原始名称记载: 平安健康保险股份有限公司

本发明公开了一种基于人工智能的财务数据处理方法、装置、设备及介质，涉及人工智能及金融领域，包括：获取用户在财务管理平台中预先配置的财务目标信息；其中，财务目标信息为用户设定的预设时间段内的可量化财务指标；在预设时间段内，当检测到用户打开财务管理平台时，确定用户打开财务管理平台的当前时间节点，并获取当前时间节点之前用户的多个金融账户的资金交易数据；根据预设时间段和当前时间节点，计算预设时间段内的剩余时长；将财务目标信息、资金交易数据及剩余时长输入至深度学习模型，以使深度学习模型输出当前节点之后的个性化财务建议。本方案，提高财务管理效率。

本申请提供一种基于多模态特征的财务数据核对方法、装置、设备及介质，该方法将原始财务数据中的文本、数值以及科目路径进行向量转换，并拼接成多模态特征向量，从而从原始数据中进行语义与数据关系的提取，消除异构字段之间的差异。然后通过双通道核对模型中的规则通道以及学习通道，分别从显示规则以及隐含规则两个角度进行财务数据核对。通过双通道核对模型从多角度进行财务数据自动核对，不仅提高了数据核对效率，而且提高了数据核对准确率。最后通过动态权重融合，对会计政策或财务业务变化进行自适应，从而进一步提高数据核对准确率。可将该方法应用于如金融业务领域或医疗领域的财务数据核对功能，从而提高财务数据的核对效率与准确率。

本发明涉及智能决策的技术领域，公开了一种基于长短期记忆网络的保险退保预测方法、装置、设备及介质，包括：获取保险数据，并清洗与预处理保险数据，将预处理后的保险数据划分为训练集、验证集和测试集；提取预处理后的保险数据的特征数据，根据特征数据以及特征数据的特征数量构建长短期记忆网络(LSTM)模型；输入训练集至长短期记忆网络(LSTM)模型中训练，将交叉熵损失函数作为损失函数结合Adam优化器参数优化长短期记忆网络(LSTM)模型。本申请可应用于金融科技、医疗健康养老等业务系统的开发中，通过长短期记忆网络(LSTM)模型捕捉客户行为中的复杂模式和时间依赖性，显著提高了退保预测的准确率和召回率。

本发明涉及数据处理的技术领域，公开了一种基于GROOVY规则引擎的保险保全规则校验方法、装置、设备及介质，包括：通过获取用户配置的自定义规则，将所述自定义规则以GROOVY规则引擎支持的格式存储到规则库中；接收业务请求，提取所述业务请求相关的业务数据，调用GROOVY规则引擎动态校验提取的业务数据是否符合预设保全条件，其中，所述业务请求至少包括保单变更、续保、理赔；确定校验后的校验结果与校验内容，绑定校验结果与校验内容并输出。本申请可应用于金融科技、医疗健康养老等业务系统的开发中，通过GROOVY规则引擎的高效执行能力，能够快速处理复杂的规则逻辑，显著提高了规则校验效率。

本申请属于人工智能技术领域，涉及一种基于人工智能的测试用例生成方法、装置、计算机设备及存储介质，包括：获取与预设的功能模块对应的初始化用例文档，以及获取输入的变更需求信息；对初始化用例文档与变更需求信息进行分析得到逻辑关系分析结果，并基于逻辑关系分析结果确定测试场景；判断在预设的规则库内是否存在与测试场景相关的处理规则；若否，则调用用例生成模型；基于用例生成模型对逻辑关系分析结果进行处理，生成与变更需求信息对应的目标测试用例；对目标测试用例进行输出处理。此外，本申请的目标测试用例可存储于区块链中。本申请可应用于金融科技与医疗科技领域中的测试用例生成场景，提高了目标测试用例的生成效率和质量。

本发明涉及人工智能技术领域，应用于金融场景或医疗场景，尤其涉及一种数据分表处理方法、装置、设备及介质，通过获取数据库中的分表主键，其中，分表主键包括时间轴字段和高频检索业务字段，利用预设算法对分表主键进行处理，生成结构化基因编码，根据结构化基因编码和预设单表容量阈值，确定目标主键索引表和目标基因路由表，向目标主键索引表和目标基因路由表插入初始数据记录，以完成数据分表。可见，本申请通过融合时间轴字段与高频检索业务字段生成结构化基因编码，并结合预设单表容量阈值动态确定数据分布策略，从而提高了数据分表处理的准确性，提升了多维度复合查询效率，以实现数据均衡分布的效果。

本发明公开了一种基于大数据分析模型的奖励分配方法、装置、设备及介质，涉及人工智能及大数据技术领域，可应用于金融科技领域，包括：获取多个用户的历史用户数据；根据历史用户数据和目标产品类别，利用协同过滤算法确定出对应的目标用户群体；筛选出目标用户群体对应的历史用户数据作为目标历史数据；将目标历史数据输入至大数据分析模型，以使大数据分析模型输出目标用户群体中每一个目标用户对应的目标用户层级及目标消费能力指数；针对目标用户群体中每一个目标用户，根据其对应的目标用户层级及目标消费能力指数，确定出目标奖励池，并从目标奖励池中选取一奖励内容发放至对应的目标用户。提升了奖励发放与用户实际需求之间的适配精准度。