CN116664319A - 一种基于大数据的金融保单分类系统 - Google Patents
一种基于大数据的金融保单分类系统 Download PDFInfo
- Publication number
- CN116664319A CN116664319A CN202310956810.3A CN202310956810A CN116664319A CN 116664319 A CN116664319 A CN 116664319A CN 202310956810 A CN202310956810 A CN 202310956810A CN 116664319 A CN116664319 A CN 116664319A
- Authority
- CN
- China
- Prior art keywords
- policy
- data
- classification
- financial
- module
- 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
- 238000013145 classification model Methods 0.000 claims abstract description 52
- 238000012549 training Methods 0.000 claims abstract description 48
- 238000000605 extraction Methods 0.000 claims abstract description 25
- 238000004140 cleaning Methods 0.000 claims abstract description 17
- 238000013480 data collection Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 41
- 239000000284 extract Substances 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000003066 decision tree Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000013499 data model Methods 0.000 claims description 6
- 238000002790 cross-validation Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013450 outlier detection Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims 2
- 238000007405 data analysis Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于大数据的金融保单分类系统，包括保单数据收集模块、保单数据清洗模块、保单数据特征提取模块、大数据分类模型训练模块、保单分类模块、分类结果展示模块；本发明提出的一种基于大数据的金融保单分类系统，首先收集保单的数据，对数据进行清洗和特征数据提取，通过大数据人工智能算法，构建保单分类模型，将保单数据输入保单分类模型，输出保单分类结果。
Description
技术领域
本发明涉及文件分类领域，具体地说，涉及一种基于大数据的金融保单分类系统。
背景技术
在金融保险行业，保单的分类和管理是一项重要的任务。传统的保单分类方法通常基于人工规则和经验判断，这种方法存在主观性和不一致性、人力成本和效率低下、难以处理大规模数据，以至于不同的人员可能对保单进行不同的分类，导致分类结果的主观性和不一致性。这可能导致分类错误和不准确的结果。而且手动分类保单需要大量的人力资源和时间。对于大量的保单数据，人工分类往往效率低下且容易出错。随着金融行业数据量的不断增长，传统的分类方法很难处理大规模的保单数据。人工分类的方法无法满足大数据时代对高效处理和准确分类的需求，为了克服这些问题，提出一种基于大数据的金融保单分类系统，大数据技术成为了金融保险行业的关键工具。大数据技术能够处理和分析大规模的保单数据，并从中提取有用的信息和模式。这使得基于大数据的保单分类系统成为可能，可以自动化和优化保单分类过程，能够自动处理大量的数据，因此提出一种基于大数据的金融保单分类系统，利用保单数据中的丰富信息和特征，通过数据驱动的方式进行分类，自动学习和发现保单的模式和规律，从而提高分类的准确性和一致性，基于大数据的分类方法，解决了传统方法所面临的问题，并提供高效、准确和可靠的保单分类解决方案。
发明内容
本发明的目的在于提供一种基于大数据的金融保单分类系统，以解决上述背景技术中提出的问题。
为了实现上述目的，本发明提出一种基于大数据的金融保单分类系统，包括保单数据收集模块、保单数据清洗模块、保单数据特征提取模块、大数据分类模型训练模块、保单分类模块、分类结果展示模块；保单数据收集模块将电子版的保单输入分类系统，分类系统自动提取保单数据储存至系统；保单数据清洗模块对收集的保单数据进行筛选过滤；保单数据特征提取模块对处理后的保单数据进行和保单分类相关的特征数据提取；特征提取后的数据通过大数据模型训练模块，进行保单分类模型的训练；保单分类模块输入电子版保单，保单分类模型提取数据进行分析；在分类结果展示模块，根据保单分类模块的分析结果，输出保单归属的类别 。
进一步的，所述保单数据收集模块，与机构的保单数据库进行连接，根据预设的查询条件和指令，从机构保单数据库中检索保单数据，查询条件包括保单时间范围、特定保险产品、客户信息；从保单数据库中识别提取保单中的数据。
进一步的，所述保单数据清洗模块，对从机构保单数据库中获取的保单数据进行预处理，确保数据的质量和准确性，先对数据进行清洗，去除不完整、冗余、错误、无效的数据，提高后续分类和分析的可靠性和准确性，再对数据进行缺失值检测，使用插值法对缺失值进行填充，接着对识别的数据进行异常值检测，删除异常值且通过插值法进行数据填充，处理后的数据为后续的数据特征提取、模型训练和保单分类提供可靠的高质量数据基础。
进一步的，所述保单数据特征提取模块，将经过清洗，填充的数据进行关键特征数据提取， 根据金融保单领域知识、专业经验、统计分析进行保单特征分类，提取与保单分类相关的数据。
进一步的，所述大数据分类模型训练模块，采用交叉验证的方法进行数据分割，将大量的特征提取过的数据分成训练集和测试集，训练集用于模型的训练和参数优化而测试集用于评估模型的性能和泛化能力；选择决策树算法进行分类模型的训练，在分类模型中定义金融保单的类别，通过决策数算法，对训练集中的特征数据，计算样本信息熵、计算类别熵值、计算信息增益、寻找决策树分支；通过训练集对构建的分类模型进行训练，分类模型不断迭代优化，逐渐学习并调整自身的参数，以最大程度地拟合训练数据并捕捉其潜在的特征和规律；对训练完成的分类模型使用测试集数据对进行评估，评估指标包括准确率、召回率、精确率、F1值，基于评估结果，进一步对模型进行优化和调整，包括调整模型的超参数、增加、删除特征、增加数据样本，通过反复的训练、评估和优化过程，逐步改进模型的性能和泛化能力，提高分类模型的分类准确度。
进一步的，所述保单分类模块，对于要分类的新的金融保单，将电子版金融保单输入金融保单分类系统，金融保单分类系统自动进行保单识别、数据收集、数据清洗、特征提取，将提取出得数据特征输入大数据分类模型，大数据分类模型经过保单数据分析，判断金融保单所属类别。
进一步的，所述分类结果展示模块， 对于经过大数据模型分析后得金融保单，输出保单所属类别，并将金融保单自动存储进对应得类别文件夹；将金融保单分类结果以可视化的方式的展现给用户，并且对于数据库中所有的金融保单，以统计图表的形式展示金融保单别分布结果，使用户能够更好地理解保单分类结果，并根据分类结果做出相应的决策、优化业务流程、进行风险管理。
有益效果：本发明提出一种基于大数据的金融保单分类系统，包括保单数据收集模块、保单数据清洗模块、保单数据特征提取模块、大数据分类模型训练模块、保单分类模块、分类结果展示模块；保单数据收集模块与金融机构保单数据库连接，将电子版的保单输入分类系统，分类系统自动提取保单数据储存至分类系统；保单数据清洗模块对收集的保单数据进行筛选过滤，采用插值法对缺失值进行填充；保单数据特征提取模块对处理后的保单数据根据金融保单领域知识、专业经验、统计分析进行保单特征分类，提取与保单分类相关的数据；特征提取后的数据通过大数据分类模型训练模块，进行保单分类模型的训练，采用交叉验证的方法进行数据分割，将数据分成训练集和测试集，采用决策树算法进行分类模型的训练，计算样本信息熵、计算类别熵值、计算信息增益、寻找决策树分支，分类模型不断迭代优化，逐渐学习并调整自身的参数，以最大程度地拟合训练数据并捕捉其潜在的特征和规律，根据准确率、召回率、精确率、F1值对训练完成的分类模型进行评估，进一步对模型进行优化和调整，逐步改进模型的性能和泛化能力，提高分类模型的分类准确度；保单分类模块对输入进分类系统的电子版保单，保单分类模型自动提取数据进行分析；保单的分类结果在分类结果展示模块进行展示，根据保单分类模块的分析结果，输出保单归属的类别，并且对于数据库中所有的金融保单，以统计图表的形式展示金融保单分布结果，并根据分类结果做出相应的决策、优化业务流程、进行风险管理。本发明提出的基于大数据的金融保单分类系统，能够自动化地对保单进行分类，相比传统的手动分类方法，该分类系统可以显著减少人工操作和主观判断，提高分类的准确性和一致性。可以快速处理大量保单数据，提高处理效率，使保险公司能够及时响应客户需求，还可以为决策者提供有价值的信息，帮助其做出准确、及时的决策，优化业务流程和风险管理，这些效果将为金融保险行业带来显著的效益和改进，提高工作效率和决策质量。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
具体实施方式
结合以下实例对本发明作进一步描述。
参见图1，本发明的目的在于提供一种基于大数据的金融保单分类系统，以解决上述背景技术中提出的问题。
为了实现上述目的，本发明提出一种基于大数据的金融保单分类系统，包括保单数据收集模块、保单数据清洗模块、保单数据特征提取模块、大数据分类模型训练模块、保单分类模块、分类结果展示模块；保单数据收集模块将电子版的保单输入分类系统，分类系统自动提取保单数据储存至系统；保单数据清洗模块对收集的保单数据进行筛选过滤；保单数据特征提取模块对处理后的保单数据进行和保单分类相关的特征数据提取；特征提取后的数据通过大数据模型训练模块，进行保单分类模型的训练；保单分类模块输入电子版保单，保单分类模型提取数据进行分析；在分类结果展示模块，根据保单分类模块的分析结果，输出保单归属的类别 。
具体的，所述保单数据收集模块，与机构的保单数据库进行连接，根据预设的查询条件和指令，从机构保单数据库中检索保单数据，查询条件包括保单时间范围、特定保险产品、客户信息；从保单数据库中识别提取保单中的数据。
具体的，所述保单数据清洗模块，对从机构保单数据库中获取的保单数据进行预处理，确保数据的质量和准确性，先对数据进行清洗，去除不完整、冗余、错误、无效的数据，提高后续分类和分析的可靠性和准确性，再对数据进行缺失值检测，使用插值法对缺失值进行填充，接着对识别的数据进行异常值检测，删除异常值且通过插值法进行数据填充，处理后的数据为后续的数据特征提取、模型训练和保单分类提供可靠的高质量数据基础。
具体的，所述保单数据特征提取模块，将经过清洗，填充的数据进行关键特征数据提取， 根据金融保单领域知识、专业经验、统计分析进行保单特征分类，提取与保单分类相关的数据。
具体的，所述大数据分类模型训练模块，采用交叉验证的方法进行数据分割，将大量的特征提取过的数据分成训练集和测试集，训练集用于模型的训练和参数优化而测试集用于评估模型的性能和泛化能力；选择决策树算法进行分类模型的训练，在分类模型中定义金融保单的类别，通过决策数算法，对训练集中的特征数据，计算样本信息熵、计算类别熵值、计算信息增益、寻找决策树分支；通过训练集对构建的分类模型进行训练，分类模型不断迭代优化，逐渐学习并调整自身的参数，以最大程度地拟合训练数据并捕捉其潜在的特征和规律；对训练完成的分类模型使用测试集数据对进行评估，评估指标包括准确率、召回率、精确率、F1值，基于评估结果，进一步对模型进行优化和调整，包括调整模型的超参数、增加、删除特征、增加数据样本，通过反复的训练、评估和优化过程，逐步改进模型的性能和泛化能力，提高分类模型的分类准确度。
具体的，所述保单分类模块，对于要分类的新的金融保单，将电子版金融保单输入金融保单分类系统，金融保单分类系统自动进行保单识别、数据收集、数据清洗、特征提取，将提取出得数据特征输入大数据分类模型，大数据分类模型经过保单数据分析，判断金融保单所属类别。
具体的，所述分类结果展示模块， 对于经过大数据模型分析后得金融保单，输出保单所属类别，并将金融保单自动存储进对应得类别文件夹；将金融保单分类结果以可视化的方式的展现给用户，并且对于数据库中所有的金融保单，以统计图表的形式展示金融保单分布结果，使用户能够更好地理解保单分类结果，并根据分类结果做出相应的决策、优化业务流程、进行风险管理。
有益效果：本发明提出一种基于大数据的金融保单分类系统，包括保单数据收集模块、保单数据清洗模块、保单数据特征提取模块、大数据分类模型训练模块、保单分类模块、分类结果展示模块；保单数据收集模块与金融机构保单数据库连接，将电子版的保单输入分类系统，分类系统自动提取保单数据储存至分类系统；保单数据清洗模块对收集的保单数据进行筛选过滤，采用插值法对缺失值进行填充；保单数据特征提取模块对处理后的保单数据根据金融保单领域知识、专业经验、统计分析进行保单特征分类，提取与保单分类相关的数据；特征提取后的数据通过大数据分类模型训练模块，进行保单分类模型的训练，采用交叉验证的方法进行数据分割，将数据分成训练集和测试集，采用决策树算法进行分类模型的训练，计算样本信息熵、计算类别熵值、计算信息增益、寻找决策树分支，分类模型不断迭代优化，逐渐学习并调整自身的参数，以最大程度地拟合训练数据并捕捉其潜在的特征和规律，根据准确率、召回率、精确率、F1值对训练完成的分类模型进行评估，进一步对模型进行优化和调整，逐步改进模型的性能和泛化能力，提高分类模型的分类准确度；保单分类模块对输入进分类系统的电子版保单，保单分类模型自动提取数据进行分析；保单的分类结果在分类结果展示模块进行展示，根据保单分类模块的分析结果，输出保单归属的类别，并且对于数据库中所有的金融保单，以统计图表的形式展示金融保单分布结果，并根据分类结果做出相应的决策、优化业务流程、进行风险管理。本发明提出的基于大数据的金融保单分类系统，能够自动化地对保单进行分类，相比传统的手动分类方法，该分类系统可以显著减少人工操作和主观判断，提高分类的准确性和一致性。可以快速处理大量保单数据，提高处理效率，使保险公司能够及时响应客户需求，还可以为决策者提供有价值的信息，帮助其做出准确、及时的决策，优化业务流程和风险管理，这些效果将为金融保险行业带来显著的效益和改进，提高工作效率和决策质量。
本发明还提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令，该指令由处理器加载并执行，以实现上述方法。其中，该计算机可读存储介质可以是ROM、随机存取存储器、CD-ROM、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
本发明实施方式是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本发明中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本发明所示的这些实施例，而是要符合与本发明所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于大数据的金融保单分类系统，包括保单数据收集模块、保单数据清洗模块、保单数据特征提取模块、大数据分类模型训练模块、保单分类模块、分类结果展示模块；保单数据收集模块将电子版的保单输入分类系统，分类系统自动提取保单数据储存至系统；保单数据清洗模块对收集的保单数据进行筛选过滤；保单数据特征提取模块对处理后的保单数据进行和保单分类相关的特征数据提取；特征提取后的数据通过大数据模型训练模块，采用改进的决策树算法，进行保单分类模型的训练；保单分类模块输入电子版保单，保单分类模型提取数据进行分析；在分类结果展示模块，根据保单分类模块的分析结果，输出保单归属的类别 。
2.根据权利要求1所述一种基于大数据的金融保单分类系统，其特征在于，所述保单数据收集模块，与机构的保单数据库进行连接，根据预设的查询条件和指令，从机构保单数据库中检索保单数据，查询条件包括保单时间范围、特定保险产品、客户信息；从保单数据库中识别提取保单中的数据。
3.根据权利要求1所述一种基于大数据的金融保单分类系统，其特征在于，所述保单数据清洗模块，对从机构保单数据库中获取的保单数据进行预处理，确保数据的质量和准确性，先对数据进行清洗，去除不完整、冗余、错误、无效的数据，提高后续分类和分析的可靠性和准确性，再对数据进行缺失值检测，使用插值法对缺失值进行填充，接着对识别的数据进行异常值检测，删除异常值且通过插值法进行数据填充，处理后的数据为后续的数据特征提取、模型训练和保单分类提供可靠的高质量数据基础。
4.根据权利要求1所述一种基于大数据的金融保单分类系统，其特征在于，所述保单数据特征提取模块，将经过清洗，填充的数据进行关键特征数据提取， 根据金融保单领域知识、专业经验、统计分析进行保单特征分类，提取与保单分类相关的数据。
5.根据权利要求1所述一种基于大数据的金融保单分类系统，其特征在于，所述大数据分类模型训练模块，采用交叉验证的方法进行数据分割，将大量的特征提取过的数据分成训练集和测试集，训练集用于模型的训练和参数优化而测试集用于评估模型的性能和泛化能力；选择决策树算法进行分类模型的训练，在分类模型中定义金融保单的类别，通过决策数算法，对训练集中的特征数据，计算样本信息熵、计算类别熵值、计算信息增益、寻找决策树分支；通过训练集对构建的分类模型进行训练，分类模型不断迭代优化，逐渐学习并调整自身的参数，以最大程度地拟合训练数据并捕捉其潜在的特征和规律；对训练完成的分类模型使用测试集数据对进行评估，评估指标包括准确率、召回率、精确率、F1值，基于评估结果，进一步对模型进行优化和调整，包括调整模型的超参数、增加、删除特征、增加数据样本，通过反复的训练、评估和优化过程，逐步改进模型的性能和泛化能力，提高分类模型的分类准确度。
6.根据权利要求1所述一种基于大数据的金融保单分类系统，其特征在于，所述保单分类模块，对于要分类的新的金融保单，将电子版金融保单输入金融保单分类系统，金融保单分类系统自动进行保单识别、数据收集、数据清洗、特征提取，将提取出得数据特征输入大数据分类模型，大数据分类模型经过保单数据分析，判断金融保单所属类别。
7.根据权利要求1所述一种基于大数据的金融保单分类系统，其特征在于，所述分类结果展示模块， 对于经过大数据模型分析后得金融保单，输出保单所属类别，并将金融保单自动存储进对应得类别文件夹；将金融保单分类结果以可视化的方式展现给用户，并且对于数据库中所有的金融保单，以统计图表的形式展示金融保单分布结果，使用户能够更好地理解保单分类结果，并根据分类结果做出相应的决策、优化业务流程、进行风险管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310956810.3A CN116664319A (zh) | 2023-08-01 | 2023-08-01 | 一种基于大数据的金融保单分类系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310956810.3A CN116664319A (zh) | 2023-08-01 | 2023-08-01 | 一种基于大数据的金融保单分类系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116664319A true CN116664319A (zh) | 2023-08-29 |
Family
ID=87712243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310956810.3A Pending CN116664319A (zh) | 2023-08-01 | 2023-08-01 | 一种基于大数据的金融保单分类系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116664319A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111930892A (zh) * | 2020-08-07 | 2020-11-13 | 重庆邮电大学 | 一种基于改进互信息函数的科技文本分类方法 |
| WO2021012783A1 (zh) * | 2019-07-23 | 2021-01-28 | 平安科技（深圳）有限公司 | 基于大数据的保单核保模型训练方法和核保风险评估方法 |
| WO2022142593A1 (zh) * | 2020-12-28 | 2022-07-07 | 深圳壹账通智能科技有限公司 | 文本分类方法、装置、电子设备及可读存储介质 |
| CN115034317A (zh) * | 2022-06-17 | 2022-09-09 | 中国平安人寿保险股份有限公司 | 保单识别模型的训练方法和装置、保单识别方法和装置 |
| CN116205749A (zh) * | 2023-05-06 | 2023-06-02 | 深圳市秦保科技有限公司 | 电子保单信息数据管理方法、装置、设备及可读存储介质 |
-
2023
- 2023-08-01 CN CN202310956810.3A patent/CN116664319A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021012783A1 (zh) * | 2019-07-23 | 2021-01-28 | 平安科技（深圳）有限公司 | 基于大数据的保单核保模型训练方法和核保风险评估方法 |
| CN111930892A (zh) * | 2020-08-07 | 2020-11-13 | 重庆邮电大学 | 一种基于改进互信息函数的科技文本分类方法 |
| WO2022142593A1 (zh) * | 2020-12-28 | 2022-07-07 | 深圳壹账通智能科技有限公司 | 文本分类方法、装置、电子设备及可读存储介质 |
| CN115034317A (zh) * | 2022-06-17 | 2022-09-09 | 中国平安人寿保险股份有限公司 | 保单识别模型的训练方法和装置、保单识别方法和装置 |
| CN116205749A (zh) * | 2023-05-06 | 2023-06-02 | 深圳市秦保科技有限公司 | 电子保单信息数据管理方法、装置、设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112017025B (zh) | 一种基于深度学习与逻辑回归相融合的企业信用评估方法 | |
| CN112446591B (zh) | 一种用于学生综合能力评价的零样本评价方法 | |
| CN109271374B (zh) | 一种基于机器学习的数据库健康度打分方法和打分系统 | |
| CN110111888A (zh) | 一种XGBoost疾病概率预测方法、系统及存储介质 | |
| CN110807760B (zh) | 一种烟叶分级方法及系统 | |
| WO2018014610A1 (zh) | 基于c4.5决策树算法的特定用户挖掘系统及其方法 | |
| CN110680326A (zh) | 基于深度卷积神经网络的尘肺病鉴别及分级判定方法 | |
| CN112700319A (zh) | 基于政务数据的企业授信额度确定方法及装置 | |
| Ishak et al. | Orange software usage in data mining classification method on the dataset lenses | |
| CN111242242A (zh) | 一种基于置信度选择的宫颈组织病理全玻片图像自动分类方法 | |
| CN112418695A (zh) | 面向烟草领域科研人员的多维度画像构建方法及推荐方法 | |
| CN109063983B (zh) | 一种基于社交媒体数据的自然灾害损失实时评估方法 | |
| CN113726558A (zh) | 基于随机森林算法的网络设备流量预测系统 | |
| CN110276299A (zh) | 计量箱外观故障图像识别模型及方法 | |
| CN116664944A (zh) | 一种基于属性特征知识图谱的葡萄园害虫识别方法 | |
| CN111598580A (zh) | 一种基于XGBoost算法的区块链产品检测方法、系统及装置 | |
| CN118212634B (zh) | 间充质干细胞的智能管理系统及方法 | |
| CN111899214B (zh) | 一种病理切片扫描分析装置及病理切片扫描方法 | |
| CN116664319A (zh) | 一种基于大数据的金融保单分类系统 | |
| CN116578677B (zh) | 一种针对医疗检验信息的检索系统和方法 | |
| CN116579842B (zh) | 基于用户行为数据的信用数据分析方法及系统 | |
| CN117172381A (zh) | 基于大数据的风险预测方法 | |
| CN116467441A (zh) | 一种基于中文短文本分类的文档分类方法 | |
| CN116992356A (zh) | 基于大数据挖掘技术的银行客户分类系统研究 | |
| CN110175191B (zh) | 数据分析中的数据过滤规则建模方法 |
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: 20230829 |