CN115829763A - 数据报送方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请实施例属于人工智能领域，涉及一种数据报送方法，包括：基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据；基于预设的转换处理规则，将第一保险数据转换为相应的第二保险数据；基于预设的校验模型对第二保险数据进行异常校验处理，得到与所有第二保险数据分别对应的异常校验结果；基于异常校验结果，从所有第二保险数据中确定出通过校验的第三保险数据；对第三保险数据进行报送处理。本申请还提供一种数据报送装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，第三保险数据可存储于区块链中。本申请能够实现对于待上报的保险数据的自动上报处理，提高了保险数据的报送效率。

Description

数据报送方法、装置、计算机设备及存储介质

技术领域

本申请涉及人工智能技术领域，尤其涉及数据报送方法、装置、计算机设备及存储介质。

背景技术

为了加强对国内外金融机构的统一监管需要，中保信、中国银保监会等监管机构下发了要求各商业机构完成数据上报的要求。现有的保险公司的数据报送方式依赖人工处理，需要人工收集整理，人工校验，数据在各部门通过邮件方式流转，需要花费大量的人力和时间整理、收集、整合，数据来源混乱，且数据报送的流程复杂，整个数据处理流程需要经过层层的人工审核和验证环节，处理时效性低，容易出现数据上报不及时的现象。

发明内容

本申请实施例的目的在于提出一种数据报送方法、装置、计算机设备及存储介质，以解决现有的数据报送方式依赖人工处理，需要花费大量的人力和时间整理、收集、整合，数据来源混乱，且数据报送的流程复杂，处理时效性低的技术问题。

为了解决上述技术问题，本申请实施例提供一种数据报送方法，采用了如下所述的技术方案：

基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据；其中，所述第一保险数据的数量包括多个；

基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据；

基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果；

基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据；

对所述第三保险数据进行报送处理。

进一步的，所述基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据的步骤，具体包括：

基于所述取数规则，确定出满足报送条件的保险业务类型信息；

调用所述保险数据仓库；

基于所述保险业务类型信息，从所述保险数据仓库中查询出与所述保险业务类型信息对应的第一指定保险数据；

将所述第一指定保险数据作为所述第一保险数据。

进一步的，所述基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据的步骤，具体包括：

对所述第一保险数据进行数据清洗处理，得到处理后的第二指定保险数据；

基于所述转换处理规则，对所述第二指定保险数据进行规范化处理，得到处理后的第三指定保险数据；

将所述第三指定保险数据作为第二保险数据。

进一步的，所述基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果的步骤，具体包括：

将第四指定保险数据输入至所述校验模型中，通过所述校验模型对所述第四指定保险数据进行异常分析，得到与所述第四指定保险数据对应的异常得分值；其中，所述第四指定保险数据为所有所述第二保险数据中的任意一个保险数据；

获取预设的异常分数阈值；

若所述异常得分值大于所述异常分数阈值，则判定所述第四指定保险数据为异常数据，并生成所述第四指定保险数据属于异常数据的第一异常校验结果；

若所述异常得分值小于所述异常分数阈值，则判定所述第四指定保险数据不为异常数据，并生成所述第四指定保险数据不属于异常数据的第二异常校验结果。

进一步的，在所述基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果的步骤之前，还包括：

获取预先构建的保险样本数据；

按照预设比例将所述保险样本数据划分为训练样本与测试样本；

基于预设的机器学习算法对所述训练样本进行训练，得到相应的初始校验模型；

基于所述测试样本对所述初始校验模型进行测试处理，得到相应的预测准确率；

基于所述预测准确率与所述训练样本对所述初始校验模型进行迭代优化，得到训练好的初始校验模型；

将所述训练好的初始校验模型作为所述校验模型。

进一步的，所述对所述第三保险数据进行报送处理的步骤，具体包括：

获取监管平台的地址信息；

获取预设的报送频率与报送时间段；

基于所述报送频率与所述报送时间段，将所述第三保险数据发送至与所述地址信息对应的所述监管平台。

进一步的，在所述基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果的步骤之后，还包括：

判断所有所述第二保险数据中是否存在未通过校验的第四保险数据；

若是，从所述第二保险数据中筛选出所述第四保险数据，并将所述第四保险数据写入至预设的异常数据表内；

生成与所述第四保险数据对应的异常预警信息；

获取目标运维人员的通讯信息；

将所述异常预警信息与所述异常数据表发送至与所述通讯信息对应的通讯终端。

为了解决上述技术问题，本申请实施例还提供一种数据报送装置，采用了如下所述的技术方案：

第一筛选模块，用于基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据；其中，所述第一保险数据的数量包括多个；

转换模块，用于基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据；

校验模块，用于基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果；

第一确定模块，用于基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据；

处理模块，用于对所述第三保险数据进行报送处理。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据；其中，所述第一保险数据的数量包括多个；

基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据；

基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果；

基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据；

对所述第三保险数据进行报送处理。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据；其中，所述第一保险数据的数量包括多个；

基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据；

基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果；

基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据；

对所述第三保险数据进行报送处理。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例首先基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据，然后基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据，之后基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果，后续基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据，最后对所述第三保险数据进行报送处理。本申请实施例基于取数规则、保险数据仓库、转换处理规则以及校验模型的使用，能够实现对于待上报的保险数据的自动上报处理，有效地提高了报送数据的获取效率与获取智能性，提高了保险数据的报送效率。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请可以应用于其中的示例性系统架构图；

图2根据本申请的数据报送方法的一个实施例的流程图；

图3是根据本申请的数据报送装置的一个实施例的结构示意图；

图4是根据本申请的计算机设备的一个实施例的结构示意图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的数据报送方法一般由服务器/终端设备执行，相应地，数据报送装置一般设置于服务器/终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的数据报送方法的一个实施例的流程图。所述的数据报送方法，包括以下步骤：

步骤S201，基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据。其中，所述第一保险数据的数量包括多个。

在本实施例中，数据报送方法运行于其上的电子设备(例如图1所示的服务器/终端设备)，可以通过有线连接方式或者无线连接方式获取第一保险数据。需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。其中，上述保险数据仓库为预先构建的存储有各个保险系统的保险数据的层次数据库。层次数据库也可称为层次模型，层次模型的数据结构比较简单清晰，层次数据库的查询效率高,因为层次模型中记录之间的联系用有向边表示,这种联系在DBMS中常常用指针来实现,因此这种联系也就是记录之间的存取路径。层次模型提供了良好的完整性支持。另外，上述基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S202，基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据。

在本实施例中，上述基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S203，基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果。

在本实施例中，上述异常校验结果包括通过校验或未通过校验。上述基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S204，基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据。

在本实施例中，在基于校验模型完成了对于所有第二保险数据的异常校验处理并生成相应的异常校验结果后，可以从所有异常校验结果筛选出内容为未通过校验的目标异常校验结果，进而从所有第二保险数据中筛选出与该目标异常校验结果对应的保险数据，得到上述第三保险数据。

步骤S205，对所述第三保险数据进行报送处理。

在本实施例中，对所述第三保险数据进行报送处理是指将第三保险数据发送至相关的监管平台。上述对所述第三保险数据进行报送处理的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

本申请首先基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据，然后基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据，之后基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果，后续基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据，最后对所述第三保险数据进行报送处理。本申请基于取数规则、保险数据仓库、转换处理规则以及校验模型的使用，能够实现对于待上报的保险数据的自动上报处理，有效地提高了报送数据的获取效率与获取智能性，提高了保险数据的报送效率。

在一些可选的实现方式中，步骤S201包括以下步骤：

基于所述取数规则，确定出满足报送条件的保险业务类型信息。

在本实施例中，上述取数规则为根据实际的数据报送条件需求预先构建的从保险数据仓库进行数据获取的规则。上述满足报送条件的保险业务类型信息是指需要进行数据上报的保险数据的业务类型，保险业务类型信息在保险数据仓库中作为相应的保险数据的索引数据。举例地，上述保险业务类型信息可包括理赔、再保、续保等信息。

调用所述保险数据仓库。

基于所述保险业务类型信息，从所述保险数据仓库中查询出与所述保险业务类型信息对应的第一指定保险数据。

在本实施例中，可将得到的保险业务类型信息作为索引，来从所述保险数据仓库中查询出与所述保险业务类型信息对应的第一指定保险数据。

将所述第一指定保险数据作为所述第一保险数据。

本申请通过基于所述取数规则，确定出满足报送条件的保险业务类型信息，然后调用所述保险数据仓库，并基于所述保险业务类型信息，从所述保险数据仓库中查询出与所述保险业务类型信息对应的第一指定保险数据，以作为所述第一保险数据。本申请基于取数规则与保险数据仓库的使用，可以实现对于待报送的保险数据的自动化抽取，提高了报送数据的获取效率与获取智能性，有利于提高数据报送的时效。

在本实施例的一些可选的实现方式中，步骤S202包括以下步骤：

对所述第一保险数据进行数据清洗处理，得到处理后的第二指定保险数据。

在本实施例中，可以根据实际的业务需求预先配置的清洗规则对所述第一保险数据进行数据清洗处理，即从获得的第一保险数据中筛选出符合清洗规则的数据，以得到处理后的第二指定保险数据。其中，上述清洗规则可以是对于保险数据中包含的固定信息项(例如客户姓名、证件号、保单号等)的所预先制定的规则，上述清洗规则至少包括客户信息规则、证件规则、保单规则，等等。

基于所述转换处理规则，对所述第二指定保险数据进行规范化处理，得到处理后的第三指定保险数据。

在本实施例中，上述转换处理规则为根据实际的业务需求预先配置的数据转换规范。通过根据转换处理规则对所述第二指定保险数据进行规范化处理，以得到处理后的第三指定保险数据。其中，转换处理规则可以根据报送机构(如监管平台)的报送要求制定，如果报送机构没有特殊的报送要求，可以根据与报送机构预先约定的数据转换规范制定，也可以根据开发人员输入的条件来配置相应的数据转换规则。转换处理规则约定了保险数据中至少一个数据项的统一格式，例如性别标识M为男性，性别标识W为女性；证件类型标识I为身份证，等等。

将所述第三指定保险数据作为第二保险数据。

本申请通过对所述第一保险数据进行数据清洗处理，得到处理后的第二指定保险数据，进而基于所述转换处理规则，对所述第二指定保险数据进行规范化处理，得到处理后的第三指定保险数据并用作第二保险数据。本申请基于清洗规则与转换处理规则来对需要上报的保险数据进行统一的规范化处理，从而可以快速准确地得到满足监管平台的报送条件的保险数据，保证了对于待报送的保险数据的报送处理过程的数据规范性。

在一些可选的实现方式中，步骤S203包括以下步骤：

将第四指定保险数据输入至所述校验模型中，通过所述校验模型对所述第四指定保险数据进行异常分析，得到与所述第四指定保险数据对应的异常得分值。其中，所述第四指定保险数据为所有所述第二保险数据中的任意一个保险数据。

在本实施例中，对于上述校验模型的训练生成过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

获取预设的异常分数阈值。

在本实施例中，对于上述异常分数阈值的取值不作具体限定，可根据实际的使用需求进行设置。

若所述异常得分值大于所述异常分数阈值，则判定所述第四指定保险数据为异常数据，并生成所述第四指定保险数据属于异常数据的第一异常校验结果。

若所述异常得分值小于所述异常分数阈值，则判定所述第四指定保险数据不为异常数据，并生成所述第四指定保险数据不属于异常数据的第二异常校验结果。

本申请通过使用预设的校验模型对所述第二保险数据进行异常校验处理，从而可以快速准确地得到与所有所述第二保险数据分别对应的异常校验结果，提高了对于保险数据进行异常检测的处理效率与结果准确性，且有利于后续可以基于得到的异常校验结果来准确地从第二保险数据中确定出最终用于报送的目标保险数据。

在一些可选的实现方式中，步骤S205包括以下步骤：

获取预先构建的保险样本数据。

在本实施例中，上述保险样本数据可从保险数据仓库中抽取的预设时间段内的保险数据构建得到。具体地，从预设时间段内的保险数据中提取异常特征，对存在异常特征对应的数据进行数据清洗、补充缺失值以及数据降维处理，以得到上述保险样本数据。其中，最终的保险样本数据包括保险数据与保险数据对应的标签(是否属于异常数据，属于异常数据为1，不属于异常数据为0)。另外，对于所述预设时间段的取值不作具体限定，例如可为距离当前时间的前2年内。上述保险样本数据设有异常结果标签。此外，可采用最邻近重采样法，在每个训练样本的最邻近样本基础上加上随机扰动，生成新的训练样本，使得属于异常数据类的训练样本总数与不属于异常数据类的训练样本总数达到数量上的均衡，避免过拟合。

按照预设比例将所述保险样本数据划分为训练样本与测试样本。

在本实施例中，对于所述预设时间段的取值不作具体限定，可根据实际的使用需求进行设置，例如可设为7：3。

基于预设的机器学习算法对所述训练样本进行训练，得到相应的初始校验模型。

在本实施例中，上述机器学习算法具体可为逻辑回归算法。可采用逻辑回归算法解析训练样本，以生成相应的机器学习模型，即所述初始校验模型。得到的初始校验模型就是机器学习学习到的什么样的特征数据属于异常数据这一结果的规律。

基于所述测试样本对所述初始校验模型进行测试处理，得到相应的预测准确率。

在本实施例中，通过将测试样本代入到初始校验模型内，从而可以得到与测试样本中每个样本数据对应的异常得分值，异常得分值处于0-1的范围之间，分值越大则异常度越高。

基于所述预测准确率与所述训练样本对所述初始校验模型进行迭代优化，得到训练好的初始校验模型。

在本实施例中，通过将测试样本的预测结果与实际结果相比较，得到预测准确率，再进一步迭代优化初始校验模型，精简异常数据特征、调整参数大小，直到准确率调至最优。其中，模型调优需要进行大量的试验才能找到最适合的参数值和特征。

将所述训练好的初始校验模型作为所述校验模型。

本申请通过获取预先构建的保险样本数据，然后按照预设比例将所述保险样本数据划分为训练样本与测试样本，之后基于预设的机器学习算法对所述训练样本进行训练，得到相应的初始校验模型，后续基于所述测试样本对所述初始校验模型进行测试处理，得到相应的预测准确率，最后基于所述预测准确率与所述训练样本对所述初始校验模型进行迭代优化，得到训练好的初始校验模型并用作所述校验模型，以完成用于对保险数据进行异常检测的校验模型的构建。使得后续可以通过使用预设的校验模型对所述第二保险数据进行异常校验处理，从而可以快速准确地得到与所有所述第二保险数据分别对应的异常校验结果，提高了对于保险数据进行异常检测的处理效率与结果准确性，且有利于后续可以基于得到的异常校验结果来准确地从第二保险数据中确定出最终用于报送的目标保险数据。

在本实施例的一些可选的实现方式中，步骤S205包括以下步骤：

获取监管平台的地址信息。

在本实施例中，上述监管平台指用于接收待上报的保险数据的报送机构。

获取预设的报送频率与报送时间段。

在本实施例中，其中，对于上述报送频率的取值不作具体限定，可根据实际的业务使用需求进行设置。举例地，报送频率可以由电子设备与监管平台约定一个监管平台能够承担的频率。或者，监管平台可以与电子设备进行信息交互，当监管平台需要处理的数据过多或者过少时，可以向电子设备反馈信息，以使电子设备根据监管平台反馈的信息，改变报送数据的频率。另外，对于上述报送时间段的取值不作具体限定，可根据实际的业务使用需求进行设置。举例地，上述报送时间段为监管平台的业务处理空闲时间段，例如为除工作时间段与休闲时间段之外的其他时间段。

基于所述报送频率与所述报送时间段，将所述第三保险数据发送至与所述地址信息对应的所述监管平台。

在本实施例中，在当前时间处于所述报送时间段内，按照所述报送频率将所述第三保险数据发送至与所述地址信息对应的所述监管平台。

本申请通过获取监管平台的地址信息，然后获取预设的报送频率与报送时间段，进而基于所述报送频率与所述报送时间段，将所述第三保险数据发送至与所述地址信息对应的所述监管平台。通过控制数据上报的报送频率与报送时间段，可以有效避免报送任务同时集中到监管平台从而造成服务器压力过大，提高了对于保险数据的上报智能性，有利于缓解了监管平台的压力，增强了监管平台的稳定性。

在本实施例的一些可选的实现方式中，在步骤S203之后，上述电子设备还可以执行以下步骤：

判断所有所述第二保险数据中是否存在未通过校验的第四保险数据。

若是，从所述第二保险数据中筛选出所述第四保险数据，并将所述第四保险数据写入至预设的异常数据表内。

在本实施例中，上述异常数据表为预先构建的用于存储异常的保险数据的数据表。

生成与所述第四保险数据对应的异常预警信息。

在本实施例中，可获取预设的异常预警信息模板，再将第四保险数据填充至该异常预警信息模板内，以生成上述异常预警信息。其中，上述异常预警信息模板可为开发人员根据实际的业务使用需求预先编写生成。

获取目标运维人员的通讯信息。

在本实施例中，上述目标运维人员为指代对异常的保险数据进行修改的工作人员。上述通讯信息可指邮件信息或手机号码。

将所述异常预警信息与所述异常数据表发送至与所述通讯信息对应的通讯终端。

本申请当检测出所有所述第二保险数据中是否存在未通过校验的第四保险数据，会进一步从所述第二保险数据中筛选出所述第四保险数据，并将所述第四保险数据写入至预设的异常数据表内，然后生成与所述第四保险数据对应的异常预警信息，后续获取目标运维人员的通讯信息，并将所述异常预警信息与所述异常数据表发送至与所述通讯信息对应的通讯终端。通过从第二保险数据中筛选出未通过校验的异常保险数据，并智能地将异常保险数据发送给相关的目标运维人员，以使得目标运维人员能够及时对异常保险数据进行修复处理，有利于提高目标运维人员的工作效率与工作体验。

需要强调的是，为进一步保证上述第三保险数据的私密和安全性，上述第三保险数据还可以存储于一区块链的节点中。

本申请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。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种数据报送装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图3所示，本实施例所述的数据报送装置300包括：第一筛选模块301、转换模块302、校验模块303、第一确定模块304以及处理模块305。其中：

第一筛选模块301，用于基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据；其中，所述第一保险数据的数量包括多个；

转换模块302，用于基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据；

校验模块303，用于基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果；

第一确定模块304，用于基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据；

处理模块305，用于对所述第三保险数据进行报送处理。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据报送方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，第一筛选模块301包括：

第一确定子模块，用于基于所述取数规则，确定出满足报送条件的保险业务类型信息；

调用子模块，用于调用所述保险数据仓库；

查询子模块，用于基于所述保险业务类型信息，从所述保险数据仓库中查询出与所述保险业务类型信息对应的第一指定保险数据；

第二确定子模块，用于将所述第一指定保险数据作为所述第一保险数据。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据报送方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中,转换模块302包括：

清洗子模块，用于对所述第一保险数据进行数据清洗处理，得到处理后的第二指定保险数据；

处理子模块，用于基于所述转换处理规则，对所述第二指定保险数据进行规范化处理，得到处理后的第三指定保险数据；

第三确定子模块，用于将所述第三指定保险数据作为第二保险数据。

本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据报送方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，校验模块303包括：

校验子模块，用于将第四指定保险数据输入至所述校验模型中，通过所述校验模型对所述第四指定保险数据进行异常分析，得到与所述第四指定保险数据对应的异常得分值；其中，所述第四指定保险数据为所有所述第二保险数据中的任意一个保险数据；

第一获取子模块，用于获取预设的异常分数阈值；

第一生成子模块，用于若所述异常得分值大于所述异常分数阈值，则判定所述第四指定保险数据为异常数据，并生成所述第四指定保险数据属于异常数据的第一异常校验结果；

第二生成子模块，用于若所述异常得分值小于所述异常分数阈值，则判定所述第四指定保险数据不为异常数据，并生成所述第四指定保险数据不属于异常数据的第二异常校验结果。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据报送方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，数据报送装置还包括：

第一获取模块，用于获取预先构建的保险样本数据；

划分模块，用于按照预设比例将所述保险样本数据划分为训练样本与测试样本；

训练模块，用于基于预设的机器学习算法对所述训练样本进行训练，得到相应的初始校验模型；

测试模块，用于基于所述测试样本对所述初始校验模型进行测试处理，得到相应的预测准确率；

优化模块，用于基于所述预测准确率与所述训练样本对所述初始校验模型进行迭代优化，得到训练好的初始校验模型；

第二确定模块，用于将所述训练好的初始校验模型作为所述校验模型。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据报送方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，处理模块305包括：

第二获取子模块，用于获取监管平台的地址信息；

第三获取子模块，用于获取预设的报送频率与报送时间段；

发送子模块，用于基于所述报送频率与所述报送时间段，将所述第三保险数据发送至与所述地址信息对应的所述监管平台。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据报送方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，数据报送装置还包括：

判断模块，用于判断所有所述第二保险数据中是否存在未通过校验的第四保险数据；

第二筛选模块，用于若是，从所述第二保险数据中筛选出所述第四保险数据，并将所述第四保险数据写入至预设的异常数据表内；

生成模块，用于生成与所述第四保险数据对应的异常预警信息；

第二获取模块，用于获取目标运维人员的通讯信息；

发送模块，用于将所述异常预警信息与所述异常数据表发送至与所述通讯信息对应的通讯终端。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据报送方法的步骤一一对应，在此不再赘述。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。

所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，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，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器41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41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4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41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如数据报送方法的计算机可读指令等。此外，所述存储器41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42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42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述数据报送方法的计算机可读指令。

所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例中，首先基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据，然后基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据，之后基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果，后续基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据，最后对所述第三保险数据进行报送处理。本申请实施例基于取数规则、保险数据仓库、转换处理规则以及校验模型的使用，能够实现对于待上报的保险数据的自动上报处理，有效地提高了报送数据的获取效率与获取智能性，提高了保险数据的报送效率。

本申请还提供了另一种实施方式，即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计算机可读指令，所述计算机可读指令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数据报送方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例中，首先基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据，然后基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据，之后基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果，后续基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据，最后对所述第三保险数据进行报送处理。本申请实施例基于取数规则、保险数据仓库、转换处理规则以及校验模型的使用，能够实现对于待上报的保险数据的自动上报处理，有效地提高了报送数据的获取效率与获取智能性，提高了保险数据的报送效率。

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，本申请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)执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种数据报送方法，其特征在于，包括下述步骤：

基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据；其中，所述第一保险数据的数量包括多个；

基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据；

基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果；

基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据；

对所述第三保险数据进行报送处理。

2.根据权利要求1所述的数据报送方法，其特征在于，所述基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据的步骤，具体包括：

基于所述取数规则，确定出满足报送条件的保险业务类型信息；

调用所述保险数据仓库；

基于所述保险业务类型信息，从所述保险数据仓库中查询出与所述保险业务类型信息对应的第一指定保险数据；

将所述第一指定保险数据作为所述第一保险数据。

3.根据权利要求1所述的数据报送方法，其特征在于，所述基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据的步骤，具体包括：

对所述第一保险数据进行数据清洗处理，得到处理后的第二指定保险数据；

基于所述转换处理规则，对所述第二指定保险数据进行规范化处理，得到处理后的第三指定保险数据；

将所述第三指定保险数据作为第二保险数据。

4.根据权利要求1所述的数据报送方法，其特征在于，所述基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果的步骤，具体包括：

将第四指定保险数据输入至所述校验模型中，通过所述校验模型对所述第四指定保险数据进行异常分析，得到与所述第四指定保险数据对应的异常得分值；其中，所述第四指定保险数据为所有所述第二保险数据中的任意一个保险数据；

获取预设的异常分数阈值；

若所述异常得分值大于所述异常分数阈值，则判定所述第四指定保险数据为异常数据，并生成所述第四指定保险数据属于异常数据的第一异常校验结果；

若所述异常得分值小于所述异常分数阈值，则判定所述第四指定保险数据不为异常数据，并生成所述第四指定保险数据不属于异常数据的第二异常校验结果。

5.根据权利要求1所述的数据报送方法，其特征在于，在所述基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果的步骤之前，还包括：

获取预先构建的保险样本数据；

按照预设比例将所述保险样本数据划分为训练样本与测试样本；

基于预设的机器学习算法对所述训练样本进行训练，得到相应的初始校验模型；

基于所述测试样本对所述初始校验模型进行测试处理，得到相应的预测准确率；

基于所述预测准确率与所述训练样本对所述初始校验模型进行迭代优化，得到训练好的初始校验模型；

将所述训练好的初始校验模型作为所述校验模型。

6.根据权利要求1所述的数据报送方法，其特征在于，所述对所述第三保险数据进行报送处理的步骤，具体包括：

获取监管平台的地址信息；

获取预设的报送频率与报送时间段；

基于所述报送频率与所述报送时间段，将所述第三保险数据发送至与所述地址信息对应的所述监管平台。

7.根据权利要求1所述的数据报送方法，其特征在于，在所述基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果的步骤之后，还包括：

判断所有所述第二保险数据中是否存在未通过校验的第四保险数据；

若是，从所述第二保险数据中筛选出所述第四保险数据，并将所述第四保险数据写入至预设的异常数据表内；

生成与所述第四保险数据对应的异常预警信息；

获取目标运维人员的通讯信息；

将所述异常预警信息与所述异常数据表发送至与所述通讯信息对应的通讯终端。

8.一种数据报送装置，其特征在于，包括：

第一筛选模块，用于基于预设的取数规则，从保险数据仓库中包含的所有保险数据中筛选出待报送的第一保险数据；其中，所述第一保险数据的数量包括多个；

转换模块，用于基于预设的转换处理规则，将所述第一保险数据转换为相应的第二保险数据；

校验模块，用于基于预设的校验模型对所述第二保险数据进行异常校验处理，得到与所有所述第二保险数据分别对应的异常校验结果；

第一确定模块，用于基于所述异常校验结果，从所有所述第二保险数据中确定出通过校验的第三保险数据；

处理模块，用于对所述第三保险数据进行报送处理。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据报送方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据报送方法的步骤。

Images