CN110942395B - 保险保全风险控制方法、装置、设备及存储介质 - Google Patents
保险保全风险控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110942395B CN110942395B CN201911171406.5A CN201911171406A CN110942395B CN 110942395 B CN110942395 B CN 110942395B CN 201911171406 A CN201911171406 A CN 201911171406A CN 110942395 B CN110942395 B CN 110942395B
- Authority
- CN
- China
- Prior art keywords
- information
- insurance
- historical
- security information
- latest
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000012954 risk control Methods 0.000 title claims description 45
- 238000004321 preservation Methods 0.000 claims abstract description 97
- 238000003062 neural network model Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例提供一种保险保全风险控制方法、装置、设备及存储介质。本发明实施例通过获取区块链中存储的最新保险保全信息,并根据该最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级,进一步,根据该最新保险保全信息对应的信息完整度等级,确定该最新保险保全信息的业务类型对应的多个历史保险保全信息中与该最新保险保全信息匹配的目标保险保全信息,并将目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息,从而实现了对保险保全服务中存在的风险的控制,提高了保险保全服务的安全性。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种保险保全风险控制方法、装置、设备及存储介质。
背景技术
随着保险业务的发展,越来越多的用户会选择购买保险产品,但是保险业务流程较为复杂,例如,保险公司的业务系统需要录入用户的基本信息、用户所购买的保险业务信息等。当用户的基本信息、保险业务发生变化时,还需要进一步完成用户基本信息的变更、保险计划的变更、保险利益领取转换等。
而用户基本信息变更、保险计划变更、保险利益领取转换等可能存在一定的风险,从而导致保险保全服务中存在一定的风险。
发明内容
本发明实施例提供一种保险保全风险控制方法、装置、设备及存储介质,以实现对保险保全服务中存在的风险的控制,提高保险保全服务的安全性。
第一方面,本发明实施例提供一种保险保全风险控制方法,包括:
获取区块链中存储的最新保险保全信息;
根据所述最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级;
根据所述最新保险保全信息对应的信息完整度等级,确定所述最新保险保全信息的业务类型对应的多个历史保险保全信息中的目标保险保全信息,所述目标保险保全信息的信息完整度等级与所述最新保险保全信息的信息完整度等级相同;
将所述目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息。
第二方面,本发明实施例提供一种保险保全风险控制装置,包括:
获取模块,用于获取区块链中存储的最新保险保全信息;
第一确定模块,用于根据所述最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级;
第二确定模块,用于根据所述最新保险保全信息对应的信息完整度等级,确定所述最新保险保全信息的业务类型对应的多个历史保险保全信息中的目标保险保全信息,所述目标保险保全信息的信息完整度等级与所述最新保险保全信息的信息完整度等级相同;将所述目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息。
第三方面,本发明实施例提供一种区块链节点,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如第一方面所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现第一方面所述的方法。
本发明实施例提供的保险保全风险控制方法、装置、设备及存储介质,通过获取区块链中存储的最新保险保全信息,并根据该最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级,进一步,根据该最新保险保全信息对应的信息完整度等级,确定该最新保险保全信息的业务类型对应的多个历史保险保全信息中与该最新保险保全信息匹配的目标保险保全信息,并将目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息,从而实现了对保险保全服务中存在的风险的控制,提高了保险保全服务的安全性。
附图说明
图1为本发明实施例提供的一种应用场景的示意图;
图2为本发明实施例提供的保险保全风险控制方法流程图;
图3为本发明另一实施例提供的保险保全风险控制方法流程图;
图4为本发明另一实施例提供的保险保全风险控制方法流程图;
图5为本发明另一实施例提供的保险保全风险控制方法流程图;
图6为本发明实施例提供的保险保全风险控制装置的结构示意图;
图7为本发明实施例提供的区块链节点的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明实施例提供的保险保全风险控制方法,可以适用于图1所示的通信系统。如图1所示,该通信系统包括:终端设备、区块链节点、保险保全风险控制节点。其中,终端设备、区块链节点、保险保全风险控制节点均是区块链网络中的节点。此处只是示意性说明,并不限定区块链网络的结构和该区块链网络中的节点个数。每个区块链节点或保险保全风险控制节点具体可以是云端服务器。云端服务器也就是云服务器,是一个服务器集群,有很多服务器,和通用的计算机架构类似,云端服务器的构成包括处理器、硬盘、内存、系统总线等。
本发明实施例提供的保险保全风险控制方法,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图2为本发明实施例提供的保险保全风险控制方法流程图。本发明实施例针对现有技术的如上技术问题,提供了保险保全风险控制方法,该方法具体步骤如下:
步骤201、获取区块链中存储的最新保险保全信息。
在本实施例中,如图1所示的区块链节点或保险保全风险控制节点具体可以是以公司基层营业机构为单位的最小节点,如图1所示的区块链网络可以是一个或多个集团、公司参与构建的区块链网络。该区块链网络中的全部节点或部分节点可构成区块链网络构建子系统,也就是说,该区块链网络由该区块链网络构建子系统进行构建。
该区块链网络中的部分节点还可以构成信息存储和信息认证数据格式定义子系统,该信息存储和信息认证数据格式定义子系统中可存储有该区块链网络中的数据结构方式、信息存储方式和协议。该区块链网络中的每个节点可按照该数据结构方式、信息存储方式和协议来存储和认证共享信息等,以保证信息存储和信息处理的高效率。
另外,该区块链网络中的部分节点还可以构成智能客服与保险保全风险控制案例共享与管理信息存储子系统。该区块链网络中的节点,例如系统中注册的企业或个人可以将历史的保险保全信息上传到区块链网络对应的区块链中,还可以将最新的保险保全信息上传到区块链中。其中,保险保全信息具体可以包括保险合同内容变更信息、保险费续收信息、增加附加险及续保信息、保险合同效力中止信息、保险合同效力恢复信息、解除合同信息、保单借款信息、可转换权益信息、保额增加权益信息、保险合同补发或换发、保险关系转移、保险合同代服务、生存给付、红利/利差的通知与给付等信息。此外,该区块链网络中的节点还可以将证明相关材料的音频、视频、图像等相关材料也可以上传至区块链。该区块链网络中的智能客服与保险保全风险控制案例共享与管理信息存储子系统具体用于存储该历史的保险保全信息和最新的保险保全信息,以及证明相关材料的音频、视频、图像等相关材料。
另外,该区块链网络中的一些节点还可以构成智能客服与保险保全风险控制案例共享与管理子系统。该智能客服与保险保全风险控制案例共享与管理子系统获取该区块链中存储的最新保险保全信息。例如,该智能客服与保险保全风险控制案例共享与管理子系统可以包括如图1所示的保险保全风险控制节点,该保险保全风险控制节点可获取该区块链中存储的最新保险保全信息。
步骤202、根据所述最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级。
在本实施例中,根据业务类型可将该最新保险保全信息或历史保险保全信息进行分类。例如,该业务类型包括C1、C2、C3、…、Cn共n个类型。区块链中记录有大量的历史保险保全信息。进一步,根据该n个业务类型,可以对该大量的历史保险保全信息进行分类,使得每一个历史保险保全信息都被划分到相应的业务类型中,从而使得每一种业务类型都对应有多个历史保险保全信息。例如,C1对应有m个历史保险保全信息,m大于1。进一步,提取该m个历史保险保全信息中每个历史保险保全信息的特征向量,其中,一个历史保险保全信息可对应有一个特征向量,这样m个历史保险保全信息对应m个特征向量。此外,区块链中还记录有每个历史保险保全信息对应的信息完整度等级和风险提示信息。如此,将该m个特征向量作为神经网络模型的收入,将该m个历史保险保全信息分别对应的信息完整度等级作为神经网络模型的输出,对该神经网络模型进行训练,得到训练后的神经网络模型。该训练后的神经网络模型即为业务类型C1对应的训练后的神经网络模型。同理,可以确定出其他业务类型对应的训练后的神经网络模型,此处不再一一赘述。
当保险保全风险控制节点获取到该区块链中存储的最新保险保全信息后,可根据最新保险保全信息的业务类型,确定出与该业务类型对应的训练后的神经网络模型。例如,最新保险保全信息的业务类型为C2,进一步,根据该最新保险保全信息的业务类型可确定出该最新保险保全信息的特征向量,将该最新保险保全信息的特征向量作为业务类型C2对应的训练后的神经网络模型的输入,该业务类型C2对应的训练后的神经网络模型可输出该最新保险保全信息对应的信息完整度等级。
步骤203、根据所述最新保险保全信息对应的信息完整度等级,确定所述最新保险保全信息的业务类型对应的多个历史保险保全信息中的目标保险保全信息,所述目标保险保全信息的信息完整度等级与所述最新保险保全信息的信息完整度等级相同。
由于业务类型C2对应有多个历史保险保全信息,并且该历史保险保全信息分别对应有信息完整度等级和风险提示信息。当保险保全风险控制节点通过业务类型C2对应的训练后的神经网络模型确定出该最新保险保全信息对应的信息完整度等级后,可根据该最新保险保全信息对应的信息完整度等级,在该C2对应有多个历史保险保全信息中确定出目标保险保全信息,使得该目标保险保全信息的信息完整度等级与该最新保险保全信息对应的信息完整度等级相同。也就是说,从C2对应有多个历史保险保全信息中确定出一个与该最新保险保全信息匹配的目标保险保全信息,匹配的条件是该目标保险保全信息的信息完整度等级与该最新保险保全信息对应的信息完整度等级相同,或者该目标保险保全信息的信息完整度等级与该最新保险保全信息对应的信息完整度等级的差异在预设差异范围内。
步骤204、将所述目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息。
当该保险保全风险控制节点确定出与该最新保险保全信息匹配的目标保险保全信息后,可以将该目标保险保全信息对应的风险提示信息确定为该最新保险保全信息对应的风险提示信息。
可选的,所述将所述目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息之后,所述方法还包括:在所述区块链网络中发送所述最新保险保全信息对应的风险提示信息。例如,将该最新保险保全信息对应的风险提示信息广播到该区块链网络中。
本申请实施例通过获取区块链中存储的最新保险保全信息,并根据该最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级,进一步,根据该最新保险保全信息对应的信息完整度等级,确定该最新保险保全信息的业务类型对应的多个历史保险保全信息中与该最新保险保全信息匹配的目标保险保全信息,并将目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息,从而实现了对保险保全服务中存在的风险的控制,提高了保险保全服务的安全性。
图3为本发明另一实施例提供的保险保全风险控制方法流程图。在上述实施例的基础上,所述获取区块链中存储的最新保险保全信息之前,所述方法还包括如下步骤:
步骤301、获取所述区块链中存储的多个历史保险保全信息对应的业务类型、信息完整度等级和风险提示信息。
例如,区块链中可存储有多个历史保险保全信息分别对应的业务类型、信息完整度等级和风险提示信息。
步骤302、根据多个业务类型,对所述多个历史保险保全信息进行分类,同一种业务类型对应多个历史保险保全信息。
例如,最新保险保全信息或历史保险保全信息可对应有多级业务类型,例如,一级业务类型可包括客户基本信息变更、保险计划变更、客户利益领取转换,其中,该三种类型中的每种类型还可以继续分为多项二级业务类型,比如客户信息变更包含{投保人信息变更、被保险人信息变更}等二级业务类型,保险计划变更包含{受益人变更、投保人变更、追加保费、退保}等二级业务类型。如上所述的C1、C2、C3、…、Cn具体可以是二级业务类型的集合。根据该n个业务类型,可以对该大量的历史保险保全信息进行分类,使得每一个历史保险保全信息都被划分到相应的业务类型中,从而使得每一种业务类型都对应有多个历史保险保全信息。例如,C1对应有m个历史保险保全信息,m大于1。
步骤303、根据同一种业务类型的多个历史保险保全信息的特征向量和信息完整度等级对所述业务类型对应的神经网络模型进行训练,得到每个业务类型对应的训练后的神经网络模型。
进一步,提取该m个历史保险保全信息中每个历史保险保全信息的特征向量,其中,一个历史保险保全信息可对应有一个特征向量,这样m个历史保险保全信息对应m个特征向量。此外,区块链中还记录有每个历史保险保全信息对应的信息完整度等级和风险提示信息。如此,将该m个特征向量作为神经网络模型的收入,将该m个历史保险保全信息分别对应的信息完整度等级作为神经网络模型的输出,对该神经网络模型进行训练,得到训练后的神经网络模型。该训练后的神经网络模型即为业务类型C1对应的训练后的神经网络模型。同理,可以确定出其他业务类型对应的训练后的神经网络模型,此处不再一一赘述。
例如,业务类型C1对应的训练后的神经网络模型记为模型M1,业务类型C2对应的训练后的神经网络模型记为模型M2,以此类推。
图4为本发明另一实施例提供的保险保全风险控制方法流程图。在上述实施例的基础上,获取所述区块链中存储的多个历史保险保全信息对应的业务类型、信息完整度等级和风险提示信息之前,所述方法还包括:根据每个所述历史保险保全信息对应的业务类型,确定每个所述历史保险保全信息对应的信息完整度等级和风险提示信息。
由于该区块链中存储有大量的历史保险保全信息,因此,保险保全风险控制节点可以预先分析每个历史保险保全信息对应的业务类型,并根据每个历史保险保全信息对应的业务类型,确定每个历史保险保全信息对应的完整度等级和风险提示信息。进一步,将每个历史保险保全信息对应的业务类型、信息完整度等级和风险提示信息存储在区块链中。
具体的,所述根据每个所述历史保险保全信息对应的业务类型,确定每个所述历史保险保全信息对应的信息完整度等级和风险提示信息包括如下步骤:
步骤401、根据所述历史保险保全信息对应的业务类型,确定所述历史保险保全信息对应的全部业务流程。
例如,某一个历史保险保全信息对应的业务类型为退保业务,退保业务对应的全部业务流程包括客户在委托书上签字、客户提供投保人身份证件、客户在退保申请书上签字、客户提供保险单原件、客户在退费收据上签字等。因此,该历史保险保全信息对应的全部业务流程包括客户在委托书上签字、客户提供投保人身份证件、客户在退保申请书上签字、客户提供保险单原件、客户在退费收据上签字等。
步骤402、根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述历史保险保全信息对应的信息完整度等级。
例如,该退保业务对应的信息完整度等级记为D,D可以是(A1,A2,A3,A4)四个等级中的某一个等级。其中,A1,A2,A3,A4的等级依次增大。如果该历史保险保全信息对应的全部业务流程均已完成,则该历史保险保全信息对应的信息完整度等级D=A4。如果该历史保险保全信息对应的全部业务流程中只有部分已完成,则该历史保险保全信息对应的信息完整度等级D等于A1,A2,A3中的一个。例如,若客户未在退费收据上签字并且其他流程已完成,或者,退费收据上的签字不是客户本人而是他人代签并且其他流程已完成,则该历史保险保全信息对应的信息完整度等级D=A1。若保险单原件缺失,则该历史保险保全信息对应的信息完整度等级D=A3。可以理解的是,此处只是示意性说明,并不限定该历史保险保全信息对应的已完成流程与信息完整度等级之间的关系。
一种可能的实现方式中,所述根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述历史保险保全信息对应的信息完整度等级,包括:根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述已完成流程在所述全部业务流程中的重要性;根据所述重要性,确定所述历史保险保全信息对应的信息完整度等级。
例如,该历史保险保全信息对应的全部业务流程包括客户在委托书上签字、客户提供投保人身份证件、客户在退保申请书上签字、客户提供保险单原件、客户在退费收据上签字等。其中,A1,A2,A3,A4该四个等级从低到高排序。例如,客户在退费收据上签字的重要性高于其他流程的重要性,则当客户未在退费收据上签字并且其他流程已完成时,该历史保险保全信息对应的信息完整度等级D也很低,例如,D等于A1。
另一种可能的实现方式中,所述根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述历史保险保全信息对应的信息完整度等级,包括:根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述已完成流程与所述全部业务流程的比值;根据所述比值,确定所述历史保险保全信息对应的信息完整度等级。
例如,该历史保险保全信息对应的全部业务流程包括客户在委托书上签字、客户提供投保人身份证件、客户在退保申请书上签字、客户提供保险单原件、客户在退费收据上签字等。其中,A1,A2,A3,A4该四个等级从低到高排序。例如,该历史保险保全信息对应的已完成流程包括客户在委托书上签字、客户提供投保人身份证件、客户在退保申请书上签字、客户提供保险单原件,未完成的流程只有客户在退费收据上签字。也就是说,全部业务流程包括5个流程,已完成流程包括4个流程,已完成流程的个数与该全部业务流程的个数比值为4:5,根据该比值可确定该历史保险保全信息对应的信息完整度等级D等于A3。
步骤403、根据所述历史保险保全信息对应的信息完整度等级,确定所述历史保险保全信息对应的风险提示信息。
可以理解的是,当历史保险保全信息对应的信息完整度等级D等于A4时,可确定该历史保险保全信息对应的全部业务流程已完成,该历史保险保全信息对应的风险提示信息可以为0。如果该历史保险保全信息对应的信息完整度等级不是A4时,说明该历史保险保全信息对应的全部业务流程并没有执行完毕,则该历史保险保全信息中存在一定的风险。因此,根据该该历史保险保全信息的信息完整度等级可以确定该历史保险保全信息的风险提示信息。例如,该历史保险保全信息的信息完整度等级D=A3,该历史保险保全信息对应的风险提示信息为保险单原件缺失。
当保险保全风险控制节点确定出最新保险保全信息与该历史保险保全信息匹配时,将该历史保险保全信息对应的风险提示信息作为该最新保险保全信息对应的风险提示信息,则该保险保全风险控制节点可以将该保险单原件缺失作为该最新保险保全信息对应的风险提示信息广播到该区块链网络中。
本发明实施例通过获取区块链中存储的最新保险保全信息,并根据该最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级,进一步,根据该最新保险保全信息对应的信息完整度等级,确定该最新保险保全信息的业务类型对应的多个历史保险保全信息中与该最新保险保全信息匹配的目标保险保全信息,并将目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息,从而实现了对保险保全服务中存在的风险的控制,提高了保险保全服务的安全性。
图5为本发明另一实施例提供的保险保全风险控制方法流程图。具体过程与上述实施例所述的方法一致,此处不再赘述。另外,信息存储和信息认证数据格式定义子系统中的数据结构方式、信息存储方式和协议具体如下表1所示:
表1
图6为本发明实施例提供的保险保全风险控制装置的结构示意图。该保险保全风险控制装置具体可以是上述实施例中的保险保全风险控制节点,或保险保全风险控制节点的部件(例如芯片或者电路)。本发明实施例提供的保险保全风险控制装置可以执行保险保全风险控制方法实施例提供的处理流程,如图6所示,保险保全风险控制装置50包括:获取模块51、第一确定模块52、第二确定模块53;其中,获取模块51用于获取区块链中存储的最新保险保全信息;第一确定模块52用于根据所述最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级;第二确定模块53用于根据所述最新保险保全信息对应的信息完整度等级,确定所述最新保险保全信息的业务类型对应的多个历史保险保全信息中的目标保险保全信息,所述目标保险保全信息的信息完整度等级与所述最新保险保全信息的信息完整度等级相同;将所述目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息。
可选的,所述保险保全风险控制装置还包括发送模块54,发送模块54用于所述第二确定模块将所述目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息之后,在所述区块链网络中发送所述最新保险保全信息对应的风险提示信息。
可选的,所述获取模块51还用于:在获取区块链中存储的最新保险保全信息之前,获取所述区块链中存储的多个历史保险保全信息对应的业务类型、信息完整度等级和风险提示信息;所述保险保全风险控制装置还包括:分类模块55和训练模块56,分类模块55用于根据多个业务类型,对所述多个历史保险保全信息进行分类,同一种业务类型对应多个历史保险保全信息;训练模块56用于根据同一种业务类型的多个历史保险保全信息的特征向量和信息完整度等级对所述业务类型对应的神经网络模型进行训练,得到每个业务类型对应的训练后的神经网络模型。可选的,所述保险保全风险控制装置还包括第三确定模块57,用于所述获取模块获取所述区块链中存储的多个历史保险保全信息对应的业务类型、信息完整度等级和风险提示信息之前,根据每个所述历史保险保全信息对应的业务类型,确定每个所述历史保险保全信息对应的信息完整度等级和风险提示信息。
可选的,第三确定模块55根据每个所述历史保险保全信息对应的业务类型,确定每个所述历史保险保全信息对应的信息完整度等级和风险提示信息时,具体用于:根据所述历史保险保全信息对应的业务类型,确定所述历史保险保全信息对应的全部业务流程;根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述历史保险保全信息对应的信息完整度等级;根据所述历史保险保全信息对应的信息完整度等级,确定所述历史保险保全信息对应的风险提示信息。
可选的,第三确定模块55根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述历史保险保全信息对应的信息完整度等级时,具体用于:根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述已完成流程在所述全部业务流程中的重要性;根据所述重要性,确定所述历史保险保全信息对应的信息完整度等级。
可选的,第三确定模块55根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述历史保险保全信息对应的信息完整度等级时,具体用于:根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述已完成流程与所述全部业务流程的比值;根据所述比值,确定所述历史保险保全信息对应的信息完整度等级。
图6所示实施例的保险保全风险控制装置可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图7为本发明实施例提供的区块链节点的结构示意图。该区块链节点具体可以是上述实施例中的保险保全风险控制装置。本发明实施例提供的区块链节点可以执行保险保全风险控制方法实施例提供的处理流程,如图7所示,区块链节点60包括:存储器61、处理器62、计算机程序和通讯接口63;其中,计算机程序存储在存储器61中,并被配置为由处理器62执行如上所述的保险保全风险控制方法。
图7所示实施例的区块链节点可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
另外,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现上述实施例所述的保险保全风险控制方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,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设备(可以是个人计算机,服务器,或者网络设备等)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。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种保险保全风险控制方法,其特征在于,包括:
获取区块链中存储的最新保险保全信息;
根据所述最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级;其中,每个业务类型对应的训练后的神经网络模型是根据同一种业务类型的多个历史保险保全信息的特征向量和信息完整度等级对所述业务类型对应的神经网络模型进行训练得到的;所述最新保险保全信息对应的信息完整度等级是根据所述最新保险保全信息对应的全部业务流程、以及所述最新保险保全信息对应的已完成流程确定的;
根据所述最新保险保全信息对应的信息完整度等级,确定所述最新保险保全信息的业务类型对应的多个历史保险保全信息中的目标保险保全信息,所述目标保险保全信息的信息完整度等级与所述最新保险保全信息的信息完整度等级相同;
将所述目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息。
2.根据权利要求1所述的方法,其特征在于,所述将所述目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息之后,所述方法还包括:
在区块链网络中发送所述最新保险保全信息对应的风险提示信息。
3.根据权利要求1或2所述的方法,其特征在于,所述获取区块链中存储的最新保险保全信息之前,所述方法还包括:
获取所述区块链中存储的多个历史保险保全信息对应的业务类型、信息完整度等级和风险提示信息;
根据多个业务类型,对所述多个历史保险保全信息进行分类,同一种业务类型对应多个历史保险保全信息;
根据同一种业务类型的多个历史保险保全信息的特征向量和信息完整度等级对所述业务类型对应的神经网络模型进行训练,得到每个业务类型对应的训练后的神经网络模型。
4.根据权利要求3所述的方法,其特征在于,所述获取所述区块链中存储的多个历史保险保全信息对应的业务类型、信息完整度等级和风险提示信息之前,所述方法还包括:
根据每个所述历史保险保全信息对应的业务类型,确定每个所述历史保险保全信息对应的信息完整度等级和风险提示信息。
5.根据权利要求4所述的方法,其特征在于,所述根据每个所述历史保险保全信息对应的业务类型,确定每个所述历史保险保全信息对应的信息完整度等级和风险提示信息,包括:
根据所述历史保险保全信息对应的业务类型,确定所述历史保险保全信息对应的全部业务流程;
根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述历史保险保全信息对应的信息完整度等级;
根据所述历史保险保全信息对应的信息完整度等级,确定所述历史保险保全信息对应的风险提示信息。
6.根据权利要求5所述的方法,其特征在于,所述根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述历史保险保全信息对应的信息完整度等级,包括:
根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述已完成流程在所述全部业务流程中的重要性;
根据所述重要性,确定所述历史保险保全信息对应的信息完整度等级。
7.根据权利要求5所述的方法,其特征在于,所述根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述历史保险保全信息对应的信息完整度等级,包括:
根据所述历史保险保全信息对应的全部业务流程、以及所述历史保险保全信息对应的已完成流程,确定所述已完成流程与所述全部业务流程的比值;
根据所述比值,确定所述历史保险保全信息对应的信息完整度等级。
8.一种保险保全风险控制装置,其特征在于,包括:
获取模块,用于获取区块链中存储的最新保险保全信息;
第一确定模块,用于根据所述最新保险保全信息的业务类型对应的训练后的神经网络模型,确定所述最新保险保全信息对应的信息完整度等级;其中,每个业务类型对应的训练后的神经网络模型是根据同一种业务类型的多个历史保险保全信息的特征向量和信息完整度等级对所述业务类型对应的神经网络模型进行训练得到的;所述最新保险保全信息对应的信息完整度等级是根据所述最新保险保全信息对应的全部业务流程、以及所述最新保险保全信息对应的已完成流程确定的;
第二确定模块,用于根据所述最新保险保全信息对应的信息完整度等级,确定所述最新保险保全信息的业务类型对应的多个历史保险保全信息中的目标保险保全信息,所述目标保险保全信息的信息完整度等级与所述最新保险保全信息的信息完整度等级相同;将所述目标保险保全信息对应的风险提示信息确定为所述最新保险保全信息对应的风险提示信息。
9.一种区块链节点,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911171406.5A CN110942395B (zh) | 2019-11-26 | 2019-11-26 | 保险保全风险控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911171406.5A CN110942395B (zh) | 2019-11-26 | 2019-11-26 | 保险保全风险控制方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110942395A CN110942395A (zh) | 2020-03-31 |
CN110942395B true CN110942395B (zh) | 2023-03-24 |
Family
ID=69908816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911171406.5A Active CN110942395B (zh) | 2019-11-26 | 2019-11-26 | 保险保全风险控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942395B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052711B (zh) * | 2021-05-31 | 2021-08-17 | 国任财产保险股份有限公司 | 基于区块链的保险保全风险控制方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389061A (zh) * | 2018-03-19 | 2018-08-10 | 平安科技(深圳)有限公司 | 电子装置、基于区块链的牲畜保险理赔方法及存储介质 |
CN109242261A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于大数据评估保全风险的方法及终端设备 |
CN109670968A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 保险数据的处理方法、装置、设备及计算机存储介质 |
CN109712008A (zh) * | 2018-12-20 | 2019-05-03 | 泰康保险集团股份有限公司 | 保单处理方法、装置、介质及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140039934A1 (en) * | 2012-08-01 | 2014-02-06 | Gabriel Ernesto RIVERA | Insurance verification system (insvsys) |
-
2019
- 2019-11-26 CN CN201911171406.5A patent/CN110942395B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389061A (zh) * | 2018-03-19 | 2018-08-10 | 平安科技(深圳)有限公司 | 电子装置、基于区块链的牲畜保险理赔方法及存储介质 |
CN109242261A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于大数据评估保全风险的方法及终端设备 |
CN109670968A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 保险数据的处理方法、装置、设备及计算机存储介质 |
CN109712008A (zh) * | 2018-12-20 | 2019-05-03 | 泰康保险集团股份有限公司 | 保单处理方法、装置、介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
未来保全受理与审核模式的设想;宫宝 等;《保险职业学院学报》;20131031;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110942395A (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070359B (zh) | 基于区块链的数据核对系统、方法、计算设备及存储介质 | |
CN108734028B (zh) | 基于区块链的数据管理方法、区块链节点及存储介质 | |
CN110675145B (zh) | 基于区块链的数据处理方法、装置、终端及存储介质 | |
CN107317672A (zh) | 一种轻量终端机区块链系统 | |
CN108876113B (zh) | 一种考核管理方法、装置、终端设备及系统 | |
CN108830463B (zh) | 一种评价记录的存储方法、装置、存储介质及系统 | |
CN111325581B (zh) | 数据处理方法及装置、电子设备和计算机可读存储介质 | |
TWI746399B (zh) | 基於區塊鏈的資訊讀寫方法以及裝置 | |
CN108764723B (zh) | 一种评价资格过滤方法、装置、终端设备及系统 | |
CN109828958A (zh) | 基于区块链的事件记录方法及记录系统 | |
Wang et al. | Privacy protection federated learning system based on blockchain and edge computing in mobile crowdsourcing | |
CN113568973B (zh) | 基于区块链和联邦学习的金融征信数据共享方法及装置 | |
CN111522724A (zh) | 异常账号的确定方法、装置、服务器及存储介质 | |
CN112116103A (zh) | 基于联邦学习的个人资质评估方法、装置及系统及存储介质 | |
CN109783781A (zh) | 基于图像识别的保单录入方法和相关装置 | |
CN110826311B (zh) | 对象识别方法以及装置 | |
CN110942395B (zh) | 保险保全风险控制方法、装置、设备及存储介质 | |
CN113254696B (zh) | 一种封面图像获取方法及装置 | |
CN111507787A (zh) | 商品交易方法、系统、计算机装置及可读存储介质 | |
CN111222885B (zh) | 数据处理请求背书方法、装置、计算机设备及存储介质 | |
CN111062766B (zh) | 一种基于区块链的电子发票的开具方法及装置 | |
CN117078401A (zh) | 一种信贷审批数据处理方法、装置、设备及可读存储介质 | |
CN113487389A (zh) | 一种信息推荐方法及装置 | |
CN111260468A (zh) | 基于区块链的数据操作方法和相关设备及存储介质 | |
CN112541732A (zh) | 智能评标合约生成方法及装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |