CN114693461A - 基于机器学习的城市普惠保险的风险影响因子获取方法 - Google Patents

Abstract

本公开涉及计算机技术领域，提供了基于机器学习的城市普惠保险的风险影响因子获取方法及装置、计算机可读存储介质和电子设备。其中，上述方法包括：获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取所述风险影响因子的值；其中，风险影响因子包括目标区域的年度个人医疗花费。本公开能提高获取的城市普惠保险的风险影响因子的准确性，并提高获取效率。

Description

基于机器学习的城市普惠保险的风险影响因子获取方法

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种基于机器学习的城市普惠保险的风险影响因子获取方法、基于机器学习的城市普惠保险的风险影响因子获取装置、计算机可读存储介质及电子设备。

背景技术

随着社会的进步和发展，越来越多的人关注保险，这促进了保险公司的蓬勃发展，保险定价也随之成为了保险公司的重要工作内容。而医疗花费数据作为保险定价的重要影响指标之一，医疗花费数据预测的准确性和预测效率，对保险定价的效率和合理性有着至关重要的作用。

因此，如何提高医疗花费数据预测的准确性和效率是目前亟需解决的技术问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于机器学习的城市普惠保险的风险影响因子获取方法、基于机器学习的城市普惠保险的风险影响因子获取装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服城市普惠保险的风险影响因子预测效率低下、预测准确性低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供了一种基于机器学习的城市普惠保险的风险影响因子获取方法，包括：

获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；

对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；

分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取所述风险影响因子的值；

其中，所述风险影响因子包括所述目标区域的年度个人医疗花费数据。

在本公开的一种示例性实施例中，基于前述方案，所述方法还包括：获取预训练的风险影响因子预测模型；

所述获取预训练的风险影响因子预测模型包括：

对获取的样本区域的历史个人特征信息进行数值化处理，以得到所述历史个人特征信息对应的风险等级；

获取样本区域的历史年度基础指标数据和对应的历史年度个人医疗花费数据，其中，所述历史年度基础指标数据包括历史年度经济数据、历史年度人口数据、历史年度消费者物价指数数据中的至少一种；

以所述历史个人特征信息对应的风险等级和所述历史年度基础指标数据为训练样本数据，对应的所述历史年度个人医疗花费数据为训练样本标签，对多个类型的预设机器学习模型进行有监督学习训练；

根据预设模型性能评价指标，从训练得到的所述多个类型的预设机器学习模型中确定所述预训练的风险影响因子预测模型。

在本公开的一种示例性实施例中，基于前述方案，所述历史个人特征信息包括历史个人医疗诊断信息和/或历史个人健康指标信息；

所述对获取的样本区域的历史个人特性信息进行数值化处理，包括以下至少一种：

获取所述历史个人医疗诊断信息中各疾病对应的国际疾病分类ICD编码，以确定所述历史个人医疗诊断信息中各疾病的预设类目级别对应的类别，根据各类别的疾病的年度个人医疗花费数据确定所述历史个人医疗诊断信息中各疾病的风险等级；

根据所述历史个人健康指标信息中各健康指标的实际值和所述健康指标在医学知识库中的标准值的差值，确定各健康指标信息的风险等级。

在本公开的一种示例性实施例中，基于前述方案，对获取的样本区域的历史个人特征信息进行数值化处理，包括：

确定历史个人特征信息中各个人特征的数量在所获取的样本区域的历史特征数据的数量中所占的比例，对所述比例大于预设阈值的历史个人特征信息进行数值化处理。

在本公开的一种示例性实施例中，基于前述方案，所述对多个类型的预设机器学习模型进行有监督学习训练，包括：

在预设的训练时间内，利用Bandit算法对所述多个预设机器学习模型进行有监督学习训练；

其中，在所述预设的训练时间内的每个子训练过程中，利用Bandit算法从多个类型的预设机器学习模型中选择待训练的第一目标机器学习模型；

根据基于随机森林的贝叶斯优化算法确定所述第一目标机器学习模型进行初始的超参数调整，以得到第二目标机器学习模型；

对所述第二目标机器学习模型进行超参数调整和特征工程，以对所述第二目标机器学习模型进行训练，直到所述子训练过程结束。

在本公开的一种示例性实施例中，基于前述方案，所述根据预设模型性能评价指标，从训练得到的所述多个类型的预设机器学习模型中确定所述预训练的风险影响因子预测模型，包括：

利用测试数据集，得到训练后的各预设机器学习模型对应的预设模型性能评价指标的值，以从所述多个类型的预设机器学习模型中确定至少一个待集成风险影响因子预测模型；

根据至少一个集成学习算法和所述训练样本数据对各待集成风险影响因子预测模型进行集成训练，以得到至少一个风险影响因子集成预测模型；

利用测试数据集，得到各所述风险影响因子集成预测模型对应的预设模型性能评价指标的值，以从各所述风险影响因子集成预测模型中确定预训练的风险影响因子预测模型。

在本公开的一种示例性实施例中，基于前述方案，所述待投保用户根据历史年度中所述目标区域的已投保用户确定。

根据本公开的第二方面，提供了一种基于机器学习的城市普惠保险的风险影响因子获取装置，包括：

特征获取模块，被配置为获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；

数值化处理模块，被配置为对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；

风险影响因子获取模块，被配置为分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取所述风险影响因子的值；

其中，所述风险影响因子包括所述目标区域的年度个人医疗花费。

根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中第一方面所述的基于机器学习的城市普惠保险的风险影响因子获取方法。

根据本公开实施例的第四方面，提供了一种电子设备，包括：处理器；以及，存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中第一方面所述的基于机器学习的城市普惠保险的风险影响因子获取方法。

由上述技术方案可知，本公开示例性实施例中的基于机器学习的城市普惠保险的风险影响因子获取方法及装置，以及计算机可读存储介质及电子设备，至少具备以下优点和积极效果：

在本公开的一些实施例所提供的技术方案中，首先，获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；其次，对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；最后，分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取风险影响因子的值。与相关技术相比，一方面，本公开基于对各待投保用户的个人特征信息的数值化处理，可以通过预训练的机器学习模型，实现对城市普惠保险的价格风险影响因子中的年度个人医疗花费数据的自动预测，进而提高城市普惠保险的价格风险影响因子的预测效率；另一方面，本公开基于多个维度的特征数据进行医疗花费数据的预测，进而可以提高城市普惠保险的价格风险影响因子的预测的准确性。

本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出本公开一示例性实施例中基于机器学习的城市普惠保险的风险影响因子获取方法的流程示意图；

图2示出本公开一示例性实施例中获取预训练的风险影响因子预测模型的方法的流程示意图；

图3示出本公开一示例性实施例中对医疗诊断信息进行数值化的方法的流程示意图；

图4示出本公开一示例性实施例中在各子训练过程中训练预设机器学习模型的方法的流程示意图；

图5示出本公开一示例性实施例中确定预训练的风险影响因子预测模型的方法的流程示意图；

图6示出本公开一示例性实施例中基于机器学习的城市普惠保险的风险影响因子获取装置的结构示意图；

图7示出本公开示例性实施例中计算机存储介质的结构示意图；以及，

图8示出本公开示例性实施例中电子设备的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。

图1示出本公开一示例性实施例中基于机器学习的城市普惠保险的风险影响因子获取方法的流程示意图，参考图1，该方法包括：

步骤S110，获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；

步骤S120，对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；

步骤S130，分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取所述风险影响因子的值，其中，所述风险影响因子包括所述目标区域的年度个人医疗花费数据。

在图1所示实施例所提供的技术方案中，首先，获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；其次，对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；最后，分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取风险影响因子的值。与相关技术相比，一方面，本公开基于对各待投保用户的个人特征信息的数值化处理，可以通过预训练的机器学习模型，实现对城市普惠保险的价格风险影响因子中的年度个人医疗花费数据的自动预测，进而提高城市普惠保险的价格风险影响因子的预测效率；另一方面，本公开基于多个维度的特征数据进行医疗花费数据的预测，进而可以提高城市普惠保险的价格风险影响因子的预测的准确性。

以下对图1所示实施例中各个步骤的具体实施方式进行详细阐述：

在步骤S110，获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据。

其中，待投保用户根据历史年度中所述目标区域的已投保用户确定。

举例而言，上一年度的城市普惠保险对应的已投保用户可以作为次年的城市普惠保险的待投保用户，根据待投保用户的个人特征信息，可以预测次年城市普惠保险的风险影响因子的值。其中，城市普惠保险的风险影响因子可以包括城市普惠保险的价格影响因子，具体的，可以包括该城市中年度个人医疗花费数据。

在示例性的实施方式中，个人特征信息包括待投保用户的历史医疗诊断信息和/或历史个人健康指标信息，其中，历史个人健康指标信息可以是待投保用户的体检报告中各体检项目的信息。目标区域的历史年度基础指标数据包括目标区域的历史年度经济数据(如GDP，即国内生产总值)、历史年度人口数据、历史年度消费者物价指数数据中的至少一种。其可以根据预训练的风险影响因子预测模型所需的输入特征确定。

示例性的，步骤S110的具体实施方式可以是，通过第一数据接口，在目标区域的医疗电子系统中获取目标区域的待投保用户的医疗诊断信息和/或体检报告信息，通过第二数据接口，在基础指标数据库中获取目标区域的历史年度基础指标数据。

在步骤S120中，对各待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级。在示例性的实施方式中，个人特征信息可以是个人健康特征信息，包括个人医疗诊断信息和/或个人健康指标信息。

其中，针对个人特征信息中的医疗诊断信息，可以对医疗诊断信息中的各疾病进行数值化处理。图2示出本公开一示例性实施例中对医疗诊断信息进行数值化的方法的流程示意图。参考图2，该方法可以包括步骤S210至步骤S220。

在步骤S210中，获取历史个人医疗诊断信息中各疾病对应的国际疾病分类ICD编码，根据各疾病对应的国际疾病分类ICD编码确定各疾病的目标类别。

示例性的，可以使用ICD(国际疾病分类，international Classification ofdiseases)编码，如ICD-10编码，对疾医疗诊断数据进行归一化处理，即，获取医疗诊断数据中各疾病的ICD编码，根据ICD编码确定该疾病的目标类别，从而将该疾病进行归一到目标类别的疾病所对应的ICD编码。在根据ICD编码将各疾病进行归一到目标类别的疾病所对应的ICD编码时，可以根据ICD编码确定各疾病所属的预设级别的类别，例如，ICD编码可以有多级疾病分类，可以将各疾病都归一到预设级别的目录中，例如第三级目录中。

举例而言，伤寒和副伤寒对应的ICD编码为A01，在伤寒和副伤寒的类目下又包括：肠伤寒、对应的ICD编码为A01.056，甲型副伤寒、对应的ICD编码为A01.101，伤寒样小肠炎、对应的ICD编码为A01.057等，在进行归一化处理的时候，可以只看ICD编码的前3位，即A01这3位，从而将肠伤寒、甲型副伤寒、伤寒样小肠炎等的ICD编码都归一为A01，将伤寒和副伤寒以及其包括的子类目肠伤寒、甲型副伤寒等都归为伤寒和副伤寒的类别。

接下来，在步骤S220中，根据各目标类别中各疾病的年度医疗花费数据确定各疾病的风险等级。

示例性的，根据各ICD编码中的各疾病的年均医疗花费数据确定各ICD编码中的疾病的风险等级，从而将医疗诊断信息中的各疾病进行数值化。具体的，可以获取预设的不同年度医疗花费数据的阈值对应的风险等级，确定各类别的疾病的年度医疗花费数据的均值所属的阈值区间，从而确定各类别的疾病的风险等级。

例如，在预设的不同年度医疗花费数据对应的风险等级中，可以是：年度医疗花费小于500，则为一级风险，年度医疗花费大于等于500小于1000位二级风险；大于等于1000为三级风险。如果某个类别的疾病的年度医疗花费数据的均值为550，则该疾病为二级风险，从而将各疾病进行数值化处理，得到各疾病的风险等级。

通过上述的步骤S210至步骤S220，可以将样本区域中的各历史个人诊断信息进行数值化处理，从而利用数值化处理后的数据进行模型的训练，以提高保险定价的速度和准确性。

针对个人健康指标信息，进行数值化处理的具体实施方式可以是，对于体检数据中各体检项目的实际值和各体检项目在医学知识库中的标准值的差值，确定各体检项目对应的风险等级。

举例而言，对于BMI(身体质量指数，Body Mass Index)，血压血脂等体检数据，可以参考医学信息，依据其偏离标准值的程度将其数值化，以血压数据为例，0代表血压正常，1，2分别代表一级高血压和二级高血压，分别对应一级风险和二级风险。

同时，由于在医学信息中，三级高血压对应的数据是收缩压大于或等于180mmHg，舒张压大于或等于110mmHg，为了提高模型的预测精度，还可以对医学信息中的三级高血压进行更细致的划分，例如，对于医学信息中的三级高血压还可依照血压值范围分别数值化为3、4、5等，分别代表第三级风险、第四级风险、第五级风险等。

确定医疗诊断信息中各疾病的风险等级和健康指标信息中各健康指标的风险等级后，可以根据各疾病的风险等级和各健康指标的风险等级生成个人特征信息的数值化集合，在步骤S120中，可以直接该数值化集合中查询待投保用户的个人特征信息的风险等级。

继续参考图1，在步骤S130中，分别将各待投保用户的个人特征信息对应的风险等级和目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取所述风险影响因子的值。

如前所述，城市普惠保险的风险影响因子包括该城市的年度个人医疗花费数据。风险影响因子的值包括各待投保用户的年度个人医疗花费数据。

示例性的，在获取所述风险影响因子的值之前，所述方法还包括：获取预训练的风险影响影响预测模型。示例性的，图3示出本公开一示例性实施例中获取预训练的风险影响因子预测模型的方法的流程示意图。参考图3，该方法可以包括步骤S310至步骤S340。其中：

在步骤S310中，对获取的样本区域的历史个人特征信息进行数值化处理，以得到各所述历史个人特征信息对应的风险等级。

其中，历史个人特征信息包括历史个人医疗诊断信息和/或历史个人健康指标信息。

示例性的，所述对获取的样本区域的历史个人特性信息进行数值化处理，包括以下至少一种：

获取所述历史个人医疗诊断信息中各疾病对应的国际疾病分类ICD编码，以确定所述历史个人医疗诊断信息中各疾病的预设类目级别对应的类别，根据各类别的疾病的年度个人医疗花费数据确定所述历史个人医疗诊断信息中各疾病的风险等级；

根据所述历史个人健康指标信息中各健康指标的实际值和所述健康指标在医学知识库中的标准值的差值，确定各健康指标信息的风险等级。

具体的，对历史个人医疗诊断信息中各疾病进行数值化的处理过程可以参考上述的步骤S210至步骤S220。对各健康指标信息进行数值化的处理过程可以参考上述的针对历史个人健康指标信息进行数值化处理的具体实施方式。此处不再进行赘述。

示例性的，对获取的样本区域的历史个人特征信息进行数值化处理，还可以包括，确定历史个人特征信息中各个人特征的数量在所获取的样本区域的历史特征数据的数量中所占的比例，对所述比例大于预设阈值的历史个人特征信息进行数值化处理。

例如，在样本区域中获取到了100万份的历史个人医疗诊断数据和100万份的历史个人健康指标数据(可以是体检报告数据)。其中，对于个人健康指标数据，仅有500个人进行了核磁共振检查，由于核磁共振检查的数据量太少，其对训练结果的影响较小，因此，可以将个人健康指标数据中的核磁共振这个特征剔除，对剔除后的其他个人信息特征进行数值化处理。

接下来，继续参考图3，在步骤S320中，获取样本区域的历史年度基础指标数据和对应的历史年度个人医疗花费数据。

其中，历史年度基础指标数据包括历史年度经济数据、历史年度人口数据、历史年度消费者物价指数数据中的至少一种。如前所述，可以通过第一数据接口，在样本区域的医疗电子系统中获取历史年度个人医疗花费数据，通过第二数据接口在样本区域的基础指标数据库中获取样本区域的历史年度基础指标数据。

在步骤S330中，以各历史个人特征信息对应的风险等级和历史年度基础指标数据为训练样本数据，对应的历史年度个人医疗花费数据为训练样本标签，对多个类型的预设机器学习模型进行有监督学习训练。

其中，每个训练样本数据以年为单位包括多个信息，例如，张三在2000年至2001年的医疗诊断信息和个人健康指标信息对应的风险等级和2000年至2001年样本区域的基础指标数据组成一个训练样本数据，张三在2000年至2001年的医疗花费数据为该训练样本数据的样本标签。可以将样本区域对应的个人特征信息数据分为训练数据集和测试数据集，训练数据集用于模型的训练，测试数据集用于模型性能的测试。

在示例性的实施方式中，多个类型的预设机器学习模型可以包括任何的可以实现数据预测的机器学习模型，包括但不限于逻辑回归模型、决策树模型、深度学习模型、支持向量机模型等。

在本公开中，使用自动化的机器学习对多个类型的预设机器学习模型进行训练，从而提高模型的预测准确性，同时可以节省模型训练过程中的人工成本。

举例而言，可以预设设置多个类型的预设机器学习模型，例如，将逻辑回归模型和决策树模型、深度学习模型这3个模型确定为预设机器学习模型。在预设的训练时间内，利用Bandit算法对所述多个预设机器学习模型进行有监督学习训练。

具体的，可以在预设的训练时间内，利用Bandit算法对所述多个预设机器学习模型进行有监督学习训练。Bandit算法是针对多臂问题，通过采用某种策略的方式快速尝得到最优解的一种算法。

在预设的训练时间内各子训练过程中，可以使用Bandit算法从多个类型的预设机器学习模型中选择当前子训练过程需要训练的机器学习模型。Bandit算法的选择方式遵循收益最大化原则，即在当前子训练过程中，选择优化空间最大的机器学习模型进行训练。

示例性的，图4示出本公开一示例性实施例中在各子训练过程中训练预设机器学习模型的方法的流程示意图。参考图4，该方法可以包括步骤S410至步骤S430。其中:

在步骤S410中，利用Bandit算法从多个类型的预设机器学习模型中选择待训练的第一目标机器学习模型。

示例性的，如前所述，Bandit算法遵循收益最大化原则，可以在多个预设机器学习模型中选择此次训练子过程中的待训练的第一目标机器学习模型。例如，当前训练子过程，选择的是决策树模型，即决策树模型为第一目标机器学习模型。

接下来，在步骤S420中，根据基于随机森林的贝叶斯优化算法确定第一目标机器学习模型进行初始的超参数调整，以得到第二目标机器学习模型。

举例而言，可以使用基于随机森林的贝叶斯优化算法smac粗调第一目标机器学习模型的超参数，从而得到第二目标机器学习模型，即进行初始超参数调整后的第一目标机器学习。其中，smac是一种基于随机森林的贝叶斯优化算法，其可以用于自动化机器学习的超参数调整。

在步骤S430中，对第二目标机器学习模型进行超参数调整和特征工程，以对第二目标机器学习模型进行训练，直到子训练过程结束。

示例性的，特征工程指的是将本次可选的特征工程算子及其参数建模生成一个结构化的超参数调优问题，特征工程的模型对应的超参数调优问题和第二目标机器学习自身的超参数的调优都可以迹象采用上述的smac算法求解。

在训练过程中，超参数调优与特征工程的计算机资源分配比可以使用另一个Bandit算法确定，另一个Bandit算法可以根据损失函数的下降速度、预设的训练时间、和当前的计算机可用内存资源进行第二目标机器学习模型训练过程中的超参数调优和特征工程的计算机资源分配比，从而实现自动化的机器学习。

其中，子训练过程的结束，可以是该子训练过程中的损失函数小于某个阈值，则子训练过程结束。也可以是，预先设置各子训练过程的训练时间，例如工，预设的训练时间为10个小时，共有3个机器学习模型，那么每个字训练过程的训练时间可以设置为1个小时，则达到子训练过程的结束时间，则子训练过程结束，达到整个自动化训练过程的预设的训练时间10个小时，则整个训练过程结束。

训练过程结束后，可以得到训练后的多个类型的机器学习模型。

继续参考3，在步骤S340中，根据预设模型性能评价指标，从训练得到的多个类型的预设机器学习模型中确定目标年度个人医疗花费数据预测模型。

示例性的，图5示出本公开一示例性实施例中确定所述预训练的风险影响因子预测模型的方法的流程示意图。参考图5，该方法可以包括步骤S510至步骤S530。其中：

在步骤S510中，利用测试数据集，得到训练后的各预设机器学习模型的预设模型性能评价指标的值，以从所述多个类型的预设机器学习模型中确定至少一个待集成风险影响因子预测模型。

示例性的，待集成风险影响因子预测模型包括待集成年度个人医疗花费数据预先模型。具体的，可以利用预先生成的测试数据集，对训练得到的多个预设机器学习模型进行性能测试，得到各预设机器学习模型的预设模型性能评价指标的值。根据预设的模型性能评价指标的值的排序结果，从多个类型的预设机器学习模型中确定至少一个待集成年度个人医疗花费数据预测模型。

其中，预设模型性能评价指标可以包括模型的预测准确率、召回率、AUC(AreaUnder Curve)值，其中AUC被定义为ROC(受试者工作特征曲线，receiver operatingcharacteristic curve)曲线下与坐标轴围成的面积值等中的至少一个。当然，预设模型性能评价指标也可以是其他的类型，本示例性实施方式对此不做特殊限定。

以预设模型性能评价指标是准确率为例，可以根据准确率从大到小对模型性能进行排序，在多个类型的预设机器学习模型中选择准确率排名前N位的机器学习模型为待集成医疗花费数据预测模型，例如选择前3个为待集成风险影响因子预测模型。

接下来，在步骤S520中，根据至少一个集成学习算法和所述训练样本数据对各待集成风险影响因子预测模型进行集成训练，以得到至少一个风险影响因子集成预测模型。

在示例性的实施方式中集成学习算法可以包括bagging，blending，ensemble_selection以及stacking等。

其中，风险影响因子集成预测模型包括医疗花费数据集成预测模型，以bagging集成学习算法为例，根据至少一个集成学习算法和训练样本数据对各待集成风险影响因子预测模型进行集成训练的具体实施方式可以是，根据各历史个人特征信息在所获取的样本区域的历史个人特征数据的总数量中所占的多个比例阈值进行采样，生成样本区域的多组历史个人特征信息训练样本；根据多组历史个人特征信息训练样本和所述历史年度基础指标数据，对各所待集成医疗花费数据预测模型进行训练，以得到各年度个人医疗花费数据集成预测模型。

举例而言，例如获取了样本区域中100万份的历史个人特征数据，可以根据各历史特征信息在这100万份的历史个人特征数据中所占的不同比例，得到多组训练数据集。

例如，以10％、30％、50％、为例，可以获取历史个人特征信息在这100万份的历史个人特征数据中所占比例分别为10％、30％、50％的历史个人特征信息为第一训练数据集、第二训练数据集和第三训练数据集。即，第一训练集中的各历史个人特征信息包括100万人中大于或等于10万人所具有的个人特征信息，第二训练数据集中的各历史个人特征信息包括100万人中大于或等于30万所具有的个人特征信息，第三训练数据集中的各历史个人特征信息为100万中大于或等于50万人所具有的个人特征信息，其中，第一训练数据集包括的个人特征信息的数量最多，第二训练数据次之，第三训练数据集最少。

继续以上述的第一训练数据集、第二训练数据集和第三训练数据集，以及选择性能排名前3个的训练后的预设机器学习模型为待集成医疗花费数据预测模型，如模型1、模型2、模型3为例。分别使用第一训练数据集和样本区域历史年度基础指标数据对模型1训练，得到子医疗花费数据预测模型11、使用第二训练数据集和样本区域历史年度基础指标数据对模型1训练，得到子医疗花费数据预测模型12、使用第三训练数据集和样本区域历史年度基础指标数据对模型1训练，得到得到子医疗花费数据预测模型13；对模型2和模型3的训练与模型1类似，分别可以得到子医疗花费数据预测模型21、22和23以及子医疗花费数据预测模型31、32和33。

将子医疗花费数据预测模型11、12以及13集成，生成第一年度个人医疗花费数据集成预测模型；将子医疗花费数据预测模型21、22和23集成，生成第二年度个人医疗花费数据集成预测模型；将子医疗花费数据预测模型31、32和33集成，生成第三年度个人医疗花费数据集成预先模型，从而得到至少一个年度个人医疗花费数据集成预测模型。

接下来，在步骤S530中，利用测试数据集，得到各风险影响因子集成预测模型对应的预设模型性能评价指标的值，以从各风险影响因子集成预测模型中确定预训练的风险影响因子预测模型。

示例性的，以上述的各年度个人医疗花费数据集成预测模型为例，可以对各年度个人医疗花费数据集成预测模型进行性能评估，最终确定性能评估排名第一的年度个人医疗花费数据集成预测模型为目标年度个人医疗花费数据预测模型。具体的性能评估方法可以参考上述的步骤S510，此处不再进行赘述。

通过上述的步骤S510至步骤S530最终可以在多个预先训练的机器学习模型中确定预训练的风险影响因子预测模型，从而进一步的提高模型预测的准确性。

通过上述的步骤S310至步骤S330，可以得到预训练的风险影响因子预测模型。在步骤S130中，可以根据预训练的风险影响因子预测模型预测出目标区域下一年度的待投保用户的个人医疗花费数据。

需要说明的是，样本区域可以是同一个区域，也可以不是同一个区域，当样本区域和目标区域不是同一个区域时，在得到样本区域的预训练的风险影响因子预测模型后，为了在保证目标区域的预测准确性，可以在目标区域中获取相关的训练样本数据对样本区域的预训练的风险影响因子预测模型进行权重更新。当然，也可以直接根据样本区域的风险影响因子预测模型预测目标区域的年度个人医疗花费数据。

同时，还可以随着时间的推移，在训练数据的新一年度的统计结果生成之后，可以不断的对模型进行迭代，保证预测结果的准确性。通过上述的步骤S110至步骤S130，可以实现对城市普惠保险的定价的风险影响因子的自动化预测，提高城市普惠保险的定价影响因子的预测效率和预测准确性。

示例性的，预测出待投保用户的个人医疗花费数据后，还可以个人医疗花费数据生成城市普惠保险的定价。

具体的，可以根据所述目标区域中各待投保用户的年度个人医疗花费数据和所述目标区域的城市普惠保险的预设理赔信息，确定目标区域中各待投保用户的理赔费用的均值，进而根据所述理赔费用的均值和预设的价格风险因子，确定所述目标区域的城市普惠保险的价值。

举例而言，目标区域的城市普惠保险的预设理赔信息，其中，预设理赔信息可以包括区域风险保障契约的报销范围、报销比率、起付线等。通过模型计算获得各待投保用户的医疗花费数据的预测结果之后，根据需要进行定价的城市普惠保险的具体的报销范围、报销比率、起付线等，计算出待投保用户在次年报销的医疗花费总和，除以总人数获得人均报销额，同时，考虑价格的风险因素，可以给人均报销额乘以一个大于1的稳定系数(即预设的价格风险因子)，生成城市普惠保险的定价。

此外，还可以将上人均报销额和风险因素的乘积作为城市普惠保险的定价的第一部分。同时计算在特定时期内，该城市普惠保险的营销花费，例如包括办公费、水电费、宣传费、员工工资等费用，将营销花费除以待投保用户的数量获得风险保障契约定价的第二部分。两部分结果求和之后获得最终的定价结果。

本领域技术人员可以理解实现上述实施方式的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本发明提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本发明示例性实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

进一步的，图6示出本公开一示例性实施例中的基于机器学习的城市普惠保险的风险影响因子获取装置。参考图6，该装置600包括：特征获取模块610、数值化处理模块620以及风险影响因子获取模块630。其中：

特征获取模块610，被配置为获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；

数值化处理模块620，被配置为对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；

风险影响因子获取模块620，被配置为分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取所述风险影响因子的值；

其中，所述风险影响因子包括所述目标区域的年度个人医疗花费。

上述装置600中的具体细节已经在对应的方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

在本公开示例性实施方式中，还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

参考图7所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830以及显示单元840。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图1所示的：步骤S110，获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；步骤S120，对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；步骤S130，分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取所述风险影响因子的值。

又如，处理单元810还可以执行如图2至图5中所示的各个步骤。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种基于机器学习的城市普惠保险的风险影响因子获取方法，其特征在于，包括：

获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；

对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；

分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取所述风险影响因子的值；

其中，所述风险影响因子包括所述目标区域的年度个人医疗花费数据。

2.根据权利要求1所述的风险影响因子获取方法，其特征在于，所述方法还包括：获取预训练的风险影响因子预测模型；

所述获取预训练的风险影响因子预测模型包括：

对获取的样本区域的历史个人特征信息进行数值化处理，以得到所述历史个人特征信息对应的风险等级；

获取样本区域的历史年度基础指标数据和对应的历史年度个人医疗花费数据，其中，所述历史年度基础指标数据包括历史年度经济数据、历史年度人口数据、历史年度消费者物价指数数据中的至少一种；

以所述历史个人特征信息对应的风险等级和所述历史年度基础指标数据为训练样本数据，对应的所述历史年度个人医疗花费数据为训练样本标签，对多个类型的预设机器学习模型进行有监督学习训练；

根据预设模型性能评价指标，从训练得到的所述多个类型的预设机器学习模型中确定所述预训练的风险影响因子预测模型。

3.根据权利要求2所述的风险影响因子获取方法，其特征在于，所述历史个人特征信息包括历史个人医疗诊断信息和/或历史个人健康指标信息；

所述对获取的样本区域的历史个人特征信息进行数值化处理，包括以下至少一种：

获取所述历史个人医疗诊断信息中各疾病对应的国际疾病分类ICD编码，以确定所述历史个人医疗诊断信息中各疾病的预设类目级别对应的类别，根据各类别的疾病的年度个人医疗花费数据确定所述历史个人医疗诊断信息中各疾病的风险等级；

根据所述历史个人健康指标信息中各健康指标的实际值和所述健康指标在医学知识库中的标准值的差值，确定各健康指标信息的风险等级。

4.根据权利要求2所述的风险影响因子获取方法，其特征在于，对获取的样本区域的历史个人特征信息进行数值化处理，包括：

确定历史个人特征信息中各个人特征的数量在所获取的样本区域的历史特征数据的数量中所占的比例，对所述比例大于预设阈值的历史个人特征信息进行数值化处理。

5.根据权利要求2所述的风险影响因子获取方法，其特征在于，所述对多个类型的预设机器学习模型进行有监督学习训练，包括：

在预设的训练时间内，利用Bandit算法对所述多个预设机器学习模型进行有监督学习训练；

其中，在所述预设的训练时间内的每个子训练过程中，利用Bandit算法从多个类型的预设机器学习模型中选择待训练的第一目标机器学习模型；

根据基于随机森林的贝叶斯优化算法确定所述第一目标机器学习模型进行初始的超参数调整，以得到第二目标机器学习模型；

对所述第二目标机器学习模型进行超参数调整和特征工程，以对所述第二目标机器学习模型进行训练，直到所述子训练过程结束。

6.根据权利要求2所述的风险影响因子获取方法，其特征在于，所述根据预设模型性能评价指标，从训练得到的所述多个类型的预设机器学习模型中确定所述预训练的风险影响因子预测模型，包括：

利用测试数据集，得到训练后的各预设机器学习模型对应的预设模型性能评价指标的值，以从所述多个类型的预设机器学习模型中确定至少一个待集成风险影响因子预测模型；

根据至少一个集成学习算法和所述训练样本数据对各待集成风险影响因子预测模型进行集成训练，以得到至少一个风险影响因子集成预测模型；

利用测试数据集，得到各所述风险影响因子集成预测模型对应的预设模型性能评价指标的值，以从各所述风险影响因子集成预测模型中确定预训练的风险影响因子预测模型。

7.根据权利要求1至6中任一项所述的风险影响因子获取方法，其特征在于，所述待投保用户根据历史年度中所述目标区域的已投保用户确定。

8.一种基于机器学习的城市普惠保险的风险影响因子获取装置，其特征在于，包括：

特征获取模块，被配置为获取目标区域的各待投保用户的个人特征信息和目标区域的历史年度基础指标数据；

数值化处理模块，被配置为对各所述待投保用户的个人特征信息进行数值化处理，以确定各待投保用户的个人特征信息对应的风险等级；

风险影响因子获取模块，被配置为分别将各待投保用户的个人特征信息对应的风险等级和所述目标区域的历史年度基础指标数据输入到预训练的风险影响因子预测模型中，以获取所述风险影响因子的值；

其中，所述风险影响因子包括所述目标区域的年度个人医疗花费。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。

Images