【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，尤其涉及风险区域的生成方法、装置、计算机设备及存储介质。
技术介绍
1、在保险理赔领域，随着保险业务的不断扩展和案件数量的急剧增加，理赔系统的效率与准确性成为了保险公司关注的重点。其中，案件出险地址作为理赔处理的关键信息之一，其地域属性对于案件性质、赔付结论的判定具有重要影响。然而，传统的理赔作业模式在处理大量案件时，尤其是面对具有相似地域特征和案件性质的案件群时，显现出诸多弊端。
2、现有技术中，对于识别并处理具有地域性风险的案件，主要依赖于人工方式圈定风险区域。这种方法虽然在一定程度上能够实现对特定区域内案件的集中管理和风险预警，但存在显著不足：第一，对于相似地点发生的案件，若缺乏自动识别和分类机制，每个案件均需按标准流程逐一处理，不仅耗费大量人力物力，还可能因处理不及时或不当而导致欺诈赔付事件的发生，给公司带来经济损失和声誉损害；第二，人工划分风险区域时，往往难以精确界定区域边界，导致部分案件被错误归类或遗漏，进而导致风险区域的划分准确性较低。
技术实现思路
1、本申请实施例的目的在于提出一种风险区域的生成方法、装置、计算机设备及存储介质，以解决现有的保险理赔领域中采用的人工方式圈定风险区域的方式，存在处理效率低下且风险区域的划分准确性较低技术问题。
2、为了解决上述技术问题，本申请实施例提供一种风险区域的生成方法，采用了如下所述的技术方案：
3、获取历史时间周期内的目标理赔案件数据，并对所述理赔案件数
4、对所述样本数据进行特征提取，得到对应的特征矩阵数据；
5、获取与行政区划对应的地理数据；
6、基于所述地理数据对所述特征矩阵数据进行数据铺叠处理，得到对应的目标特征数据；
7、基于预设的聚类算法对所述目标特征数据进行迭代聚类处理，得到对应的聚类结果；
8、从所述聚类结果中获取对应的目标聚类中心点，以及与所述目标聚类中心点对应的目标聚类半径；
9、基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域。
10、进一步的，所述基于所述地理数据对所述特征矩阵数据进行数据铺叠处理，得到对应的目标特征数据的步骤，具体包括：
11、调用预设的地理信息处理工具；
12、获取所述特征矩阵数据中的出险地点；
13、基于所述地理信息处理工具将所述特征矩阵数据中的出险地点与所述地理数据进行空间连接，得到对应的处理数据；
14、将所述处理数据作为所述目标特征数据。
15、进一步的，所述基于预设的聚类算法对所述目标特征数据进行迭代聚类处理，得到对应的聚类结果的步骤，具体包括：
16、从预设的多种聚类算法中确定目标聚类算法；
17、基于所述行政区划确定聚类中心数；
18、基于预设的初始化策略从所述目标特征数据中选择与所述聚类中心数匹配的多个初始聚类中心；
19、基于所述目标聚类算法与所述初始聚类中心，对所述目标特征数据进行迭代聚类处理，得到对应的所述聚类结果。
20、进一步的，所述基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域的步骤，具体包括：
21、将所述目标聚类中心点作为圆心，将与所述聚类中心对应的目标聚类半径作为半径，绘制指定形状的第一风险区域；
22、基于所述地理数据对所述风险区域进行调整处理，得到对应的第二风险区域；
23、将所述第二风险区域作为所述目标风险区域。
24、进一步的，在所述基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域的步骤之后，还包括：
25、判断是否接收到新录入的指定理赔案件；
26、若是，获取所述指定理赔案件的出险地点信息；
27、判断所述出险地点信息是否处于预设的风险区域集合内；
28、若是，从所述风险区域集合中筛选出与所述出险地点信息对应的指定风险区域；
29、获取所述指定风险区域的历史拒赔案件量；
30、判断所述历史拒赔案件量是否大于预设的数量阈值；
31、若是，判定所述指定理赔案件存在欺诈风险，并生成与所述指定理赔案件对应的欺诈风险评估结果。
32、进一步的，在所述生成与所述指定理赔案件对应的欺诈风险评估结果的步骤之后，还包括：
33、获取所述指定风险区域内的所有历史拒赔案件的风险类型数据；
34、对所述风险类型数据进行风险类型分析，统计出占比最高的指定风险类型；
35、获取预设的风险建议模板；
36、基于所述指定风险类型与所述风险建议模板生成与所述指定理赔案件对应的指定风险建议；
37、将所述指定风险建议发送给相关的处理人员。
38、进一步的，在所述基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域的步骤之后，还包括：
39、基于预设的定时任务，从指定数据库中查询新结案的理赔案件数据；
40、基于所述新结案的理赔案件数据与所述目标理赔案件数据生成对应的指定样本数据；
41、获取预设的聚类更新策略；
42、基于所述聚类更新策略对所述指定样本数据进行聚类分析处理，得到对应的聚类分析结果；
43、对所述聚类分析结果进行存储处理。
44、为了解决上述技术问题，本申请实施例还提供一种风险区域的生成装置，采用了如下所述的技术方案：
45、第一处理模块，用于获取历史时间周期内的目标理赔案件数据，并对所述理赔案件数据进行预处理得到样本数据；其中，所述理赔案件数据为已结案且赔付结论为风险拒赔的理赔案件数据；
46、提取模块，用于对所述样本数据进行特征提取，得到对应的特征矩阵数据；
47、第一获取模块，用于获取与行政区划对应的地理数据；
48、第二处理模块，用于基于所述地理数据对所述特征矩阵数据进行数据铺叠处理，得到对应的目标特征数据；
49、聚类模块，用于基于预设的聚类算法对所述目标特征数据进行迭代聚类处理，得到对应的聚类结果；
50、第二获取模块，用于从所述聚类结果中获取对应的目标聚类中心点，以及与所述目标聚类中心点对应的目标聚类半径；
51、第一生成模块，用于基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域。
52、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：
53、获取历史时间周期内的目标理赔案件数据，并对所述理赔案件数据进行预处理得到样本数据；其中，所述理赔案件数据为已结案且赔付结论为风险拒赔的理赔案件数据；
54、对所述样本数据进本文档来自技高网...
【技术保护点】
1.一种风险区域的生成方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的风险区域的生成方法，其特征在于，所述基于所述地理数据对所述特征矩阵数据进行数据铺叠处理，得到对应的目标特征数据的步骤，具体包括：
3.根据权利要求1所述的风险区域的生成方法，其特征在于，所述基于预设的聚类算法对所述目标特征数据进行迭代聚类处理，得到对应的聚类结果的步骤，具体包括：
4.根据权利要求1所述的风险区域的生成方法，其特征在于，所述基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域的步骤，具体包括：
5.根据权利要求1所述的风险区域的生成方法，其特征在于，在所述基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域的步骤之后，还包括：
6.根据权利要求5所述的风险区域的生成方法，其特征在于，在所述生成与所述指定理赔案件对应的欺诈风险评估结果的步骤之后，还包括：
7.根据权利要求1所述的风险区域的生成方法，其特征在于，在所述基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域的步骤之后，还包括：
8.一种风险区域的生成装置，其特征在于，包括：
9.一种计算机设备，其特征在于，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中任一项所述的风险区域的生成方法的步骤。
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中任一项所述的风险区域的生成方法的步骤。
...【技术特征摘要】
1.一种风险区域的生成方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的风险区域的生成方法，其特征在于，所述基于所述地理数据对所述特征矩阵数据进行数据铺叠处理，得到对应的目标特征数据的步骤，具体包括：
3.根据权利要求1所述的风险区域的生成方法，其特征在于，所述基于预设的聚类算法对所述目标特征数据进行迭代聚类处理，得到对应的聚类结果的步骤，具体包括：
4.根据权利要求1所述的风险区域的生成方法，其特征在于，所述基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域的步骤，具体包括：
5.根据权利要求1所述的风险区域的生成方法，其特征在于，在所述基于所述目标聚类中心点与所述目标聚类半径生成对应的目标风险区域的步骤之后，还包括：
6.根据权利...
【专利技术属性】
技术研发人员：冯宝兴，陈宇星，贾露，洪旭栓，
申请(专利权)人：中国平安财产保险股份有限公司，
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。