車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法、裝置及服務(wù)器與流程
本說明書實(shí)施例屬于計(jì)算機(jī)數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法、裝置及服務(wù)器。
背景技術(shù)：
隨著車輛保有量的逐年增加，各保險(xiǎn)公司的車險(xiǎn)業(yè)務(wù)量也隨之增加。如何對(duì)被保險(xiǎn)車輛進(jìn)行準(zhǔn)確的車險(xiǎn)風(fēng)險(xiǎn)評(píng)估，以制定合理的車輛承保、定價(jià)、服務(wù)項(xiàng)目等車險(xiǎn)保險(xiǎn)業(yè)務(wù)，是保險(xiǎn)公司重要的研究方向之一。
目前，保險(xiǎn)公司主要依靠車輛自身的屬性信息進(jìn)行定價(jià)建模，針對(duì)不同的被保險(xiǎn)車輛情況制定相應(yīng)車險(xiǎn)業(yè)務(wù)，提供給用戶。例如，根據(jù)被保險(xiǎn)車輛的外觀新舊度、車輛使用年限、車輛里程等。實(shí)際的車輛保險(xiǎn)業(yè)務(wù)中，影響車輛是否出險(xiǎn)以及出險(xiǎn)費(fèi)用的因素還可以包括其他方面，如車輛所在地的自然環(huán)境、經(jīng)常駕駛路況等。因此，業(yè)內(nèi)還需要更加全面、準(zhǔn)確的預(yù)測車險(xiǎn)風(fēng)險(xiǎn)的解決方案。
技術(shù)實(shí)現(xiàn)要素：
本說明書的一個(gè)或多個(gè)實(shí)施例目的在于提供一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法、裝置及服務(wù)器，可以使用車險(xiǎn)用戶的人屬性信息進(jìn)行車險(xiǎn)風(fēng)險(xiǎn)預(yù)測，提供更加全面、準(zhǔn)確、可靠的車輛風(fēng)險(xiǎn)預(yù)測依據(jù)，整體上提高車險(xiǎn)風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和可靠性。
本說明書的一個(gè)或多個(gè)提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法、裝置及服務(wù)器是包括以下方式實(shí)現(xiàn)的：
一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法，所述方法包括：
獲取車險(xiǎn)用戶的人屬性特征信息，所述人屬性特征信息包括自然人的自然屬性信息、社會(huì)屬性信息、行為數(shù)據(jù)中的至少一種信息數(shù)據(jù)；
利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)所述人屬性特征信息進(jìn)行處理，得到所述車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果。
一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置，所述裝置包括：
人屬性特征獲取模塊，用于獲取車險(xiǎn)用戶的人屬性特征信息，所述人屬性特征信息包括自然人的自然屬性信息、社會(huì)屬性信息、行為數(shù)據(jù)中的至少一種信息數(shù)據(jù)；
風(fēng)險(xiǎn)預(yù)測模塊，用于利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)所述人屬性特征信息進(jìn)行處理，得到所述車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果。
一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置，所述裝置包括處理器以及用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器，所述處理器執(zhí)行所述指令時(shí)實(shí)現(xiàn)：
獲取車險(xiǎn)用戶的人屬性特征信息，所述人屬性特征信息包括自然人的自然屬性信息、社會(huì)屬性信息、行為數(shù)據(jù)中的至少一種信息數(shù)據(jù)；
利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)所述人屬性特征信息進(jìn)行處理，得到所述車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果。
一種服務(wù)器，包括至少一個(gè)處理器以及用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器，所述處理器執(zhí)行所述指令時(shí)實(shí)現(xiàn)本說明書實(shí)施例任意一個(gè)方法所述的數(shù)據(jù)處理步驟。
本說明書實(shí)施例提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法、裝置及服務(wù)器，可以利用預(yù)先采集整理的人屬性特征信息建立車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法，利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算對(duì)被預(yù)測的車險(xiǎn)用戶的人屬性特征信息進(jìn)行處理，從自然人的角度預(yù)測車險(xiǎn)用戶對(duì)車輛風(fēng)險(xiǎn)的影響。在實(shí)際車輛使用中，人的因素影響對(duì)車輛是否出險(xiǎn)以及出險(xiǎn)的具體賠付金額等車險(xiǎn)業(yè)務(wù)影響通常較大，而本說明書實(shí)施例提供的實(shí)施方案，使用人的屬性特征信息進(jìn)行車輛風(fēng)險(xiǎn)預(yù)測，提供更加準(zhǔn)確、可靠的車險(xiǎn)風(fēng)險(xiǎn)評(píng)估依據(jù)，可以有效提高車險(xiǎn)風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和可靠性。
附圖說明
為了更清楚地說明本說明書實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本說明書中記載的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
圖1是本說明書提供的一個(gè)實(shí)施例實(shí)現(xiàn)車險(xiǎn)風(fēng)險(xiǎn)預(yù)測的實(shí)施場景示意圖；
圖2是本說明書提供的所述方法的一個(gè)實(shí)施例的處理過程示意圖；
圖3是本說明書提供的所述方法中一種構(gòu)建預(yù)測模型的實(shí)施方法流程示意圖；
圖4是本說明書提供的所述方法中另一種構(gòu)建預(yù)測模型的實(shí)施方法流程示意圖
圖5是本說明書提供的所述方法中另一種構(gòu)建預(yù)測模型的實(shí)施方法流程示意圖；
圖6是本說明書提供的所述方法中另一種構(gòu)建預(yù)測模型的實(shí)施方法流程示意圖；
圖7是本說明書提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置實(shí)施例的模塊結(jié)構(gòu)示意圖；
圖8是本說明書提供的另一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置實(shí)施例的模塊結(jié)構(gòu)示意圖；
圖9是本說明書提供的另一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置實(shí)施例的模塊結(jié)構(gòu)示意圖；
圖10是本說明書提供的服務(wù)器一種實(shí)施例的結(jié)構(gòu)示意圖。
具體實(shí)施方式
為了使本技術(shù)領(lǐng)域的人員更好地理解本說明書中的技術(shù)方案，下面將結(jié)合本說明書實(shí)施例中的附圖，對(duì)本說明書實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本說明書一部分實(shí)施例，而不是全部的實(shí)施例?；诒菊f明書中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本說明書保護(hù)的范圍。
雖然本說明書提供了如下述實(shí)施例或附圖所示的方法操作步驟或裝置結(jié)構(gòu)，但基于常規(guī)或者無需創(chuàng)造性的勞動(dòng)在所述方法或裝置中可以包括更多或者部分合并后更少的操作步驟或模塊單元。在邏輯性上不存在必要因果關(guān)系的步驟或結(jié)構(gòu)中，這些步驟的執(zhí)行順序或裝置的模塊結(jié)構(gòu)不限于本說明書一個(gè)或多個(gè)實(shí)施例或附圖所示的執(zhí)行順序或模塊結(jié)構(gòu)。所述的方法或模塊結(jié)構(gòu)的在實(shí)際中的裝置、服務(wù)器或終端產(chǎn)品應(yīng)用時(shí)，可以按照實(shí)施例或者附圖所示的方法或模塊結(jié)構(gòu)進(jìn)行順序執(zhí)行或者并行執(zhí)行(例如并行處理器或者多線程處理的環(huán)境、甚至包括分布式處理、服務(wù)器集群的實(shí)施環(huán)境)。
本說明書一個(gè)或多個(gè)實(shí)施例可以在多種車輛風(fēng)險(xiǎn)預(yù)測的業(yè)務(wù)系統(tǒng)中實(shí)施。所述的業(yè)務(wù)系統(tǒng)可以包括保險(xiǎn)公司車險(xiǎn)風(fēng)險(xiǎn)評(píng)估的業(yè)務(wù)系統(tǒng)，也可以包括提供車險(xiǎn)風(fēng)險(xiǎn)預(yù)測服務(wù)的第三方服務(wù)系統(tǒng)，如為保險(xiǎn)公司提供車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)評(píng)估分值的服務(wù)方。本說明書提供的一個(gè)或多個(gè)實(shí)施例在業(yè)務(wù)系統(tǒng)中具體實(shí)施時(shí)，可以預(yù)先采集(收集)車險(xiǎn)用戶的人屬性特征信息，可以對(duì)這些采集的人屬性特征信息進(jìn)行預(yù)處理，然后選取適用于業(yè)務(wù)場景的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法進(jìn)行建模、訓(xùn)練等。建模或訓(xùn)練后的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法可以用來對(duì)被預(yù)測的車險(xiǎn)用戶進(jìn)行車險(xiǎn)風(fēng)險(xiǎn)預(yù)測。所述的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法可以根據(jù)業(yè)務(wù)場景需求選取相應(yīng)的線性預(yù)測模型、網(wǎng)絡(luò)預(yù)測模型、計(jì)算公式或者自定義擬合的算法等。選取的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法可以直接使用，進(jìn)行車險(xiǎn)風(fēng)險(xiǎn)預(yù)測，也可以經(jīng)過人屬性特征信息的樣本數(shù)據(jù)訓(xùn)練后構(gòu)建生成。
所述的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法可以輸出車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果，具體的可以包括表示車險(xiǎn)用戶車險(xiǎn)風(fēng)險(xiǎn)高低的分值、發(fā)生風(fēng)險(xiǎn)種類、出險(xiǎn)的概率值、賠付金額區(qū)間、所屬風(fēng)險(xiǎn)人群等類型的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果。圖1是本說明書提供的一個(gè)實(shí)施例實(shí)現(xiàn)車險(xiǎn)風(fēng)險(xiǎn)預(yù)測的實(shí)施場景示意圖。如圖1所示，可以根據(jù)保險(xiǎn)公司提供的保單數(shù)據(jù)獲取與人屬性特征信息相關(guān)的變量，以這些變量作為模型訓(xùn)練的樣本變量。一般的，保險(xiǎn)公司一側(cè)可以記錄有車險(xiǎn)用戶一些信息數(shù)據(jù)，如填寫的保單數(shù)據(jù)，具體的可以包括車主用戶的姓名、證件類型及證件號(hào)碼、手機(jī)號(hào)碼等。這些樣本變量經(jīng)過整理后可以使用廣義線性模型進(jìn)行建模，構(gòu)建車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，然后可以使用該模型進(jìn)行預(yù)測，輸出表示車險(xiǎn)用戶車險(xiǎn)風(fēng)險(xiǎn)高低的分值。
本說明書提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法具體的一個(gè)實(shí)施例如圖2所示，所述方法可以包括：
s2：獲取車險(xiǎn)用戶的人屬性特征信息，所述人屬性特征信息可以包括基于自然人的自然屬性信息、社會(huì)屬性信息、行為數(shù)據(jù)中的至少一種信息數(shù)據(jù)；
s4：利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)所述人屬性特征信息進(jìn)行處理，得到所述車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果。
所述的人屬性特征信息可以包括與人的屬性相關(guān)聯(lián)的信息，或者與人的行為相關(guān)聯(lián)的數(shù)據(jù)。這里所述的人通常指自然人，如車輛的車主用戶。所述的人特征屬性信息具體的可以包括身體特質(zhì)信息、年齡、性別、職位信息、性格信息、消費(fèi)信用、駕駛行為等多種類型的數(shù)據(jù)信息。本說明書實(shí)施例基于車險(xiǎn)用戶為自然人的事實(shí)基礎(chǔ)，將人的因素使用到車險(xiǎn)風(fēng)險(xiǎn)預(yù)測中，可以根據(jù)不同車險(xiǎn)用戶的人屬性特征信息，相應(yīng)的預(yù)測得到車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果。
本說明書實(shí)施例中所述的車險(xiǎn)用戶的人屬性特征信息具體的可以包括自然人的自然屬性信息，如年齡、性別、身體狀況等與人自身的生物特性關(guān)聯(lián)的屬性信息。車險(xiǎn)用戶的社會(huì)屬性信息可以包括自然人作為社會(huì)存在物而具有的特征，如勞動(dòng)、社交等及其所形成的各種社會(huì)關(guān)系等，具體的信息數(shù)據(jù)例如可以包括職位、職業(yè)、消費(fèi)情況、信用情況等。所述的行為數(shù)據(jù)可以包括統(tǒng)計(jì)的車險(xiǎn)用戶的某種行為產(chǎn)生的數(shù)據(jù)信息，例如駕駛習(xí)慣等。當(dāng)然，基于上述實(shí)施例中人屬性特征信息的分類，其他的實(shí)施例中也可以采用其他維度的分類方式，例如可以將行為數(shù)據(jù)歸屬為社會(huì)屬性信息種類，或者一些信息數(shù)據(jù)可以屬于自然屬性信息也可以屬于社會(huì)屬性信息，或者直接指定人屬性特征信息包括的類別，如消費(fèi)習(xí)慣、身份特質(zhì)、信用歷史等。
本說明書實(shí)施例所述的車險(xiǎn)用戶在車險(xiǎn)業(yè)務(wù)中通?？梢园ū槐ｋU(xiǎn)車輛的注冊(cè)登記的實(shí)際所有人，如車主用戶。本說明書實(shí)施例所述的車險(xiǎn)用戶更為廣泛的意義上可以包括車險(xiǎn)業(yè)務(wù)中例如上述所述的車主用戶，或者包括車險(xiǎn)業(yè)務(wù)的一個(gè)或多個(gè)投保人，也可以包括車險(xiǎn)業(yè)務(wù)中一個(gè)或多個(gè)的受保人/受益人，如車險(xiǎn)用戶可以包括車主用戶u1以及其直系親屬u11。另一種實(shí)施場景中，車主用戶為法人時(shí)，所述車險(xiǎn)用戶可以為法人代表(自然人)，在另一些情況下，甚至可以包括車輛的共同乘坐人。本說明書實(shí)施例所述的車險(xiǎn)用戶可以不限制于參與車險(xiǎn)業(yè)務(wù)的車主用戶，這樣可以更加全面的考慮車險(xiǎn)風(fēng)險(xiǎn)所涉及的利益相關(guān)方，獲取的風(fēng)險(xiǎn)預(yù)測數(shù)據(jù)可以更加全面，預(yù)測結(jié)果更加準(zhǔn)確、可靠。
在本說明書實(shí)施例中，可以預(yù)先采集獲取用戶車險(xiǎn)風(fēng)險(xiǎn)預(yù)測使用的預(yù)定類型的人特征屬性樣本數(shù)據(jù)，這些樣本數(shù)據(jù)可以用于構(gòu)建車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法或訓(xùn)練模型等。具體的，本說明書提供的一個(gè)或多個(gè)實(shí)施例中，所述預(yù)設(shè)類型的所述人屬性特征樣本可以包括下述中至少一個(gè)類型的變量數(shù)據(jù)：
駕駛習(xí)慣、職業(yè)特性、身份特質(zhì)、信用歷史、消費(fèi)習(xí)慣、穩(wěn)定性。
在一個(gè)具體的示例中，可以設(shè)置采集下述類型的人屬性特征信息：
消費(fèi)習(xí)慣；
生活穩(wěn)定性、收入穩(wěn)定性；
職業(yè)特性；
身份特質(zhì)；
信用歷史；
駕駛習(xí)慣、偏好。
當(dāng)然，具體的業(yè)務(wù)場景實(shí)施中，可以根據(jù)車險(xiǎn)風(fēng)險(xiǎn)評(píng)估的需求采集上述其中的一項(xiàng)或多個(gè)，或者還包括其他類型的人屬性特征信息。這些人屬性特征信息可以通過車險(xiǎn)業(yè)務(wù)保單數(shù)據(jù)獲取，也可以在獲得授權(quán)的情況下通過終端應(yīng)用采集獲取，或者接收第三方提供的數(shù)據(jù)信息中獲取。其中，上述所述的生活穩(wěn)定性可以基于車險(xiǎn)用戶的居住城市遷移情況、職業(yè)情況等數(shù)據(jù)獲取/計(jì)算得到，所述人格穩(wěn)定性可以基于車險(xiǎn)用戶的病史、信用記錄、社交信息等數(shù)據(jù)獲取/計(jì)算得到。所述的駕駛習(xí)慣、偏好，可以包括通過手機(jī)傳感器、車載傳感器檢測出的駕駛習(xí)慣，如時(shí)速20公里以上時(shí)，可以判斷為開車中。當(dāng)然，也可以從其它已有的導(dǎo)航類應(yīng)用中通過接口獲取駕駛習(xí)慣的數(shù)據(jù)信息。上述類型的變量信息可以從多個(gè)維度，更加全面的獲取人屬性特征信息，使得車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果更加可靠。
上述中所述的每個(gè)類型的人屬性特征信息可以包括對(duì)應(yīng)的一個(gè)或多個(gè)變量，變量可以有對(duì)應(yīng)的取值。例如信用歷史這一類別的人屬性特征信息可以包括車險(xiǎn)用戶的信用卡信用、銀行信用，對(duì)應(yīng)的變量和取值可以設(shè)置為“hon_card：100分”、“hon_bank：95分”的數(shù)據(jù)格式。
在獲取所述人屬性特征信息的變量數(shù)據(jù)之后，還可以對(duì)所述變量數(shù)據(jù)進(jìn)行整理處理，進(jìn)一步根據(jù)設(shè)置的整理規(guī)則挖掘、補(bǔ)充變量數(shù)據(jù)。本說明書提供的一個(gè)實(shí)施例中，所述整理處理可以包括下述中的至少一項(xiàng)處理：
設(shè)置所述變量數(shù)據(jù)的權(quán)重；
對(duì)所述變量數(shù)據(jù)中的殘缺值進(jìn)行補(bǔ)充；
確定屬于重復(fù)變量數(shù)據(jù)的數(shù)據(jù)使用選擇方式；
所述變量數(shù)據(jù)之間的交互效應(yīng)處理；
基于所述變量數(shù)據(jù)生成新的變量數(shù)據(jù)；
相應(yīng)的，所述利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)所述人屬性特征信息進(jìn)行處理包括利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)包括所述整理處理后的變量數(shù)據(jù)進(jìn)行處理。
對(duì)于不同的業(yè)務(wù)場景中，不同的變量數(shù)據(jù)可以對(duì)車險(xiǎn)風(fēng)險(xiǎn)有著不同的影響。例如，對(duì)于車險(xiǎn)公司a的某些業(yè)務(wù)需求而言，采集獲取的駕駛習(xí)慣類型的變量數(shù)據(jù)可以更加直接反應(yīng)車險(xiǎn)用戶的車輛駕駛風(fēng)險(xiǎn)，對(duì)車險(xiǎn)業(yè)務(wù)影響較大，則可以設(shè)置駕駛習(xí)慣類型的變換數(shù)據(jù)的權(quán)重相對(duì)較大。一些業(yè)務(wù)場景需求下，還可以根據(jù)設(shè)置的變量權(quán)重對(duì)所述變量數(shù)據(jù)進(jìn)行排序，如權(quán)重較大的變量數(shù)據(jù)相應(yīng)的位于隊(duì)列靠前的位置，在數(shù)據(jù)使用時(shí)可以優(yōu)先使用權(quán)重較大的變量數(shù)據(jù)，或者展示/體現(xiàn)出重要的變量數(shù)據(jù)。
在一些應(yīng)用場景中，部分變量數(shù)據(jù)可能存在殘缺值的情況，如采集的某個(gè)車險(xiǎn)用戶的變量的值為空或異常值，則可以根據(jù)需求對(duì)其補(bǔ)充為缺省值。
另一些應(yīng)用場景中，可能會(huì)采集重復(fù)類型的變量數(shù)據(jù)，如不同數(shù)據(jù)源獲取的信用類型的變量數(shù)據(jù)，則可以設(shè)置優(yōu)先使用哪一個(gè)變量數(shù)據(jù)。
所述的整理處理還可以包括多變量之間交互效應(yīng)的挖掘處理。所述的交互效應(yīng)簡通常是指多個(gè)變量的疊加效應(yīng)，比如年齡和性別可以組成一個(gè)交叉變量。如果是兩個(gè)單變量，所得到的結(jié)果之一可以包括，在所有年齡段，男性的風(fēng)險(xiǎn)是大于或者小于女性的。但在實(shí)際的車險(xiǎn)業(yè)務(wù)中，一些業(yè)務(wù)場景需求下可以判定并不是在所有年齡段，男性的車險(xiǎn)風(fēng)險(xiǎn)是大于女性的，在有的年齡段，女性的車險(xiǎn)風(fēng)險(xiǎn)要大于男性。此時(shí)可以根據(jù)年齡和性別的變量交互得到一個(gè)交叉變量，表示某種性別的某個(gè)年齡段，可以用來預(yù)測例如男性在25-30年齡段的車險(xiǎn)風(fēng)險(xiǎn)情況。
其他的整理處理方式中，還可以包括多個(gè)變量的融合、合并等，或者經(jīng)過融合、合并、變換等處理衍生出新的變量數(shù)量。例如可以根據(jù)車險(xiǎn)用戶在企業(yè)中的職位衍生出職位信用的變量數(shù)據(jù)。
本說明書一個(gè)或多個(gè)實(shí)施例中，當(dāng)完成變量整理和挖掘之后，可以選取適用于業(yè)務(wù)場景的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法進(jìn)行建模、訓(xùn)練等。建?；蛴?xùn)練后的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法可以用來對(duì)被預(yù)測的車險(xiǎn)用戶進(jìn)行車險(xiǎn)風(fēng)險(xiǎn)預(yù)測。如上述所述，所述的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法可以根據(jù)業(yè)務(wù)場景需求選取相應(yīng)的線性預(yù)測模型、網(wǎng)絡(luò)預(yù)測模型、計(jì)算公式或者自定義擬合的算法等。預(yù)測模型可以經(jīng)過人屬性特征信息的樣本數(shù)據(jù)訓(xùn)練后構(gòu)建生成車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型。本說明書提供的一個(gè)或多個(gè)實(shí)施例中，可以使用廣義線性模型(generalizedlinearmodel，glm)進(jìn)行建模，模型的結(jié)果可以反映從人因素對(duì)于車險(xiǎn)風(fēng)險(xiǎn)的影響。具體的，本說明書一個(gè)或多個(gè)實(shí)施例提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法中，所述車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法可以包括采用下述方式構(gòu)建生成的預(yù)測模型：
s20：采集預(yù)設(shè)類型的人屬性特征樣本；
s22：確定使用的廣義線性模型以及所述廣義線性模型的建模目標(biāo)；
s24：以包括所述人屬性特征樣本的數(shù)據(jù)作為廣義線性模型的輸入，對(duì)所述建模目標(biāo)進(jìn)行建模，確定車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，所述車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型包括至少一項(xiàng)表示車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)高低的輸出結(jié)果。
圖3是本說明書提供的所述方法中一種構(gòu)建預(yù)測模型的實(shí)施方法流程示意圖。所述廣義線性模型是為了克服線性回歸模型的缺點(diǎn)出現(xiàn)的，是線性回歸模型的推廣。在廣義線性模型中，自變量可以是離散的，也可以是連續(xù)的。離散的自變量可以包括例如是0-1變量，也可以包括多種取值的變量。本實(shí)施例選取廣義線性模型作為車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法，其隨機(jī)誤差項(xiàng)可以不必服從正態(tài)分布，可以服從二項(xiàng)、泊松、負(fù)二項(xiàng)、正態(tài)、伽馬、逆高斯等指數(shù)分布族，可以適用車險(xiǎn)風(fēng)險(xiǎn)預(yù)測中的一些數(shù)據(jù)為非正態(tài)分布的人屬性特征信息，可以有效預(yù)測車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)。在廣義線性模型中，引入了聯(lián)接函數(shù)g(·)。因變量和自變量可以通過聯(lián)接函數(shù)產(chǎn)生影響，即y＝g(xβ)，聯(lián)接函數(shù)滿足單調(diào)，可導(dǎo)。常用的聯(lián)接函數(shù)有恒等(y＝xβ)，對(duì)數(shù)
本說明書具體的一個(gè)使用廣義線性模型對(duì)目標(biāo)進(jìn)行建模的示例中，可以以賠付率為目標(biāo)進(jìn)行建模，在此可以假設(shè)賠付率服從tweedie(特維迪)分布。在例如預(yù)測純風(fēng)險(xiǎn)保費(fèi)或者賠付率時(shí)，通常可以使用tweedie分布。這個(gè)分布可以理解為是泊松分布和gamma(伽馬)分布的結(jié)合體。大多數(shù)情況下，車險(xiǎn)保單并不會(huì)發(fā)生理賠，因此，本實(shí)施例可以基于該情況選取tweedie分布，它的特點(diǎn)之一是在這個(gè)分布下大多數(shù)時(shí)候取值為0，與本實(shí)施車險(xiǎn)保險(xiǎn)的數(shù)據(jù)特征相符，可以使用在車險(xiǎn)風(fēng)險(xiǎn)預(yù)測中，有效實(shí)現(xiàn)基于人屬性特征信息的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測。
本說明書提供的一個(gè)或多個(gè)其他實(shí)施例中，可以使用梯度提升決策樹(gradientboostingdecisiontree，gbdt)對(duì)目標(biāo)進(jìn)行建模，構(gòu)建生成車險(xiǎn)風(fēng)險(xiǎn)的預(yù)測模型。所述的梯度提升決策樹是每一次建立模型是在之前建立模型損失函數(shù)的梯度下降方向。損失函數(shù)(lossfunction)描述的是模型的不靠譜程度，損失函數(shù)越大，則說明模型越容易出錯(cuò)。在gbdt中，可以讓損失函數(shù)在其梯度的方向上持續(xù)的下降，使模型在不停的改進(jìn)。通常假設(shè)模型能夠用下面的函數(shù)來表示：p表示參數(shù)，可能有多個(gè)參數(shù)組成，p＝{p0,p1,p2….}，f(x；p)表示以p為參數(shù)的x的函數(shù)，即預(yù)測函數(shù)。gbdt的模型是由多個(gè)模型加起來構(gòu)建生成的。具體的可以根據(jù)業(yè)務(wù)需求使用相應(yīng)的預(yù)測函數(shù)構(gòu)建一種或多個(gè)gbdt車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法(或稱為車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，如上所述，在此可以將模型視為算法的一種表現(xiàn)形式，統(tǒng)一稱為車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法)。
本說明書提供的一個(gè)實(shí)施例中，所述車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法可以包括采用下述方式構(gòu)建生成的預(yù)測模型：
s30：采集預(yù)設(shè)類型的人屬性特征樣本；
s32：使用梯度提升決策樹對(duì)選取的建模目標(biāo)進(jìn)行建模，確定車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，所述的建模目標(biāo)包括實(shí)際建模目標(biāo)值與預(yù)測建模目標(biāo)值的差值，以及使用伽馬回歸的目標(biāo)函數(shù)作為建模時(shí)的目標(biāo)函數(shù)，所述實(shí)際建模目標(biāo)值與預(yù)測建模目標(biāo)值基于所述屬性特征樣本計(jì)算得到。
圖4是本說明書提供的所述方法中另一種構(gòu)建預(yù)測模型的實(shí)施方法流程示意圖。所述的建模目標(biāo)可以包括車險(xiǎn)風(fēng)險(xiǎn)預(yù)測使用的某一參量，通常的選取可以直觀反映車險(xiǎn)用戶車險(xiǎn)風(fēng)險(xiǎn)高低的信息，例如賠付率。本說明書一個(gè)或多個(gè)實(shí)施例中，所述建模目標(biāo)可以包括下述中的至少一種：
所述車險(xiǎn)用戶的賠付率、出險(xiǎn)頻率、出險(xiǎn)金額。
具體的一個(gè)示例中，可以擬合實(shí)際賠付率和利用保單數(shù)據(jù)計(jì)算的預(yù)測賠付率之間的差值。可以利用車險(xiǎn)用戶的保單數(shù)據(jù)計(jì)算得到相應(yīng)用戶的實(shí)際賠付率和預(yù)測出來的賠付率。假設(shè)y_i是保單i的實(shí)際賠付率，
其他的實(shí)施方式中，在使用gbdt建模時(shí)可以以目標(biāo)的實(shí)際和預(yù)測的商值作為建模目標(biāo)來構(gòu)建函數(shù)。具體的一個(gè)實(shí)施例中，所述車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法可以包括采用下述方式構(gòu)建生成的預(yù)測模型：
s40：采集預(yù)設(shè)類型的人屬性特征樣本；
s42：使用梯度提升決策樹對(duì)選取的建模目標(biāo)進(jìn)行建模，確定車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，所述的建模目標(biāo)包括實(shí)際建模目標(biāo)值與預(yù)測建模目標(biāo)值的商值，以及使用特維迪回歸的目標(biāo)函數(shù)作為建模時(shí)的目標(biāo)函數(shù)，所述實(shí)際建模目標(biāo)值與預(yù)測建模目標(biāo)值基于所述屬性特征樣本計(jì)算得到。
圖5是本說明書提供的所述方法中另一種構(gòu)建預(yù)測模型的實(shí)施方法流程示意圖。具體的一個(gè)示例中，擬合實(shí)際賠付率和利用保單數(shù)據(jù)計(jì)算的預(yù)測賠付率之間的商值。假設(shè)y_i是保單i的實(shí)際賠付率，
進(jìn)一步的，對(duì)于上述提到的變量數(shù)據(jù)，還可以進(jìn)行特征處理。處理后的變量數(shù)據(jù)可以作為新的變量數(shù)據(jù)輸入到前述中提到的例如廣義線性模型的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法中。例如，使用上述擬合實(shí)際賠付率和利用保單數(shù)據(jù)計(jì)算的預(yù)測賠付率之間的商值作為建模目標(biāo)的gbdt預(yù)測模型中，可以使用該模型作為車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，輸出車險(xiǎn)用戶賠付率的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果。也可以將該結(jié)果作為對(duì)前述所述采集/獲取人屬性特征變量信息或樣本數(shù)據(jù)的進(jìn)一步挖掘、整理后的變量數(shù)據(jù)，該變量數(shù)據(jù)可以作為新的人屬性特征信息輸入到車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型中。另外，如果上述得到的新的變量數(shù)據(jù)是離散變量，在輸入模型之前可以先使用one-hot編碼的方式進(jìn)行離散化。具體來說主要包括對(duì)于有n個(gè)不同值的離散變量，轉(zhuǎn)化為n個(gè)取值為{0,1}的變量，分別表示原變量是否取某個(gè)值。對(duì)于連續(xù)型特征的變量數(shù)據(jù)，可以直接作為模型輸入。
本說明書提供的所述方法的另一個(gè)實(shí)施例，可以使用深度神經(jīng)網(wǎng)絡(luò)對(duì)目標(biāo)進(jìn)行建模。所述車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法包括采用下述方式構(gòu)建生成：
s50：采集預(yù)設(shè)類型的人屬性特征樣本；
s52：將所述人屬性特征樣本在對(duì)應(yīng)的特征類型中劃分成不同取值區(qū)間的特征樣本；
s54：根據(jù)設(shè)置的n個(gè)特征類型抽取所述特征樣本的特征數(shù)據(jù)，生成n維的離散型特征向量；
s56：按照預(yù)設(shè)方式將所述特征樣本的單個(gè)所述離散型特征向量映射成m維的連續(xù)型特征向量；
s58：將所述n維的離散型特征對(duì)應(yīng)的連續(xù)型特征向量拼接后形成(n*m)維的連續(xù)型特征向量x，以所述連續(xù)型特征向量x作為選取的深度神經(jīng)網(wǎng)絡(luò)的輸入，構(gòu)建生成車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型。
圖6是本說明書提供的所述方法中另一種構(gòu)建預(yù)測模型的實(shí)施方法流程示意圖。本實(shí)施例中，可以深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型。具體的一個(gè)示例的處理過程可以包括：
可以將采集獲取的人屬性特征樣本分成k個(gè)bins(儲(chǔ)藏箱)，如bin_性別男，bin_性別女，bin_平均急加速次數(shù)在1到5之間，bin_平均急加速次數(shù)在6到10之間，bin_平均急加速次數(shù)大于10等。對(duì)于人屬性特征樣本，在n個(gè)維度(例如，性別，急加速頻率，……)上抽取bin特征，形成樣本對(duì)應(yīng)的一個(gè)n維的離散型的特征向量[bin#1,…,bin#n]。
可以將bin映射到一個(gè)m維的連續(xù)型特征向量(vector)。這個(gè)映射過程可以是神經(jīng)網(wǎng)絡(luò)訓(xùn)練的時(shí)候?qū)W習(xí)出來的，即在訓(xùn)練前先對(duì)連續(xù)型vector進(jìn)行隨機(jī)初始化，訓(xùn)練完神經(jīng)網(wǎng)絡(luò)后，連續(xù)型vector也就學(xué)習(xí)出來了。
然后可以將n個(gè)bin對(duì)應(yīng)的m維的連續(xù)型特征向量拼接在一起，形成一個(gè)n×m維連續(xù)型的特征向量x，作為深度神經(jīng)網(wǎng)絡(luò)的輸入。其中拼接的處理包括連續(xù)型vector(即每個(gè)離散型變量可以映射成m維連續(xù)型vector，n個(gè)離散型變量可以產(chǎn)生n個(gè)m維連續(xù)型vector，拼接成一個(gè)n*m維向量)。深度神經(jīng)網(wǎng)絡(luò)具體的網(wǎng)絡(luò)層結(jié)構(gòu)可以根據(jù)業(yè)務(wù)場景或所構(gòu)建的模型需求進(jìn)行設(shè)置。在一些實(shí)施例中，深度神經(jīng)網(wǎng)絡(luò)輸出層可以輸出一個(gè)分?jǐn)?shù)，可以表示某個(gè)車險(xiǎn)用戶的純風(fēng)險(xiǎn)保費(fèi)或賠付率，也可以表示相對(duì)于傳統(tǒng)glm模型定義賠付率的比值或差值。深度神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練中，模型的參數(shù)可以采用隨機(jī)初始化，如在均勻分布u[a,b]中隨機(jī)采樣。訓(xùn)練的目標(biāo)函數(shù)可以采用最小化均方誤差，利用隨機(jī)梯度下降(stochasticgradientdescent)方法來優(yōu)化。
上述實(shí)施例描述了可以采取多種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法來構(gòu)建車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型的實(shí)施方式，可以達(dá)到更精準(zhǔn)描繪客戶風(fēng)險(xiǎn)，幫助保險(xiǎn)行業(yè)細(xì)分管理風(fēng)險(xiǎn)、降低成本、提高效率，更好地為車險(xiǎn)消費(fèi)者服務(wù)。
其他的實(shí)施例中，在構(gòu)建所述車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法時(shí)產(chǎn)生至少兩個(gè)的候選車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法，例如使用不同構(gòu)建目標(biāo)的多個(gè)廣義關(guān)系線性模型、一個(gè)或多個(gè)廣義線性模型和基于梯度提升決策樹算法的預(yù)測模型，或者包括基于所述深度神經(jīng)網(wǎng)絡(luò)的多個(gè)車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型中時(shí)，可以使用一些統(tǒng)計(jì)量來評(píng)測多個(gè)車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，選出適合當(dāng)前業(yè)務(wù)場景的模型。因此，本說明書提供的一個(gè)或多個(gè)實(shí)施例中，所述方法還可以包括：
s30：計(jì)算預(yù)定類型的統(tǒng)計(jì)指標(biāo)，所述統(tǒng)計(jì)指標(biāo)包括在所述人屬性特征信息作為所述候選車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法的自變量時(shí)，用于表示對(duì)所述候選車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法輸出結(jié)果影響程度的統(tǒng)計(jì)量；
s32：通過所述統(tǒng)計(jì)指標(biāo)的比較處理，從所述候選車險(xiǎn)風(fēng)險(xiǎn)算法中選出使用的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法。
這些統(tǒng)計(jì)指標(biāo)具體的可以包括多種類型的統(tǒng)計(jì)量，如偏差(deviance)、對(duì)數(shù)似然函數(shù)、aic、bic、卡方、p值等統(tǒng)計(jì)量。這些統(tǒng)計(jì)量可以通過都固定或變形/變換后的公式計(jì)算得到。在具體的一個(gè)示例中，可以整理處理過的變量字段逐輸入模型，并通過偏差(deviance)、對(duì)數(shù)似然函數(shù)、aic和bic等統(tǒng)計(jì)量對(duì)變量和模型的顯著性進(jìn)行檢驗(yàn)和比較。這些統(tǒng)計(jì)指標(biāo)中一些可以用來判定一個(gè)因子或者一個(gè)模型是否顯著的。在本實(shí)施例中的實(shí)施場景中，可以存在多個(gè)車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，可以包括上述一個(gè)或多個(gè)實(shí)施例中所述的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型。通過一些統(tǒng)計(jì)指標(biāo)，或者再結(jié)合作業(yè)人員的分析結(jié)果，可以候選的多個(gè)車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型中選出一個(gè)適合業(yè)務(wù)場景的模型。
本實(shí)施例可以基于一個(gè)或多個(gè)預(yù)定類型的統(tǒng)計(jì)指標(biāo)，對(duì)產(chǎn)生的多個(gè)候選車險(xiǎn)預(yù)測算法進(jìn)行驗(yàn)證、比較等，可以從影響某一特定變量的諸多變量中找出哪些變量的影響顯著，哪些不顯著，例如一些模型對(duì)信用數(shù)據(jù)顯著性高，信用的好壞對(duì)模型輸出車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)結(jié)果影響較大，而另一些模型則對(duì)車險(xiǎn)用戶的信用數(shù)據(jù)不敏感。基于此可以選出合適的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，進(jìn)而使得車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果更加準(zhǔn)確。
本說明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，各個(gè)實(shí)施例之間相同相似的部分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。
上述對(duì)本說明書特定實(shí)施例進(jìn)行了描述。其它實(shí)施例在所附權(quán)利要求書的范圍內(nèi)。在一些情況下，在權(quán)利要求書中記載的動(dòng)作或步驟可以按照不同于實(shí)施例中的順序來執(zhí)行并且仍然可以實(shí)現(xiàn)期望的結(jié)果。另外，在附圖中描繪的過程不一定要求示出的特定順序或者連續(xù)順序才能實(shí)現(xiàn)期望的結(jié)果。在某些實(shí)施方式中，多任務(wù)處理和并行處理也是可以的或者可能是有利的。
本說明書實(shí)施例提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法，可以利用預(yù)先采集整理的人屬性特征信息建立車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法，利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算對(duì)被預(yù)測的車險(xiǎn)用戶的人屬性特征信息進(jìn)行處理，從自然人的角度預(yù)測車險(xiǎn)用戶對(duì)車輛風(fēng)險(xiǎn)的影響。在實(shí)際車輛使用中，人的因素影響對(duì)車輛是否出險(xiǎn)以及出險(xiǎn)的具體賠付金額等車險(xiǎn)業(yè)務(wù)影響通常較大，而本說明書實(shí)施例提供的實(shí)施方案，使用人的屬性特征信息進(jìn)行車輛風(fēng)險(xiǎn)預(yù)測，提供更加準(zhǔn)確、可靠的車險(xiǎn)風(fēng)險(xiǎn)評(píng)估依據(jù)，可以有效提高車險(xiǎn)風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和可靠性。
基于上述所述的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法，本說明書還提供一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置。所述的裝置可以包括使用了本說明書一個(gè)或多個(gè)實(shí)施例所述方法的系統(tǒng)(包括分布式系統(tǒng))、軟件(應(yīng)用)、模塊、組件、服務(wù)器、客戶端、量子計(jì)算機(jī)等并結(jié)合必要的實(shí)施硬件的裝置?；谕粍?chuàng)新構(gòu)思，本說明書一個(gè)或多個(gè)實(shí)施例提供的一種實(shí)施例中的裝置如下面的實(shí)施例所述。由于裝置解決問題的實(shí)現(xiàn)方案與方法相似，因此本說明書一個(gè)或多個(gè)具體的裝置的實(shí)施可以參見前述方法的實(shí)施，重復(fù)之處不再贅述。以下所使用的，術(shù)語“單元”或者“模塊”可以實(shí)現(xiàn)預(yù)定功能的軟件和/或硬件的組合。盡管以下實(shí)施例所描述的裝置較佳地以軟件來實(shí)現(xiàn)，但是硬件，或者軟件和硬件的組合的實(shí)現(xiàn)也是可能并被構(gòu)想的。具體的，圖7是本說明書提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置實(shí)施例的模塊結(jié)構(gòu)示意圖，如圖7所示，所述裝置可以包括：
人屬性特征獲取模塊101，可以用于獲取車險(xiǎn)用戶的人屬性特征信息，所述人屬性特征信息包括自然人的自然屬性信息、社會(huì)屬性信息、行為數(shù)據(jù)中的至少一種信息數(shù)據(jù)；
風(fēng)險(xiǎn)預(yù)測模塊102，可以用于利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)所述人屬性特征信息進(jìn)行處理，得到所述車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果。
本說明書提供所述裝置的其他實(shí)施例中，所述風(fēng)險(xiǎn)預(yù)測模塊102可以包括：
樣本獲取單元，可以用于采集預(yù)設(shè)類型的人屬性特征樣本；
第一模型構(gòu)建單元，可以用于確定使用的廣義線性模型以及所述廣義線性模型的建模目標(biāo)；以及，用于以包括所述人屬性特征樣本的數(shù)據(jù)作為廣義線性模型的輸入，對(duì)所述建模目標(biāo)進(jìn)行建模，確定車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，所述車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型包括至少一項(xiàng)表示車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)高低的輸出結(jié)果。
本說明書提供所述裝置的其他實(shí)施例中，所述風(fēng)險(xiǎn)預(yù)測模塊102可以包括：
樣本獲取單元，可以用于采集預(yù)設(shè)類型的人屬性特征樣本；
第二模型構(gòu)建單元，可以用于使用梯度提升決策樹對(duì)選取的建模目標(biāo)進(jìn)行建模，確定車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，所述的建模目標(biāo)包括實(shí)際建模目標(biāo)值與預(yù)測建模目標(biāo)值的差值，以及使用伽馬回歸的目標(biāo)函數(shù)作為建模時(shí)的目標(biāo)函數(shù)，所述實(shí)際建模目標(biāo)值與預(yù)測建模目標(biāo)值基于所述屬性特征樣本計(jì)算得到。
本說明書提供所述裝置的其他實(shí)施例中，所述風(fēng)險(xiǎn)預(yù)測模塊102可以包括：
樣本獲取單元，可以用于采集預(yù)設(shè)類型的人屬性特征樣本；
第三模型構(gòu)建單元，可以用于使用梯度提升決策樹對(duì)選取的建模目標(biāo)進(jìn)行建模，確定車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，所述的建模目標(biāo)包括實(shí)際建模目標(biāo)值與預(yù)測建模目標(biāo)值的商值，以及使用特維迪回歸的目標(biāo)函數(shù)作為建模時(shí)的目標(biāo)函數(shù)，所述實(shí)際建模目標(biāo)值與預(yù)測建模目標(biāo)值基于所述屬性特征樣本計(jì)算得到。
本說明書提供所述裝置的其他實(shí)施例中，所述風(fēng)險(xiǎn)預(yù)測模塊102可以包括：
樣本獲取單元，可以用于采集預(yù)設(shè)類型的人屬性特征樣本；
樣本劃分單元，可以用于將所述人屬性特征樣本在對(duì)應(yīng)的特征類型中劃分成不同取值區(qū)間的特征樣本；
離散向量單元，可以用于根據(jù)設(shè)置的n個(gè)特征類型抽取所述特征樣本的特征數(shù)據(jù)，生成n維的離散型特征向量；
連續(xù)向量單元，可以用于按照預(yù)設(shè)方式將所述特征樣本的單個(gè)所述離散型特征向量映射成m維的連續(xù)型特征向量；
第四模型構(gòu)建單元，可以用于將所述n維的離散型特征對(duì)應(yīng)的連續(xù)型特征向量拼接后形成(n*m)維的連續(xù)型特征向量x，以所述連續(xù)型特征向量x作為選取的深度神經(jīng)網(wǎng)絡(luò)的輸入，構(gòu)建生成車險(xiǎn)風(fēng)險(xiǎn)預(yù)測模型，n≥1，m≥1。
如前述方法實(shí)施例所述，上述所述裝置中的建模目標(biāo)可以包括下述中的至少一種：
所述車險(xiǎn)用戶的賠付率、出險(xiǎn)頻率、出險(xiǎn)金額。
以及，所述裝置的其他實(shí)施例中，所述預(yù)設(shè)類型的人屬性特征樣本可以包括下述中至少一個(gè)類型的變量數(shù)據(jù)：
駕駛習(xí)慣、職業(yè)特性、身份特質(zhì)、信用歷史、消費(fèi)習(xí)慣、穩(wěn)定性。
圖8是本說明書提供的另一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置實(shí)施例的模塊結(jié)構(gòu)示意圖，如圖8所示，所述裝置還可以包括：
變量整理模塊100，可以用于在獲取所述人屬性特征信息的變量數(shù)據(jù)之后，對(duì)所述變量數(shù)據(jù)進(jìn)行整理處理，所述變量整理模塊100執(zhí)行包括下述中的至少一項(xiàng)處理操作：
設(shè)置所述變量數(shù)據(jù)的權(quán)重；
對(duì)所述變量數(shù)據(jù)中的殘缺值進(jìn)行補(bǔ)充；
確定屬于重復(fù)變量數(shù)據(jù)的數(shù)據(jù)使用選擇方式；
所述變量數(shù)據(jù)之間的交互效應(yīng)處理；
基于所述變量數(shù)據(jù)生成新的變量數(shù)據(jù)；
相應(yīng)的，所述風(fēng)險(xiǎn)預(yù)測模塊102利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)所述人屬性特征信息進(jìn)行處理包括利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)包括所述整理處理后的變量數(shù)據(jù)進(jìn)行處理。
圖9是本說明書提供的另一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置實(shí)施例的模塊結(jié)構(gòu)示意圖，如圖9所示，所述裝置還可以包括：
指標(biāo)計(jì)算模塊103，可以用于在構(gòu)建所述車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法時(shí)產(chǎn)生至少兩個(gè)的候選車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法，計(jì)算預(yù)定類型的統(tǒng)計(jì)指標(biāo)，所述統(tǒng)計(jì)指標(biāo)包括在所述人屬性特征信息作為所述候選車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法的自變量時(shí)，用于表示對(duì)所述候選車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法輸出結(jié)果影響程度的統(tǒng)計(jì)量；
算法選取模塊104，可以用于對(duì)所述統(tǒng)計(jì)指標(biāo)進(jìn)行比較處理，從所述候選車險(xiǎn)風(fēng)險(xiǎn)算法中選出使用的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法。
本說明書一個(gè)或多個(gè)提供的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法可以在計(jì)算機(jī)中由處理器執(zhí)行相應(yīng)的程序指令來實(shí)現(xiàn)，如使用windows操作系統(tǒng)的c++語言在pc端實(shí)現(xiàn)，或其他例如linux、android、ios系統(tǒng)相應(yīng)應(yīng)用設(shè)計(jì)語言的實(shí)現(xiàn)等，以及基于量子計(jì)算機(jī)的處理邏輯實(shí)現(xiàn)等。具體的，本說明書一個(gè)或多個(gè)提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置的一種實(shí)施例中，所述裝置可以包括處理器以及用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器，所述處理器執(zhí)行所述指令時(shí)實(shí)現(xiàn)：
獲取車險(xiǎn)用戶的人屬性特征信息，所述人屬性特征信息包括自然人的自然屬性信息、社會(huì)屬性信息、行為數(shù)據(jù)中的至少一種信息數(shù)據(jù)；
利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法對(duì)所述人屬性特征信息進(jìn)行處理，得到所述車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測結(jié)果。
需要說明的是本說明書所述的裝置根據(jù)相關(guān)方法實(shí)施例的描述還可以包括其他的實(shí)施方式。本說明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，各個(gè)實(shí)施例之間相同相似的部分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。尤其，對(duì)于硬件+程序類實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述的比較簡單，相關(guān)之處參見方法實(shí)施例的部分說明即可。
上述對(duì)本說明書特定實(shí)施例進(jìn)行了描述。其它實(shí)施例在所附權(quán)利要求書的范圍內(nèi)。在一些情況下，在權(quán)利要求書中記載的動(dòng)作或步驟可以按照不同于實(shí)施例中的順序來執(zhí)行并且仍然可以實(shí)現(xiàn)期望的結(jié)果。另外，在附圖中描繪的過程不一定要求示出的特定順序或者連續(xù)順序才能實(shí)現(xiàn)期望的結(jié)果。在某些實(shí)施方式中，多任務(wù)處理和并行處理也是可以的或者可能是有利的。
本說明書實(shí)施例提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測裝置，可以利用預(yù)先采集整理的人屬性特征信息建立車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法，利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算對(duì)被預(yù)測的車險(xiǎn)用戶的人屬性特征信息進(jìn)行處理，從自然人的角度預(yù)測車險(xiǎn)用戶對(duì)車輛風(fēng)險(xiǎn)的影響。在實(shí)際車輛使用中，人的因素影響對(duì)車輛是否出險(xiǎn)以及出險(xiǎn)的具體賠付金額等車險(xiǎn)業(yè)務(wù)影響通常較大，而本說明書實(shí)施例提供的實(shí)施方案，使用人的屬性特征信息進(jìn)行車輛風(fēng)險(xiǎn)預(yù)測，提供更加準(zhǔn)確、可靠的車險(xiǎn)風(fēng)險(xiǎn)評(píng)估依據(jù)，可以有效提高車險(xiǎn)風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和可靠性。
上述所述的裝置或方法可以用于多個(gè)業(yè)務(wù)系統(tǒng)的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測服務(wù)器中，如保險(xiǎn)公司業(yè)務(wù)系統(tǒng)的服務(wù)器或?yàn)楸ｋU(xiǎn)公司提供車險(xiǎn)用戶的車險(xiǎn)風(fēng)險(xiǎn)評(píng)估分值的服務(wù)方的服務(wù)器。所述的服務(wù)器可以包括使用了本說明書的一個(gè)或多個(gè)所述方法或一個(gè)或多個(gè)實(shí)施例裝置的單個(gè)服務(wù)器、服務(wù)器集群、系統(tǒng)(包括分布式系統(tǒng))、軟件(應(yīng)用)、邏輯門電路裝置、量子計(jì)算機(jī)等并結(jié)合必要的實(shí)施硬件的終端裝置。圖10是本說明書提供的服務(wù)器一種實(shí)施例的結(jié)構(gòu)示意圖。具體的，本說明書一個(gè)或多個(gè)提供一種服務(wù)器，可以包括至少一個(gè)處理器以及用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器，所述處理器執(zhí)行所述指令時(shí)實(shí)現(xiàn)上述任意一個(gè)方法實(shí)施例所述的數(shù)據(jù)處理步驟。
本說明書實(shí)施例提供的一種車險(xiǎn)風(fēng)險(xiǎn)預(yù)測方法、裝置及服務(wù)器，可以利用預(yù)先采集整理的人屬性特征信息建立車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算法，利用預(yù)先構(gòu)建的車險(xiǎn)風(fēng)險(xiǎn)預(yù)測算對(duì)被預(yù)測的車險(xiǎn)用戶的人屬性特征信息進(jìn)行處理，從自然人的角度預(yù)測車險(xiǎn)用戶對(duì)車輛風(fēng)險(xiǎn)的影響。在實(shí)際車輛使用中，人的因素影響對(duì)車輛是否出險(xiǎn)以及出險(xiǎn)的具體賠付金額等車險(xiǎn)業(yè)務(wù)影響通常較大，而本說明書實(shí)施例提供的實(shí)施方案，使用人的屬性特征信息進(jìn)行車輛風(fēng)險(xiǎn)預(yù)測，提供更加準(zhǔn)確、可靠的車險(xiǎn)風(fēng)險(xiǎn)評(píng)估依據(jù)，可以有效提高車險(xiǎn)風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和可靠性。
盡管本說明書一個(gè)或多個(gè)內(nèi)容中提到人屬性特征信息/樣本的類型、變量數(shù)據(jù)的各自挖掘整理處理方式、廣義線性模型以及gbdt構(gòu)建目標(biāo)函數(shù)的方式、以賠付率作為構(gòu)建目標(biāo)的實(shí)施方式等的數(shù)據(jù)設(shè)置、獲取、交互、計(jì)算、判斷等描述，但是，本說明書一個(gè)或多個(gè)并不局限于必須是符合行業(yè)通信標(biāo)準(zhǔn)、標(biāo)準(zhǔn)區(qū)塊鏈數(shù)據(jù)存儲(chǔ)、計(jì)算機(jī)處理和存儲(chǔ)規(guī)則或本說明書一個(gè)或多個(gè)實(shí)施例所描述的情況。某些行業(yè)標(biāo)準(zhǔn)或者使用自定義方式或?qū)嵤├枋龅膶?shí)施基礎(chǔ)上略加修改后的實(shí)施方案也可以實(shí)現(xiàn)上述實(shí)施例相同、等同或相近、或變形后可預(yù)料的實(shí)施效果。應(yīng)用這些修改或變形后的數(shù)據(jù)獲取、存儲(chǔ)、判斷、處理方式等獲取的實(shí)施例，仍然可以屬于本說明書一個(gè)或多個(gè)的可選實(shí)施方案范圍之內(nèi)。
在20世紀(jì)90年代，對(duì)于一個(gè)技術(shù)的改進(jìn)可以很明顯地區(qū)分是硬件上的改進(jìn)(例如，對(duì)二極管、晶體管、開關(guān)等電路結(jié)構(gòu)的改進(jìn))還是軟件上的改進(jìn)(對(duì)于方法流程的改進(jìn))。然而，隨著技術(shù)的發(fā)展，當(dāng)今的很多方法流程的改進(jìn)已經(jīng)可以視為硬件電路結(jié)構(gòu)的直接改進(jìn)。設(shè)計(jì)人員幾乎都通過將改進(jìn)的方法流程編程到硬件電路中來得到相應(yīng)的硬件電路結(jié)構(gòu)。因此，不能說一個(gè)方法流程的改進(jìn)就不能用硬件實(shí)體模塊來實(shí)現(xiàn)。例如，可編程邏輯器件(programmablelogicdevice,pld)(例如現(xiàn)場可編程門陣列(fieldprogrammablegatearray，fpga))就是這樣一種集成電路，其邏輯功能由用戶對(duì)器件編程來確定。由設(shè)計(jì)人員自行編程來把一個(gè)數(shù)字系統(tǒng)“集成”在一片pld上，而不需要請(qǐng)芯片制造廠商來設(shè)計(jì)和制作專用的集成電路芯片。而且，如今，取代手工地制作集成電路芯片，這種編程也多半改用“邏輯編譯器(logiccompiler)”軟件來實(shí)現(xiàn)，它與程序開發(fā)撰寫時(shí)所用的軟件編譯器相類似，而要編譯之前的原始代碼也得用特定的編程語言來撰寫，此稱之為硬件描述語言(hardwaredescriptionlanguage，hdl)，而hdl也并非僅有一種，而是有許多種，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)與verilog。本領(lǐng)域技術(shù)人員也應(yīng)該清楚，只需要將方法流程用上述幾種硬件描述語言稍作邏輯編程并編程到集成電路中，就可以很容易得到實(shí)現(xiàn)該邏輯方法流程的硬件電路。
控制器可以按任何適當(dāng)?shù)姆绞綄?shí)現(xiàn)，例如，控制器可以采取例如微處理器或處理器以及存儲(chǔ)可由該(微)處理器執(zhí)行的計(jì)算機(jī)可讀程序代碼(例如軟件或固件)的計(jì)算機(jī)可讀介質(zhì)、邏輯門、開關(guān)、專用集成電路(applicationspecificintegratedcircuit，asic)、可編程邏輯控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存儲(chǔ)器控制器還可以被實(shí)現(xiàn)為存儲(chǔ)器的控制邏輯的一部分。本領(lǐng)域技術(shù)人員也知道，除了以純計(jì)算機(jī)可讀程序代碼方式實(shí)現(xiàn)控制器以外，完全可以通過將方法步驟進(jìn)行邏輯編程來使得控制器以邏輯門、開關(guān)、專用集成電路、可編程邏輯控制器和嵌入微控制器等的形式來實(shí)現(xiàn)相同功能。因此這種控制器可以被認(rèn)為是一種硬件部件，而對(duì)其內(nèi)包括的用于實(shí)現(xiàn)各種功能的裝置也可以視為硬件部件內(nèi)的結(jié)構(gòu)。或者甚至，可以將用于實(shí)現(xiàn)各種功能的裝置視為既可以是實(shí)現(xiàn)方法的軟件模塊又可以是硬件部件內(nèi)的結(jié)構(gòu)。
上述實(shí)施例闡明的系統(tǒng)、裝置、模塊或單元，具體可以由計(jì)算機(jī)芯片或?qū)嶓w實(shí)現(xiàn)，或者由具有某種功能的產(chǎn)品來實(shí)現(xiàn)。一種典型的實(shí)現(xiàn)設(shè)備為計(jì)算機(jī)。具體的，計(jì)算機(jī)例如可以為個(gè)人計(jì)算機(jī)、膝上型計(jì)算機(jī)、車載人機(jī)交互設(shè)備、蜂窩電話、相機(jī)電話、智能電話、個(gè)人數(shù)字助理、媒體播放器、導(dǎo)航設(shè)備、電子郵件設(shè)備、游戲控制臺(tái)、平板計(jì)算機(jī)、可穿戴設(shè)備或者這些設(shè)備中的任何設(shè)備的組合。
雖然本說明書一個(gè)或多個(gè)提供了如實(shí)施例或流程圖所述的方法操作步驟，但基于常規(guī)或者無創(chuàng)造性的手段可以包括更多或者更少的操作步驟。實(shí)施例中列舉的步驟順序僅僅為眾多步驟執(zhí)行順序中的一種方式，不代表唯一的執(zhí)行順序。在實(shí)際中的裝置或終端產(chǎn)品執(zhí)行時(shí)，可以按照實(shí)施例或者附圖所示的方法順序執(zhí)行或者并行執(zhí)行(例如并行處理器或者多線程處理的環(huán)境，甚至為分布式數(shù)據(jù)處理環(huán)境)。術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、產(chǎn)品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、產(chǎn)品或者設(shè)備所固有的要素。在沒有更多限制的情況下，并不排除在包括所述要素的過程、方法、產(chǎn)品或者設(shè)備中還存在另外的相同或等同要素。
為了描述的方便，描述以上裝置時(shí)以功能分為各種模塊分別描述。當(dāng)然，在實(shí)施本說明書一個(gè)或多個(gè)時(shí)可以把各模塊的功能在同一個(gè)或多個(gè)軟件和/或硬件中實(shí)現(xiàn)，也可以將實(shí)現(xiàn)同一功能的模塊由多個(gè)子模塊或子單元的組合實(shí)現(xiàn)等。以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。
本領(lǐng)域技術(shù)人員也知道，除了以純計(jì)算機(jī)可讀程序代碼方式實(shí)現(xiàn)控制器以外，完全可以通過將方法步驟進(jìn)行邏輯編程來使得控制器以邏輯門、開關(guān)、專用集成電路、可編程邏輯控制器和嵌入微控制器等的形式來實(shí)現(xiàn)相同功能。因此這種控制器可以被認(rèn)為是一種硬件部件，而對(duì)其內(nèi)部包括的用于實(shí)現(xiàn)各種功能的裝置也可以視為硬件部件內(nèi)的結(jié)構(gòu)。或者甚至，可以將用于實(shí)現(xiàn)各種功能的裝置視為既可以是實(shí)現(xiàn)方法的軟件模塊又可以是硬件部件內(nèi)的結(jié)構(gòu)。
本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。
這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。
這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。
在一個(gè)典型的配置中，計(jì)算設(shè)備包括一個(gè)或多個(gè)處理器(cpu)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。
內(nèi)存可能包括計(jì)算機(jī)可讀介質(zhì)中的非永久性存儲(chǔ)器，隨機(jī)存取存儲(chǔ)器(ram)和/或非易失性內(nèi)存等形式，如只讀存儲(chǔ)器(rom)或閃存(flashram)。內(nèi)存是計(jì)算機(jī)可讀介質(zhì)的示例。
計(jì)算機(jī)可讀介質(zhì)包括永久性和非永久性、可移動(dòng)和非可移動(dòng)媒體可以由任何方法或技術(shù)來實(shí)現(xiàn)信息存儲(chǔ)。信息可以是計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計(jì)算機(jī)的存儲(chǔ)介質(zhì)的例子包括，但不限于相變內(nèi)存(pram)、靜態(tài)隨機(jī)存取存儲(chǔ)器(sram)、動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(dram)、其他類型的隨機(jī)存取存儲(chǔ)器(ram)、只讀存儲(chǔ)器(rom)、電可擦除可編程只讀存儲(chǔ)器(eeprom)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲(chǔ)器(cd-rom)、數(shù)字多功能光盤(dvd)或其他光學(xué)存儲(chǔ)、磁盒式磁帶，磁帶磁磁盤存儲(chǔ)或其他磁性存儲(chǔ)設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲(chǔ)可以被計(jì)算設(shè)備訪問的信息。按照本文中的界定，計(jì)算機(jī)可讀介質(zhì)不包括暫存電腦可讀媒體(transitorymedia)，如調(diào)制的數(shù)據(jù)信號(hào)和載波。
本領(lǐng)域技術(shù)人員應(yīng)明白，本說明書一個(gè)或多個(gè)的實(shí)施例可提供為方法、系統(tǒng)或計(jì)算機(jī)程序產(chǎn)品。因此，本說明書一個(gè)或多個(gè)可采用完全硬件實(shí)施例、完全軟件實(shí)施例或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本說明書一個(gè)或多個(gè)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器、cd-rom、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。
本說明書一個(gè)或多個(gè)可以在由計(jì)算機(jī)執(zhí)行的計(jì)算機(jī)可執(zhí)行指令的一般上下文中描述，例如程序模塊。一般地，程序模塊包括執(zhí)行特定任務(wù)或?qū)崿F(xiàn)特定抽象數(shù)據(jù)類型的例程、程序、對(duì)象、組件、數(shù)據(jù)結(jié)構(gòu)等等。也可以在分布式計(jì)算環(huán)境中實(shí)踐本說明書一個(gè)或多個(gè)，在這些分布式計(jì)算環(huán)境中，由通過通信網(wǎng)絡(luò)而被連接的遠(yuǎn)程處理設(shè)備來執(zhí)行任務(wù)。在分布式計(jì)算環(huán)境中，程序模塊可以位于包括存儲(chǔ)設(shè)備在內(nèi)的本地和遠(yuǎn)程計(jì)算機(jī)存儲(chǔ)介質(zhì)中。
本說明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，各個(gè)實(shí)施例之間相同相似的部分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。尤其，對(duì)于系統(tǒng)實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述的比較簡單，相關(guān)之處參見方法實(shí)施例的部分說明即可。在本說明書的描述中，參考術(shù)語“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本說明書至少一個(gè)實(shí)施例或示例中。在本說明書中，對(duì)上述術(shù)語的示意性表述不必須針對(duì)的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實(shí)施例或示例以及不同實(shí)施例或示例的特征進(jìn)行結(jié)合和組合。
以上所述僅為本說明書一個(gè)或多個(gè)的實(shí)施例而已，并不用于限制本說明書一個(gè)或多個(gè)。對(duì)于本領(lǐng)域技術(shù)人員來說，本說明書一個(gè)或多個(gè)可以有各種更改和變化。凡在本說明書一個(gè)或多個(gè)的精神和原理之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本說明書一個(gè)或多個(gè)的權(quán)利要求范圍之內(nèi)。
- 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊！