一种信息处理的方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种信息处理的方法、装置、设备及存储介质，该方法包括：将待理赔的赔案信息输入训练好的理赔范围预测模型中，根据所述理赔范围预测模型的输出结果，确定所述赔案信息是否满足目标保险的理赔范围条件；响应于所述赔案信息满足所述目标保险的理赔范围条件，则将所述赔案信息输入训练好的欺诈风险预测模型中，得到所述赔案信息属于欺诈事件的风险概率值；响应于所述风险概率值满足预先设置的理赔风险条件，则按照所述赔案信息中的赔付条件，对所述赔案信息对应的出险人进行理赔。这样，可以对待理赔的赔案信息进行处理，在确定赔案信息属于理赔范围的条件下，排除存在欺诈风险的赔案信息，以提高对赔案信息的处理效率。率。率。

【技术实现步骤摘要】
一种信息处理的方法、装置、设备及存储介质


[0001]本申请涉及数据处理
，具体而言，涉及一种信息处理的方法、装置、设备及存储介质。

技术介绍

[0002]在保险业务领域中，保险的被保人在发生理赔时也被称为出险人，当出险人提出理赔申请时，需要业务人员对出险人申请理赔的案件进行审核，以确定是否需要对出险人进行理赔。而随着保险欺诈类案件的增多，如何对理赔案件进行有效的审核，成为当前保险业务领域中所迫切需要解决的技术问题。
[0003]目前的理赔审核方法，主要采用人工审核的方式，业务人员根据出险人的保单信息，以及出险人提出的理赔申请，对出险人进行核查，判断是否需要对出险人进行理赔。这样，在核查过程中，一方面，人工作业量较大，且核查结果受到人为主观因素影响较大，导致理赔审核的效率较低；另一方面，人工审核过程中，难以有效地对出险人进行反欺诈核查，导致在理赔审核过程中，缺乏识别保险欺诈事件的有效手段，造成理赔风险较高，不利于提高理赔审核的效率。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种信息处理的方法、装置、设备及存储介质，以对待理赔的赔案信息进行处理，在确定赔案信息属于理赔范围的条件下，排除存在欺诈风险的赔案信息，以提高对赔案信息的处理效率，降低赔案的欺诈风险。
[0005]第一方面，本申请实施例提供了一种信息处理的方法，所述方法包括：
[0006]将待理赔的赔案信息输入训练好的理赔范围预测模型中，根据所述理赔范围预测模型的输出结果，确定所述赔案信息是否满足目标保险的理赔范围条件；其中，所述目标保险是所述赔案信息所属的保单险种责任类型及范围所对应的保险；
[0007]响应于所述赔案信息满足所述目标保险的理赔范围条件，则将所述赔案信息输入训练好的欺诈风险预测模型中，得到所述赔案信息属于欺诈事件的风险概率值；
[0008]响应于所述风险概率值满足预先设置的理赔风险条件，则按照所述赔案信息中的赔付条件，对所述赔案信息对应的出险人进行理赔。
[0009]可选的，在所述将待理赔的赔案信息输入训练好的理赔范围预测模型中之后，所述方法包括：
[0010]根据所述目标保险对应的理赔关键词，从所述赔案信息中，提取与所述理赔关键词的语义相同的目标关键词；其中，所述目标关键词至少包括：用于表征所述出险人的个人身份信息的第一关键词、用于表征所述出险人截止出险日前有效的保单及险种信息的第二关键词、用于表征所述有效的保单的保全信息的第三关键词以及用于表征所述出险人的出险原因的第四关键词；
[0011]针对提取的每一所述目标关键词，按照该目标关键词所属的信息类型，对该目标
关键词进行独热编码，将独热编码的结果作为用于表征该目标关键词的特征值；
[0012]利用每一所述目标关键词的特征值，确定所述赔案信息对应的预测特征向量；
[0013]利用逻辑回归预测函数，对所述预测特征向量进行二分类预测，将二分类预测的结果作为所述理赔范围预测模型的输出结果；其中，所述二分类预测结果中包括：第一概率和第二概率，所述第一概率用于表征所述预测特征向量属于所述目标保险的理赔范围的概率，所述第二概率用于表征所述预测特征向量不属于所述目标保险的理赔范围的概率。
[0014]可选的，所述确定所述赔案信息是否满足目标保险的理赔范围条件，包括：
[0015]根据所述第一概率，判断所述第一概率是否大于预先设置的理赔范围阈值；
[0016]若确定所述第一概率大于所述理赔范围阈值，则确定所述赔案信息满足所述目标保险的理赔范围条件；
[0017]若确定所述第一概率小于或者等于所述理赔范围阈值，则确定所述赔案信息不满足所述目标保险的理赔范围条件。
[0018]可选的，在所述将所述赔案信息输入训练好的欺诈风险预测模型中之后，所述方法包括：
[0019]按照目标风险因子，从所述赔案信息中，提取每一所述目标风险因子对应的特征信息；其中，所述目标风险因子是所述欺诈风险预测模型在训练过程中确定出的、对于训练样本的分类结果具有指向性作用的分类指标，其中，所述训练样本的分类结果包括：训练样本属于欺诈事件和训练样本属于非欺诈事件；
[0020]利用提取的每一所述目标风险因子对应的特征信息，对所述赔案信息进行二分类预测，将二分类预测的结果作为所述欺诈风险预测模型的输出结果；其中，所述欺诈风险预测模型的输出结果包括：第一风险概率值和第二风险概率值，所述第一风险概率值是所述赔案信息属于欺诈事件的风险概率值，所述第二风险概率值是所述赔案信息属于非欺诈事件的风险概率值。
[0021]可选的，在所述响应于所述风险概率值满足预先设置的理赔风险条件之前，所述方法还包括：
[0022]判断所述风险概率值是否小于预先设置的理赔风险阈值；
[0023]若确定所述风险概率值小于所述理赔风险阈值，则确定所述风险概率值满足所述理赔风险条件；
[0024]若确定所述风险概率值大于或者等于所述理赔风险阈值，则确定所述风险概率值不满足所述理赔风险条件。
[0025]可选的，当所述风险概率值不满足所述理赔风险条件时，所述方法，还包括：
[0026]响应于所述风险概率值不满足所述理赔风险条件，则将所述赔案信息发送给业务审核人员；
[0027]接收所述业务审核人员针对所述赔案信息的审核结果；
[0028]若确定所述审核结果为同意理赔，则按照所述赔案信息中的赔付条件，对所述赔案信息对应的出险人进行理赔；
[0029]若确定所述审核结果为不同意理赔，则获取所述业务审核人员的审核意见，并向所述赔案信息对应的出险人发送所述审核意见，以提示该出险人对所述审核意见进行反馈。
[0030]可选的，所述欺诈风险预测模型通过以下方法确定出所述目标风险因子，所述方法包括：
[0031]获取历史赔案信息作为所述欺诈风险预测模型的训练样本；其中，所述历史赔案信息中包括：属于欺诈事件的赔案信息和属于非欺诈事件的赔案信息；
[0032]针对每一所述训练样本，按照预先设置的分类指标，从该训练样本中，提取每一所述分类指标对应的特征信息作为该训练样本下每一所述分类指标的指标值；
[0033]将该训练样本下每一所述分类指标的指标值作为分类预测函数的自变量，利用逻辑回归算法，计算所述分类预测函数的因变量的值，将计算结果作为该训练样本的预测结果，其中，所述预测结果用于表征该训练样本属于欺诈事件的概率值；
[0034]根据该训练样本所属的分类标签，利用所述逻辑回归算法中的损失函数，计算所述分类标签与所述预测结果的偏差值，将计算结果作为该训练样本的损失函数值；其中，所述分类标签包括：用于表征该训练样本属于欺诈事件的第一标签和用于表征该训练样本属于非欺诈事件的第二标签；
[0035]根据每一所述训练样本的损失函数值，对所述欺诈风险预测模型进行训练，直至所述欺诈风险预测模型达到收敛；
[0036]在所述欺诈风险预测模型达到收本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理的方法，其特征在于，所述方法包括：将待理赔的赔案信息输入训练好的理赔范围预测模型中，根据所述理赔范围预测模型的输出结果，确定所述赔案信息是否满足目标保险的理赔范围条件；其中，所述目标保险是所述赔案信息所属的保单险种责任类型及范围所对应的保险；响应于所述赔案信息满足所述目标保险的理赔范围条件，则将所述赔案信息输入训练好的欺诈风险预测模型中，得到所述赔案信息属于欺诈事件的风险概率值；响应于所述风险概率值满足预先设置的理赔风险条件，则按照所述赔案信息中的赔付条件，对所述赔案信息对应的出险人进行理赔。2.根据权利要求1所述的方法，其特征在于，在所述将待理赔的赔案信息输入训练好的理赔范围预测模型中之后，所述方法包括：根据所述目标保险对应的理赔关键词，从所述赔案信息中，提取与所述理赔关键词的语义相同的目标关键词；其中，所述目标关键词至少包括：用于表征所述出险人的个人身份信息的第一关键词、用于表征所述出险人截止出险日前有效的保单及险种信息的第二关键词、用于表征所述有效的保单的保全信息的第三关键词以及用于表征所述出险人的出险原因的第四关键词；针对提取的每一所述目标关键词，按照该目标关键词所属的信息类型，对该目标关键词进行独热编码，将独热编码的结果作为用于表征该目标关键词的特征值；利用每一所述目标关键词的特征值，确定所述赔案信息对应的预测特征向量；利用逻辑回归预测函数，对所述预测特征向量进行二分类预测，将二分类预测的结果作为所述理赔范围预测模型的输出结果；其中，所述二分类预测结果中包括：第一概率和第二概率，所述第一概率用于表征所述预测特征向量属于所述目标保险的理赔范围的概率，所述第二概率用于表征所述预测特征向量不属于所述目标保险的理赔范围的概率。3.根据权利要求2所述的方法，其特征在于，所述确定所述赔案信息是否满足目标保险的理赔范围条件，包括：根据所述第一概率，判断所述第一概率是否大于预先设置的理赔范围阈值；若确定所述第一概率大于所述理赔范围阈值，则确定所述赔案信息满足所述目标保险的理赔范围条件；若确定所述第一概率小于或者等于所述理赔范围阈值，则确定所述赔案信息不满足所述目标保险的理赔范围条件。4.根据权利要求1所述的方法，其特征在于，在所述将所述赔案信息输入训练好的欺诈风险预测模型中之后，所述方法包括：按照目标风险因子，从所述赔案信息中，提取每一所述目标风险因子对应的特征信息；其中，所述目标风险因子是所述欺诈风险预测模型在训练过程中确定出的、对于训练样本的分类结果具有指向性作用的分类指标，其中，所述训练样本的分类结果包括：训练样本属于欺诈事件和训练样本属于非欺诈事件；利用提取的每一所述目标风险因子对应的特征信息，对所述赔案信息进行二分类预测，将二分类预测的结果作为所述欺诈风险预测模型的输出结果；其中，所述欺诈风险预测模型的输出结果包括：第一风险概率值和第二风险概率值，所述第一风险概率值是所述赔案信息属于欺诈事件的风险概率值，所述第二风险概率值是所述赔案信息属于非欺诈事件
的风险概率值。5.根据权利要求1所述的方法，其特征在于，在所述响应于所述风险概率值满足预先设置的理赔风险条件之前，所述方法还包括：判断所述风险概率值是否小于预先设置的理赔风险阈值；若确定所述风险概率值小于所述理赔风险阈值，则确定所述风险概率值满足所述理赔风险条件；若确定所述风险概率值大于或者等于所述理赔风险阈值，则确定所述风险概率值不满足所述理赔风险条件。6.根据权利要求1所述的方法，其特征在于，当所述风险概率值不满足所述理赔风险条件时，所述方法，还包括：响应于所述风险概率值...

【专利技术属性】
技术研发人员：王培，王佳，郭小川，高惠庭，李春萌，
申请(专利权)人：阳光人寿保险股份有限公司，
类型：发明
国别省市：