CN112258095A - 基于标准正态分布的评分方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及大数据技术领域，公开了一种基于标准正态分布的评分方法、装置、设备及存储介质，用于提高机构风险评分的准确率。基于标准正态分布的评分方法包括：根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单；按照各机构的风险订单和业务订单信息确定各机构中各风险类型的风险订单比例值，对风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数；根据标准分数匹配预设的标准正态分布数据表得到各机构中各风险类型的预测概率值；将预设概率值转换为各机构中各风险类型的评分值，并根据评分值进行分析和预警。此外，本发明还涉及区块链技术，各机构的业务订单信息可存储于区块链节点中。

Description

基于标准正态分布的评分方法、装置、设备及存储介质

技术领域

本发明涉及大数据技术的曲线型方法领域，尤其涉及一种基于标准正态分布的评分方法、装置、设备及存储介质。

背景技术

多层级组织架构中的多个机构在实际决策中对风险的把控难以量化，都是通过设置风险控制规则限制高风险事件的发生，但这样又会浪费一部分潜在机会。如果能够准确地对各机构中各风险类型进行评分，那么各机构根据风险分数值就能够准确地判断该机构的风险情况，为决策提供相应的参考，及时对风险进行监控，从而达到降低风险订单单数量的目的。

目前评分的方法比较单一，需要打分的项目比较少，并且不同机构的评分指标和评分标准存在差异，导致风险评分存在评分准确性低的问题。

发明内容

本发明提供了一种基于标准正态分布的评分方法、装置、设备及存储介质，用于提高机构风险评分的准确率。

为实现上述目的，本发明第一方面提供了一种基于标准正态分布的评分方法，包括：获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单；按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数；根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警。

可选的，在本发明第一方面的第一种实现方式中，所述获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单，包括：获取预设起始时刻和预设结束时刻，根据所述预设起始时刻和所述预设结束时刻计算目标时长；按照所述目标时长和各机构的预设标识从预设数据库中读取各机构的业务订单信息，各机构包括医疗机构；通过已训练的目标风险识别模型按照预设风险标签集对各机构的业务订单信息进行风险识别和信息过滤，得到各机构的风险订单，并按照所述预设风险标签集标识并记录各机构的风险订单。

可选的，在本发明第一方面的第二种实现方式中，所述按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数，包括：根据各机构中各风险类型的风险订单与各机构的业务订单信息统计各机构中各风险类型的风险订单数量和各机构的业务订单总数量；对各机构中各风险类型的风险订单数量和各机构的业务订单总数量进行除法运算，得到各机构的运算结果，并将各机构的运算结果设置为各机构中各风险类型的风险订单比例值；获取各机构中各风险类型的均值数据和标准差数据，按照预设标准化算法对各机构中各风险类型的风险订单比例值、各机构中各风险类型的均值数据和标准差数据进行数据标准化，得到各机构中各风险类型的标准分数，预设标准化算法包括z分数标准化算法。

可选的，在本发明第一方面的第三种实现方式中，所述根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值，包括：判断各机构中各风险类型的标准分数是否大于预设值；若各机构中各风险类型的标准分数大于预设值，则按照各机构中各风险类型的标准分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；若各机构中各风险类型的标准分数小于或者等于预设值，则对各机构中各风险类型的标准分数进行数值转换，得到各机构的待匹配分数，按照各机构的待匹配分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值。

可选的，在本发明第一方面的第四种实现方式中，所述将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警，包括：获取预设系数，对各机构中各风险类型的预设概率值分别和所述预设系数进行相乘运算，得到各机构中各风险类型的评分值；基于预设风险预警机制确定各机构中各风险类型的评分值对应的风险等级；按照各机构中各风险类型的风险等级生成各机构中各风险类型的预警信息，并将各机构中各风险类型的预警信息发送至目标终端，以使得所述目标终端提示目标人员按照各机构中各风险类型的预警信息调整对应的业务订单信息。

可选的，在本发明第一方面的第五种实现方式中，在所述将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警之后，所述基于标准正态分布的评分方法还包括：从预设数据库中获取各机构中各风险类型的预警信息；根据各机构中各风险类型的评分值和各机构中各风险类型的预警信息生成各机构中各风险类型的风险预警评估报告。

可选的，在本发明第一方面的第六种实现方式中，在所述将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警之后，所述基于标准正态分布的评分方法还包括：接收业务风险订单展示请求，按照所述业务风险订单展示请求获取目标业务的多个风险订单，每个风险订单均已备注对应的风险等级；根据所述风险等级对每个风险订单进行排序，得到排序后的风险订单，并将所述排序后的风险订单发送至目标终端。

本发明第二方面提供了一种基于标准正态分布的评分装置，包括：筛选模块，用于获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单；标准化模块，用于按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数；匹配模块，用于根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；预警模块，用于将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警。

可选的，在本发明第二方面的第一种实现方式中，所述筛选模块具体用于：获取预设起始时刻和预设结束时刻，根据所述预设起始时刻和所述预设结束时刻计算目标时长；按照所述目标时长和各机构的预设标识从预设数据库中读取各机构的业务订单信息，各机构包括医疗机构；通过已训练的目标风险识别模型按照预设风险标签集对各机构的业务订单信息进行风险识别和信息过滤，得到各机构的风险订单，并按照所述预设风险标签集标识并记录各机构的风险订单。

可选的，在本发明第二方面的第二种实现方式中，所述标准化模块具体用于：根据各机构中各风险类型的风险订单与各机构的业务订单信息统计各机构中各风险类型的风险订单数量和各机构的业务订单总数量；对各机构中各风险类型的风险订单数量和各机构的业务订单总数量进行除法运算，得到各机构的运算结果，并将各机构的运算结果设置为各机构中各风险类型的风险订单比例值；获取各机构中各风险类型的均值数据和标准差数据，按照预设标准化算法对各机构中各风险类型的风险订单比例值、各机构中各风险类型的均值数据和标准差数据进行数据标准化，得到各机构中各风险类型的标准分数，预设标准化算法包括z分数标准化算法。

可选的，在本发明第二方面的第三种实现方式中，所述匹配模块具体用于：判断各机构中各风险类型的标准分数是否大于预设值；若各机构中各风险类型的标准分数大于预设值，则按照各机构中各风险类型的标准分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；若各机构中各风险类型的标准分数小于或者等于预设值，则对各机构中各风险类型的标准分数进行数值转换，得到各机构的待匹配分数，按照各机构的待匹配分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值。

可选的，在本发明第二方面的第四种实现方式中，所述预警模块具体用于：获取预设系数，对各机构中各风险类型的预设概率值分别和所述预设系数进行相乘运算，得到各机构中各风险类型的评分值；基于预设风险预警机制确定各机构中各风险类型的评分值对应的风险等级；按照各机构中各风险类型的风险等级生成各机构中各风险类型的预警信息，并将各机构中各风险类型的预警信息发送至目标终端，以使得所述目标终端提示目标人员按照各机构中各风险类型的预警信息调整对应的业务订单信息。

可选的，在本发明第二方面的第五种实现方式中，所述基于标准正态分布的评分装置还包括：获取模块，用于从预设数据库中获取各机构中各风险类型的预警信息；生成模块，用于根据各机构中各风险类型的评分值和各机构中各风险类型的预警信息生成各机构中各风险类型的风险预警评估报告。

可选的，在本发明第二方面的第六种实现方式中，所述基于标准正态分布的评分装置还包括：接收模块，用于接收业务风险订单展示请求，按照所述业务风险订单展示请求获取目标业务的多个风险订单，每个风险订单均已备注对应的风险等级；排序模块，用于根据所述风险等级对每个风险订单进行排序，得到排序后的风险订单，并将所述排序后的风险订单发送至目标终端。

本发明第三方面提供了一种基于标准正态分布的评分设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于标准正态分布的评分设备执行上述的基于标准正态分布的评分方法。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于标准正态分布的评分方法。

本发明提供的技术方案中，获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单；按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数；根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警。本发明实施例中，通过计算各机构中各风险类型的风险订单的风险订单比例值，将同一个风险类型下各机构的风险订单比例值进行标准化，得到近似服从标准正态分布的标准分数，根据相应标准正态分布表，可以得到一个概率值，并确定该机构在该风险类型下的评分值，提高了机构风险评分的准确率。

附图说明

图1为本发明实施例中基于标准正态分布的评分方法的一个实施例示意图；

图2为本发明实施例中基于标准正态分布的评分方法的另一个实施例示意图；

图3为本发明实施例中基于标准正态分布的评分装置的一个实施例示意图；

图4为本发明实施例中基于标准正态分布的评分装置的另一个实施例示意图；

图5为本发明实施例中基于标准正态分布的评分设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种基于标准正态分布的评分方法、装置、设备及存储介质，用于将同一个风险类型下各机构的风险订单比例值进行标准化，得到近似服从标准正态分布的标准分数，根据相应标准正态分布表，确定该机构在该风险类型下的评分值，提高机构风险评分的准确率。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于标准正态分布的评分方法的一个实施例包括：

101、获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单。

其中，各机构用于指示多层级组织架构中的任意一个机构，例如，xx产险分公司和各下属公司。预设风险标签集用于指示目标业务中的已存在的风险类型，风险订单可用于指示存在风险类型的保单，也可以为其他存在风险类型的订单业务，具体此处不做限定。目标时长用于指示从起始时刻到结束时刻之间的时长范围，结束时刻晚于起始时刻，目标时长的取值范围大于0。例如，服务器每天定时采集24小时以内，产险各分公司机构所产生的保单信息（各机构的业务订单信息），并根据预设风险标签集对产险各分公司机构所产生的保单信息进行风险类型的逻辑判断，得到各机构的风险订单，并对不同风险类型的保单量进行汇总计数。进一步地，将各机构的业务订单信息存储于区块链数据库中，具体此处不做限定。

可以理解的是，本发明的执行主体可以为基于标准正态分布的评分装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

102、按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数。

其中，风险监控的评分将风险订单比例值作为评定基础，由于各种风险类型的判定方式是不一致的，因此，服务器统计出各个风险类型下各机构的风险单量，再将风险单量得到风险单占比（各机构中各风险类型的风险订单比例值）。可以理解的是，数据标准化是指在多指标评价体系中，由于各评价指标的性质不同，通常具有不同的量纲和数量级。当各指标间的水平相差很大时，如果直接用原始指标值进行分析，就会突出数值较高的指标在综合分析中的作用，相对削弱数值水平较低指标的作用。因此，为了保证风险评估结果的可靠性，服务器对各风险类型的风险订单比例值进行数据标准化处理，得到各机构中各风险类型的标准分数。

103、根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值。

需要说明的是，各机构中各风险类型的风险订单比例值经过数据标准化后，得到的各机构中各风险类型的标准分数近似地服从标准正态分布N(0，1)，因此，服务器预先将标准正态分布表导入到预设数据库表中，然后服务器将各机构中各机构中各风险类型的标准分数和预设数据库表中的数据进行匹配，得到一个预测概率值，用于指示该机构在该风险类型下的评分。

可以理解的是，服务器将标准化的数据去匹配预设的标准正态分布表，一方面剔除了人为因素对评分的影响，评分直接反映了各机构的实际风险情况，另一方面由标准正态分布表得出预测概率值，可以确保数据的可靠性。

104、将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警。

具体的，服务器根据数据标准化得到的值（各机构中各风险类型的预设概率值）查询预设的标准正态分布表，得到各机构中各风险类型的预设概率值，并将各机构中各风险类型的预设概率乘以100，得到各机构中各风险类型的评分值。例如，各机构中各风险类型的标准分数的取值范围为-3.5到3.5之间，均可以对应一个评分值，并且各机构中各风险类型的标准分数限制小于-3.5的为0分，各机构中各风险类型的标准分数大于3.5为100分，其他的评分值为0至100之间。进一步地，服务器按照评分值的高低，采用预设风险预警机制进行风险预警处理，并结合实际情业务调整业务订单信息。例如，某机构中某风险类型的预设概率值为0.9998，对应的某机构中某项风险类型的评分值为99.98，表示该机构该风险类型的风险订单数量超过了其他机构，需要进行相应的业务订单信息风险预警处理与调整。

本发明实施例中，通过计算各机构中各风险类型的风险订单的风险订单比例值，将同一个风险类型下各机构的风险订单比例值进行标准化，得到近似服从标准正态分布的标准分数，根据相应标准正态分布表，可以得到一个概率值，并确定该机构在该风险类型下的评分值，提高了机构风险评分的准确率。

请参阅图2，本发明实施例中基于标准正态分布的评分方法的另一个实施例包括：

201、获取预设起始时刻和预设结束时刻，根据预设起始时刻和预设结束时刻计算目标时长。

其中，预设起始时刻和预设结束时刻的数据格式均可包括年、月、日、时、分、秒。进一步地，服务器将预设结束时刻与预设起始时刻进行差值运算，得到目标时长。其中，预设结束时刻与预设起始时刻均可以按照业务需求进行配置，并将预设结束时刻与预设起始时刻与对应的业务进行关联与存储。例如，业务可以为产险业务，也可以为财险业务，具体此处不做限定。

202、按照目标时长和各机构的预设标识从预设数据库中读取各机构的业务订单信息，各机构包括医疗机构。

其中，各机构的预设标识与各结构的业务订单信息存在一对多的对应关系，医疗机构可包括药店和体检机构，还可包括其他机构，具体此处不做限定。进一步地，服务器按照结构性查询语言语法规则、目标时长和各机构的预设标识生成查询语句；服务器执行查询语句，服务器从预设数据库中读取各机构的业务订单信息，各机构包括医疗机构。

203、通过已训练的目标风险识别模型按照预设风险标签集对各机构的业务订单信息进行风险识别和信息过滤，得到各机构的风险订单，并按照预设风险标签集标识并记录各机构的风险订单。

也就是，服务器通过已训练的目标风险识别模型按照预设风险标签集对各机构的业务订单信息进行不同风险类型下的风险识别，得到多个风险结果，服务器基于多个风险结果进行信息过滤，得到各机构的风险订单。需要说明的是，在步骤201之前，服务器收集各机构的样本数据，并根据预先收集的初始风险标签标注各机构的样本数据，得到各机构的标注数据；服务器对各机构的标注数据进行聚类分析，得到相同初始风险标签对应的样本数据的数量，并将大于或者等于预设阈值的初始风险标签确定为目标风险标签；服务器将具有目标风险标签的样本数据设置为已确定标签样本，并基于已确定标签样本训练风险识别模型，得到已训练的风险识别模型。

204、按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数。

也就是，各机构中各风险类型的风险订单比例值等于截止到统计时刻的已累计问题单量（各机构中各风险类型的风险订单数量）除以截止到统计时刻的累计保单数量（各机构的业务订单总数量），其中，统计时刻可为2020-09-01 00:00:00，那么服务器计算截止到2020-09-01 00:00:00的2020年已累计风险订单数量/截止到2020-09-01 00:00:00的2020年累计保单数量，得到机构A的2020年风险类型B的风险订单比例值。可选的，首先，服务器根据各机构中各风险类型的风险订单与各机构的业务订单信息统计各机构中各风险类型的风险订单数量和各机构的业务订单总数量；其次，服务器对各机构中各风险类型的风险订单数量和各机构的业务订单总数量进行除法运算，得到各机构的运算结果，并将各机构的运算结果设置为各机构中各风险类型的风险订单比例值；然后，服务器获取各机构中各风险类型的均值数据和标准差数据，按照预设标准化算法对各机构中各风险类型的风险订单比例值、各机构中各风险类型的均值数据和标准差数据进行数据标准化，得到各机构中各风险类型的标准分数，预设标准化算法包括z分数标准化算法。其中，各机构中各风险类型的标准分数近似地服从标准正态分布N(0,1)。

需要说明的是，z分数标准化算法（z-score）又称为标准分数算法，是将一个原始数与平均数之间的差，再除以标准差的过程，公式如下所示:

，其中，x为各机构中各风险类型的风险订单比例值，

和s分别为各机构中各风险类型的均值数据和标准差数据。服务器也可以采用离差标准化算法对对各机构中各风险类型的风险订单比例值进行数据标准化，具体此处不做限定。

205、根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值。

需要说明的是，当标准化后的风险订单比例值（各机构中各风险类型的标准分数）大于预设值时，在同一风险类型下，某个机构风险单量越多，那么匹配出来的预测概率值越大，也就是评分值越高。可选的，服务器判断各机构中各风险类型的标准分数是否大于预设值，其中，预设值为0；若各机构中各风险类型的标准分数大于预设值，则服务器按照各机构中各风险类型的标准分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；若各机构中各风险类型的标准分数小于或者等于预设值，则服务器对各机构中各风险类型的标准分数进行数值转换，得到各机构的待匹配分数，按照各机构的待匹配分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值。

进一步地，当标准化后的风险订单比例值小于或者等于0时，服务器将标准化后的风险订单比例值转为正数，也就是|y|，然后服务器对1与|y|进行减法运算，得到各机构的待匹配分数，因此，风险单量越小，分数越低。

206、将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警。

例如，服务器对保单合同签订风险或者理赔交易行为风险进行预警。可选的，服务器获取预设系数，对各机构中各风险类型的预设概率值分别和预设系数进行相乘运算，得到各机构中各风险类型的评分值，其中，预设系数为正整数，例如，预设系数为10或者100，相应的，各机构中各风险类型的评分值的取值范围为0到10，或者0到100之间，具体此处不做限定；服务器基于预设风险预警机制确定各机构中各风险类型的评分值对应的风险等级；服务器按照各机构中各风险类型的风险等级生成各机构中各风险类型的预警信息，并将各机构中各风险类型的预警信息发送至目标终端，以使得目标终端提示目标人员按照各机构中各风险类型的预警信息调整对应的业务订单信息。

可以理解的是，服务器通过将评分标准正态分布后可以提高数据可靠性，并进行风险项目横向对比，将项目风险评估采用相同标准进行评估。也就是，进一步地，服务器还可以对同一风险类型的各机构的风险订单按照评分值从高到低顺序进行排序与展示。服务器通过标准化的风险评分快速识别风险大小，提高风险监控效率，使得针对风险单的处理更快和更准确，提高了对风险订单的控制性，优化业务订单数据。

可选的，服务器从预设数据库中获取各机构中各风险类型的预警信息；服务器根据各机构中各风险类型的评分值和各机构中各风险类型的预警信息生成各机构中各风险类型的风险预警评估报告。具体的，服务器从预设数据库中读取各机构中各风险类型的预警信息，并根据各机构中各风险类型的预警信息确定对应的风险订单处理意见信息，服务器按照各机构中各风险类型的预警信息、各机构中各风险类型的评分值和各机构中各风险类型的风险订单处理意见信息生成各机构中各风险类型的风险预警评估报告，各机构中各风险类型的风险预警评估报告的存储格式可以采用文字、表格或者图片的形式，例如，各机构中各风险类型的风险预警评估报告可以采用word格式、pdf格式或者电子表格excel格式进行存储，还可以为其他文档格式，具体此处不做限定。进一步地，服务器还可以将各机构中各风险类型的风险预警评估报告发送至云服务器进行行保存，减少了服务端的存储空间。

可选的，服务器对各机构中各风险类型的评分值分别与各机构中各风险类型对应的预设权重系数进行加权平均计算，得到综合评分值，综合评分值用于指示各机构的整体风险级别，服务器按照综合评分值确获取对应的综合处理意见信息，服务器按照综合评分值和综合处理意见信息对各机构生成综合风险预警评估报告。

进一步地，服务器接收业务风险订单展示请求，服务器按照业务风险订单展示请求获取目标业务的多个风险订单，每个风险订单均已备注对应的风险等级；服务器根据风险等级对每个风险订单进行排序，得到排序后的风险订单，并将排序后的风险订单发送至目标终端。例如，服务器按照风险等级从高到低的顺序对每个风险订单进行排序，得到排序后的风险订单，也可以为按照风险等级从低到高的顺序对每个风险订单进行排序，得到排序后的风险订单。以便于目标人员直观查看风险订单，并按照不同的风险等级进行相关处理。

本发明实施例中，通过计算各机构中各风险类型的风险订单的风险订单比例值，将同一个风险类型下各机构的风险订单比例值进行标准化，得到近似服从标准正态分布的标准分数，根据相应标准正态分布表，可以得到一个概率值，并确定该机构在该风险类型下的评分值，提高了机构风险评分的准确率。

上面对本发明实施例中基于标准正态分布的评分方法进行了描述，下面对本发明实施例中基于标准正态分布的评分装置进行描述，请参阅图3，本发明实施例中基于标准正态分布的评分装置的一个实施例包括：

筛选模块301，用于获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单；

标准化模块302，用于按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数；

匹配模块303，用于根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；

预警模块304，用于将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警。

进一步地，将各机构的业务订单信息存储于区块链数据库中，具体此处不做限定。

本发明实施例中，通过计算各机构中各风险类型的风险订单的风险订单比例值，将同一个风险类型下各机构的风险订单比例值进行标准化，得到近似服从标准正态分布的标准分数，根据相应标准正态分布表，可以得到一个概率值，并确定该机构在该风险类型下的评分值，提高了机构风险评分的准确率。

请参阅图4，本发明实施例中基于标准正态分布的评分装置的另一个实施例包括：

筛选模块301，用于获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单；

标准化模块302，用于按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数；

匹配模块303，用于根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；

预警模块304，用于将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警。

可选的，筛选模块301还可以具体用于：

获取预设起始时刻和预设结束时刻，根据预设起始时刻和预设结束时刻计算目标时长；

按照目标时长和各机构的预设标识从预设数据库中读取各机构的业务订单信息，各机构包括医疗机构；

通过已训练的目标风险识别模型按照预设风险标签集对各机构的业务订单信息进行风险识别和信息过滤，得到各机构的风险订单，并按照预设风险标签集标识并记录各机构的风险订单。

可选的，标准化模块302还具体用于：

根据各机构中各风险类型的风险订单与各机构的业务订单信息统计各机构中各风险类型的风险订单数量和各机构的业务订单总数量；

对各机构中各风险类型的风险订单数量和各机构的业务订单总数量进行除法运算，得到各机构的运算结果，并将各机构的运算结果设置为各机构中各风险类型的风险订单比例值；

获取各机构中各风险类型的均值数据和标准差数据，按照预设标准化算法对各机构中各风险类型的风险订单比例值、各机构中各风险类型的均值数据和标准差数据进行数据标准化，得到各机构中各风险类型的标准分数，预设标准化算法包括z分数标准化算法。

可选的，匹配模块303还具体用于：

判断各机构中各风险类型的标准分数是否大于预设值；

若各机构中各风险类型的标准分数大于预设值，则按照各机构中各风险类型的标准分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；

若各机构中各风险类型的标准分数小于或者等于预设值，则对各机构中各风险类型的标准分数进行数值转换，得到各机构的待匹配分数，按照各机构的待匹配分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值。

可选的，预警模块304还可以具体用于：

获取预设系数，对各机构中各风险类型的预设概率值分别和预设系数进行相乘运算，得到各机构中各风险类型的评分值；

基于预设风险预警机制确定各机构中各风险类型的评分值对应的风险等级；

按照各机构中各风险类型的风险等级生成各机构中各风险类型的预警信息，并将各机构中各风险类型的预警信息发送至目标终端，以使得目标终端提示目标人员按照各机构中各风险类型的预警信息调整对应的业务订单信息。

可选的，基于标准正态分布的评分装置还包括：

获取模块305，用于从预设数据库中获取各机构中各风险类型的预警信息；

生成模块306，用于根据各机构中各风险类型的评分值和各机构中各风险类型的预警信息生成各机构中各风险类型的风险预警评估报告。

可选的，基于标准正态分布的评分装置还包括：

接收模块307，用于接收业务风险订单展示请求，按照业务风险订单展示请求获取目标业务的多个风险订单，每个风险订单均已备注对应的风险等级；

排序模块308，用于根据风险等级对每个风险订单进行排序，得到排序后的风险订单，并将排序后的风险订单发送至目标终端。

本发明实施例中，通过计算各机构中各风险类型的风险订单的风险订单比例值，将同一个风险类型下各机构的风险订单比例值进行标准化，得到近似服从标准正态分布的标准分数，根据相应标准正态分布表，可以得到一个概率值，并确定该机构在该风险类型下的评分值，提高了机构风险评分的准确率。

上面图3和图4从模块化的角度对本发明实施例中的基于标准正态分布的评分装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于标准正态分布的评分设备进行详细描述。

图5是本发明实施例提供的一种基于标准正态分布的评分设备的结构示意图，该基于标准正态分布的评分设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）510（例如，一个或一个以上处理器）和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530（例如一个或一个以上海量存储设备）。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对基于标准正态分布的评分设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在基于标准正态分布的评分设备500上执行存储介质530中的一系列指令操作。

基于标准正态分布的评分设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的基于标准正态分布的评分设备结构并不构成对基于标准正态分布的评分设备的限定，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。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于标准正态分布的评分方法的步骤。

本发明还提供一种基于标准正态分布的评分设备，所述基于标准正态分布的评分设备包括存储器和处理器，存储器中存储有指令，所述指令被处理器执行时，使得处理器执行上述每个实施例中的所述基于标准正态分布的评分方法的步骤。

进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

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。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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）执行本发明每个个实施例所述方法的全部或部分步骤。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）、磁碟或者光盘等每个种可以存储程序代码的介质。

以上所述，以上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：其依然可以对前述每个实施例所记载的技术方案进行修改，或者对其中部分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每个实施例技术方案的精神和范围。

Claims (10)

1.一种基于标准正态分布的评分方法，其特征在于，所述基于标准正态分布的评分方法包括：

获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单；

按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数；

根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；

将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警。

2.根据权利要求1所述的基于标准正态分布的评分方法，其特征在于，所述获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单，包括：

获取预设起始时刻和预设结束时刻，根据所述预设起始时刻和所述预设结束时刻计算目标时长；

按照所述目标时长和各机构的预设标识从预设数据库中读取各机构的业务订单信息，各机构包括医疗机构；

通过已训练的目标风险识别模型按照预设风险标签集对各机构的业务订单信息进行风险识别和信息过滤，得到各机构的风险订单，并按照所述预设风险标签集标识并记录各机构的风险订单。

3.根据权利要求1所述的基于标准正态分布的评分方法，其特征在于，所述按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数，包括：

根据各机构中各风险类型的风险订单与各机构的业务订单信息统计各机构中各风险类型的风险订单数量和各机构的业务订单总数量；

对各机构中各风险类型的风险订单数量和各机构的业务订单总数量进行除法运算，得到各机构的运算结果，并将各机构的运算结果设置为各机构中各风险类型的风险订单比例值；

获取各机构中各风险类型的均值数据和标准差数据，按照预设标准化算法对各机构中各风险类型的风险订单比例值、各机构中各风险类型的均值数据和标准差数据进行数据标准化，得到各机构中各风险类型的标准分数，预设标准化算法包括z分数标准化算法。

4.根据权利要求1所述的基于标准正态分布的评分方法，其特征在于，所述根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值，包括：

判断各机构中各风险类型的标准分数是否大于预设值；

若各机构中各风险类型的标准分数大于预设值，则按照各机构中各风险类型的标准分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；

若各机构中各风险类型的标准分数小于或者等于预设值，则对各机构中各风险类型的标准分数进行数值转换，得到各机构的待匹配分数，按照各机构的待匹配分数读取预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值。

5.根据权利要求1所述的基于标准正态分布的评分方法，其特征在于，所述将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警，包括：

获取预设系数，对各机构中各风险类型的预设概率值分别和所述预设系数进行相乘运算，得到各机构中各风险类型的评分值；

基于预设风险预警机制确定各机构中各风险类型的评分值对应的风险等级；

按照各机构中各风险类型的风险等级生成各机构中各风险类型的预警信息，并将各机构中各风险类型的预警信息发送至目标终端，以使得所述目标终端提示目标人员按照各机构中各风险类型的预警信息调整对应的业务订单信息。

6.根据权利要求1-5中任意一项所述的基于标准正态分布的评分方法，其特征在于，在所述将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警之后，所述基于标准正态分布的评分方法还包括：

从预设数据库中获取各机构中各风险类型的预警信息；

根据各机构中各风险类型的评分值和各机构中各风险类型的预警信息生成各机构中各风险类型的风险预警评估报告。

7.根据权利要求1-5中任意一项所述的基于标准正态分布的评分方法，其特征在于，在所述将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警之后，所述基于标准正态分布的评分方法还包括：

接收业务风险订单展示请求，按照所述业务风险订单展示请求获取目标业务的多个风险订单，每个风险订单均已备注对应的风险等级；

根据所述风险等级对每个风险订单进行排序，得到排序后的风险订单，并将所述排序后的风险订单发送至目标终端。

8.一种基于标准正态分布的评分装置，其特征在于，所述基于标准正态分布的评分装置包括：

筛选模块，用于获取目标时长内各机构的业务订单信息，并根据预设风险标签集从各机构的业务订单信息中筛选各机构的风险订单；

标准化模块，用于按照各机构的风险订单和各机构的业务订单信息确定各机构中各风险类型的风险订单比例值，并按照预设标准化算法对各机构中各风险类型的风险订单比例值进行数据标准化，得到各机构中各风险类型的标准分数；

匹配模块，用于根据各机构中各风险类型的标准分数匹配预设的标准正态分布数据表，得到各机构中各风险类型的预测概率值；

预警模块，用于将各机构中各风险类型的预设概率值转换为各机构中各风险类型的评分值，并根据预设风险预警机制和各机构中各风险类型的评分值进行分析和预警。

9.一种基于标准正态分布的评分设备，其特征在于，所述基于标准正态分布的评分设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于标准正态分布的评分设备执行如权利要求1-7中任意一项所述的基于标准正态分布的评分方法。

10.一种计算机可读存储介质，其上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任意一项所述的基于标准正态分布的评分方法。

Images