【技術實現步驟摘要】
本專利技術涉及理賠審核系統，尤其是涉及一種基于知識庫的理賠審核方法和系統。
技術介紹
1、保險領域的理賠審核是保險公司處理保險賠償請求的重要環節，在接到報案并立案后，會進行查勘工作，后進行后續的審核工作，包括：
2、審核被保險人或受益人提供的保險合同、身份證明、相關發票等證明文件的真實性和完整性。
3、核對保險事故是否符合保險合同中約定的理賠條件，包括事故類型、發生時間、地點等方面的規定。同時，還會審核被保險人或受益人是否具有保險權益，以及投保人或被保險人是否違反了告知義務或通知義務的行為。
4、依據合同規定和損失情形，保險公司會對索賠進行精確核算與重新審視，以確定賠款數額。
5、審批人員對理賠申請進行全面、客觀、公正的評估，確保理賠案件的準確性和合理性。核定結果需要清晰明確，以便被保險人能夠理解賠償金額的計算方式和依據。
6、上述保險材料的審核過程中，均需要具有審批人員判斷是否符合理賠條件、對應的治療或修復方案是否合理，通過人工進行處理帶來了大量的工作壓力和時間成本，并且目前各類保險系統中沒有標準化的數據庫和判斷規則，整體自動化程度不高，因此迫切需要提供一種自動理賠審核方法，實現對保險理賠的快速審批。
技術實現思路
1、本專利技術的目的就是為了克服上述現有技術存在的缺陷而提供一種自動化程度高、準確可靠的基于知識庫的理賠審核方法和系統。
2、本專利技術的目的可以通過以下技術方案來實現：
3、一種基于
4、采集并整理保險理賠相關的結構化數據并進行預處理，然后通過搜索引擎、深度學習算法或大模型分析算法，將所述結構化數據與預設的標準字段進行匹配映射，得到多個匹配結果；
5、計算當前結構化數據與各個匹配結果之間的相似性，以進行精調，從而選擇最優的匹配結果實現數據映射，以構建和豐富標準庫；
6、對得到的標準庫定義對應的用于輔助理賠審核的標簽和關系，形成標簽庫和關系庫；
7、獲取待審核數據，并進行結構化處理后，與所述標準庫匹配映射，得到標準化審核數據；
8、對所述標準化審核數據分別并行通過規則引擎技術、深度學習算法或大模型分析算法，并結合所述標簽庫和關系庫進行理賠審核，生成多個推理結論；通過專家法根據經驗評估各個推理結論，給出最終的審核結論，完成理賠審核。
9、進一步地，所述預處理的規則包括：
10、大小寫轉換處理，用于將文本轉換為全小寫或全大寫；
11、標點去除處理，用于移除文本中的標點符號；
12、停用詞去除處理，用于去除預先定義的詞義理解幫助不大的常用詞；
13、疾病同義詞處理，用于將同義的疾病名詞轉換為統一的描述；
14、所述預處理過程還包括進行拼音及部首特征值識別，從而提升不同術語的相似度權重，以進行匹配，所述拼音特征值識別過程包括：將兩個術語均轉換為拼音，若拼音一致，則提升對應的相似度權重；所述部首特征值識別過程包括：將兩個術語均提取出部首，若部首一致，則提升對應的相似度權重。
15、進一步地，所述搜索引擎的匹配映射過程包括：
16、預先定義與所述標準字段相對應的多種別名，從而構建別名庫；
17、將所述結構化數據與所述別名庫的各種別名進行搜索匹配，若匹配成功，則與該別名對應的標準字段映射，得到匹配結果。
18、進一步地，所述深度學習算法和大模型分析算法的匹配映射過程均包括：
19、預先獲取實現與所述標準字段相互映射的多個語料，構成語料庫；
20、根據所述語料庫進行機器學習訓練，采用訓練好的深度學習算法或大模型分析算法對結構化數據進行匹配映射。
21、進一步地，所述精調采用基于編輯距離的算法或者基于集合論的算法實現；
22、所述基于編輯距離的算法通過當前結構化數據與各個匹配結果之間的差異性，從而選取最優的匹配結果；
23、所述基于集合論的算法通過計算當前結構化數據與各個匹配結果之間的相似度，從而選取最優的匹配結果；
24、所述基于編輯距離的算法包括編輯距離算法、hamming距離算法或damerau-levenshtein距離算法；
25、所述基于集合論的算法通過jaccard相似度或dice系數計算相似度。
26、進一步地，所述標準庫中對各個相關術語設置編碼、標準名和分類字段進行標準化存儲；
27、所述標簽庫用于對術語設置標簽，以進行特定分類；
28、所述關系庫用于設置適用限定、性別限定、金額限定和劑量限定。
29、進一步地，所述規則引擎技術進行理賠審核的過程具體為：
30、預先在所述標準庫的基礎上，結合所述標簽庫和關系庫，構建多個審核規則；
31、將各個所述審核規則分別拆分為多個條件節點，對所述標準化審核數據進行理賠審核過程中，判斷各個條件節點是否激活，激活的條件節點形成路徑，如果路徑上的所有條件節點都被激活，則該審核規則被視為滿足條件，得出對應的推理結論。
32、進一步地，所述深度學習算法或大模型分析算法進行理賠審核的過程具體為：
33、預先獲取標準化審核數據和對應的審核結論，構建訓練數據；
34、基于所述訓練數據進行機器學習訓練，采用訓練好的深度學習算法或大模型分析算法對標準化審核數據進行理賠審核，生成推理結論。
35、進一步地，所述搜索引擎采用tf-idf算法、bm25算法、bm25l算法、bm25+算法、bm25t算法或bm25f算法；
36、所述深度學習算法為循環神經網絡、bilstm-crf模型或預訓練的transformer模型；
37、所述大模型分析算法為gpt模型。
38、本專利技術還提供一種基于知識庫的理賠審核裝置，包括存儲器和處理器，所述存儲器存儲有計算機程序，處理器調用所述計算機程序執行如上所述的方法的步驟。
39、與現有技術相比，本專利技術具有以下優點：
40、(1)本專利技術通過對獲取的結構化數據采用搜索引擎、深度學習算法或大模型分析算法進行與標準字段的匹配映射；對于存在多種標準字段匹配結果的情況，進一步基于相似性評估進行精調，得到唯一的匹配結果，實現了標準化的數據庫構建，并進一步設置了輔助理賠審核的標簽庫和關系庫，提高了術語的標準程度，為后續的自動理賠審核提供了數據支撐；
41、對待理賠的結構化數據首先進行與標準庫的匹配映射，得到標準化審核數據，然后并行通過規則引擎技術、深度學習算法和大模型分析算法，并可輔助標簽庫和關系庫實現對待理賠的結構化數據的自動審核，并生成多個推理結論；最終根據專家的經驗評估，得到最終的審核結論；
42、本方案從標準庫的構建過程，到理賠審核過程均進行了多方面考慮以及尋優，更加準確可靠，整體上也提高了理本文檔來自技高網...
【技術保護點】
1.一種基于知識庫的理賠審核方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述預處理的規則包括：
3.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述搜索引擎的匹配映射過程包括：
4.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述深度學習算法和大模型分析算法的匹配映射過程均包括：
5.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述精調采用基于編輯距離的算法或者基于集合論的算法實現；
6.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述標準庫中對各個相關術語設置編碼、標準名和分類字段進行標準化存儲；
7.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述規則引擎技術進行理賠審核的過程具體為：
8.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述深度學習算法或大模型分析算法進行理賠審核的過程具體為：
9.根據權利要求1所述的一種
10.一種基于知識庫的理賠審核裝置，其特征在于，包括存儲器和處理器，所述存儲器存儲有計算機程序，處理器調用所述計算機程序執行如權利要求1～9任一所述的方法的步驟。
...【技術特征摘要】
1.一種基于知識庫的理賠審核方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述預處理的規則包括：
3.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述搜索引擎的匹配映射過程包括：
4.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述深度學習算法和大模型分析算法的匹配映射過程均包括：
5.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述精調采用基于編輯距離的算法或者基于集合論的算法實現；
6.根據權利要求1所述的一種基于知識庫的理賠審核方法，其特征在于，所述標準庫中對各個相關術語設置編碼、...
【專利技術屬性】
技術研發人員：龔快快，
申請(專利權)人：太平洋健康保險股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。