[发明专利]疾病风险预测模型的建立方法和疾病保险产品的推荐方法

说明书

本发明涉及疾病风险预测模型的建立方法和疾病保险产品的推荐方法该建立方法通过获取预设地区医保参保人员的历史诊疗数据，对历史诊疗数据进行分类抽样处理以得到样本数据集，每个样本数据均包括每个样本在预设时间范围内的历史疾病诊断编码信息，对样本数据集进行剔除无效数据的预处理，并根据疾病属性和病灶部位对预处理后的样本数据集中所有样本各自的历史疾病诊断编码信息进行聚类，得到疾病聚类特征标签，采用预设特征选择算法对疾病聚类特征标签进行筛选以得到重疾聚类特征标签，根据重疾聚类特征标签、性别、年龄和所述就诊行为信息，并结合极端梯度提升算法建立预设重疾对应的疾病风险预测模型，为疾病保险产品推荐的精准度奠定基础。

技术领域

本发明涉及保险领域，尤其涉及一种疾病风险预测模型的建立方法和疾病保险产品的推荐方法。

背景技术

随着社会的发展与需要，消费者对保险的认知水平也逐步提升。其中，消费者对保险的需求也向着更精细化方向发展，简单的根据年龄和性别两维度的产品定价方式较为机械。

目前，在保险行业中，用于判断客户健康风险的风险模型或者规则往往是基于保险行业的传统经验梳理而成，且无法排除为逆向投保而隐瞒健康状况的状况，因而基于上述传统模型为客户推荐的保险产品的往往存在精准度较低的缺点。

发明内容

鉴于此，提供一种疾病风险预测模型的建立方法和疾病保险产品的推荐方法，能够对预设地区医保参保人员的历史诊疗数据进行分类抽样处理，提取出预设重疾对应的重疾聚类特征标签，然后进一步根据重疾聚类特征标签、性别、年龄和所述就诊行为信息，并结合极端梯度提升算法建立预设重疾对应的疾病风险预测模型，能够精确的评价疾病保险投保人的风险，进而能够根据该疾病风险预测模型进一步提供一种疾病保险产品的推荐方法，极大地提升了保险产品的推广的精准度。

一种疾病风险预测模型的建立方法，建立方法包括：

获取预设地区医保参保人员的历史诊疗数据；

按照性别、预设年龄区间、以及预设对照比例对历史诊疗数据进行分类抽样处理以得到样本数据集，样本数据集包括预设重疾的阳性样本数据和阴性样本数据，预设对照比例为预设重疾的阳性样本数量和阴性样本数量之间的比值，每个样本数据均包括每个样本在预设时间范围内的历史疾病诊断编码信息和就诊行为信息；

对样本数据集进行剔除无效数据的预处理，并根据对应的疾病属性和病灶部位对预处理后的样本数据集中所有样本各自对应的历史疾病诊断编码信息进行聚类，得到对应的疾病聚类特征标签；

采用预设特征选择算法对疾病聚类特征标签进行筛选，以得到预设重疾对应的重疾聚类特征标签；

根据重疾聚类特征标签、性别、年龄和就诊行为信息，并结合极端梯度提升算法建立预设重疾对应的疾病风险预测模型。

在一个实施例中，按照性别、年龄、以及预设对照比例对历史诊疗数据进行分类抽样处理以得到样本数据集的步骤包括：

按照性别和预设年龄区间均相同的规则将历史诊疗数据分别进行分类，得到初始数据集；

按照预设对照比例，从初始数据集中分别筛选出预设重疾的第一预设数量的阳性样本数据以及第二预设数量的阴性样本数据，第一预设数量与第二预设数量的比值等于预设对照比例；

根据阳性样本数据和阴性样本数据得到对应的样本数据集。

在一个实施例中，建立方法还包括：

结合预设重疾本身所对应的相关前序疾病，对重疾聚类特征标签进行再次筛选；

根据再次筛选后的重疾聚类特征标签、性别、年龄和就诊行为信息，并结合极端梯度提升算法建立预设重疾对应的疾病风险预测模型。

在一个实施例中，预设对照比例设置为