本申请属于人工智能领域与金融科技领域，涉及一种基于人工智能的数据评估方法，包括：获取指定时间段内的客户的保险客户信息；基于保险客户信息构建客户的原始特征；获取与客户对应的目标变量值；从原始特征筛选与目标变量值匹配的目标特征；基于目标特征与目标变量值构建样本数据集；基于样本数据集对机器学习模型进行处理得到价值预测模型；基于价值预测模型对目标保险客户信息进行预测处理，生成目标客户的价值预测结果。本申请还提供一种基于人工智能的数据评估装置、计算机设备及存储介质。此外，本申请的价值预测结果可存储于区块链中。本申请可应用于金融领域的客户价值评估场景，提高了客户价值评估的处理灵活性，与处理准确性。
【技术实现步骤摘要】
本申请涉及人工智能开发与金融科技领域，尤其涉及基于人工智能的数据评估方法、装置、计算机设备及存储介质。
技术介绍
1、随着社会和科技的快速变革，保险公司需要实时了解客户的风险状况和需求，以提供更精准的保障。因此，客户价值评估已经成为保险业发展的关键驱动因素，有望进一步提高行业的竞争力和可持续性。然而，很多保险公司在进行客户价值评估时仍然采用较为传统的评估方法，该领域面临着一些明显的挑战和瓶颈。
2、现有技术中，传统的客户价值评估方法往往基于经验法则和一般性的统计模型，这样的评估手段很难捕捉到复杂客户行为下的个体差异并实现个性化评估，无法真正理解每个客户的独特需求和风险，导致生成的评估结果灵活性较差，且容易出现存在准确性方面的偏差。
技术实现思路
1、本申请实施例的目的在于提出一种基于人工智能的数据评估方法、装置、计算机设备及存储介质，以解决现有的客户价值评估方法往往基于经验法则和一般性的统计模型，很难捕捉到复杂客户行为下的个体差异并实现个性化评估，无法真正理解每个客户的独特需求和风险，导致生成的评估结果灵活性较差，且容易出现存在准确性方面的偏差的技术问题。
2、为了解决上述技术问题，本申请实施例提供一种基于人工智能的数据评估方法，采用了如下所述的技术方案：
3、从预设的数据仓库中获取指定时间段内的客户的保险客户信息；
4、基于所述保险客户信息构建得到与所述客户对应的原始特征；
5、获取与所述客户对应的目标变量值；
<
p>6、从所述原始特征中筛选出与所述目标变量值匹配的目标特征；7、基于所述目标特征与所述目标变量值构建样本数据集；
8、基于所述样本数据集对预设的机器学习模型进行训练与测试处理，得到符合预设需求的价值预测模型；
9、基于所述价值预测模型对目标客户的目标保险客户信息进行预测处理，生成与所述目标客户对应的价值预测结果。
10、进一步的，所述基于所述保险客户信息构建得到与所述客户对应的原始特征的步骤，具体包括：
11、对所述保险客户信息进行拼接处理，得到与所述客户对应的原始数据集；
12、对所述原始数据集进行数据清洗，得到对应的指定数据集；
13、基于预设的探索性因子分析法对所述指定数据集进行分析处理，从所述指定数据集中提取出对应的指定数据特征；
14、将所述指定数据特征作为所述原始特征。
15、进一步的，所述获取与所述客户对应的目标变量值的步骤，具体包括：
16、获取所述客户在所述指定时间内产生的收入数据与支出数据；
17、调用预设的变量计算公式；
18、基于所述变量计算公式对所述收入数据与所述支出数据进行计算处理，得到对应的计算值；
19、将所述计算值作为所述目标变量值。
20、进一步的，所述从所述原始特征中筛选出与所述目标变量值匹配的目标特征的步骤，具体包括：
21、调用预设的相关性计算算法；
22、基于所述相关性计算算法计算各所述原始特征与所述目标变量之间的相关性；
23、从所有所述相关性中筛选出大于预设阈值的指定相关性；
24、从所有所述原始特征中获取与所述指定相关性对应的第一特征；
25、对所述第一特征进行特征交叉与组合处理，得到对应的第二特征；
26、将所述第二特征作为所述目标特征。
27、进一步的，所述基于所述样本数据集对预设的机器学习模型进行训练与测试处理，得到符合预设需求的价值预测模型的步骤，具体包括：
28、将所述样本数据集划分为训练数据集与测试数据集；
29、通过所述训练数据集对所述机器学习模型进行训练，得到训练后的初始模型；
30、通过所述测试数据集对所述初始模型进行测试得到对应的测试结果；
31、若所述测试结果不符合预期结果，则对所述初始模型进行参数优化处理，得到优化后的指定模型；
32、将所述指定模型作为所述价值预测模型。
33、进一步的，在所述基于所述价值预测模型对目标客户的目标保险客户信息进行预测处理，生成与所述目标客户对应的价值预测结果的步骤之后，还包括：
34、调用预设的等级映射表；
35、基于所述价值预测结果对所述等级映射表进行查询处理，从所述等级映射表中获取与所述价值预测结果对应的目标价值等级；
36、使用所述目标价值等级对所述目标客户进行打标签处理。
37、进一步的，在所述使用所述目标价值等级对所述目标客户进行打标签处理的步骤之后，还包括：
38、调用预设的策略数据库；
39、从所述策略数据库中获取与所述目标价值等级对应的目标产品推送策略；
40、基于所述目标产品推送策略对所述目标客户进行产品推荐处理。
41、为了解决上述技术问题，本申请实施例还提供一种基于人工智能的数据评估装置，采用了如下所述的技术方案：
42、第一获取模块，用于从预设的数据仓库中获取指定时间段内的客户的保险客户信息；
43、第一构建模块，用于基于所述保险客户信息构建得到与所述客户对应的原始特征；
44、第二获取模块，用于获取与所述客户对应的目标变量值；
45、筛选模块，用于从所述原始特征中筛选出与所述目标变量值匹配的目标特征；
46、第二构建模块，用于基于所述目标特征与所述目标变量值构建样本数据集；
47、第一处理模块，用于基于所述样本数据集对预设的机器学习模型进行训练与测试处理，得到符合预设需求的价值预测模型；
48、预测模块，用于基于所述价值预测模型对目标客户的目标保险客户信息进行预测处理，生成与所述目标客户对应的价值预测结果。
49、为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
50、从预设的数据仓库中获取指定时间段内的客户的保险客户信息；
51、基于所述保险客户信息构建得到与所述客户对应的原始特征；
52、获取与所述客户对应的目标变量值；
53、从所述原始特征中筛选出与所述目标变量值匹配的目标特征；
54、基于所述目标特征与所述目标变量值构建样本数据集；
55、基于所述样本数据集对预设的机器学习模型进行训练与测试处理，得到符合预设需求的价值预测模型；
56、基于所述价值预测模型对目标客户的目标保险客户信息进行预测处理，生成与所述目标客户对应的价值预测结果。
57、为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
58、从预设的数据仓库中获取指定时间段内的客户的保险客户信息；
59、基于所述保险客户信息构建得到与所本文档来自技高网
...
【技术保护点】
1.一种基于人工智能的数据评估方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于人工智能的数据评估方法，其特征在于，所述基于所述保险客户信息构建得到与所述客户对应的原始特征的步骤，具体包括：
3.根据权利要求1所述的基于人工智能的数据评估方法，其特征在于，所述获取与所述客户对应的目标变量值的步骤，具体包括：
4.根据权利要求1所述的基于人工智能的数据评估方法，其特征在于，所述从所述原始特征中筛选出与所述目标变量值匹配的目标特征的步骤，具体包括：
5.根据权利要求1所述的基于人工智能的数据评估方法，其特征在于，所述基于所述样本数据集对预设的机器学习模型进行训练与测试处理，得到符合预设需求的价值预测模型的步骤，具体包括：
6.根据权利要求1所述的基于人工智能的数据评估方法，其特征在于，在所述基于所述价值预测模型对目标客户的目标保险客户信息进行预测处理，生成与所述目标客户对应的价值预测结果的步骤之后，还包括：
7.根据权利要求6所述的基于人工智能的数据评估方法，其特征在于，在所述使用所述目标价值等级对所述目标客户进行打标签处理的步骤之后，还包括：
8.一种基于人工智能的数据评估装置，其特征在于，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于人工智能的数据评估方法的步骤。
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可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的数据评估方法的步骤。
...
【技术特征摘要】
1.一种基于人工智能的数据评估方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于人工智能的数据评估方法，其特征在于，所述基于所述保险客户信息构建得到与所述客户对应的原始特征的步骤，具体包括：
3.根据权利要求1所述的基于人工智能的数据评估方法，其特征在于，所述获取与所述客户对应的目标变量值的步骤，具体包括：
4.根据权利要求1所述的基于人工智能的数据评估方法，其特征在于，所述从所述原始特征中筛选出与所述目标变量值匹配的目标特征的步骤，具体包括：
5.根据权利要求1所述的基于人工智能的数据评估方法，其特征在于，所述基于所述样本数据集对预设的机器学习模型进行训练与测试处理，得到符合预设需求的价值预测模型的步骤，具体包括：
6.根据权利要求1所述的基于人工智能的数据评估方法，...
【专利技术属性】
技术研发人员：王美，
申请(专利权)人：平安健康保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。