度学习模型进行数据的调取和处理。
步骤S407,获取所述深度学习模型输出的核保测试结果。具体地,输出的核保测试结果可以在移动终端的测试客户端进行显示。本实施例中,所述移动终端可以是移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载装置等等的可移动设备,以及诸如数字TV、台式计算机、笔记本、服务器等等的固定终端。
通过上述步骤S401-407,本发明所提出的核保测试方法,首先,获取核保配置文件,并根据所述核保配置文件生成通道映射表channel Map;其次,对所述通道映射表channel Map写入入口参数;再次,将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;然后,获取环境信息类,并将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;最后,获取所述深度学习模型输出的核保测试结果。这样,既可以避免现有技术中在核保结果受核保人员的专业水平以及从业经验影响的弊端。又能够提高公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,在面对大量的公众责任险保单核保任务时,也能快速完成核保任务,降低了核保成本,同时也保证了新产品正常下发。
基于本发明核保测试方法第一实施例,提出本发明核保测试方法第二实施例。
参阅图5所示,是本发明基于核保测试方法第二实施例的实施流程示意图。在本实施例中,所述对所述通道映射表channel Map写入入口参数的步骤,包括:
步骤S501,通过预设规则把所述入口参数写入所述通道映射表channel Map中。本实施例中,所述预设规则为:通过Test Save Golden Collar Data For Undw方法把所述入参写入所述通道映射表channel Map中。
步骤S502,将所述入口参数转变成Map形式。例如,通过Get Date Map()函数把所述入参转变成Map形式。
通过上述步骤S501-502,本发明所提出的核保测试方法,可以对所述通道映射表channel Map写入入口参数,这样避免了核保结果受核保人员的专业水平以及从业经验影响的问题,减少了人为输入的出错率,提高了公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,在面对大量的公众责任险保单核保任务时,也能快速完成核保任务,降低了核保成本,同时也保证了新产品正常下发。
基于本发明核保测试方法第一及第二实施例,提出本发明核保测试方法第三实施例。
参阅图6所示,是本发明核保测试方法第二实施例的实施流程示意图。在本实施例中,根据不同的需求,图6所示的流程图中的步骤的执行顺序可以改变,某些步骤可以省略。在本实施例中,所述获取所述深度学习模型的步骤,具体包括:
步骤S601,基于核保测试步骤建立核保测试算法。
步骤S602,挑选多个测算准确的测试样本数据,运行所述核保测试算法。
步骤S603,根据所述核保测试算法计算的结果与样本结果进行比对,获取相对误差。
步骤S604,调整所述核保测试算法参数以最小化所述相对误差。所述核保测试算法参数由开发人员预先设置。
步骤S605,当所述相对误差小于预设值时,确定所述核保测试算法为所述深度学习模型。本实施例中,所述预设值由测试人员根据所需要的测试精确程度进行自行设定。
通过上述步骤S601-605,本发明所提出的核保测试方法,可以建立预先训练好的深度学习模型,能够提高公众责任险保单的核保准确率;并且,在保证准确率的前提下大大提升了核保效率,降低了核保成本。
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。
Claims (10)
1.一种核保测试方法,应用于应用服务器,其特征在于,所述方法包括:
获取核保配置文件,并根据所述核保配置文件生成通道映射表channelMap;
对所述通道映射表channel Map写入入口参数;
将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;
获取环境信息类;
将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;及
获取所述深度学习模型输出的核保测试结果。
2.如权利要求1所述的核保测试方法,其特征在于,所述对所述通道映射表channelMap写入入口参数的步骤,包括:
通过第一预设规则把所述入口参数写入所述通道映射表channel Map中。
3.如权利要求1所述的核保测试方法,其特征在于,所述对所述通道映射表channelMap写入入口参数的步骤,还包括:
将所述入口参数转变成Map形式。
4.如权利要求1所述的核保测试方法,其特征在于,所述获取环境信息的步骤,包括:
通过第二预设规则获取所述环境信息类,所述环境信息类包括保单对应险种类别。
5.如权利要求1所述的核保测试方法,其特征在于,获取所述深度学习模型的步骤,包括:
基于核保测试步骤建立核保测试算法;
挑选多个测算准确的测试样本数据,运行所述核保测试算法;
根据所述核保测试算法计算的结果与样本结果进行比对,获取相对误差;
调整所述核保测试算法参数以最小化所述相对误差;及
当所述相对误差小于预设值时,确定所述核保测试算法为所述深度学习模型。
6.一种应用服务器,其特征在于,所述应用服务器包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的核保测试程序,所述核保测试程序被所述处理器执行时实现如下步骤:
获取核保配置文件,并根据所述核保配置文件生成通道映射表channelMap;
对所述通道映射表channel Map写入入口参数;
将所述通道映射表channel Map中的所述入口参数与保单信息表格进行整合以得到Map形式的参数列表;
获取环境信息类;
将所述参数列表和所述环境信息类输入到预先训练好的深度学习模型;及
获取所述深度学习模型输出的核保测试结果。
7.如权利要求1所述的应用服务器,其特征在于,所述对所述通道映射表channel Map写入入口参数的步骤,包括:
通过第一预设规则把所述入口参数写入所述通道映射表channel Map中;及
将所述入口参数转变成Map形式。
8.如权利要求1所述的应用服务器,其特征在于,所述获取环境信息的步骤,包括:
通过第二预设规则获取所述环境信息类,所述环境信息类包括保单对应险种类别。
9.如权利要求1所述的应用服务器,其特征在于,获取所述深度学习模型的步骤,包括:
基于核保测试步骤建立核保测试算法;
挑选多个测算准确的测试样本数据,运行所述核保测试算法;
根据所述核保测试算法计算的结果与样本结果进行比对,获取相对误差;
调整所述核保测试算法参数以最小化所述相对误差;及
当所述相对误差小于预设值时,确定所述核保测试算法为所述深度学习模型。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有核保测试程序,所述核保测试程序可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-5中任一项所述的核保测试方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948977.XA CN108241730A (zh) | 2017-10-12 | 2017-10-12 | 核保测试方法、应用服务器及计算机可读存储介质 |
PCT/CN2018/089349 WO2019071956A1 (zh) | 2017-10-12 | 2018-05-31 | 核保测试方法、应用服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948977.XA CN108241730A (zh) | 2017-10-12 | 2017-10-12 | 核保测试方法、应用服务器及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108241730A true CN108241730A (zh) | 2018-07-03 |
Family
ID=62700309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710948977.XA Pending CN108241730A (zh) | 2017-10-12 | 2017-10-12 | 核保测试方法、应用服务器及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108241730A (zh) |
WO (1) | WO2019071956A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020087364A1 (en) * | 2000-11-07 | 2002-07-04 | Lerner Andrew S. | System and method for enabling real time underwriting of insurance policies |
CN102436629A (zh) * | 2011-05-18 | 2012-05-02 | 深圳市航天星网通讯有限公司 | 基于obd技术为汽车提供车险核保方法 |
CN106600417A (zh) * | 2016-11-09 | 2017-04-26 | 前海企保科技(深圳)有限公司 | 一种财产保险保单的核保方法和装置 |
CN106600419A (zh) * | 2016-11-09 | 2017-04-26 | 前海企保科技(深圳)有限公司 | 一种公众责任险保单的核保方法和装置 |
CN106651588A (zh) * | 2016-11-09 | 2017-05-10 | 前海企保科技(深圳)有限公司 | 一种物流保险保单的核保方法和装置 |
-
2017
- 2017-10-12 CN CN201710948977.XA patent/CN108241730A/zh active Pending
-
2018
- 2018-05-31 WO PCT/CN2018/089349 patent/WO2019071956A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020087364A1 (en) * | 2000-11-07 | 2002-07-04 | Lerner Andrew S. | System and method for enabling real time underwriting of insurance policies |
CN102436629A (zh) * | 2011-05-18 | 2012-05-02 | 深圳市航天星网通讯有限公司 | 基于obd技术为汽车提供车险核保方法 |
CN106600417A (zh) * | 2016-11-09 | 2017-04-26 | 前海企保科技(深圳)有限公司 | 一种财产保险保单的核保方法和装置 |
CN106600419A (zh) * | 2016-11-09 | 2017-04-26 | 前海企保科技(深圳)有限公司 | 一种公众责任险保单的核保方法和装置 |
CN106651588A (zh) * | 2016-11-09 | 2017-05-10 | 前海企保科技(深圳)有限公司 | 一种物流保险保单的核保方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2019071956A1 (zh) | 2019-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107885656A (zh) | 产品算法自动化测试方法及应用服务器 | |
CN109474578A (zh) | 报文消息校验方法、装置、计算机设备和存储介质 | |
CN108062573A (zh) | 模型训练方法及装置 | |
CN109584082A (zh) | 基于区块链的保险理赔方法、电子装置及存储介质 | |
CN107870980B (zh) | 电子装置、账单数据处理方法及计算机存储介质 | |
CN107908656A (zh) | 增加渠道方法、应用服务器及计算机可读存储介质 | |
CN108038655A (zh) | 部门需求的推荐方法、应用服务器及计算机可读存储介质 | |
CN108428104A (zh) | 薪资计算方法、应用服务器及计算机可读存储介质 | |
CN107798341A (zh) | 用户意图预测方法、电子设备及计算机可读存储介质 | |
CN108171069A (zh) | 脱敏方法、应用服务器及计算机可读存储介质 | |
CN109840680A (zh) | 业务请求处理方法、装置、计算机设备和存储介质 | |
CN107689982A (zh) | 多数据源数据同步方法、应用服务器及计算机可读存储介质 | |
CN107908553A (zh) | 关联测试方法、应用服务器及计算机可读存储介质 | |
CN108255701A (zh) | 场景测试方法及移动终端 | |
CN109190873A (zh) | 一种车辆维修技术等级的评估方法和相关设备 | |
CN109543073A (zh) | 企业供销关系图谱生成方法、装置和计算机设备 | |
CN108021621A (zh) | 数据库数据采集方法、应用服务器及计算机可读存储介质 | |
CN107908480A (zh) | 薪资计算方法、应用服务器及计算机可读存储介质 | |
CN109690571A (zh) | 基于学习的组标记系统和方法 | |
CN109739700A (zh) | 一种接口测试方法和装置 | |
CN108256986A (zh) | 基于云计算的薪资计算方法、应用服务器及计算机可读存储介质 | |
CN108803970A (zh) | 场景匹配展示方法及终端设备 | |
CN112561690B (zh) | 信用卡分期业务接口的测试方法、系统、设备及存储介质 | |
CN109684033A (zh) | 云平台裸机管理方法、存储介质、电子设备及系统 | |
CN108428097A (zh) | 自主入司方法、应用服务器及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180703 |