车险理赔风险识别方法、装置、设备及存储介质与流程

本申请涉及金融，尤其涉及一种车险理赔风险识别方法、装置、设备及存储介质。

背景技术：

1、近年来，各城市的汽车保有量逐年飞速增长，车险市场比较复杂、发展空间进一步扩大，与此同时车险改革也逐步推进，对车险结果评估和理赔的准确性提出了挑战。纵观保险业历史发展，保险欺诈直接侵害了保险消费者的合法权益和保险公司利益，间接推高了保险产品和服务的价格、扰乱了保险市场秩序。保险欺诈已成为世界各国保险业不得不面对的共同难题。

2、目前，保险公司的应对策略仍是更多地依赖理赔人员的自主发现来识别风险，存在人力耗费大、成本高、专业技能有限等问题，难以有效识别专业欺诈。现有技术中，也有通过人工智能和机器学习模型预测风险，但是效果并不佳，仍然存在大量的保险欺诈事件。

3、因此，如何准确地识别车险理赔的风险，以降低骗保事件的概率是目前亟待解决的问题。

技术实现思路

1、本申请的主要目的在于提供一种车险理赔风险识别方法、装置、设备及存储介质，旨在提高准确地识别车险理赔的风险，以降低骗保事件的概率。

2、第一方面，本申请提供一种车险理赔风险识别方法，所述车险理赔风险识别方法包括以下步骤：

3、获取车险理赔对应保单数据，并运行预设的第一理赔识别模型对所述保单数据进行理赔识别处理，得到第一理赔风险指数；

4、运行预设的第二理赔识别模型对所述保单数据进行理赔识别处理，得到第二理赔风险指数，所述第二理赔识别模型是预先训练好的lightgbm模型；

5、对所述第一理赔风险指数和第二理赔风险指数进行融合，生成第三理赔风险指数；

6、运行预设的第三赔识别模型对所述第三理赔风险指数进行理赔识别处理，得到目标理赔风险指数，所述第一理赔识别模型和第三赔识别模型是基于不同样本数据训练得到神经网络模型。

7、第二方面，本申请还提供一种车险理赔风险识别装置，所述车险理赔风险识别装置包括获取模块和生成模块，其中：

8、所述获取模块，用于获取车险理赔对应保单数据；

9、所述生成模块，用于运行预设的第一理赔识别模型对所述保单数据进行理赔识别处理，得到第一理赔风险指数；

10、所述生成模块，还用于运行预设的第二理赔识别模型对所述保单数据进行理赔识别处理，得到第二理赔风险指数，所述第二理赔识别模型是预先训练好的lightgbm模型；

11、所述生成模块，还用于对所述第一理赔风险指数和第二理赔风险指数进行融合，生成第三理赔风险指数；

12、所述生成模块，还用于运行预设的第三赔识别模型对所述第三理赔风险指数进行理赔识别处理，得到目标理赔风险指数，所述第一理赔识别模型和第三赔识别模型是基于不同样本数据训练得到神经网络模型。

13、第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的车险理赔风险识别方法的步骤。

14、第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的车险理赔风险识别方法的步骤。

15、本申请提供一种车险理赔风险识别方法、装置、设备及存储介质，本申请通过获取车险理赔对应保单数据，并运行预设的第一理赔识别模型对保单数据进行理赔识别处理，得到第一理赔风险指数；运行预设的第二理赔识别模型对保单数据进行理赔识别处理，得到第二理赔风险指数，第二理赔识别模型是预先训练好的lightgbm模型；对第一理赔风险指数和第二理赔风险指数进行融合，生成第三理赔风险指数；然后运行预设的第三赔识别模型对所述第三理赔风险指数进行理赔识别处理，得到目标理赔风险指数，第一理赔识别模型和第三赔识别模型是基于不同样本数据训练得到神经网络模型。通过第一理赔识别模型、第二理赔识别模型和第三赔识别模型对车险理赔对应保单数据进行处理，能够准确地得到车险理赔的目标理赔风险指数，根据该目标理赔风险指数能够有效地避免骗保事件的发生，极大地提高了保险金融市场的稳定性。

技术特征：

1.一种车险理赔风险识别方法，其特征在于，包括：

2.如权利要求1所述的车险理赔风险识别方法，其特征在于，所述对所述第一理赔风险指数和第二理赔风险指数进行融合，生成第三理赔风险指数，包括：

3.如权利要求2所述的车险理赔风险识别方法，其特征在于，所述获取第一权重参数和第二权重参数，包括：

4.如权利要求1所述的车险理赔风险识别方法，其特征在于，所述获取保单数据之前，还包括：

5.如权利要求4所述的车险理赔风险识别方法，其特征在于，所述根据所述标注的理赔风险指数和预测的理赔风险指数，确定所述预设的第一理赔识别模型、预设的lightgbm模型和预设的第三赔识别模型是收敛，包括：

6.如权利要求5所述的车险理赔风险识别方法，其特征在于，所述根据所述标注的理赔风险指数和预测的理赔风险指数，确定所述预设的第一理赔识别模型、预设的lightgbm模型和预设的第三赔识别模型的损失值，包括：

7.如权利要求1所述的车险理赔风险识别方法，其特征在于，所述运行预设的第三赔识别模型对所述第三理赔风险指数进行理赔识别处理，得到目标理赔风险指数之后，还包括：

8.一种车险理赔风险识别装置，其特征在于，所述车险理赔风险识别装置包括获取模块和生成模块，其中：

9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的车险理赔风险识别方法的步骤。

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程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的车险理赔风险识别方法的步骤。

技术总结
本申请提供一种车险理赔风险识别方法、装置、设备及存储介质，属于金融领域，获取车险理赔对应保单数据，并运行预设的第一理赔识别模型对保单数据进行理赔识别处理，得到第一理赔风险指数；运行预设的第二理赔识别模型对保单数据进行理赔识别处理，得到第二理赔风险指数；对第一理赔风险指数和第二理赔风险指数进行融合，生成第三理赔风险指数；运行预设的第三赔识别模型对第三理赔风险指数进行理赔识别处理，得到目标理赔风险指数。本方案通过目标理赔风险指数能够有效地避免骗保事件的发生，提高了保险金融市场的稳定性。本申请还涉及区块链技术领域和人工智能技术领域，第一理赔识别模型、第二理赔识别模型和第三赔识别模型可存储至区块链。

技术研发人员：陈奕宇
受保护的技术使用者：中国平安财产保险股份有限公司
技术研发日：
技术公布日：2024/1/15