基于预测模型计算保险价格的方法、装置和计算机设备与流程

本申请涉及到人工智能
技术领域：
，特别是涉及到一种基于预测模型计算保险价格的方法、装置和计算机设备。
背景技术：
：车险定价是基于中保信的基准保费，以及保险公司在监管范围内的费率折扣得到的。核保定价中的规则都是针对单个保险标的(汽车)的，只有保险标的的数量满足核保人设置的规则，才能给到相对应的折扣。在批量出单的情况下，客户保一辆车和保多辆车折扣并没有差异，无法更好的吸引客户。所以提供一种新的计算保险价格的方法是亟需解决的问题。技术实现要素：本申请的主要目的为提供一种根据保单数量以及客户的信息对保险产品的价格计算计算的基于预测模型计算保险价格的方法、装置和计算机设备。为了实现上述发明目的，本申请提出一种基于预测模型计算保险价格的方法，包括：接收到客户的订单，所述订单中包括所述客户的多个保单；判断所述保单的数量是否达到预设的数量；若是，根据预设的保单数量与优惠信息的逻辑关系，对所述订单的初始价格进行第一折扣计算，得到第一价格；预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率；当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户。进一步地，所述预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率的步骤，包括：预设时间内未结束订单，获取所述客户的用户信息，所述用户信息包括个人基本信息、财产信息；将所述用户信息输入到训练后的逻辑回归模型，输出客户的出险概率，所述预设的预测模型即所述逻辑回归模型。进一步地，所述将所述用户信息输入到训练后的逻辑回归模型，输出客户的出险概率的步骤之前，包括：将多个已出险的客户的用户信息输入到gbdt模型，得到出险向量；通过迭代优化算法计算各向量对应的系数，即逻辑回归模型的特征系数。进一步地，所述判断所述保单数量是否达到预设的数量的步骤之后，包括：若否，生成用于提示可以产生优惠数量的个数并发送给所述客户。进一步地，所述当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：接收到客户付款，结束所述订单；在预设时间内接收到所述客户的后续订单；对所述后续订单的后续价格依次进行第一折扣和第二折扣计算，得到第三价格，并发送给所述客户。进一步地，所述当所述出险概率低于指定值，对所述第一价格进行第二折扣，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：访问销售所述保单对应的保险产品的服务器，获取是否有促销活动；若是，将所述促销活动的链接发送给所述客户。进一步地，所述当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：获取多个所述保单分别对应的类型，得到与多个所述保单一一对应的保单保险类型；判断所述保单保险类型是否包含预设的全部保险类型；若否，发送所述全部保险信息中不包含所述保单保险类型的保险类型至所述客户。本申请还提供一种基于预测模型计算保险价格的装置，包括：接收模块，用于接收到客户的订单，所述订单中包括多个保单；第一判断模块，用于判断所述保单的数量是否达到预设的数量；第一折扣模块，用于若所述保单的数量达到预设的数量，根据预设的保单数量与优惠信息的逻辑关系，对所述订单的初始价格进行第一折扣计算，得到第一价格；计算模块，用于预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率；第二折扣模块，用于当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户。本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。本申请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时实现上述任一项所述的方法的步骤。本申请的基于预测模型计算保险价格的方法、装置和计算机设备，根据订单中保险产品的数量对订单价格进行优惠，促进客户批量购买保险产品，提高公司的销售额。在对该订单之后的预设时间段内对该客户再购买保险产品进行同样的优惠，给客户更好的服务体验。附图说明图1为本申请一实施例的基于预测模型计算保险价格的方法的流程示意图；图2为本申请一实施例的基于预测模型计算保险价格的装置的结构示意框图；图3为本申请一实施例的基于预测模型计算保险价格的装置的计算模块的结构示意框图；图4为本申请一实施例的基于预测模型计算保险价格的装置的结构示意框图；图5为本申请一实施例的基于预测模型计算保险价格的装置的结构示意框图；图6为本申请一实施例的基于预测模型计算保险价格的装置的结构示意框图；图7为本申请一实施例的基于预测模型计算保险价格的装置的结构示意框图；图8为本申请一实施例的计算机设备的结构示意框图。本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。参照图1，本申请实施例提供一种基于预测模型计算保险价格的方法，包括步骤：s1、接收到客户的订单，所述订单中包括多个保单；s2、判断所述保单的数量是否达到预设的数量；s3、若是，根据预设的保单数量与优惠信息的逻辑关系，对所述订单的初始价格进行第一折扣计算，得到第一价格；s4、预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率；s5、当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户。如上述步骤s1所述，在一具体应用场景中是保险公司的销售平台系统。该系统接收到客户的订单，订单是指客户选择保险产品后在系统上提交而产生的订单，此时的订单还未进行交易。系统接收客户的订单，包括客户终端发送的订单，也包括客户将保单信息告知工作人员后工作人员在后台录入该客户的订单。订单中包含有至少一个保单。当订单中只包含有一个保单时，则不会产生优惠，按照正常的价格进行销售。当订单中有多个保单时，因规模增大带来的经济效益提高，形成规模效应，减少了工作人员的维护成本，可以给进行优惠。订单是指客户选择保险产品后形成的包括了购买的全部产品信息。保单是指客户选择保险产品后填写投保标的以及个人信息而形成的保单，每个保单包括一个保险标的对应的保险产品信息以及保费价格；客户可以在一个订单中选择多个保单。如上述步骤s2所述，保险公司根据优惠的临界值进行优惠，即产品达到一定数量才给予优惠，在一定数量以下的利润值不会很高就不给予优惠。因此，系统判断上述订单中的保单数量是否达到了预设的数量，当保单数量达到预设的数量，对应的该订单的利润超过一定值时才给予优惠。如上述步骤s3所述，当上述订单中有多个保单，给公司带来较多的利益，为更好的促使该订单完成以增加公司的营业利润，给予该订单的初始价格一定的优惠，同时也能给予客户更好的服务效果，上述初始价格是指订单中所有保单的价格和。保单数量越多，则对应的优惠信息更多，因此保单数量与优惠信息之间有一定的逻辑关系。该逻辑关系是工作人员预先存储在系统中的指定位置。系统访问该指定位置，获取该逻辑关系。在一具体实施例中，优惠信息是对保单的初始价格进行第一折扣，保单数量与第一的关系如下表：保单数量优惠信息3-50.956-80.908-100.8510-150.7515以上0.65系统读取到订单中的保单数量，然后根据逻辑关系对订单的初始价格按照优惠信息进行第一折扣计算。在一具体实施例中，获取到了保单数量是7个，则对该订单的价格进行9折的折扣。如上述步骤s4所述，系统接收到上述客户的订单后开始计时，若预设时间内该订单还未结束，即客户还没有支付完成订单或取消订单，则计算客户的出险概率。客户长时间未付款结束订单，说明客户还在考虑中，为进一步的促成客户完成该订单，对优质客户给予更多的优惠。客户的出险概率越小，客户投保之后需要保险公司理赔的概率就越小，对应的保险公司盈利的概率就越大。客户的出险是指客户的汽车发生碰撞、摩擦等需要理赔的事件。通过客户的个人信息以及保险公司以往理赔案件的客户信息情况，可以评估出该客户的出险概率。例如，通过客户的获得驾照年限来进行评估客户的出险概率。保险公司获取过去一年的理赔案件，发现获得驾照年限在三年内的客户的理赔最多，占58％，获得驾照年限有十年以上的客户理赔最少，占13％。获得驾照年限作为评估客户的出险概率的评估因素，上述计算出险概率的评估因素是客户的驾照年限，仅仅是本实施例例中的一个具体实施例，在其他具体实施例中，计算客户的出险概率的评估因素还包括客户的其他信息，如汽车信息。本系统中，接收到订单后长时间不进行支付结束订单，系统会自动取消订单，上述预设时间是系统自动取消订单的时间之前。如上述步骤s5所述，当出险概率低于指定值，则确定客户是优质客户，保险公司如果承保该订单的全部保险，产生理赔的可能性很低，因此在上述优惠后的价格再进行第二折扣计算，得到第二价格，然后发送第二折扣后的第二价格给客户，更加有利于客户对订单进行付款。第二折扣与出险概率是负相关，即出险概率越低，第二折扣的折扣力度越大。在一个实施例中，上述预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率的步骤，包括：s41、预设时间内未结束订单，获取所述客户的用户信息，所述用户信息包括个人基本信息、财产信息；s42、将所述用户信息输入到训练后的逻辑回归模型，输出客户的出险概率，所述预设的预测模型即所述逻辑回归模型。如上述步骤s41所述，个人基本信息包括用户的性别、年龄、驾驶证年限、学历等，财产信息包括汽车品牌、汽车价格、汽车购买年限等，因个人的驾驶习惯与个人的基本信息与财产信息有一定的关联度，比如年龄偏大的人开车更加稳重，对应的出险的概率更小；学历高的人相对普遍素质偏高，对应的具有更好的驾驶习惯，则出险的概率相对较小一些。因此，可以综合用户信息来计算客户的出险概率。客户在填写保单信息时，上述基本信息以及财产信息均是必须填写的内容。系统获取订单中的保单信息，提取出投保的客户的用户信息。如上述步骤s42所述，逻辑回归模型的应用主要是用于概率表达式，该模型的优点是求解速度快，应用方便。在训练该逻辑回归模型时，先输入多个产生理赔的用户信息，然后根据用户信息的类别，计算用户信息的类别对产生理赔的影响权重。逻辑回归模型再基于这些影响权重，根据客户数据计算出该客户订单上的保险产品后产生理赔的概率。将用户信息输入到训练后的逻辑回归模型，即可计算出该客户对应的客户数据的出险概率。在一个实施例中，上述将所述用户信息输入到训练后的逻辑回归模型，输出客户的出险概率的步骤之前，包括：s421、将多个已出险的客户的用户信息输入到gbdt模型，得到出险向量；s422、通过迭代优化算法计算各向量对应的系数，即逻辑回归模型的特征系数。如上述步骤s421所述，已出险的客户是指购买了公司的保险产品且在保险期间发生摩擦、碰撞等保险事情发生理赔的客户。用户信息包括客户的年龄、性别、汽车型号、汽车价格、客户的驾驶证年龄、汽车年龄等。gbdt模型又叫梯度提升树(gradientboostingdecisontree)模型。根据获取到的客户的基础数据，而设置不同层次的gbdt模型。梯度提升树有至少一棵决策树，每棵树均有多个叶子节点。根据数据的类型以及维度设置不同数量的叶子节点，将一个用户信息输入到决策树中，输出一个向量，即客户的出险预测向量。在一简单实施例中，以用户信息中的性别作为出险向量，则具有两个叶子节点，设置第一个叶子节点是性别男，设置第二个叶子节点为性别不是男，即女性。将一个客户的数据输入到gbdt模型中，若是男性客户，则落在第一个叶子节点上，得到的出险预测向量是(1,0)。在具体实施例中，根据多个信息维度，对应的，预测向量的维度会更多。将多个已出险的客户的用户信息输入到gbdt模型中，得到多个出险向量。如上述步骤s422所述，逻辑回归是一种广义线性回归，是在线性回归的基础上加入了sigmoid函数进行非线性映射，这个函数可以将连续值映射到0和1上，把大范围数值压缩到这个范围内，可以消除特别冒尖的变量的影响，即消除数据的异常值。逻辑回归的因变量可以是二分类的也可以是多分类的，实际中常用的就是二分类的逻辑回归。通过迭代算法优化算法确定所述逻辑回归模型的特征系数。迭代优化算法可以是l-bfgs算法也可以是sgd算法。l-bfgs算法是一种求解无约束线性优化问题常用的方法，该算法有较完善的局部收敛理论，在大数据集上有优势。在一个实施例中，上述判断所述保单数量是否达到预设的数量的步骤之后，包括：s6、若否，生成用于提示可以产生优惠数量的个数并发送给所述客户。如上述步骤s6所述，当订单中的保单数量未达到预设的数量而无法产生优惠，对客户而言如果多买几个保单会有一些优惠，对公司而言客户多买几个保单会增加公司的营业利润，这是一个双赢的局面。因此，有必要推动促进客户在同一个订单中多购买保单。当订单中的保单数量未达到预设的数量，用预设的数量减去订单中保单的数量，并将该计算得到的数量发送给客户，提示客户再购买相应数量的保单，则该订单会有一个优惠。在一具体实施例中，客户的订单中有2个保单，而预设的数量是3个；则系统发出信号提醒客户该订单中再购买一个保单则可以产生优惠。在一个实施例中，上述当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：s7、接收到客户付款，结束所述订单；s8、在预设时间内接收到所述客户的后续订单；s9、对所述后续订单的后续价格依次进行第一折扣和第二折扣计算，得到第三价格，并发送给所述客户。本实施例中，客户提交了订单付款后结束订单，当客户之后再次购买保险产品生成后续订单时，该后续订单与上述订单也可以算做是同一个规模效应里的订单，可以达到同样的盈利效果，因此，对该客户的后续订单给予同样的优惠。具体的，系统接收到客户付款信息后，结束订单。当系统接收到该客户的后续订单时，计算生成后续订单的时刻与生成上述订单的时刻的时间差，如果时间差在预设时间内，则获取上述订单的第一折扣和第二折扣进行计算，将上述后续订单按照同样的优惠与折扣进行让利，即将后续订单的价格乘以第一折扣再乘以第二折扣，得到第三价格，将第三价格发送给所述客户，第三价格低于后续订单的价格，以促进客户继续在该公司投保，增加公司的销售额。在一个实施例中，上述当所述出险概率低于指定值，对所述第一价格进行第二折扣，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：s10、访问销售所述保单对应的保险产品的服务器，获取是否有促销活动；s11、若是，将所述促销活动的链接发送给所述客户。本实施例中，系统读取订单信息，获得订单中保险产品的信息，然后访问销售有该保险产品的网站对应的服务器，一般，后台人员会事先设置几个销售保险产品的服务器，系统分别访问服务器，查找各服务器上是否有销售上述保险产品，如果有，则再获取该服务器是否有对该保险产品的促销活动。如果有，就将该服务器中的促销活动的链接发送给客户，给客户最大的让利服务，给客户更好的服务体验，更进一步促进客户购买保险产品，完成订单。在一个实施例中，上述当所述出险概率低于指定值，对所述第一价格进行第二折扣，得到第二价格，将所述第二价格发送给客户的步骤之后，包括：s12、获取多个所述保单分别对应的类型，得到与多个所述保单一一对应的保单保险类型；s13、判断所述保单保险类型是否包含预设的全部保险类型；s14、若否，发送所述全部保险信息中不包含所述保单保险类型的保险类型至所述客户。本实施例中，每个保单包括一个保险标的对应的保险产品信息以及保费价格，其中的保险产品信息中包括有保险类型，系统读取订单，获取该订单中所有保单的保险产品信息中的保险类型。全部保险类型是指保险公司销售的全部保险种类。将上述订单中的所有保单信息对应的保单保险类型与保险公司的全部保险类型进行比较，查看保单保险类型是否包括全部保险类型的全部保险类型。如果不是全部包括，很有可能是客户没有选择全面的保险，因此将全部保险类型中不包括保单保险类型的保险类型给客户，提醒客户还需要完善保险产品的保险类型，给客户更好的服务。在一具体实施例中，某一财产保险公司销售的汽车保险的全部保险类型包括交强险、车辆损失险、第三者责任险、全车盗抢险、车上责任险，客户选择了交强险、第三者责任险、车上责任险这三个保险产品，提交到系统生成订单。系统读取订单，获取到了交强险、第三者责任险、车上责任险这三个保险类型，然后与上述全部保险类型比较，发现少于全部保险类型，然后将没有出现在全部保险类型中的车辆损失险、全车盗抢险这两个保险类型发送给客户，提醒客户最好再购买这两个保险，提供更完善的保险服务。综上所述，本申请的基于预测模型计算保险价格的方法，根据订单中保险产品的数量对订单价格进行优惠，促进客户批量购买保险产品，提高公司的销售额。在对该订单之后的预设时间段内对该客户再购买保险产品进行同样的优惠，给客户更好的服务体验。参照图2，本申请实施例中还提供一种基于预测模型计算保险价格的装置，包括：接收模块1，用于接收到客户的订单，所述订单中包括多个保单；第一判断模块2，用于判断所述保单的数量是否达到预设的数量；第一折扣模块3，用于若所述保单的数量达到预设的数量，根据预设的保单数量与优惠信息的逻辑关系，对所述订单的初始价格进行第一折扣计算，得到第一价格；计算模块4，用于预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率；第二折扣模块5，用于当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户。本实施例中，在一具体应用场景中是保险公司的销售平台系统。该系统接收到客户的订单，订单是指客户选择保险产品后在系统上提交而产生的订单，此时的订单还未进行交易。接收模块1接收客户的订单，包括客户终端发送的订单，也包括客户将保单信息告知工作人员后工作人员在后台录入该客户的订单。订单中包含有至少一个保单。当订单中只包含有一个保单时，则不会产生优惠，按照正常的价格进行销售。当订单中有多个保单时，因规模增大带来的经济效益提高，形成规模效应，减少了工作人员的维护成本，可以给进行优惠。订单是指客户选择保险产品后形成的包括了购买的全部产品信息。保单是指客户选择保险产品后填写投保标的以及个人信息而形成的保单，每个保单包括一个保险标的对应的保险产品信息以及保费价格；客户可以在一个订单中选择多个保单。保险公司根据优惠的临界值进行优惠，即产品达到一定数量才给予优惠，在一定数量以下的利润值不会很高就不给予优惠。因此，第一判断模块2判断上述订单中的保单数量是否达到了预设的数量，当保单数量达到预设的数量，对应的该订单的利润超过一定值时才给予优惠。当上述订单中有多个保单，给公司带来较多的利益，为更好的促使该订单完成以增加公司的营业利润，第一折扣模块3给予该订单的初始价格一定的折扣计算，同时也能给予客户更好的服务效果，上述初始价格是指订单中所有保单的价格和。保单数量越多，则对应的优惠信息更多，因此保单数量与优惠信息之间有一定的逻辑关系。该逻辑关系是工作人员预先存储在系统中的指定位置。系统访问该指定位置，获取该逻辑关系。在一具体实施例中，优惠信息是对保单的初始价格进行第一折扣，保单数量与第一的关系如下表：保单数量优惠信息3-50.956-80.908-100.8510-150.7515以上0.65系统读取到订单中的保单数量，然后第一折扣模块3根据逻辑关系对订单的初始价格按照优惠信息进行第一折扣计算。在一具体实施例中，获取到了保单数量是7个，则对该订单的价格进行9折的折扣。如上述步骤s4所述，系统接收到上述客户的订单后开始计时，若预设时间内该订单还未结束，即客户还没有支付完成订单或取消订单，则计算模块4计算客户的出险概率。客户长时间未付款结束订单，说明客户还在考虑中，为进一步的促成客户完成该订单，对优质客户给予更多的优惠。客户的出险概率越小，客户投保之后需要保险公司理赔的概率就越小，对应的保险公司盈利的概率就越大。客户的出险是指客户的汽车发生碰撞、摩擦等需要理赔的事件。通过客户的个人信息以及保险公司以往理赔案件的客户信息情况，可以评估出该客户的出险概率。例如，通过客户的获得驾照年限来进行评估客户的出险概率。保险公司获取过去一年的理赔案件，发现获得驾照年限在三年内的客户的理赔最多，占58％，获得驾照年限有十年以上的客户理赔最少，占13％。获得驾照年限作为评估客户的出险概率的评估因素，上述计算出险概率的评估因素是客户的驾照年限，仅仅是本实施例例中的一个具体实施例，在其他具体实施例中，计算客户的出险概率的评估因素还包括客户的其他信息，如汽车信息。本系统中，接收到订单后长时间不进行支付结束订单，系统会自动取消订单，上述预设时间是系统自动取消订单的时间之前。当出险概率低于指定值，则确定客户是优质客户，保险公司如果承保该订单的全部保险，产生理赔的可能性很低，因此第二折扣模块5在上述优惠后的价格再进行第二折扣计算，得到第二价格，然后第二折扣模块5发送第二折扣后的第二价格给客户，更加有利于客户对订单进行付款。第二折扣与出险概率是负相关，即出险概率越低，第二折扣的折扣力度越大。参照图3，在一个实施例中，上述计算模块4包括：获取单元41，用于预设时间内未结束订单，获取所述客户的用户信息，所述用户信息包括个人基本信息、财产信息；输出单元42，用于将所述用户信息输入到训练后的逻辑回归模型，输出客户的出险概率，所述预设的预测模型即所述逻辑回归模型。本实施例中，个人基本信息包括用户的性别、年龄、驾驶证年限、学历等，财产信息包括汽车品牌、汽车价格、汽车购买年限等，因个人的驾驶习惯与个人的基本信息与财产信息有一定的关联度，比如年龄偏大的人开车更加稳重，对应的出险的概率更小；学历高的人相对普遍素质偏高，对应的具有更好的驾驶习惯，则出险的概率相对较小一些。因此，可以综合用户信息来计算客户的出险概率。客户在填写保单信息时，上述基本信息以及财产信息均是必须填写的内容。获取单元41获取订单中的保单信息，提取出投保的客户的用户信息。逻辑回归模型的应用主要是用于概率表达式，该模型的优点是求解速度快，应用方便。在训练该逻辑回归模型时，输出单元42先输入多个产生理赔的用户信息，然后根据用户信息的类别，输出单元42计算用户信息的类别对产生理赔的影响权重。逻辑回归模型再基于这些影响权重，根据客户数据计算出该客户订单上的保险产品后产生理赔的概率。输出单元42将用户信息输入到训练后的逻辑回归模型，即可计算出该客户对应的客户数据的出险概率。在一个实施例中，上述计算模块4包括：模型单元421，用于将多个已出险的客户的用户信息输入到gbdt模型，得到出险向量；计算单元422，用于通过迭代优化算法计算各向量对应的系数，即逻辑回归模型的特征系数。本实施例中，已出险的客户是指购买了公司的保险产品且在保险期间发生摩擦、碰撞等保险事情发生理赔的客户。用户信息包括客户的年龄、性别、汽车型号、汽车价格、客户的驾驶证年龄、汽车年龄等。gbdt模型又叫梯度提升树(gradientboostingdecisontree)模型。根据获取到的客户的基础数据，而设置不同层次的gbdt模型。梯度提升树有至少一棵决策树，每棵树均有多个叶子节点。根据数据的类型以及维度设置不同数量的叶子节点，模型单元421将一个用户信息输入到决策树中，输出一个向量，即客户的出险预测向量。在一简单实施例中，以用户信息中的性别作为出险向量，则具有两个叶子节点，设置第一个叶子节点是性别男，设置第二个叶子节点为性别不是男，即女性。将一个客户的数据输入到gbdt模型中，若是男性客户，则落在第一个叶子节点上，得到的出险预测向量是(1,0)。在具体实施例中，根据多个信息维度，对应的，预测向量的维度会更多。将多个已出险的客户的用户信息输入到gbdt模型中，得到多个出险向量。逻辑回归是一种广义线性回归，是在线性回归的基础上加入了sigmoid函数进行非线性映射，这个函数可以将连续值映射到0和1上，把大范围数值压缩到这个范围内，可以消除特别冒尖的变量的影响，即消除数据的异常值。逻辑回归的因变量可以是二分类的也可以是多分类的，实际中常用的就是二分类的逻辑回归。计算单元422通过迭代算法优化算法确定所述逻辑回归模型的特征系数。迭代优化算法可以是l-bfgs算法也可以是sgd算法。l-bfgs算法是一种求解无约束线性优化问题常用的方法，该算法有较完善的局部收敛理论，在大数据集上有优势。参照图4，在一个实施例中，上述基于预测模型计算保险价格的装置还包括：提示模块6，用于若所述保单数量未达到预设的数量，生成用于提示可以产生优惠数量的个数并发送给所述客户。本实施例中，当订单中的保单数量未达到预设的数量而无法产生优惠，对客户而言如果多买几个保单会有一些优惠，对公司而言客户多买几个保单会增加公司的营业利润，这是一个双赢的局面。因此，有必要推动促进客户在同一个订单中多购买保单。当订单中的保单数量未达到预设的数量，提示模块6用预设的数量减去订单中保单的数量，提示模块6将该计算得到的数量发送给客户，提示客户再购买相应数量的保单，则该订单会有一个优惠。在一具体实施例中，客户的订单中有2个保单，而预设的数量是3个；则提示模块6发出信号提醒客户该订单中再购买一个保单则可以产生优惠。参照图5，在一个实施例中，上述基于预测模型计算保险价格的装置还包括：结束模块7，用于接收到客户付款，结束所述订单；后续模块8，用于在预设时间内接收到所述客户的后续订单；后续折扣模块9，用于对所述后续订单的后续价格依次进行第一折扣和第二折扣计算，得到第三价格，并发送给所述客户。本实施例中，客户提交了订单付款后结束模块7结束订单，当客户之后再次购买保险产品生成后续订单时，该后续订单与上述订单也可以算做是同一个规模效应里的订单，可以达到同样的盈利效果，因此，对该客户的后续订单给予同样的优惠。具体的，系统接收到客户付款信息后，结束订单。当系统接收到该客户的后续订单时，后续模块8计算生成后续订单的时刻与生成上述订单的时刻的时间差，如果时间差在预设时间内，则后续折扣模块9获取上述订单的第一折扣和第二折扣进行计算，将上述后续订单按照同样的优惠与折扣进行让利，即将后续订单的价格乘以第一折扣再乘以第二折扣，得到第三价格，将第三价格发送给所述客户，第三价格低于后续订单的价格，以促进客户继续在该公司投保，增加公司的销售额。参照图6，在一个实施例中，上述基于预测模型计算保险价格的装置还包括：访问模块10，用于访问销售所述保单对应的保险产品的服务器，获取是否有促销活动；促销模块11，用于若服务器上有保销活动，将所述促销活动的链接发送给所述客户。本实施例中，系统读取订单信息，获得订单中保险产品的信息，然后访问模块10访问销售有该保险产品的网站对应的服务器，一般，后台人员会事先设置几个销售保险产品的服务器，访问模块10分别访问服务器，查找各服务器上是否有销售上述保险产品，如果有，则再获取该服务器是否有对该保险产品的促销活动。如果有，促销模块11就将该服务器中的促销活动的链接发送给客户，给客户最大的让利服务，给客户更好的服务体验，更进一步促进客户购买保险产品，完成订单。参照图7，在一个实施例中，上述基于预测模型计算保险价格的装置还包括：类型模块12，用于获取多个所述保单分别对应的类型，得到与多个所述保单一一对应的保单保险类型；第二判断模块13，用于判断所述保单保险类型是否包含预设的全部保险类型；发送模块14，用于若所述保单保险类型未包含预设的全部保险类型，发送所述全部保险信息中不包含所述保单保险类型的保险类型至所述客户。本实施例中，每个保单包括一个保险标的对应的保险产品信息以及保费价格，其中的保险产品信息中包括有保险类型，类型模块12读取订单，获取该订单中所有保单的保险产品信息中的保险类型。全部保险类型是指保险公司销售的全部保险种类。第二判断模块13将上述订单中的所有保单信息对应的保单保险类型与保险公司的全部保险类型进行比较，查看保单保险类型是否包括全部保险类型的全部保险类型。如果不是全部包括，很有可能是客户没有选择全面的保险，因此发送模块14将全部保险类型中不包括保单保险类型的保险类型给客户，提醒客户还需要完善保险产品的保险类型，给客户更好的服务。在一具体实施例中，某一财产保险公司销售的汽车保险的全部保险类型包括交强险、车辆损失险、第三者责任险、全车盗抢险、车上责任险，客户选择了交强险、第三者责任险、车上责任险这三个保险产品，提交到系统生成订单。系统读取订单，获取到了交强险、第三者责任险、车上责任险这三个保险类型，然后与上述全部保险类型比较，发现少于全部保险类型，然后将没有出现在全部保险类型中的车辆损失险、全车盗抢险这两个保险类型发送给客户，提醒客户最好再购买这两个保险，提供更完善的保险服务。综上所述，本申请的基于预测模型计算保险价格的装置，根据订单中保险产品的数量对订单价格进行优惠，促进客户批量购买保险产品，提高公司的销售额。在对该订单之后的预设时间段内对该客户再购买保险产品进行同样的优惠，给客户更好的服务体验。参照图8，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储保单数量与优惠信息的逻辑关系等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于预测模型计算保险价格的方法。上述处理器执行上述基于预测模型计算保险价格的方法的步骤：接收到客户的订单，所述订单中包括所述客户的多个保单；判断所述保单的数量是否达到预设的数量；若是，根据预设的保单数量与优惠信息的逻辑关系，对所述订单的初始价格进行第一折扣计算，得到第一价格；预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率；当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户。在一个实施例中，上述处理器执行预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率的步骤，包括：预设时间内未结束订单，获取所述客户的用户信息，所述用户信息包括个人基本信息、财产信息；将所述用户信息输入到训练后的逻辑回归模型，输出客户的出险概率，所述预设的预测模型即所述逻辑回归模型。在一个实施例中，上述处理器执行将所述用户信息输入到训练后的逻辑回归模型，输出客户的出险概率的步骤之前，包括：将多个已出险的客户的用户信息输入到gbdt模型，得到出险向量；通过迭代优化算法计算各向量对应的系数，即逻辑回归模型的特征系数。在一个实施例中，上述处理器执行判断所述保单数量是否达到预设的数量的步骤之后，包括：若否，生成用于提示可以产生优惠数量的个数并发送给所述客户。在一个实施例中，上述处理器执行当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：接收到客户付款，结束所述订单；在预设时间内接收到所述客户的后续订单；对所述后续订单的后续价格依次进行第一折扣和第二折扣计算，得到第三价格，并发送给所述客户。在一个实施例中，上述处理器执行当所述出险概率低于指定值，对所述第一价格进行第二折扣，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：访问销售所述保单对应的保险产品的服务器，获取是否有促销活动；若是，将所述促销活动的链接发送给所述客户。在一个实施例中，上述处理器执行当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：获取多个所述保单分别对应的类型，得到与多个所述保单一一对应的保单保险类型；判断所述保单保险类型是否包含预设的全部保险类型；若否，发送所述全部保险信息中不包含所述保单保险类型的保险类型至所述客户。综上所述，本申请的计算机设备根据订单中保险产品的数量对订单价格进行优惠，促进客户批量购买保险产品，提高公司的销售额。在对该订单之后的预设时间段内对该客户再购买保险产品进行同样的优惠，给客户更好的服务体验。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。本申请一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，计算机程序被处理器执行时实现一种基于预测模型计算保险价格的方法，具体为：接收到客户的订单，所述订单中包括所述客户的多个保单；判断所述保单的数量是否达到预设的数量；若是，根据预设的保单数量与优惠信息的逻辑关系，对所述订单的初始价格进行第一折扣计算，得到第一价格；预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率；当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户。在一个实施例中，上述处理器执行预设时间内未结束订单，根据预设的预测模型计算所述客户的出险概率的步骤，包括：预设时间内未结束订单，获取所述客户的用户信息，所述用户信息包括个人基本信息、财产信息；将所述用户信息输入到训练后的逻辑回归模型，输出客户的出险概率，所述预设的预测模型即所述逻辑回归模型。在一个实施例中，上述处理器执行将所述用户信息输入到训练后的逻辑回归模型，输出客户的出险概率的步骤之前，包括：将多个已出险的客户的用户信息输入到gbdt模型，得到出险向量；通过迭代优化算法计算各向量对应的系数，即逻辑回归模型的特征系数。在一个实施例中，上述处理器执行判断所述保单数量是否达到预设的数量的步骤之后，包括：若否，生成用于提示可以产生优惠数量的个数并发送给所述客户。在一个实施例中，上述处理器执行当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：接收到客户付款，结束所述订单；在预设时间内接收到所述客户的后续订单；对所述后续订单的后续价格依次进行第一折扣和第二折扣计算，得到第三价格，并发送给所述客户。在一个实施例中，上述处理器执行当所述出险概率低于指定值，对所述第一价格进行第二折扣，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：访问销售所述保单对应的保险产品的服务器，获取是否有促销活动；若是，将所述促销活动的链接发送给所述客户。在一个实施例中，上述处理器执行当所述出险概率低于指定值，对所述第一价格进行第二折扣计算，得到第二价格，将所述第二价格发送给所述客户的步骤之后，包括：获取多个所述保单分别对应的类型，得到与多个所述保单一一对应的保单保险类型；判断所述保单保险类型是否包含预设的全部保险类型；若否，发送所述全部保险信息中不包含所述保单保险类型的保险类型至所述客户。综上所述，本申请的计算机可读存储介质根据订单中保险产品的数量对订单价格进行优惠，促进客户批量购买保险产品，提高公司的销售额。在对该订单之后的预设时间段内对该客户再购买保险产品进行同样的优惠，给客户更好的服务体验。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，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的
技术领域：
，均同理包括在本申请的专利保护范围内。当前第1页12