本發(fā)明涉及數(shù)據(jù)分析評估技術(shù)領(lǐng)域，特別是一種投?？蛻艚】禒顩r分析方法及服務(wù)器。

背景技術(shù)：

目前，針對一個(gè)客戶的壽險(xiǎn)投保申請，通常由風(fēng)險(xiǎn)評估人員對該客戶的當(dāng)前投保數(shù)據(jù)按照預(yù)設(shè)的評估規(guī)則進(jìn)行人工風(fēng)險(xiǎn)分析。例如，預(yù)設(shè)的評估規(guī)則中可以設(shè)置理賠額風(fēng)險(xiǎn)評估規(guī)則，若一個(gè)受理賠人預(yù)設(shè)時(shí)間內(nèi)多次發(fā)生理賠額超過閾值的理賠事件時(shí)，則分析人員會(huì)對將該受理賠人列入高理賠風(fēng)險(xiǎn)人。這種人工風(fēng)險(xiǎn)評估方式對分析人的風(fēng)險(xiǎn)分析的專業(yè)性有很高的要求，且這種方式的準(zhǔn)確性通常很低，需要投入的人力、物力會(huì)非常大。

技術(shù)實(shí)現(xiàn)要素：

鑒于以上內(nèi)容，有必要提供一種投保客戶健康狀況分析方法，其可以快速評估投?？蛻舻慕】碉L(fēng)險(xiǎn)等級，避免傳統(tǒng)人工評估所耗費(fèi)的大量人力、物力。

一種投?？蛻艚】禒顩r分析方法，包括：

獲取多個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，基于所述已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)的模型生成規(guī)則，生成一個(gè)健康風(fēng)險(xiǎn)等級分析模型；

在收到針對一待投保客戶的健康風(fēng)險(xiǎn)等級分析指令時(shí)，接收該客戶的投保數(shù)據(jù)；

從所述客戶的投保數(shù)據(jù)中獲取預(yù)設(shè)類型數(shù)據(jù)作為健康風(fēng)險(xiǎn)數(shù)據(jù)，確定各個(gè)預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)；及

將各個(gè)預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子對應(yīng)的數(shù)據(jù)代入生成的所述健康風(fēng)險(xiǎn) 等級分析模型中，以分析出該客戶對應(yīng)的健康風(fēng)險(xiǎn)等級。

優(yōu)選地，所述預(yù)設(shè)的模型生成規(guī)則包括：

獲取預(yù)設(shè)數(shù)量已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)；

獲得各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)；

對各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)分析規(guī)則進(jìn)行健康風(fēng)險(xiǎn)等級劃分，將不同健康風(fēng)險(xiǎn)等級的客戶的預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到不同的文件夾里；

從不同文件夾下各提取第一預(yù)設(shè)比例的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練，從不同文件夾下各取剩下的第二預(yù)設(shè)比例的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為測試數(shù)據(jù)以對生成的模型進(jìn)行準(zhǔn)確性驗(yàn)證；及

若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，則增加預(yù)設(shè)類型數(shù)據(jù)的獲取數(shù)量，重復(fù)上述模型的生成過程，直到生成的模型準(zhǔn)確率大于等于預(yù)設(shè)準(zhǔn)確率。

優(yōu)選地，所述預(yù)設(shè)的模型生成規(guī)則包括：

獲取預(yù)設(shè)數(shù)量已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)；

獲得各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)；

對各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)分析規(guī)則進(jìn)行健康風(fēng)險(xiǎn)等級劃分，將不同健康風(fēng)險(xiǎn)等級的客戶的預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到不同的文件夾里；

從不同文件夾下各提取第一預(yù)設(shè)比例的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練，從不同文件夾下各取剩下的第二預(yù)設(shè)比例的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為測試數(shù)據(jù)以對生成的模型進(jìn)行準(zhǔn)確性驗(yàn)證；及

若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，則按照預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則對確定的風(fēng)險(xiǎn)因子進(jìn)行刪除和/或增加處理，重復(fù)上述模型的生成過程，直到生成的模型準(zhǔn)確率大于等于預(yù)設(shè)準(zhǔn)確率。

優(yōu)選地，所述因子調(diào)優(yōu)規(guī)則包括確定生成的模型中的各個(gè)風(fēng)險(xiǎn)因子對應(yīng)的權(quán)重系數(shù)；找出權(quán)重系數(shù)最小的風(fēng)險(xiǎn)因子；從生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因子中刪除找出的風(fēng)險(xiǎn)因子，和/或新增其他風(fēng)險(xiǎn)因子。

優(yōu)選地，所述預(yù)設(shè)類型數(shù)據(jù)包括：門診數(shù)據(jù)、體檢數(shù)據(jù)、個(gè)人特征數(shù)據(jù)；以及所述預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)包括：門診數(shù)據(jù)對應(yīng)的固定時(shí)間內(nèi)的門診次數(shù)、慢性病、突發(fā)性疾病及固定時(shí)間內(nèi)門診的平均花費(fèi)，體檢數(shù)據(jù)對應(yīng)的血壓、血糖、心率及身體質(zhì)量指數(shù)，及個(gè)人特征數(shù)據(jù)對應(yīng)的年齡、性別、生活地域及職業(yè)。

鑒于以上內(nèi)容，還有必要提供一種適用于上述方法的服務(wù)器，其可以快速評估投?？蛻舻慕】碉L(fēng)險(xiǎn)等級，避免傳統(tǒng)人工評估所耗費(fèi)的大量人力、物力。

一種服務(wù)器，該服務(wù)器包括存儲(chǔ)設(shè)備以及處理器，其中：

所述存儲(chǔ)設(shè)備，用于存儲(chǔ)一個(gè)投保客戶健康狀況分析系統(tǒng)；

所述處理器，用于調(diào)用并執(zhí)行所述投保客戶健康狀況分析系統(tǒng)，以執(zhí)行如下步驟：

獲取多個(gè)已投保客戶的預(yù)設(shè)類型數(shù)據(jù)，基于所述已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)的模型生成規(guī)則，生成一個(gè)健康風(fēng)險(xiǎn)等級分析模型；

在收到針對一待投?？蛻舻慕】碉L(fēng)險(xiǎn)等級分析指令時(shí)，接收該客戶的投保數(shù)據(jù)；

從所述客戶的投保數(shù)據(jù)中獲取預(yù)設(shè)類型數(shù)據(jù)作為健康風(fēng)險(xiǎn)數(shù)據(jù)，確定各個(gè)預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)；及

將各個(gè)預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子對應(yīng)的數(shù)據(jù)代入生成的所述健康風(fēng)險(xiǎn)等級分析模型中，以分析出該客戶對應(yīng)的健康風(fēng)險(xiǎn)等級。

優(yōu)選地，其特征在于，所述預(yù)設(shè)的模型生成規(guī)則包括：

獲取預(yù)設(shè)數(shù)量已投保客戶的預(yù)設(shè)類型數(shù)據(jù)；

獲得各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)；

對各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)分析規(guī)則進(jìn)行健康風(fēng)險(xiǎn)等級劃分，將不同健康風(fēng)險(xiǎn)等級的客戶的預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到不同的文件夾里；

從不同文件夾下各提取第一預(yù)設(shè)比例的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練，從不同文件夾下各取剩下的第二預(yù)設(shè)比例的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為測試數(shù)據(jù)以對生成的模型進(jìn)行準(zhǔn)確性驗(yàn)證；及

若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，則增加預(yù)設(shè)類型數(shù)據(jù)的獲取數(shù)量，重復(fù)上述模型的生成過程，直到生成的模型準(zhǔn)確率大于等于預(yù)設(shè)準(zhǔn)確率。

優(yōu)選地，所述預(yù)設(shè)的模型生成規(guī)則包括：

獲取預(yù)設(shè)數(shù)量已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)；

獲得各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)；

對各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)分析規(guī)則進(jìn)行健康風(fēng)險(xiǎn)等級劃分，將不同健康風(fēng)險(xiǎn)等級的客戶的預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到不同的文件夾里；

從不同文件夾下各提取第一預(yù)設(shè)比例的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練，從不同文件夾下各取剩下的第二預(yù)設(shè)比例的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為測試數(shù)據(jù)以對生成的模型進(jìn)行準(zhǔn)確性驗(yàn)證；及

若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，則按照預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則對確定的風(fēng)險(xiǎn)因子進(jìn)行刪除和/或增加處理，重復(fù)上述模型的生成過程，直到生成的模型準(zhǔn)確率大于等于預(yù)設(shè)準(zhǔn)確率。

優(yōu)選地，所述因子調(diào)優(yōu)規(guī)則為：確定生成的模型中的各個(gè)風(fēng)險(xiǎn)因子對應(yīng)的權(quán)重系數(shù)；找出權(quán)重系數(shù)最小的風(fēng)險(xiǎn)因子；從生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因 子中刪除找出的風(fēng)險(xiǎn)因子，和/或新增其他風(fēng)險(xiǎn)因子。

優(yōu)選地，所述預(yù)設(shè)類型數(shù)據(jù)包括：門診數(shù)據(jù)、體檢數(shù)據(jù)、個(gè)人特征數(shù)據(jù)；以及所述預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)包括：門診數(shù)據(jù)對應(yīng)的固定時(shí)間內(nèi)的門診次數(shù)、慢性病、突發(fā)性疾病及固定時(shí)間內(nèi)門診的平均花費(fèi)，體檢數(shù)據(jù)對應(yīng)的血壓、血糖、心率及身體質(zhì)量指數(shù)，及個(gè)人特征數(shù)據(jù)對應(yīng)的年齡、性別、生活地域及職業(yè)。

本發(fā)明所述投保客戶健康狀況分析方法及適用于上述方法的服務(wù)器及終端設(shè)備，通過建立健康風(fēng)險(xiǎn)等級的分析模型，快速評估投?？蛻舻慕】碉L(fēng)險(xiǎn)等級，避免傳統(tǒng)人工評估所耗費(fèi)的大量人力、物力。

附圖說明

圖1是本發(fā)明投?？蛻艚】禒顩r分析系統(tǒng)第一實(shí)施例的硬件環(huán)境圖。

圖2是本發(fā)明投?？蛻艚】禒顩r分析系統(tǒng)第二實(shí)施例的硬件環(huán)境圖。

圖3是本發(fā)明投?？蛻艚】禒顩r分析系統(tǒng)較佳實(shí)施例的功能模塊圖。

圖4是本發(fā)明投?？蛻艚】禒顩r分析方法較佳實(shí)施例的方法實(shí)施流程圖。

圖5是圖4所示投?？蛻艚】禒顩r分析方法中生成健康風(fēng)險(xiǎn)等級分析模型的第一較佳實(shí)施例的實(shí)施流程圖。

圖6是圖4所示投?？蛻艚】禒顩r分析方法中生成健康風(fēng)險(xiǎn)等級分析模型的第二較佳實(shí)施例的實(shí)施流程圖。

具體實(shí)施方式

參閱圖1所示，是本發(fā)明投?？蛻艚】禒顩r分析系統(tǒng)第一實(shí)施例的硬件環(huán)境圖。

本實(shí)施例所述投?？蛻艚】禒顩r分析系統(tǒng)2可以安裝并運(yùn)行于一臺(tái)服務(wù)器1中。所述服務(wù)器1可以通過通訊模塊(未圖示)與至少一臺(tái)終端設(shè)備3通訊連 接，所述終端設(shè)備3可以是個(gè)人電腦、智能手機(jī)、平板電腦等設(shè)備。所述終端設(shè)備3包括輸入設(shè)備30及顯示設(shè)備31。

所述服務(wù)器1可以包括有處理器以及存儲(chǔ)設(shè)備(未圖示)。所述處理器是服務(wù)器1的運(yùn)算核心(coreunit)和控制核心(controlunit)，用于解釋計(jì)算機(jī)指令以及處理計(jì)算機(jī)軟件中的數(shù)據(jù)。所述存儲(chǔ)設(shè)備可以是一個(gè)或者多個(gè)非易失性存儲(chǔ)單元，如rom、eprom或flashmemory(快閃存儲(chǔ)單元)等。所述存儲(chǔ)設(shè)備可以內(nèi)置或者外接于服務(wù)器1。

本實(shí)施例中，所述投保客戶健康狀況分析系統(tǒng)2可以是一種計(jì)算機(jī)軟件，其包括計(jì)算機(jī)可執(zhí)行的程序指令代碼，該程序指令代碼可以存儲(chǔ)于所述存儲(chǔ)設(shè)備中，在所述處理器的執(zhí)行下，實(shí)現(xiàn)下述功能：從與所述服務(wù)器1連接的數(shù)據(jù)庫4中獲取多個(gè)已投保客戶的預(yù)設(shè)類型數(shù)據(jù)，基于所述已投保客戶的預(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)的模型生成規(guī)則，生成一個(gè)健康風(fēng)險(xiǎn)等級分析模型，并在收到終端設(shè)備3發(fā)出的針對一待投保客戶的健康風(fēng)險(xiǎn)等級分析指令時(shí)，利用所述健康風(fēng)險(xiǎn)等級分析模型分析該待投?？蛻魧?yīng)的健康風(fēng)險(xiǎn)等級，并將所述待投?？蛻魧?yīng)的健康風(fēng)險(xiǎn)等級傳送給所述終端設(shè)備3。

本實(shí)施例中，所述已投保客戶的預(yù)設(shè)類型數(shù)據(jù)包括，例如，門診數(shù)據(jù)、體檢數(shù)據(jù)、個(gè)人特征數(shù)據(jù)等。

本實(shí)施例中，所述健康風(fēng)險(xiǎn)等級分析模型為一支持向量機(jī)(supportvectormachine，svm)模型。

所述預(yù)設(shè)的模型生成規(guī)則為：獲取預(yù)設(shè)數(shù)量(例如，10萬)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)；獲得各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)，例如，門診數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括固定時(shí)間內(nèi)的門診次數(shù)、慢性病、突發(fā)性疾病、固定時(shí)間內(nèi)門診的平均花費(fèi)等，體檢數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括血壓、血糖、心率、身體質(zhì)量指數(shù)，即體重公斤數(shù)除以身高米數(shù)平方得出的指數(shù)等，個(gè)人特征數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子可以包括年齡、性別、生活地域、職業(yè)等；對各個(gè)已投保客戶的預(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)分析規(guī)則進(jìn)行健康風(fēng)險(xiǎn)等級劃分。

例如，所述預(yù)設(shè)分析規(guī)則為：發(fā)生過的理賠額大于等于第一閾值或者發(fā)生過的理賠次數(shù)大于預(yù)設(shè)次數(shù)，例如，10次的客戶的預(yù)設(shè)類型數(shù)據(jù)為一級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；發(fā)生過的理賠次數(shù)小于等于預(yù)設(shè)次數(shù)，及有發(fā)生過的理賠額小于第一閾值且大于等于第二閾值的客戶的預(yù)設(shè)類型數(shù)據(jù)為二級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；發(fā)生過的理賠次數(shù)小于等于預(yù)設(shè)次數(shù)，及發(fā)生過的所有理賠額均小于第二閾值的客戶的預(yù)設(shè)類型數(shù)據(jù)為三級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；及未發(fā)生過理賠的客戶的預(yù)設(shè)類型數(shù)據(jù)為四級健康風(fēng)險(xiǎn)等級數(shù)據(jù)。

將不同健康風(fēng)險(xiǎn)等級的客戶的預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到不同的文件夾里。例如，一級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第一文件夾里；二級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第二文件夾里；三級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第三文件夾里；四級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第四文件夾里。從不同文件夾下各提取第一預(yù)設(shè)比例，例如，70％的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行支持向量機(jī)(svm)模型的訓(xùn)練，從不同文件夾下各取剩下的第二預(yù)設(shè)比例，例如，30％的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為測試數(shù)據(jù)以對生成的svm模型進(jìn)行準(zhǔn)確性驗(yàn)證。

若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，例如，99％，則增加預(yù)設(shè)類型數(shù)據(jù)的獲取數(shù)量，重復(fù)上述svm模型的生成過程，直到生成的svm模型準(zhǔn)確率大于等于預(yù)設(shè)準(zhǔn)確率，例如，99％。

本發(fā)明其他較佳實(shí)施例中，若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，例如，99％，則按照預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則對確定的風(fēng)險(xiǎn)因子進(jìn)行刪除和/或增加處理，重復(fù)上述svm模型的生成過程，直到生成的svm模型準(zhǔn)確率大于等于預(yù)設(shè)準(zhǔn)確率，例如，99％。

優(yōu)選地，所述預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則為：在確定的風(fēng)險(xiǎn)因子中新增其他風(fēng)險(xiǎn)因子。

優(yōu)選地，所述預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則為：確定生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因子對應(yīng)的權(quán)重系數(shù)；找出權(quán)重系數(shù)最小的風(fēng)險(xiǎn)因子；從生成的svm模型中的 各個(gè)風(fēng)險(xiǎn)因子中刪除找出的風(fēng)險(xiǎn)因子，和/或新增其他風(fēng)險(xiǎn)因子。

優(yōu)選地，所述預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則為：確定生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因子對應(yīng)的權(quán)重系數(shù)；找出權(quán)重系數(shù)最小的風(fēng)險(xiǎn)因子；若找出的風(fēng)險(xiǎn)因子的權(quán)重系數(shù)小于預(yù)設(shè)權(quán)重閾值，則從生成的svm模型中的風(fēng)險(xiǎn)因子中刪除找出的風(fēng)險(xiǎn)因子；若找出的風(fēng)險(xiǎn)因子的權(quán)重系數(shù)大于等于預(yù)設(shè)權(quán)重閾值，則新增其他風(fēng)險(xiǎn)因子。

在本發(fā)明的其他實(shí)施例中，如圖2所示，所述的投?？蛻艚】禒顩r分析系統(tǒng)2也可以安裝并運(yùn)行于終端設(shè)備3中，所述投?？蛻艚】禒顩r分析系統(tǒng)2的程序代碼可以存儲(chǔ)于所述終端設(shè)備3的存儲(chǔ)設(shè)備(未圖示)中，并在終端設(shè)備3的處理器的執(zhí)行下，實(shí)現(xiàn)上述描述的功能。

參閱圖3所示，是本發(fā)明投?？蛻艚】禒顩r分析系統(tǒng)較佳實(shí)施例的功能模塊圖。

所述投?？蛻艚】禒顩r分析系統(tǒng)2的程序代碼根據(jù)其不同的功能，可以劃分為多個(gè)功能模塊。本發(fā)明較佳實(shí)施例中，所述投?？蛻艚】禒顩r分析系統(tǒng)2可以包括模型建立模塊20、獲取模塊21、預(yù)處理模塊22及等級分析模塊23。

所述模型建立模塊20用于獲取多個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，基于所述已投保客戶的預(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)的模型生成規(guī)則，生成一個(gè)健康風(fēng)險(xiǎn)等級分析模型。

所述多個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)可以從，例如，一數(shù)據(jù)庫4中獲取。

本實(shí)施例中，所述已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)包括，例如，門診數(shù)據(jù)、體檢數(shù)據(jù)、個(gè)人特征數(shù)據(jù)等。

本實(shí)施例中，所述健康風(fēng)險(xiǎn)等級分析模型為一支持向量機(jī)(supportvectormachine，svm)模型。

所述預(yù)設(shè)的模型生成規(guī)則為：獲取預(yù)設(shè)數(shù)量(例如，10萬)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)；獲得各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)，例如，門診數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括固定時(shí)間內(nèi)的門診次數(shù)、慢性病、突發(fā)性疾病、固定時(shí)間內(nèi)門診的平均花費(fèi)等，體檢數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可 以包括血壓、血糖、心率、身體質(zhì)量指數(shù)，即體重公斤數(shù)除以身高米數(shù)平方得出的指數(shù)等，個(gè)人特征數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子可以包括年齡、性別、生活地域、職業(yè)等；對各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)分析規(guī)則進(jìn)行健康風(fēng)險(xiǎn)等級劃分。

例如，所述預(yù)設(shè)分析規(guī)則為：發(fā)生過的理賠額大于等于第一閾值或者發(fā)生過的理賠次數(shù)大于預(yù)設(shè)次數(shù)，例如，10次的客戶的預(yù)設(shè)類型數(shù)據(jù)為一級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；發(fā)生過的理賠次數(shù)小于等于預(yù)設(shè)次數(shù)，及有發(fā)生過的理賠額小于第一閾值且大于等于第二閾值的客戶的預(yù)設(shè)類型數(shù)據(jù)為二級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；發(fā)生過的理賠次數(shù)小于等于預(yù)設(shè)次數(shù)，及發(fā)生過的所有理賠額均小于第二閾值的客戶的預(yù)設(shè)類型數(shù)據(jù)為三級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；及未發(fā)生過理賠的客戶的預(yù)設(shè)類型數(shù)據(jù)為四級健康風(fēng)險(xiǎn)等級數(shù)據(jù)。

將不同健康風(fēng)險(xiǎn)等級的客戶的預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到不同的文件夾里。例如，一級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第一文件夾里；二級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第二文件夾里；三級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第三文件夾里；四級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第四文件夾里。從不同文件夾下各提取第一預(yù)設(shè)比例，例如，70％的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行支持向量機(jī)(svm)模型的訓(xùn)練，從不同文件夾下各取剩下的第二預(yù)設(shè)比例，例如，30％的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為測試數(shù)據(jù)以對生成的svm模型進(jìn)行準(zhǔn)確性驗(yàn)證。

若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，例如，99％，則增加預(yù)設(shè)類型數(shù)據(jù)的獲取數(shù)量，重復(fù)上述svm模型的生成過程，直到生成的svm模型準(zhǔn)確率大于等于預(yù)設(shè)準(zhǔn)確率，例如，99％。

本發(fā)明其他較佳實(shí)施例中，若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，例如，99％，則按照預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則對確定的風(fēng)險(xiǎn)因子進(jìn)行刪除和/或增加處理，重復(fù)上述svm模型的生成過程，直到生成的svm模型準(zhǔn)確率大于等于預(yù)設(shè)準(zhǔn)確率，例如，99％。

優(yōu)選地，所述預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則為：在確定的風(fēng)險(xiǎn)因子中新增其他風(fēng)險(xiǎn)因子。

優(yōu)選地，所述預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則為：確定生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因子對應(yīng)的權(quán)重系數(shù)；找出權(quán)重系數(shù)最小的風(fēng)險(xiǎn)因子；從生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因子中刪除找出的風(fēng)險(xiǎn)因子，及新增其他風(fēng)險(xiǎn)因子。

優(yōu)選地，所述預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則為：確定生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因子對應(yīng)的權(quán)重系數(shù)；找出權(quán)重系數(shù)最小的風(fēng)險(xiǎn)因子；若找出的風(fēng)險(xiǎn)因子的權(quán)重系數(shù)小于預(yù)設(shè)權(quán)重閾值，則從生成的svm模型中的風(fēng)險(xiǎn)因子中刪除找出的風(fēng)險(xiǎn)因子；若找出的風(fēng)險(xiǎn)因子的權(quán)重系數(shù)大于等于預(yù)設(shè)權(quán)重閾值，則新增其他風(fēng)險(xiǎn)因子。

所述獲取模塊21用于在收到終端設(shè)備3的用戶通過其輸入設(shè)備30發(fā)出的針對一待投?？蛻舻慕】碉L(fēng)險(xiǎn)等級分析指令時(shí)，接收該客戶的投保數(shù)據(jù)。

所述預(yù)處理模塊22用于從所述客戶的投保數(shù)據(jù)中獲取預(yù)設(shè)類型數(shù)據(jù)作為健康風(fēng)險(xiǎn)數(shù)據(jù)，確定各個(gè)預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)。

本實(shí)施例中，所述預(yù)設(shè)類型數(shù)據(jù)包括，例如，門診數(shù)據(jù)、體檢數(shù)據(jù)、個(gè)人特征數(shù)據(jù)等。所述預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)，例如，門診數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括固定時(shí)間內(nèi)的門診次數(shù)、慢性病、突發(fā)性疾病、固定時(shí)間內(nèi)門診的平均花費(fèi)等，體檢數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括血壓、血糖、心率、身體質(zhì)量指數(shù)，即體重公斤數(shù)除以身高米數(shù)平方得出的指數(shù)等，個(gè)人特征數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子可以包括年齡、性別、生活地域、職業(yè)等。

所述等級分析模塊23用于將各個(gè)預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子對應(yīng)的數(shù)據(jù)代入生成的所述健康風(fēng)險(xiǎn)等級分析模型中，以分析出該客戶對應(yīng)的健康風(fēng)險(xiǎn)等級，將所述客戶對應(yīng)的健康風(fēng)險(xiǎn)等級發(fā)送給所述終端設(shè)備3。所述客戶對應(yīng)的健康風(fēng)險(xiǎn)等級可以顯示在終端設(shè)備3的顯示設(shè)備31上。

參閱圖4所示，是本發(fā)明投?？蛻艚】禒顩r分析方法較佳實(shí)施例的方法實(shí)施流程圖。本實(shí)施例所述投?？蛻艚】禒顩r分析方法并不限于流程圖中所示步驟，此外流程圖中所示步驟中，某些步驟可以省略、步驟之間的順序可以改變。

步驟s10，模型建立模塊20獲取多個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，基于所述已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)的模型生成規(guī)則，生成一個(gè)健康風(fēng)險(xiǎn)等級分析模型。

所述多個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)可以從，例如，一數(shù)據(jù)庫4中獲取。

本實(shí)施例中，所述已投保客戶的預(yù)設(shè)類型數(shù)據(jù)包括，例如，門診數(shù)據(jù)、體檢數(shù)據(jù)、個(gè)人特征數(shù)據(jù)等。所述生成健康風(fēng)險(xiǎn)等級分析模型的詳細(xì)流程可以參照下述圖5及圖6中的描述。

本實(shí)施例中，所述健康風(fēng)險(xiǎn)等級分析模型為一支持向量機(jī)(supportvectormachine，svm)模型。

步驟s11，獲取模塊21在收到終端設(shè)備3的用戶通過其輸入設(shè)備30發(fā)出的針對一待投?？蛻舻慕】碉L(fēng)險(xiǎn)等級分析指令時(shí)，接收該客戶的投保數(shù)據(jù)。

步驟s12，預(yù)處理模塊22從所述客戶的投保數(shù)據(jù)中獲取預(yù)設(shè)類型數(shù)據(jù)作為健康風(fēng)險(xiǎn)數(shù)據(jù)，確定各個(gè)預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)。

本實(shí)施例中，所述預(yù)設(shè)類型數(shù)據(jù)包括，例如，門診數(shù)據(jù)、體檢數(shù)據(jù)、個(gè)人特征數(shù)據(jù)等。所述預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)，例如，門診數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括固定時(shí)間內(nèi)的門診次數(shù)、慢性病、突發(fā)性疾病、固定時(shí)間內(nèi)門診的平均花費(fèi)等，體檢數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括血壓、血糖、心率、身體質(zhì)量指數(shù)，即體重公斤數(shù)除以身高米數(shù)平方得出的指數(shù)等，個(gè)人特征數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子可以包括年齡、性別、生活地域、職業(yè)等。

步驟s13，等級分析模塊23將各個(gè)預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子對應(yīng)的數(shù)據(jù)代入生成的所述健康風(fēng)險(xiǎn)等級分析模型中，以分析出該客戶對應(yīng)的健康風(fēng)險(xiǎn)等級。

步驟s13，所述等級分析模塊23將所述客戶對應(yīng)的健康風(fēng)險(xiǎn)等級發(fā)送給所述終端設(shè)備3，并顯示在終端設(shè)備3的顯示設(shè)備31上。

參閱圖5所示，是圖4所示投保客戶健康狀況分析方法中生成健康風(fēng)險(xiǎn)等級分析模型的第一較佳實(shí)施例的實(shí)施流程圖。本實(shí)施例所述投保客戶健康狀況分析方法并不限于流程圖中所示步驟，此外流程圖中所示步驟中，某些步驟可 以省略、步驟之間的順序可以改變。

步驟s100，模型建立模塊20獲取預(yù)設(shè)數(shù)量(例如，10萬)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)。

步驟s101，模型建立模塊20獲得各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)，例如，門診數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括固定時(shí)間內(nèi)的門診次數(shù)、慢性病、突發(fā)性疾病、固定時(shí)間內(nèi)門診的平均花費(fèi)等，體檢數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括血壓、血糖、心率、身體質(zhì)量指數(shù)，即體重公斤數(shù)除以身高米數(shù)平方得出的指數(shù)等，個(gè)人特征數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子可以包括年齡、性別、生活地域、職業(yè)等。

步驟s102，模型建立模塊20對各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)分析規(guī)則進(jìn)行健康風(fēng)險(xiǎn)等級劃分，將不同健康風(fēng)險(xiǎn)等級的客戶的預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到不同的文件夾里。

例如，所述預(yù)設(shè)分析規(guī)則為：發(fā)生過的理賠額大于等于第一閾值或者發(fā)生過的理賠次數(shù)大于預(yù)設(shè)次數(shù)，例如，10次的客戶的預(yù)設(shè)類型數(shù)據(jù)為一級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；發(fā)生過的理賠次數(shù)小于等于預(yù)設(shè)次數(shù)，及有發(fā)生過的理賠額小于第一閾值且大于等于第二閾值的客戶的預(yù)設(shè)類型數(shù)據(jù)為二級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；發(fā)生過的理賠次數(shù)小于等于預(yù)設(shè)次數(shù)，及發(fā)生過的所有理賠額均小于第二閾值的客戶的預(yù)設(shè)類型數(shù)據(jù)為三級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；及未發(fā)生過理賠的客戶的預(yù)設(shè)類型數(shù)據(jù)為四級健康風(fēng)險(xiǎn)等級數(shù)據(jù)。

例如，一級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第一文件夾里；二級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第二文件夾里；三級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第三文件夾里；四級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第四文件夾里。

步驟s103，模型建立模塊20從不同文件夾下各提取第一預(yù)設(shè)比例，例如，70％的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行支持向量機(jī)(svm)模型的訓(xùn)練，從不同文件夾下各取剩下的第二預(yù)設(shè)比例，例如，30％的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為測試數(shù)據(jù)以對生成的svm模型進(jìn)行準(zhǔn)確性驗(yàn)證。

步驟s104，模型建立模塊20判斷生成的svm模型準(zhǔn)確率是否小于預(yù)設(shè)準(zhǔn)確率，例如，99％。

若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，則執(zhí)行步驟s105，模型建立模塊20增加預(yù)設(shè)類型數(shù)據(jù)的獲取數(shù)量，并返回上述步驟s100，直到生成的svm模型準(zhǔn)確率大于所述預(yù)設(shè)準(zhǔn)確率。

參閱圖6所示，是圖4所示投保客戶健康狀況分析方法中生成健康風(fēng)險(xiǎn)等級分析模型的第二較佳實(shí)施例的實(shí)施流程圖。本實(shí)施例所述投保客戶健康狀況分析方法并不限于流程圖中所示步驟，此外流程圖中所示步驟中，某些步驟可以省略、步驟之間的順序可以改變。

步驟s110，模型建立模塊20獲取預(yù)設(shè)數(shù)量(例如，10萬)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)。

步驟s111，模型建立模塊20獲得各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)，例如，門診數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括固定時(shí)間內(nèi)的門診次數(shù)、慢性病、突發(fā)性疾病、固定時(shí)間內(nèi)門診的平均花費(fèi)等，體檢數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子數(shù)據(jù)可以包括血壓、血糖、心率、身體質(zhì)量指數(shù)，即體重公斤數(shù)除以身高米數(shù)平方得出的指數(shù)等，個(gè)人特征數(shù)據(jù)對應(yīng)的風(fēng)險(xiǎn)因子可以包括年齡、性別、生活地域、職業(yè)等.

步驟s112，模型建立模塊20對各個(gè)已投?？蛻舻念A(yù)設(shè)類型數(shù)據(jù)，按照預(yù)設(shè)分析規(guī)則進(jìn)行健康風(fēng)險(xiǎn)等級劃分，將不同健康風(fēng)險(xiǎn)等級的客戶的預(yù)設(shè)類型數(shù)據(jù)對應(yīng)的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到不同的文件夾里。

例如，所述預(yù)設(shè)分析規(guī)則為：發(fā)生過的理賠額大于等于第一閾值或者發(fā)生過的理賠次數(shù)大于預(yù)設(shè)次數(shù)，例如，10次的客戶的預(yù)設(shè)類型數(shù)據(jù)為一級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；發(fā)生過的理賠次數(shù)小于等于預(yù)設(shè)次數(shù)，及有發(fā)生過的理賠額小于第一閾值且大于等于第二閾值的客戶的預(yù)設(shè)類型數(shù)據(jù)為二級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；發(fā)生過的理賠次數(shù)小于等于預(yù)設(shè)次數(shù)，及發(fā)生過的所有理賠額均小于第二閾值的客戶的預(yù)設(shè)類型數(shù)據(jù)為三級健康風(fēng)險(xiǎn)等級數(shù)據(jù)；及未發(fā)生過理賠的客戶的預(yù)設(shè)類型數(shù)據(jù)為四級健康風(fēng)險(xiǎn)等級數(shù)據(jù)。

例如，一級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第一文件夾里；二級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第二文件夾里；三級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第三文件夾里；四級健康風(fēng)險(xiǎn)等級的預(yù)設(shè)類型數(shù)據(jù)的風(fēng)險(xiǎn)因子數(shù)據(jù)分發(fā)到第四文件夾里。

步驟s113，模型建立模塊20從不同文件夾下各提取第一預(yù)設(shè)比例，例如，70％的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行支持向量機(jī)(svm)模型的訓(xùn)練，從不同文件夾下各取剩下的第二預(yù)設(shè)比例，例如，30％的各個(gè)風(fēng)險(xiǎn)因子數(shù)據(jù)作為測試數(shù)據(jù)以對生成的svm模型進(jìn)行準(zhǔn)確性驗(yàn)證。

步驟s114，模型建立模塊20判斷生成的svm模型準(zhǔn)確率是否小于預(yù)設(shè)準(zhǔn)確率，例如，99％。

若生成的svm模型準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，則執(zhí)行步驟s115，模型建立模塊20按照預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則對確定的風(fēng)險(xiǎn)因子進(jìn)行刪除和/或增加處理，并返回執(zhí)行上述的步驟s111，直到生成的svm模型準(zhǔn)確率大于所述預(yù)設(shè)準(zhǔn)確率。

其中，所述預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則為：在確定的風(fēng)險(xiǎn)因子中新增其他風(fēng)險(xiǎn)因子。

在其他實(shí)施例中，所述預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則可以為：確定生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因子對應(yīng)的權(quán)重系數(shù)；找出權(quán)重系數(shù)最小的風(fēng)險(xiǎn)因子；從生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因子中刪除找出的風(fēng)險(xiǎn)因子，和/或新增其他風(fēng)險(xiǎn)因子。

在其他實(shí)施例中，所述預(yù)設(shè)的因子調(diào)優(yōu)規(guī)則為：確定生成的svm模型中的各個(gè)風(fēng)險(xiǎn)因子對應(yīng)的權(quán)重系數(shù)；找出權(quán)重系數(shù)最小的風(fēng)險(xiǎn)因子；若找出的風(fēng)險(xiǎn)因子的權(quán)重系數(shù)小于預(yù)設(shè)權(quán)重閾值，則從生成的svm模型中的風(fēng)險(xiǎn)因子中刪除找出的風(fēng)險(xiǎn)因子；若找出的風(fēng)險(xiǎn)因子的權(quán)重系數(shù)大于等于預(yù)設(shè)權(quán)重閾值，則新增其他風(fēng)險(xiǎn)因子。

最后所應(yīng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進(jìn)行修改或等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍。