理赔智能审核方法及装置、系统、存储介质制造方法及图纸

本发明专利技术实施例提供一种理赔智能审核方法及装置、系统、存储介质，该方法包括：获取用户提交的报案信息，并对该报案信息进行文本处理以得到文本形式的报案信息，并基于规则引擎对所述文本形式的报案信息进行筛选以得到目标报案信息，利用在先构建的风险评估模型对所述目标报案信息进行风险评估，并得到相应的风险预测值。进一步地，可以根据该风险预测值的风险等级进行相应的操作，如该风险评估模型可以给出用户报案是否予以赔偿。通过上述方案，可以大大减轻人工审核工作人员的工作强度，并且提高审核结果的准确性。

【技术实现步骤摘要】
理赔智能审核方法及装置、系统、存储介质
本专利技术涉及机器学习
，尤其涉及一种理赔智能审核方法及装置、系统、存储介质。
技术介绍
随着互联网的发展和人民生活水平的提高，互联网保险被大众的接受度越来越高，经历此次疫情，使得人们更加重视保险的作用。越来越多的投保带来了越来越多的理赔，如何高效处理用户的报案给我们审核人员带来了一定的压力。传统的保险领域会设置一个理赔系统，用户报案过来，会有初审人员收集资料，再提交给审核人员，审核人员根据自己系统里的报案列表审核案件，审核没有问题的案件再提交给签批人员。完全依赖人工处理每一个案件，随着案件量的增多，会造成案件积压，处理效率降低，前端带来的用户体验降低，后端可能因为处理案件疲劳导致失误，人力成本也会随之增加。
技术实现思路
本专利技术实施例提供一种理赔智能审核方法及装置、系统、存储介质，可该理赔智能审核方法可以获取用户提交的报案信息，并对该报案信息进行文本处理以得到文本形式的报案信息，并基于规则引擎对所述文本形式的报案信息进行筛选以得到目标报案信息，利用在先构建的风险评估模型对所述目标报案信息进行风险评估，并得到相应的风险预测值。进一步地，可以根据该风险预测值的风险等级进行相应的操作，如该风险评估模型可以给出用户报案是否予以赔偿。通过上述方案，可以大大减轻人工审核工作人员的工作强度，并且提高审核结果的准确性。第一方面，本专利技术实施例提供一种理赔智能审核方法，包括：获取用户的报案信息，并对所述报案信息进行文本化处理以得到文本形式的报案信息；基于规则引擎对所述文本形式的报案信息进行筛选以得到目标报案信息；利用构建的风险评估模型对所述目标报案信息进行风险评估，并得到相应的风险预测值；以及根据所述风险预测值的风险等级执行对应反馈操作。进一步地，通过以下步骤构建所述风险评估模型：对所述用户的用户属性信息进行数据分析处理，以得到用户样本数据集；构建风险评估初始模型；从所述用户样本数据集中选取训练数据集，利用所述训练数据集对所述风险评估初始模型进行训练，以得到训练后的风险评估初始模型；以及从所述用户样本数据集中选取测试数据集，利用所述测试数据集对所述训练后的风险评估初始模型进行评估，根据评估结果确定是否对所述评估后的所述风险评估初始模型进行优化调整，进而得到所述风险评估模型。进一步地，所述用户属性信息包括：用户信息、平台行为和历史报案信息；所述对所述用户的用户属性信息进行数据分析处理，以得到用户样本数据集包括：根据所述历史报案信息，确定用户风险评估值；从所述用户属性信息中提取一个或多个用户特征，并根据所述一个或多个用户特征的特征信息确定所述一个或多个用户特征对应的特征值；以及基于所述用户风险评估值、所述一个或多个用户特征以及所述一个或多个用户特征对应的特征值，生成所述用户样本数据集。进一步地，所述从所述用户属性信息中提取一个或多个用户特征包括：选择IV值大于设定值的有效特征。进一步地，所述利用所述训练数据集对所述风险评估初始模型进行训练，以得到训练后的风险评估初始模型包括：通过将所述训练数据集中的所述一个或多个用户特征对应的特征值作为所述风险评估初始模型的输入，将所述训练数据集中的所述用户风险评估值作为所述风险评估初始模型的输出，对所述风险评估初始模型进行训练，以确定所述一个或多个用户特征对应的权重值，从而得到所述经过训练后的风险评估初始模型。进一步地，所述利用所述测试数据集对所述训练后的风险评估初始模型进行评估，根据评估结果确定是否对所述评估后的所述风险评估初始模型进行优化调整，进而得到所述风险评估模型包括：将所述测试数据集中的所述一个或多个用户特征对应的特征值输入至所述经过训练后的风险评估初始模型，得到所述训练后的风险评估初始模型输出的用户风险评估值；将所述测试数据集中的用户风险评估值与所述风险评估初始模型输出的用户风险评估值进行比较，根据比较结果计算所述训练后的风险评估初始模型的输出结果准确率；若所述输出结果准确率大于或等于设定准确率，则无需对所述训练后的风险评估初始模型进行优化调整，并将所述训练后的风险评估初始模型作为所述风险评估模型；若所述输出结果准确率小于设定准确率，对所述训练后的风险评估初始模型进行优化调整，并将优化调整后的风险评估初始模型作为所述风险评估模型。进一步地，所述规则引擎的筛选规则包括：理赔诉求金额小于设定金额。进一步地，所述利用构建的风险评估模型对所述目标报案信息进行风险评估，并得到相应的风险预测值包括：获取所述目标报案信息中的一个或多个用户特征的特征值；将获取的所述一个或多个用户特征的特征值输入所述构建的风险评估模型，以计算所述目标报案信息对应的用户风险评估值，并根据所述用户风险评估值确定对应的所述风险预测值。进一步地，所述根据所述用户风险评估值确定对应的所述风险预测值包括：通过以下公式计算所述风险预测值：A＝P×K其中，A表示所述风险预测值，P表示所述用户风险评估值，K表示放大系数。进一步地，所述根据所述风险预测值的风险等级执行对应反馈操作包括：若所述风险预测值大于第一阈值，则确定所述用户为第一风险用户，并在所述用户的报案信息中添加第一风险用户标签；若所述风险预测值小于第二阈值，则确定所述用于为第二风险用户，并在所述用户的报案信息中添加第二风险用户标签；若所述风险预测值处于所述第一阈值和所述第二阈值之间，则确定所述用户为第三风险用户，并在所述用户的报案信息中添加第三风险用户标签。进一步地，所述根据所述风险预测值的风险等级执行对应反馈操作包括：若所述用户为第一风险用户，对所述用户的报案信息执行第一操作，所述第一操作包括执行赔付操作；若所述用户为第二风险用户，对所述用户的报案信息执行第二操作，所述第二操作包括执行拒赔操作；以及若所述用户为第三风险用户，对所述用户的报案信息执行第三操作，所述第三操作包括在所述用户的报案信息中添加待人工审核标签。进一步地，在所述用户的报案信息执行第三操作之后，还包括：建立待审核任务，所述待审核任务中包括已添加待人工审核标签的所述用户的报案信息以及审核期限信息；并将所述待审核任务分配给相应工作人员的任务系统中。第二方面，本专利技术实施例还提供一种理赔智能审核装置，包括：处理器和存储器，所述存储器用于存储至少一条指令，所述指令由所述处理器加载并执行时以实现上述第一方面提供的所述理赔智能审核方法。第三方面，本专利技术实施例还提供一种理赔智能审核系统，包括：文本处理模块，用于获取用户的报案信息，并对所述报案信息进行文本处理以得到文本形式的报案信息；筛选模块，用于基于规则引擎对所述文本处理模块提供的所述文本形式的报案信息进行筛以选得到目标报案信息；风险评估模块，用于构建风险评本文档来自技高网...

【技术保护点】
1.一种理赔智能审核方法，其特征在于，所述方法包括：/n获取用户的报案信息，并对所述报案信息进行文本化处理以得到文本形式的报案信息；/n基于规则引擎对所述文本形式的报案信息进行筛选以得到目标报案信息；/n利用构建的风险评估模型对所述目标报案信息进行风险评估，并得到相应的风险预测值；以及/n根据所述风险预测值的风险等级执行对应反馈操作。/n

【技术特征摘要】
1.一种理赔智能审核方法，其特征在于，所述方法包括：
获取用户的报案信息，并对所述报案信息进行文本化处理以得到文本形式的报案信息；
基于规则引擎对所述文本形式的报案信息进行筛选以得到目标报案信息；
利用构建的风险评估模型对所述目标报案信息进行风险评估，并得到相应的风险预测值；以及
根据所述风险预测值的风险等级执行对应反馈操作。


2.根据权利要求1所述的方法，其特征在于，所述规则引擎的筛选规则包括：理赔诉求金额小于设定金额。


3.根据权利要求1所述的方法，其特征在于，所述利用构建的风险评估模型对所述目标报案信息进行风险评估，并得到相应的风险预测值包括：
获取所述目标报案信息中的一个或多个用户特征的特征值；
将获取的所述一个或多个用户特征的特征值输入所述构建的风险评估模型，以计算所述目标报案信息对应的用户风险评估值，并根据所述用户风险评估值确定对应的所述风险预测值。


4.根据权利要求3所述的方法，其特征在于，所述根据所述用户风险评估值确定对应的所述风险预测值包括：
通过以下公式计算所述风险预测值：
A＝P×K
其中，A表示所述风险预测值，P表示所述用户风险评估值，K表示放大系数。


5.根据权利要求4所述的方法，其特征在于，所述根据所述风险预测值的风险等级执行对应反馈操作包括：
若所述风险预测值大于第一阈值，则确定所述用户为第一风险用户，并在所述用户的报案信息中添加第一风险用户标签；
若所述风险预测值小于第二阈值，则确定所述用于为第二风险用户，并在所述用户的报案信息中添加第二风险用户标签；
若所述风险预测值处于所述第一阈值和所述第二阈值之间，则确定所述用户为第三风险用户，并在所述用户的报案信息中添加第三风险用...

【专利技术属性】
技术研发人员：全紫微，邱慧，张之弢，李金明，王宣文，
申请(专利权)人：北京健康之家科技有限公司，
类型：发明
国别省市：北京;11