The invention discloses a claim data processing method, device, computer equipment and storage medium. The method includes: identifying the claim case document, obtaining the claim information in the claim case document, inputting the claim information in the presupposed neural network model, classifying the input claim information according to the neural network model, and acquiring the neural network. The preset categorization value of the claim information output from the network model after categorization; whether there is a claim risk in the claim case according to the preset categorization value of the claim information after categorization; and when there is no claim risk in the claim case, the corresponding claim result of the claim case is output. The invention realizes automatic claim settlement without manual operation through large data processing of claim information, improves claim settlement efficiency, shortens claim time checking, and provides quick claim settlement experience for customers.
【技術(shù)實(shí)現(xiàn)步驟摘要】
理賠數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)
本專利技術(shù)涉及大數(shù)據(jù)處理領(lǐng)域，具體涉及一種理賠數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。
技術(shù)介紹
目前，隨著保險(xiǎn)業(yè)務(wù)量的增多，保險(xiǎn)理賠的需求也隨之增多。在現(xiàn)有技術(shù)中，雖然一些保險(xiǎn)公司已引入了自動(dòng)理賠系統(tǒng)，但該自動(dòng)理賠系統(tǒng)還是需要客戶自行填寫理賠資料，該方案的不足之處在于：由于理賠案件的理賠資料是由客戶自助填寫或提供的，由于客戶不具有保險(xiǎn)行業(yè)的專業(yè)知識(shí)，導(dǎo)致很多理賠案件的理賠資料填寫有誤，而無(wú)法通過(guò)自動(dòng)理賠系統(tǒng)的自動(dòng)審核，并且，無(wú)法通過(guò)審核的依舊需要進(jìn)行人工審核，如此，會(huì)導(dǎo)致理賠效率低，理賠速度慢。因此，當(dāng)前需要一種可以進(jìn)一步提高理賠處理效率的自動(dòng)理賠方案。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)實(shí)施例提供一種理賠數(shù)據(jù)處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，本專利技術(shù)可以通過(guò)對(duì)理賠信息進(jìn)行大數(shù)據(jù)處理，從而實(shí)現(xiàn)全程無(wú)人工操作的自動(dòng)理賠，提高了理賠效率，縮短了理賠時(shí)間驗(yàn)，為客戶提供了極速理賠體驗(yàn)。一種理賠數(shù)據(jù)處理方法，包括：識(shí)別理賠案件文檔，獲取所述理賠案件文檔中的理賠信息；在預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中輸入所述理賠信息，根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型對(duì)輸入的所述理賠信息進(jìn)行歸類，并獲取所述神經(jīng)網(wǎng)絡(luò)模型輸出的歸類后的所述理賠信息的預(yù)設(shè)歸類值；根據(jù)歸類后的所述理賠信息的預(yù)設(shè)歸類值評(píng)估所述理賠案件是否存在理賠風(fēng)險(xiǎn)；在理賠案件不存在理賠風(fēng)險(xiǎn)時(shí)，輸出所述理賠案件對(duì)應(yīng)的理賠結(jié)果。一種理賠數(shù)據(jù)處理裝置，包括：識(shí)別模塊，用于識(shí)別理賠案件文檔，獲取所述理賠案件文檔中的理賠信息；歸類模塊，用于在預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中輸入所述理賠信息，根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型對(duì)輸入的所述理賠信...
【技術(shù)保護(hù)點(diǎn)】
1.一種理賠數(shù)據(jù)處理方法，其特征在于，包括：識(shí)別理賠案件文檔，獲取所述理賠案件文檔中的理賠信息；在預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中輸入所述理賠信息，根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型對(duì)輸入的所述理賠信息進(jìn)行歸類，并獲取所述神經(jīng)網(wǎng)絡(luò)模型輸出的歸類后的所述理賠信息的預(yù)設(shè)歸類值；根據(jù)歸類后的所述理賠信息的預(yù)設(shè)歸類值評(píng)估所述理賠案件是否存在理賠風(fēng)險(xiǎn)；在理賠案件不存在理賠風(fēng)險(xiǎn)時(shí)，輸出所述理賠案件對(duì)應(yīng)的理賠結(jié)果。
【技術(shù)特征摘要】
1.一種理賠數(shù)據(jù)處理方法，其特征在于，包括：識(shí)別理賠案件文檔，獲取所述理賠案件文檔中的理賠信息；在預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中輸入所述理賠信息，根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型對(duì)輸入的所述理賠信息進(jìn)行歸類，并獲取所述神經(jīng)網(wǎng)絡(luò)模型輸出的歸類后的所述理賠信息的預(yù)設(shè)歸類值；根據(jù)歸類后的所述理賠信息的預(yù)設(shè)歸類值評(píng)估所述理賠案件是否存在理賠風(fēng)險(xiǎn)；在理賠案件不存在理賠風(fēng)險(xiǎn)時(shí)，輸出所述理賠案件對(duì)應(yīng)的理賠結(jié)果。2.如權(quán)利要求1所述的理賠數(shù)據(jù)處理方法，其特征在于，所述識(shí)別理賠案件文檔，獲取所述理賠案件文檔中的理賠信息，包括：接收識(shí)別指令，根據(jù)所述識(shí)別指令中包含的案件信息調(diào)取理賠案件文檔；通過(guò)光學(xué)字符識(shí)別模型對(duì)所述理賠案件文檔進(jìn)行識(shí)別，獲取所述理賠案件文檔中的理賠信息。3.如權(quán)利要求2所述的理賠數(shù)據(jù)處理方法，其特征在于，所述通過(guò)光學(xué)字符識(shí)別模型對(duì)所述理賠案件文檔進(jìn)行識(shí)別，獲取所述理賠案件文檔中的理賠信息之前，還包括：提取所述理賠案件文檔中的敏感關(guān)鍵詞，獲取所述敏感關(guān)鍵詞在所述理賠案件文檔中所處的敏感位置以及所述敏感位置上包含所述敏感關(guān)鍵詞的敏感內(nèi)容，對(duì)所述敏感位置上的所述敏感內(nèi)容進(jìn)行刪除處理或馬賽克處理。4.如權(quán)利要求1所述理賠數(shù)據(jù)處理的方法，其特征在于，所述根據(jù)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述理賠信息進(jìn)行歸類之前，還包括：獲取歸類訓(xùn)練樣本；所述歸類訓(xùn)練樣本為歷史理賠案件文檔中的歷史理賠信息；獲取通過(guò)包含初始參數(shù)的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述歸類訓(xùn)練樣本進(jìn)行歸類時(shí)的整體偏差度，所述整體偏差度為歸類之后得到的理賠信息值與預(yù)設(shè)歸類值之間的整體偏差程度；判斷所述整體偏差度是否大于預(yù)設(shè)的第一閾值；若所述整體偏差度大于所述第一閾值，則對(duì)所述神經(jīng)網(wǎng)絡(luò)模型的初始參數(shù)進(jìn)行調(diào)整，并返回執(zhí)行所述計(jì)算使用神經(jīng)網(wǎng)絡(luò)模型對(duì)所述歸類訓(xùn)練樣本進(jìn)行歸類時(shí)的整體偏差度，直至所述整體偏差度小于或等于所述第一閾值；若所述整體偏差度小于或等于所述第一閾值，則提示所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成。5.如權(quán)利要求4所述的理賠數(shù)據(jù)處理方法，其特征在于，所述獲取通過(guò)包含初始參數(shù)的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述歸類訓(xùn)練樣本進(jìn)行歸類時(shí)的整體偏差度，包括：從所述歸類訓(xùn)練樣本中選取一個(gè)尚未被選取進(jìn)行歸類的歸類訓(xùn)練樣本作為當(dāng)前樣本；使用所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述當(dāng)前樣本中的理賠信息進(jìn)行處理，得到所述當(dāng)前樣本歸類之后的理賠信息值；根據(jù)預(yù)設(shè)的偏差判定規(guī)則確定所述當(dāng)前樣本歸類之后的理賠信息值與所述預(yù)設(shè)歸類值之間的樣本偏...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：何晨巍，龍科家，孫劍立，
申請(qǐng)(專利權(quán))人：平安健康保險(xiǎn)股份有限公司，
類型：發(fā)明
國(guó)別省市：上海,31
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。