CN109670974A - 一种风险监控方法及装置、电子终端 - Google Patents
一种风险监控方法及装置、电子终端 Download PDFInfo
- Publication number
- CN109670974A CN109670974A CN201811535200.1A CN201811535200A CN109670974A CN 109670974 A CN109670974 A CN 109670974A CN 201811535200 A CN201811535200 A CN 201811535200A CN 109670974 A CN109670974 A CN 109670974A
- Authority
- CN
- China
- Prior art keywords
- insurance
- risk
- risk index
- insurer
- history
- 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
Abstract
本发明实施例提供了一种风险监控方法及装置、电子终端,涉及通信技术领域。本发明实施例通过获取投保人的身份信息;根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据;将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过该风险指数评估模型的处理,得到投保风险指数;判断投保风险指数是否满足预设的允许投保风险值,如果判断出投保风险指数满足预设的允许投保风险值时,在触发执行投保业务流程。因此,本发明实施例提供的技术方案能够通过比较该风险指数以及预设的允许投保风险值,识别投保人投保意图,进而降低骗保行为带来的经济损失。
Description
【技术领域】
本发明涉及计算机领域,尤其涉及一种风险监控方法及装置、电子终端。
【背景技术】
保险是指投保人根据合同约定,向保险人支付保险费,保险人对于合同约定的可能发生的事故因其发生所造成的财产损失承担赔偿保险金责任,或者被保险人死亡、伤残、疾病或者达到合同约定的年龄、期限等条件时承担给付保险金。保险已成为金融体系和社会保障体系的重要支柱。
由于保险能够带来一定的经济影响,为了能够获取可观的保险金,市场上出现了大量的骗保行为,这种行为不仅严重扰乱了保险业的发展进而危及人民所享有的保险福利,而且还会给国家造成重大的经济损失。
因此,如何有效识别投保人的投保意图,以降低骗保行为带来的经济损失,是目前亟待解决的问题。
【发明内容】
有鉴于此,本发明实施例提供了一种风险监控方法及装置、电子终端,能够有效辨别每个投保人的投保风险,降低骗保行为带来的经济损失。
第一方面,本发明实施例提供了一种风险监控方法,所述风险监控方法包括:
获取投保人的身份信息;
根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据;
将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数;
判断所述投保风险指数是否满足预设的允许投保风险值;
若判断出所述投保风险指数满足所述预设的允许投保风险值,执行投保业务流程。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,若判断出所述投保风险指数未满足所述预设的允许投保风险值,所述方法还包括:
判断所述投保风险指数是否满足预设投保待定风险值;
若判断出所述投保风险指数满足所述预设投保待定风险值,对所述投保人的资产信息以及健康信息进行审核;
若判断出所述投保风险指数未满足所述投保待定风险值,输出拒绝投保的提示信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述获取投保人的历史投保数据,包括:
根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据,包括:
向指定服务器发送获取所述投保人多个预设维度历史投保数据的请求消息,所述请求消息中携带有所述投保人身份信息;
接收所述指定服务器发送的与所述投保人身份信息对应的多个预设维度的历史投保数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述
所述根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据,包括:
向预先构建的区块链发送获取所述投保人多个预设维度的历史投保数据的请求消息,所述请求消息中携带有所述投保人身份信息;
接收所述区块链发送的与所述投保人身份信息对应的多个预设维度的历史投保数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,在所述若判断出所述风险等级满足所述预设的允许投保条件,执行投保操作之后,所述方法还包括:
获取本次投保操作对应的投保数据;
将所述投保数据上传至所述区块链。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,
在所述将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数之前,所述方法还包括:
获取多个预设维度的历史投保数据以及与每个预设维度的历史投保数据对应的预设投保风险指数;
以所述多个预设维度的历史投保数据和所述每个预设维度的历史投保数据对应的预设投保风险指数构成训练样本,利用所述训练样本数据以及机器学习算法对原始机器学习模型进行训练,得到所述风险指数评估模型。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,在所述根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据之后,在判断所述投保风险指数是否满足预设的允许投保风险值之前,所述方法还包括:
获取每个预设维度的历史投保数据与其对应权重的乘积,得到风险评估积数;
获取全部所述风险评估积数的平均数,所述平均数作为所述投保风险指数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述多个预设维度的历史投保数据至少包括:历史拒保次数、已投保单数、客户累计最高意外险保额、取得保额对应的事故数据中的多种。
第二方面,本发明实施例还提供了一种风险监控装置,
获取单元,用于获取投保人的身份信息;以及,根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据;
确定单元,用于根据所述将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数;
判断单元,用于判断所述投保风险指数是否满足预设的允许投保风险值;
处理单元,用于若判断出所述投保风险指数满足所述预设的允许投保风险值,执行投保业务流程。
第三方面,本发明实施例还提供了一种电子终端,所述电子终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,所述处理器实现第一方面中任一项所述的风险监控方法。
第四方面,本发明实施例还提供了一种非易失性计算机可读存储介质,其上存储有计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机实现第一方面中任一项所述的风险监控方法。
上述技术方案具有如下有益效果:
本发明提供的技术方案,通过获取投保人多个预设维度的历史投保数据;从而将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数;判断投保风险指数是否满足预设的允许投保风险值,如果判断出投保风险指数满足预设的允许投保风险值时,在触发执行投保业务流程,这样一来,用户在投保之前,综合考虑投保人多个预设维度的历史投保数据,评估本次投保的风险指数,通过比较该风险指数以及预设的允许投保风险值,识别投保人投保意图,加强了对用户投保行为的风险把控力度,进而降低保险行业中的骗保率,以降低骗保行为带来的经济损失。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例所提供的一种风险监控方法的流程示意图;
图2是本发明实施例所提供的另一种风险监控方法的流程示意图;
图3是本发明实施例所提供的一种风险监控装置的功能方框图;
图4是本发明实施例所提供的一种电子终端的结构组成图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
本发明实施例给出一种风险监控方法。
具体的,请参考图1,其为本发明实施例所提供的方法的流程示意图,如图所示,该方法包括以下步骤:
100、获取投保人的身份信息。
其中,投保人的身份信息可以包括但不限于:姓名、年龄、性别、家庭住址、身份证号、护照号、暂住证编号等。
其中,上述这些信息可以是相关工作员通过线下或线上与投保人沟通获得,然后通过鼠标、键盘等外部输入设备输入到执行该方法的服务器或终端中的;或者,执行该方法的服务器或终端通过语音识别功能识别出这些信息,并录入存储;或者,上述这些信息,还可以通过投保人的保单信息中获得,利用“姓名、年龄、性别、身份证号”等关键字信息,从投保人的保单中提取对应的身份信息。本发明对于获取投保人的身份信息的方式不做具体限定。
102、根据该身份信息,从预设数据库中获取该投保人多个预设维度的历史投保数据。
本发明中涉及的多个预设维度的历史投保数据可以包括但不限于:历史拒保次数、已投保单数、客户累计最高意外险保额、取得保额对应的事故数据。
另外,预设数据库包括许多人的多个预设维度的历史投保数据,利用身份信息作为查询的依据,能够从预设数据中的大量数据中快速地查找到需要多个预设维度的的历史投保数据,节省查找时间,进而节省整个方法的执行时间。
104、将获得的多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过该风险指数评估模型的处理,得到投保风险指数。
其中,为了能够从多个维度评估投保风险,对这些多个预设维度的历史投保数据做进一步处理,将其转换成能够直观反映投保风险的投保风险指数,从而后续在判断该投保人是否可以投保时,只需要使用投保风险指数即可实现从多个方面了解该投保人的投保风险。
具体的,在实现将获得的多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过该风险指数评估模型的处理,得到投保风险指数之前,需要先建立该风险指数评估模型。
该风险指数评估模型是利用机器学习算法,经过对标记样本数据进行机器学习算法处理得到的。其中,建立该风险指数评估模型所使用的机器学习算法可以为回归算法、随机森林决策树算法、卷积神经网络学习算法、支持向量机等算法中的一种,本发明对于风险指数评估模型使用的机器学习算法不做限定。
为例能够更清楚的理解风险指数评估模型的建立,下面以深度学习算法为例,具体说明风险指数评估模型的建立过程:
首先,利用大数据技术获取大量投保人的多个预设维度的历史投保数据作为样本投保数据,并且为这些样本投保数据标定风险指数,并将得到的样本投保数据作为输入训练样本数据,将标定的风险指数确定为输出训练样本数据;其次,在得到输入训练样本数据和输出样本数据之后,将输入训练样本数据和输出样本数据作向量化处理,得到输入训练样本数据对应的输入特征向量,和输出样本数据对应的基准特征向量值;然后,将输入特征向量和基准特征向量输入到初始深度学习网络模型中进行学习训练,得到风险指数评估模型。
其中,上述各个维度的投保数据是预估投保人投保行为意图的主要判断依据,因此,保证投保人的历史投保的全面和准确性是准确确定投保人投保行为意图的根本所在,利用大数据技术多个投保数据库打通,从而相对全面地获取大量的原始数据,以丰富输入训练样本数据;另外,在得到原始数据后,利用再大数据技术对得到的所有原始数据进行清洗的处理,通过检测原始数据的一致性问题、缺失性问题等,去掉这些原始数据中的错误数据、重复数据以及不完整数据,从而得到作为输入训练样本数据的多个预设维度的历史投保数据。
其中,上述初始深度学习网络模型对输入特征向量传输深度学习网络的神经元中,利用神经元中的激活函数进行加权求和处理,得到输出值,然后,比较该输出值与基准特征向量值,若两者之间的差值在预设范围内,则结束训练学习,得到该风险指数评估模型;若两者之间的差值不在预设范围内,则调整激活函数中的参数,并利用调整后激活函数继续进行训练处理,直到输出值与基准特征向量值之间的误差满足要求。
其中,建立的风险指数评估模型包括输入层、隐藏层、输出层。输入层用于接收投保人多个预设维度的历史投保数对应的输入向量;隐藏层是输入层和输出层之间的连接,也称中间层,该隐藏层主要用于对输入层中的历史投保数进行分析、权衡等处理,得到处理结果,从而将处理结构输入到输出层;输出层用于对于隐藏层输入的处理结果形成输出结果并输出。
106、判断所述投保风险指数是否满足预设的允许投保风险值。
具体的,预设的允许投保风险值为一个范围值,如果得到的投保风险指数在该范围内,则表明该投保风险指数满足预设的允许投保风险值,该投保人可以投保;如果得到的投保风险指数不在该范围内,则表明该投保风险指数不满足预设的允许投保风险值,该投保人意图不是很明确,需要进一步确定或者直接拒绝投保。
108、若判断出所述投保风险指数满足所述预设的允许投保风险值,执行投保业务流程。
本发明提供的技术方案,通过获取投保人多个预设维度的历史投保数据;从而将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数;判断投保风险指数是否满足预设的允许投保风险值,如果判断出投保风险指数满足预设的允许投保风险值时,在触发执行投保业务流程,这样一来,用户在投保之前,综合考虑投保人多个预设维度的历史投保数据,评估本次投保的风险指数,通过比较该风险指数以及预设的允许投保风险值,识别投保人投保意图,加强了对用户投保行为的风险把控力度,进而降低保险行业中的骗保率,以降低骗保行为带来的经济损失。
进一步地,为了能够简化风险监控方法整体实现过程,针对于投保风险指数的获取前,可以先分别为每个预设维度的投保数据设置权重,从而,在计算投保风险指数时,就可以获取每个预设维度的历史投保数据与其对应权重的乘积,得到风险评估积数;获取全部所述风险评估积数的平均数,所述平均数作为所述投保风险指数。例如,预设维度的投保数据包括历史拒保次数、已投保单数、客户累计最高意外险保额这几个维度,其中,历史拒保次数X1、已投保单数X2、客户累计最高意外险保额X3分别对应的权重为q1=0.2、q2=0.4、q3=0.4;从而,投保风险指数Y=(X1*q1+X2*q2+X3*q3)/3。
进一步的,基于上述实现过程,为了能够挖掘潜在的投保用户,以保证用户成功投保的投保率,基于此,本发明进一步给出一种实现方式,其流程图如图2所示,当判断出投保风险指数未满足所述预设的允许投保风险值时,还需要执行:
109、判断所述投保风险指数是否满足预设投保待定风险值。
110、若判断出所述投保风险指数满足所述预设投保待定风险值,对所述投保人的资产信息以及健康信息进行审核。
111、若判断出所述投保风险指数未满足所述投保待定风险值,输出拒绝投保的提示信息。
补充说明的是,通过设置预设投保待定风险值,判断投保人的投保风险指数是否满足预设投保待定风险值,从而进一步从不满足预设的允许投保风险值的投保人筛选出投保风险指数较低的潜在投保人,以及,投保风险指数较高的危险投保人,对于投保风险指数较低的潜在投保人通过确定资产信息以及健康信息,进一步确定是否可以投保;对于投保风险指数较高的危险投保人,直接拒绝投保,这样一来,在保证不会错过潜在投保人的订单的前提下,减少对审核部分投保人资产信息以及健康信息的过程。
进一步的,针对于步骤102根据该身份信息,从预设数据库中获取该投保人多个预设维度的历史投保数据的实现,提供的了两种实现方式,一种为:向指定服务器发送获取投保人多个预设维度的历史投保数据的请求消息,请求消息中携带有所述投保人身份信息,从而该指定服务器可以根据该投保人身份信息查找该投保人的多个预设维度的历史投保数据,并发送多个预设维度的历史投保数据,然后,执行风险监控方法的服务器或终端接收所述指定服务器发送的与所述投保人身份信息对应的多个预设维度的历史投保数据。具体的,该指定服务器为共享云服务器,其上存储有从多家保险公司获取到的客户的多个预设维度的历史投保数据。
进一步的,针对步骤102根据该身份信息,从预设数据库中获取该投保人多个预设维度的历史投保数据实现的,还可以与区块链技术结合。其中,区块链技术是利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算方式。区块链中的分布式节点和共识算法机制使得区块链具有去中心化、自治性、开放性、信息可追溯以及不可篡改的特性,结合区块链技术实现多个预设维度的历史投保数据的获取,能够有效保证得到的多个预设维度的历史投保数据真实准确,从而也就保证了基于多个预设维度的历史投保数据得到的投保风险指数的准确性。
具体的,基于区块链技术实现投保人的多个预设维度的历史投保数据获取的方式可以为:首先,向预先构建的区块链发送获取投保人多个预设维度的历史投保数据的请求消息,其中,该请求消息中携带有该投保人身份信息;然后,接收该区块链发送的与该投保人身份信息对应的多个预设维度的历史投保数据。
其中,上述预先构建的区块链可以是包括各个保险机构、金融机构,以及,个人的公有区块链;或者,还可以是包括各个保险机构、金融机构的行业联盟区块链。下面以行业联盟区块链为例,详细说明投保人的多个预设维度的历史投保数据的获取过程:执行获取多个预设维度的历史投保数据的源节点(该源节点为该行业联盟区块链上的任一节点)向该行业联盟区块链上的其他节点广播该获取多个预设维度的历史投保数据的请求消息,其他节点在接收到该请求消息后,先对进行身份验证,待验证该请求消息为上述源节点后,这些节点再根据请求消息中携带有该投保人身份信息,查找与该身份信息对应的投保数据,并将该投保数据进行加密处理,从而加密处理后的多个预设维度的历史投保数据发送给源节点,源节点接收到该加密处理后的历史投保数据后,对其进行解密处理,以得到与该投保人身份信息对应的历史投保数据。其中,解密处理可以包括两次解密过程:第一次解密,利用上述其他节点的公有钥匙,验证得到的加密处理后的多个预设维度的历史投保数据是否为该行业联盟区块链上的节点发送的;第二次解密为:在确定其是该行业联盟区块链上的节点发送之后,利用源节点的私有钥匙进行解密,进一步确定加密处理后的多个预设维度的历史投保数据是否是发送给该源节点的。
结合上述利用区块链技术获取投保人的多个预设维度的历史投保数据的实现方案,在确定该投保人本次可以投保,并对该投保人本次投保进行相关投保操作之后,还可以将该投保人本次投保数据上传都该预先构建的区块链中进行保证,为后续实现确定投保人的投保风险指数时,提供更加丰富的多个预设维度的历史投保数据,从而在一定程度上得到的投保风险指数的准确性,在步骤108若判断出所述风险等级满足所述预设的允许投保条件,执行投保操作之后,还可以执行:获取本次投保操作对应的投保数据;然后,将所述投保数据上传至所述区块链。
进一步来说,为了避免投保数据在上传至区块链的过程中被非法篡改,保证投保数据在上传至区块链的过程的安全性,在获取本次投保操作对应的投保数据之后,可以对本次的投保数据利用该源节点的私钥进行加密处理,在加密处理完成之后,将加密处理后的本次投保数据打包成区块,并对该区块进行时间戳和存在性证明处理,然后,将经过时间戳和存在性证明处理的区块上传至区块链。如此以来,就可以保证上传至区块链的真实性和唯一性。
需要说明的是,本发明实施例中所涉及的终端可以包括但不限于个人计算机(Personal Computer,PC)、个人数字助理(Personal Digital Assistant,PDA)、无线手持设备、平板电脑(Tablet Computer)、手机等。
需要说明的是,上述实施例的执行主体可以为风险监控装置,该装置可以位于本地终端的应用,或者还可以为位于本地终端的应用中的插件或软件开发工具包(SoftwareDevelopment Kit,SDK)等功能单元,本发明实施例对此不进行特别限定。
可以理解的是,所述应用可以是安装在终端上的应用程序(nativeApp),或者还可以是终端上的浏览器的一个网页程序(webApp),本发明实施例对此不进行限定。
基于上述实施例所提供的风险监控方法,本发明实施例进一步给出实现上述方法实施例中各步骤及方法的风险监控装置实施例。
请参考图3,其为本发明实施例所提供的风险监控装置的功能方块图。如图3所示,该装置包括:获取单元21,确定单元22,判断单元23,处理单元24。其中,获取单元21,用于获取投保人的身份信息以及根据该身份信息,从预设数据库中获取该投保人多个预设维度的历史投保数据,其中,该多个预设维度的历史投保数据可以包括但不限于:历史拒保次数、已投保单数、客户累计最高意外险保额、取得保额对应的事故数据中的多种;确定单元22,用于将获得的多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过该风险指数评估模型的处理,得到投保风险指数;判断单元23,用于判断所述投保风险指数是否满足预设的允许投保风险值;处理单元24,用于若判断出所述投保风险指数满足所述预设的允许投保风险值,执行投保业务流程。
具体的,该风险指数评估模型为实现建立的模型,该风险指数评估模型建立为:获取每个用户的投保数据以及与每个用户的投保数据对应的预设投保风险指数;以每个用户的投保数据和预设投保风险指数构成训练样本,利用该训练样本数据以及机器学习算法对原始机器学习模型进行训练,得到所述风险指数评估模型。
或者,为了能够简化风险监控方法整体实现过程,针对于投保风险指数的获取前,可以先分别为每个预设维度的投保数据设置权重,从而,在确定单元22计算投保风险指数时,就可以获取每个预设维度的历史投保数据与其对应权重的乘积,得到风险评估积数;获取全部所述风险评估积数的平均数,所述平均数作为所述投保风险指数。例如,预设维度的投保数据包括历史拒保次数、已投保单数、客户累计最高意外险保额这几个维度,其中,历史拒保次数X1、已投保单数X2、客户累计最高意外险保额X3分别对应的权重为q1=0.2、q2=0.4、q3=0.4;从而,投保风险指数Y=(X1*q1+X2*q2+X3*q3)/3。
在一个实施例中,为了避免错失一些潜在的投保用户,当判断出该投保风险指数未满足所述预设的允许投保风险值时,不会直接拒绝该投保人的本次投保,而是在进一步确定该投保人是否为潜在的投保用户,如果确定该投保人为潜在投保用户时,在通过获取该投保人的更多信息,以确定该投保人本次是否可以投保。具体的,当判断单元23判断出该投保风险指数未满足所述预设的允许投保风险值时,该判断单元23进一步判断该投保风险指数是否满足预设投保待定风险值;若判断出该投保风险指数满足预设投保待定风险值,处理单元24对所述投保人的资产信息以及健康信息进行审核;若判断出所述投保风险指数未满足所述投保待定风险值,处理单元24输出拒绝投保的提示信息。
在一个实施例中,获取单元21用于根据该身份信息,从预设数据库中获取该投保人多个预设维度的历史投保数据,具体可以执行:首先,向指定服务器发送获取投保人多个预设维度历史投保数据的请求消息,请求消息中携带有所述投保人身份信息;然后,接收所述指定服务器发送的与所述投保人身份信息对应的多个预设维度的历史投保数据。其中,该指定服务器中存储有投保人的投保数据。为了保证得到的投保数据准确全面,该指定服务器可以是共享云服务器,该共享云服务器上存储有从多家保险公司获取到的客户的多个预设维度的历史投保数据。
在另一个实施例中,获取单元21用于获取投保人的多个预设维度的历史投保数据,具体还可以执行:向预先构建的区块链发送获取投保人多个预设维度的历史投保数据的请求消息,所述请求消息中携带有所述投保人身份信息;接收该区块链发送的与该投保人身份信息对应的多个预设维度的历史投保数据。
具体的,结合上述利用区块链技术获取投保人的多个预设维度的历史投保数据的实现方案,在确定该投保人本次可以投保,并对该投保人本次投保进行相关投保操作之后,还可以将该投保人本次投保数据上传都该预先构建的区块链中进行保证,为后续实现确定投保人的投保风险指数时,提供更加丰富的多个预设维度的历史投保数据,从而在一定程度上得到的投保风险指数的准确性。基于此,在判断单元23判断出所述风险等级满足所述预设的允许投保条件时,处理单元24执行投保操作之后,获取单元21,还需要用于获取本次投保操作对应的投保数据;处理单元24,需要用于将所述投保数据上传至所述区块链。
由于本实施例中的各单元能够执行上述所示风险监控方法,本实施例未详细描述的部分,可参考对上述风险监控方法的相关说明。
本发明实施例的技术方案具有以下有益效果:
本发明提供的技术方案,通过获取投保人多个预设维度的历史投保数据;从而将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数;判断投保风险指数是否满足预设的允许投保风险值,如果判断出投保风险指数满足预设的允许投保风险值时,在触发执行投保业务流程,这样一来,用户在投保之前,综合考虑投保人多个预设维度的历史投保数据,评估本次投保的风险指数,通过比较该风险指数以及预设的允许投保风险值,识别投保人投保意图,加强了对用户投保行为的风险把控力度,进而降低保险行业中的骗保率,以降低骗保行为带来的经济损失。
基于上述实施例所提供的风险监控方法,本发明实施例进一步给出实现上述方法实施例中各步骤及方法的电子终端实施例。
请参考图4,其为本发明实施例所提供的电子终端的功能方块图。如图4所示,该电子终端包括:包括存储器31、处理器32以及存储在存储器31中并可在处理器32上运行的计算机程序,处理器32执行计算机程序时,
处理器32用于获取投保人的身份信息,以及,根据该身份信息,从预设数据库中获取该投保人多个预设维度的历史投保数据,其中,该多个预设维度的历史投保数据可以包括但不限于:历史拒保次数、已投保单数、客户累计最高意外险保额、取得保额对应的事故数据中的多种;以及,用于将获得的多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过该风险指数评估模型的处理,得到投保风险指数;以及,用于判断所述投保风险指数是否满足预设的允许投保风险值;以及,用于若判断出所述投保风险指数满足所述预设的允许投保风险值,执行投保业务流程。
具体的,为了能够从多个维度评估投保风险,为了能够直观地从多个方面了解该投保人的投保风险,处理器32在执行根据所述多个预设维度的历史投保数据,确定与所述投保人对应的投保风险指数,可以执行以下操作:将获得的多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过该风险指数评估模型的处理,得到投保风险指数。其中,该风险指数评估模型为实现建立的模型,该风险指数评估模型建立为:获取每个用户的投保数据以及与每个用户的投保数据对应的预设投保风险指数;以每个用户的投保数据和预设投保风险指数构成训练样本,利用该训练样本数据以及机器学习算法对原始机器学习模型进行训练,得到所述风险指数评估模型。
或者,为了能够简化风险监控方法整体实现过程,针对于投保风险指数的获取前,可以先分别为每个预设维度的投保数据设置权重,从而,在处理器32计算投保风险指数时,就可以获取每个预设维度的历史投保数据与其对应权重的乘积,得到风险评估积数;获取全部所述风险评估积数的平均数,所述平均数作为所述投保风险指数。例如,预设维度的投保数据包括历史拒保次数、已投保单数、客户累计最高意外险保额这几个维度,其中,历史拒保次数X1、已投保单数X2、客户累计最高意外险保额X3分别对应的权重为q1=0.2、q2=0.4、q3=0.4;从而,投保风险指数Y=(X1*q1+X2*q2+X3*q3)/3。
在一个实施例中,为了避免错失一些潜在的投保用户,当判断出该投保风险指数未满足所述预设的允许投保风险值时,不会直接拒绝该投保人的本次投保,而是在进一步确定该投保人是否为潜在的投保用户,如果确定该投保人为潜在投保用户时,在通过获取该投保人的更多信息,以确定该投保人本次是否可以投保。具体的,当处理器32判断出该投保风险指数未满足所述预设的允许投保风险值时,该处理器32进一步判断该投保风险指数是否满足预设投保待定风险值;若判断出该投保风险指数满足预设投保待定风险值,对所述投保人的资产信息以及健康信息进行审核;若判断出所述投保风险指数未满足所述投保待定风险值,输出拒绝投保的提示信息。
在一个实施例中,处理器32用于根据该身份信息,从预设数据库中获取该投保人多个预设维度的历史投保数据,具体可以执行:首先,向指定服务器发送获取投保人多个预设维度历史投保数据的请求消息,请求消息中携带有所述投保人身份信息;然后,接收所述指定服务器发送的与所述投保人身份信息对应的多个预设维度的历史投保数据。其中,该指定服务器中存储有投保人的投保数据。为了保证得到的投保数据准确全面,该指定服务器可以是共享云服务器,该共享云服务器上存储有从多家保险公司获取到的客户的多个预设维度的历史投保数据。
在另一个实施例中,处理器32用于向预先构建的区块链发送获取投保人多个预设维度的历史投保数据的请求消息,所述请求消息中携带有所述投保人身份信息;接收该区块链发送的与该投保人身份信息对应的多个预设维度的历史投保数据。
具体的,结合上述利用区块链技术获取投保人的多个预设维度的历史投保数据的实现方案,在确定该投保人本次可以投保,并对该投保人本次投保进行相关投保操作之后,还可以将该投保人本次投保数据上传至该预先构建的区块链中进行保证,为后续实现确定投保人的投保风险指数时,提供更加丰富的多个预设维度的历史投保数据,从而在一定程度上得到的投保风险指数的准确性。基于此,在处理器32判断出所述风险等级满足所述预设的允许投保条件时,处理器32执行投保操作之后,还需要用于获取本次投保操作对应的投保数据;以及,需要用于将所述投保数据上传至所述区块链。
本发明提供了一种非易失性计算机可读存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述任一项风险监控方法。
本发明提供的技术方案,通过获取投保人多个预设维度的历史投保数据;从而将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数;判断投保风险指数是否满足预设的允许投保风险值,如果判断出投保风险指数满足预设的允许投保风险值时,在触发执行投保业务流程,这样一来,用户在投保之前,综合考虑投保人多个预设维度的历史投保数据,评估本次投保的风险指数,通过比较该风险指数以及预设的允许投保风险值,识别投保人投保意图,加强了对用户投保行为的风险把控力度,进而降低保险行业中的骗保率,以降低骗保行为带来的经济损失。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种风险监控方法,其特征在于,所述风险监控方法包括:
获取投保人的身份信息;
根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据;
将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数;
判断所述投保风险指数是否满足预设的允许投保风险值;
若判断出所述投保风险指数满足所述预设的允许投保风险值,执行投保业务流程。
2.根据权利要求1所述的方法,其特征在于,若判断出所述投保风险指数未满足所述预设的允许投保风险值,所述方法还包括:
判断所述投保风险指数是否满足预设投保待定风险值;
若判断出所述投保风险指数满足所述预设投保待定风险值,对所述投保人的资产信息以及健康信息进行审核;
若判断出所述投保风险指数未满足所述投保待定风险值,输出拒绝投保的提示信息。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据,包括:
向指定服务器发送获取所述投保人多个预设维度历史投保数据的请求消息,所述请求消息中携带有所述投保人身份信息;
接收所述指定服务器发送的与所述投保人身份信息对应的多个预设维度的历史投保数据。
4.根据权利要求1或2所述的方法,其特征在于,所述根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据,包括:
向预先构建的区块链发送获取所述投保人多个预设维度的历史投保数据的请求消息,所述请求消息中携带有所述投保人身份信息;
接收所述区块链发送的与所述投保人身份信息对应的多个预设维度的历史投保数据。
5.根据权利要求4所述的方法,其特征在于,在所述若判断出所述风险等级满足所述预设的允许投保条件,执行投保操作之后,所述方法还包括:
获取本次投保操作对应的投保数据;
将所述投保数据上传至所述区块链。
6.根据权利要求1所述的方法,其特征在于,在所述将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数之前,所述方法还包括:
获取多个预设维度的历史投保数据以及与每个预设维度的历史投保数据对应的预设投保风险指数;
以所述多个预设维度的历史投保数据和所述每个预设维度的历史投保数据对应的预设投保风险指数构成训练样本,利用所述训练样本数据以及机器学习算法对原始机器学习模型进行训练,得到所述风险指数评估模型。
7.根据权利要求1所述的方法,其特征在于,在所述根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据之后,在判断所述投保风险指数是否满足预设的允许投保风险值之前,所述方法还包括:
获取每个预设维度的历史投保数据与其对应权重的乘积,得到风险评估积数;
获取全部所述风险评估积数的平均数,所述平均数作为所述投保风险指数。
8.根据权利要求1所述的方法,其特征在于,所述多个预设维度的历史投保数据至少包括:历史拒保次数、已投保单数、客户累计最高意外险保额、取得保额对应的事故数据中的多种。
9.一种风险监控装置,其特征在于,所述风险监控装置包括:
获取单元,用于获取投保人的身份信息;以及,根据所述身份信息,从预设数据库中获取所述投保人多个预设维度的历史投保数据;
确定单元,用于将获得的所述多个预设维度的历史投保数据输入到经过机器学习得到的风险指数评估模型中,通过所述风险指数评估模型的处理,得到投保风险指数;
判断单元,用于判断所述投保风险指数是否满足预设的允许投保风险值;
处理单元,用于若判断出所述投保风险指数满足所述预设的允许投保风险值,执行投保业务流程。
10.一种电子终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,所述处理器实现如权利要求1-8任一项所述的风险监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811535200.1A CN109670974A (zh) | 2018-12-14 | 2018-12-14 | 一种风险监控方法及装置、电子终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811535200.1A CN109670974A (zh) | 2018-12-14 | 2018-12-14 | 一种风险监控方法及装置、电子终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109670974A true CN109670974A (zh) | 2019-04-23 |
Family
ID=66144830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811535200.1A Pending CN109670974A (zh) | 2018-12-14 | 2018-12-14 | 一种风险监控方法及装置、电子终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109670974A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288488A (zh) * | 2019-06-24 | 2019-09-27 | 泰康保险集团股份有限公司 | 医疗险欺诈预测方法、装置、设备和可读存储介质 |
CN110400219A (zh) * | 2019-06-14 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 业务处理方法及系统、交易监控方法及系统 |
CN110555779A (zh) * | 2019-07-25 | 2019-12-10 | 深圳壹账通智能科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN110706117A (zh) * | 2019-08-22 | 2020-01-17 | 中国平安财产保险股份有限公司 | 业务处理方法、装置、计算机装置及存储介质 |
CN111652746A (zh) * | 2020-05-29 | 2020-09-11 | 泰康保险集团股份有限公司 | 信息生成方法、装置、电子设备及存储介质 |
CN111681118A (zh) * | 2020-05-29 | 2020-09-18 | 泰康保险集团股份有限公司 | 一种数据处理方法及装置 |
CN113379212A (zh) * | 2021-05-31 | 2021-09-10 | 交通运输信息安全中心有限公司 | 基于区块链的物流信息平台违约风险评估方法、装置、设备及介质 |
WO2022121217A1 (zh) * | 2020-12-07 | 2022-06-16 | 平安科技(深圳)有限公司 | 额度预测方法、设备及计算机可读存储介质 |
TWI829984B (zh) * | 2020-12-08 | 2024-01-21 | 國泰人壽保險股份有限公司 | 建構保單風險評估模型的方法及電腦系統 |
WO2024066036A1 (zh) * | 2022-09-27 | 2024-04-04 | 深圳先进技术研究院 | 一种基于安全管理措施和保函的投保人推荐方法 |
CN110400219B (zh) * | 2019-06-14 | 2024-05-17 | 创新先进技术有限公司 | 业务处理方法及系统、交易监控方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600414A (zh) * | 2015-10-19 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种业务处理方法和装置 |
CN107657376A (zh) * | 2017-09-26 | 2018-02-02 | 武汉默联股份有限公司 | 商业健康保险骗保风险控制系统及方法 |
CN108830732A (zh) * | 2018-04-28 | 2018-11-16 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的预防保险欺诈的方法及系统 |
CN108921707A (zh) * | 2018-06-05 | 2018-11-30 | 中国平安人寿保险股份有限公司 | 核保处理方法、装置、计算机设备和存储介质 |
CN108921709A (zh) * | 2018-06-06 | 2018-11-30 | 平安科技(深圳)有限公司 | 高保额预警方法、装置、计算机设备及存储介质 |
-
2018
- 2018-12-14 CN CN201811535200.1A patent/CN109670974A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600414A (zh) * | 2015-10-19 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种业务处理方法和装置 |
CN107657376A (zh) * | 2017-09-26 | 2018-02-02 | 武汉默联股份有限公司 | 商业健康保险骗保风险控制系统及方法 |
CN108830732A (zh) * | 2018-04-28 | 2018-11-16 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的预防保险欺诈的方法及系统 |
CN108921707A (zh) * | 2018-06-05 | 2018-11-30 | 中国平安人寿保险股份有限公司 | 核保处理方法、装置、计算机设备和存储介质 |
CN108921709A (zh) * | 2018-06-06 | 2018-11-30 | 平安科技(深圳)有限公司 | 高保额预警方法、装置、计算机设备及存储介质 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400219A (zh) * | 2019-06-14 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 业务处理方法及系统、交易监控方法及系统 |
CN110400219B (zh) * | 2019-06-14 | 2024-05-17 | 创新先进技术有限公司 | 业务处理方法及系统、交易监控方法及系统 |
CN110288488A (zh) * | 2019-06-24 | 2019-09-27 | 泰康保险集团股份有限公司 | 医疗险欺诈预测方法、装置、设备和可读存储介质 |
CN110555779A (zh) * | 2019-07-25 | 2019-12-10 | 深圳壹账通智能科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN110706117A (zh) * | 2019-08-22 | 2020-01-17 | 中国平安财产保险股份有限公司 | 业务处理方法、装置、计算机装置及存储介质 |
CN111681118B (zh) * | 2020-05-29 | 2024-03-15 | 泰康保险集团股份有限公司 | 一种数据处理方法及装置 |
CN111652746A (zh) * | 2020-05-29 | 2020-09-11 | 泰康保险集团股份有限公司 | 信息生成方法、装置、电子设备及存储介质 |
CN111681118A (zh) * | 2020-05-29 | 2020-09-18 | 泰康保险集团股份有限公司 | 一种数据处理方法及装置 |
CN111652746B (zh) * | 2020-05-29 | 2023-08-29 | 泰康保险集团股份有限公司 | 信息生成方法、装置、电子设备及存储介质 |
WO2022121217A1 (zh) * | 2020-12-07 | 2022-06-16 | 平安科技(深圳)有限公司 | 额度预测方法、设备及计算机可读存储介质 |
TWI829984B (zh) * | 2020-12-08 | 2024-01-21 | 國泰人壽保險股份有限公司 | 建構保單風險評估模型的方法及電腦系統 |
CN113379212A (zh) * | 2021-05-31 | 2021-09-10 | 交通运输信息安全中心有限公司 | 基于区块链的物流信息平台违约风险评估方法、装置、设备及介质 |
WO2024066036A1 (zh) * | 2022-09-27 | 2024-04-04 | 深圳先进技术研究院 | 一种基于安全管理措施和保函的投保人推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670974A (zh) | 一种风险监控方法及装置、电子终端 | |
CN105262779B (zh) | 身份认证方法、装置及系统 | |
CN106549974B (zh) | 预测社交网络账户是否恶意的设备、方法及系统 | |
CN104811428B (zh) | 利用社交关系数据验证客户端身份的方法、装置及系统 | |
US20180033010A1 (en) | System and method of identifying suspicious user behavior in a user's interaction with various banking services | |
CN109242481A (zh) | 基于区块链查询质押信息方法、装置及计算机设备 | |
CN108418777A (zh) | 一种钓鱼邮件检测方法、装置及系统 | |
CN110163008B (zh) | 一种部署的加密模型的安全性审计的方法和系统 | |
CN106101092A (zh) | 一种信息评估处理方法及第一实体 | |
US10965574B2 (en) | Apparatus, computer program and method | |
CN111652732A (zh) | 一种基于交易图匹配的比特币异常交易实体识别方法 | |
CN112685774B (zh) | 基于大数据和区块链金融的支付数据处理方法及云服务器 | |
CN110163739A (zh) | 支付申诉方法、装置、服务器及可读存储介质 | |
CN113011632A (zh) | 企业风险评估方法、装置、设备及计算机可读存储介质 | |
Coppolino et al. | Use of the Dempster–Shafer theory to detect account takeovers in mobile money transfer services | |
CN106127463A (zh) | 一种转账控制方法及终端设备 | |
CN110347566A (zh) | 用于对注册风控模型进行效能评估的方法及装置 | |
CN111105064B (zh) | 确定欺诈事件的嫌疑信息的方法及装置 | |
CN107294981B (zh) | 一种认证的方法和设备 | |
CN107995616A (zh) | 用户行为数据的处理方法以及装置 | |
CN109871514B (zh) | 一种数据处理方法、装置及存储介质 | |
EP2357596A1 (en) | Secure online order confirmation method | |
CN112085590A (zh) | 规则模型的安全性的确定方法、装置和服务器 | |
CN111191273A (zh) | 处理单据的方法、装置、电子设备及可读存储介质 | |
Parmar | Detection of Phishing URL using Ensemble Learning Techniques |
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 |