[发明专利]医疗保险保费定价方法、装置、计算机设备和存储介质

说明书

本申请涉及人工智能领域中的机器学习，提供了一种医疗保险保费定价方法、装置、计算机设备和存储介质。所述方法包括：获取医保数据，将医保数据经过特征工程提取得到医保特征向量；将医保特征向量输入到已训练好的医保报销异常检测模型中，得到异常检测结果，将医保特征向量输入到已训练好的医保理赔费用检测模型中，得到可控理赔费用，根据异常检测结果和可控理赔费用得到医保理赔可控空间比例；获取医保数据中的理赔值、医保成本数、医保利润数和医保风险走廊数，根据医保成本数、医保利润数、医保风险走廊数和医保理赔可控空间比例计算得到保费定价。采用本方法能够提高保费定价的效率和准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种医疗保险保费定价方法、装置、计算机设备和存储介质。

背景技术

医疗保险一般指基本医疗保险，是为了补偿劳动者因疾病风险造成的经济损失而建立的一项社会保险制度。参保人员患病就诊发生医疗费用后，由医疗保险机构对其给予一定的经济补偿。目前，医疗保险机构对于医疗保险保费的确定一般是通过人工进行。然而，现在医疗保险的业务种类越来越多，情况越来越复杂，通过人工进行保费的确定，效率和准确性都比较低下。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高保费确定效率和准确性的医疗保险保费定价方法、装置、计算机设备和存储介质。

一种医疗保险保费定价方法，所述方法包括：

获取医保数据，将医保数据经过特征工程提取得到医保特征向量；

将医保特征向量输入到已训练好的医保报销异常检测模型中，得到异常检测结果，将医保特征向量输入到已训练好的医保理赔费用检测模型中，得到可控理赔费用，根据异常检测结果和可控理赔费用得到医保理赔可控空间比例；

获取医保数据中的理赔值、医保成本数、医保利润数和医保风险走廊数，根据医保成本数、医保利润数、医保风险走廊数和医保理赔可控空间比例计算得到保费定价。

在其中一个实施例中，将医保数据经过特征工程提取得到医保特征向量，包括：

将医保数据进行数据清洗，得到清洗后的医保数据；

根据清洗后的医保数据得到预设特征类型对应的特征集；

根据预设特征类型对应的特征集使用特征选择算法进行特征选择，得到医保输入特征，根据医保输入特征和清洗后的医保数据得到医保特征向量。

在其中一个实施例中，已训练的医保报销异常检测模型的生成步骤包括：

获取历史医保数据和对应的历史异常检测结果数据，根据历史医保数据得到历史医保特征向量，根据对应的历史异常检测结果得到历史医保输出向量；

将历史医保特征向量作为输入，将对应的历史医保输出向量作为标签，使用随机森林算法进行训练，当达到目标条件时，得到已训练的医保报销异常检测模型。

在其中一个实施例中，已训练的医保报销异常检测模型的生成步骤包括：

获取历史医保数据，将历史医保数据作为初始样本数据；

随机从初始样本数据中选择目标样本数据，将目标样本数据作为目标树当前节点；

随机选择目标特征，在目标树当前节点中随机选择目标特征对应的特征值；

根据特征值对目标树当前节点二叉划分，得到目标树当前节点的叶子节点，将叶子节点作为目标树当前节点；

返回随机选择目标特征，在目标树当前节点中随机选择目标特征对应的特征值的步骤，当达到预设条件时，得到目标树；