一种保险智能风控系统的制作方法

本发明涉及保险风控，更具体地说，它涉及一种保险智能风控系统。

背景技术：

1、现有的保险风控系统通常是通过人工审核或者预设阈值条件来判断保险是否存在风险；其中人工审核通过检查投保人提交的文件(例如身份证明、财务状况和健康状况等)以及背景调查(例如历史消费记录、犯罪记录等)，根据人工经验来判断该保险是否存在风险，然而这种方式审核流程繁琐，决策过程主观性较强，且效率低下；预设阈值条件包括：超出预设的大额投保金额阈值的保险需要额外审查；投保人短期发生多次交易或者索赔需要重点审核；然而预设阈值条件判断保险是否存在风险虽然在一定程度上解决了人工审核的弊端，但是可能存在投保人规避预设阈值条件的情况，例如：投保金额不超过投保金额阈值，但是投保人或者投保人亲属存在潜在的不良消费记录，那么该保险可能也会出现风险。

2、因此，亟须一种保险智能风控系统以解决上述问题。

技术实现思路

1、本发明提供一种保险智能风控系统，解决上述背景技术中的技术问题。

2、本发明提供了一种保险智能风控系统，包括：

3、信息采集模块，其用于采集投保人和投保人亲属的基本信息、财务信息和交易信息；

4、基本信息包括：婚姻状况、学历、职业和健康状况；

5、财务信息包括：年收入、资产总额、负债总额、信用评分、银行账户数量、信用卡数量和信用卡平均额度；

6、交易信息包括：历史投保次数、历史索赔总金额、历史索赔次数、平均月存款金额、平均月取款金额和交易地点变更次数；

7、信息处理模块，其用于对投保人和投保人亲属的基本信息、财务信息和交易信息进行处理生成初始向量；

8、图结构数据生成模块，其用于根据投保人和投保人亲属对应的初始向量生成图结构数据；

9、图结构数据包括：节点、节点特征、节点之间的边；

10、节点与投保人和投保人亲属建立数据联系；

11、节点特征通过与投保人和投保人亲属对应的初始向量表示；

12、节点之间的边包括：节点所数据映射的投保人和投保人亲属存在直系亲属关系；节点所数据映射的投保人和投保人亲属在最近一年存在交易；

13、风险评分预测模块，其用于将图结构数据输入到风险评分预测模型中，输出的值表示投保人的风险评分；

14、风险评分的取值范围为1到10，风险评分的值越大表示投保人的风险越高；

15、预警措施生成模块，其用于根据投保人的风险评分生成预警措施。

16、进一步地，婚姻状况包括：已婚和未婚；学历包括：研究生、本科和本科以下；健康状况包括：健康、亚健康和疾病；其中婚姻状况、学历和健康状况均通过实数编码表示。

17、进一步地，职业通过职业分类代码表示。

18、进一步地，对投保人和投保人亲属的基本信息、财务信息和交易信息进行处理生成初始向量，包括以下步骤：

19、步骤s201，对于基本信息、财务信息和交易信息中的缺失值直接通过补零值填充；

20、步骤s202，通过最大最小归一化方法对基本信息、财务信息和交易信息进行归一化处理；

21、步骤s203，将归一化处理后的基本信息、财务信息和交易信息拼接生成初始向量。

22、进一步地，风险评分预测模型包括：第一隐藏层、第二隐藏层、提取层和第一分类器；

23、第一隐藏层依次输入图结构数据的每个节点的节点特征，输出第一更新特征，将图结构数据的每个节点的节点特征通过第一更新特征表示；

24、第二隐藏层输入图结构数据，输出图更新矩阵；

25、图更新矩阵的一个行向量对应一个节点的第二更新特征；

26、提取层用于提取与投保人建立数据映射的节点的第二更新特征输入到第一分类器；

27、第一分类器的分类空间表示投保人的风险评分。

28、进一步地，第一隐藏层的计算公式如下：

29、f1＝sigmoid[w2*(relu(w1*x+b1))+b2]；

30、其中f1表示第一隐藏层输出的第一更新特征，x表示第一隐藏层输入的节点特征，w1和w1分别表示第一权重参数和第二权重参数，b1和b2分别表示第一偏置参数和第二偏置参数，relu表示relu激活函数，sigmoid表示sigmoid激活函数。

31、进一步地，第二隐藏层的计算公式包括：

32、

33、其中1≤i≤m，m表示图结构数据的节点数量，s表示第二隐藏层输出的图更新矩阵，ni表示与第i个节点存在边连接的节点的集合，表示第i个节点的第二更新特征，hi和hj表示第i个节点和第j个节点的第一更新特征，nattionij表示第i个节点与第j个节点之间的注意力分数，dij表示第i个节点与第j个节点之间的边的数量，和分别表示第i个节点与第j个节点之间的第一权重参数、第二权重参数和第三权重参数，wi表示第i个节点对应的权重参数，bij表示第i个节点与第j个节点之间的偏置参数，pile表示堆叠操作，t表示转置操作，sigmoid表示sigmoid激活函数。

34、进一步地，在风险评分预测模型训练之前对风险评分预测模型进行预训练，预训练的过程中将投保人的信用评分进行遮掩操作，提取层用于提取与投保人建立数据映射的节点的第二更新特征输入到第二分类器，第二分类器的分类空间表示投保人的信用评分。

35、进一步地，用于训练风险评分预测模型的训练样本的样本标签通过取多个专家同时标注的结果的平均值获得。

36、进一步地，将投保人的风险评分划分为3个区间，包括：低风险区间、中风险区间和高风险区间；低风险区间的风险评分为1到3之间，对应的预警措施为定期审查投保人的财务状况和信用记录；中风险区间的风险评分为4到7之间，对应的预警措施为增加审查频率，让投保人提供额外的财务文件和信用证明；高风险区间的风险评分为8到10之间，对应的预警措施为立即要求投保人重新提供担保人，并且提高保证金。

37、本发明的有益效果在于：本发明通过将投保人和投保人亲属的基本信息、财务信息和交易信息构建成图结构数据，并通过风险评分预测模型进行信息聚合，从而提高对投保人的风险评分的预测准确性，此外，根据投保人的风险评分设定不同的预警措施，能够有效降低保险公司的经济损失。

技术特征：

1.一种保险智能风控系统，其特征在于，包括：

2.根据权利要求1所述的一种保险智能风控系统，其特征在于，婚姻状况包括：已婚和未婚；学历包括：研究生、本科和本科以下；健康状况包括：健康、亚健康和疾病；其中婚姻状况、学历和健康状况均通过实数编码表示。

3.根据权利要求1所述的一种保险智能风控系统，其特征在于，职业通过职业分类代码表示。

4.根据权利要求1所述的一种保险智能风控系统，其特征在于，对投保人和投保人亲属的基本信息、财务信息和交易信息进行处理生成初始向量，包括以下步骤：

5.根据权利要求1所述的一种保险智能风控系统，其特征在于，风险评分预测模型包括：第一隐藏层、第二隐藏层、提取层和第一分类器；

6.根据权利要求5所述的一种保险智能风控系统，其特征在于，第一隐藏层的计算公式如下：

7.根据权利要求5所述的一种保险智能风控系统，其特征在于，第二隐藏层的计算公式包括：

8.根据权利要求5所述的一种保险智能风控系统，其特征在于，在风险评分预测模型训练之前对风险评分预测模型进行预训练，预训练的过程中将投保人的信用评分进行遮掩操作，提取层用于提取与投保人建立数据映射的节点的第二更新特征输入到第二分类器，第二分类器的分类空间表示投保人的信用评分。

9.根据权利要求1所述的一种保险智能风控系统，其特征在于，用于训练风险评分预测模型的训练样本的样本标签通过取多个专家同时标注的结果的平均值获得。

10.根据权利要求1所述的一种保险智能风控系统，其特征在于，将投保人的风险评分划分为3个区间，包括：低风险区间、中风险区间和高风险区间；低风险区间的风险评分为1到3之间，对应的预警措施为定期审查投保人的财务状况和信用记录；中风险区间的风险评分为4到7之间，对应的预警措施为增加审查频率，让投保人提供额外的财务文件和信用证明；高风险区间的风险评分为8到10之间，对应的预警措施为立即要求投保人重新提供担保人，并且提高保证金。

技术总结本发明涉及保险风控技术领域，公开了一种保险智能风控系统，包括：信息采集模块，其用于采集投保人和投保人亲属的基本信息、财务信息和交易信息；信息处理模块，其用于生成投保人和投保人亲属对应的初始向量；图结构数据生成模块，其用于根据投保人和投保人亲属对应的初始向量生成图结构数据；风险评分预测模块，其用于将图结构数据输入到风险评分预测模型中，输出的值表示投保人的风险评分；预警措施生成模块，其用于根据投保人的风险评分生成预警措施；本发明通过将投保人和投保人亲属的基本信息、财务信息和交易信息构建成图结构数据，并通过风险评分预测模型进行信息聚合，从而提高对投保人的风险评分的预测准确性。技术研发人员：王奎,郭锐受保护的技术使用者：钛镕智能科技（苏州）有限公司技术研发日：技术公布日：2024/11/14