基于人工智能的自动理赔方法、装置、设备及介质制造方法及图纸

本申请实施例提供了一种基于人工智能的自动理赔方法、装置、设备及介质，涉及人工智能技术领域。该方法包括：获取待处理理赔案件；计算待处理理赔案件与样本理赔案件的相似度，并获取与待处理理赔案件相似度最高的前N个样本理赔案件，N为大于1的整数；计算与待处理理赔案件相似度最高的前N个样本理赔案件的嵌入表示平均值，并将嵌入表示平均值输入理赔类型预测模型，该理赔类型预测模型用于利用嵌入表示与案件类型的对应关系，输出理赔类型；输出待处理理赔案件的理赔类型，理赔类型与嵌入表示平均值对应。该方法通过理赔案件之间的关联构建自动理赔模型，基于该模型实现自动理赔分析，以解决人工处理理赔案件时效率低、出错率高的问题。高的问题。高的问题。

【技术实现步骤摘要】
基于人工智能的自动理赔方法、装置、设备及介质


[0001]本申请涉及人工智能
，尤其涉及一种基于人工智能的自动理赔方法、装置、设备及介质。

技术介绍

[0002]保险通过缴纳规定的保费，可以享受财物、人身等保障。随着社会的经济发展和人们保险意识的提高，保险业务的需求也越来越多。在用户需要理赔时，核保、理赔等业务需要严格管控风险(如带病投保、冒名住院、假冒代办)，降低潜在损失。传统的理赔流程中，通常是由保险公司的人员进行理赔的受理、调查及审核等工作，因此传统的流程中一般需要涉及多个部门的人员沟通合作，理赔流程较长，效率低下，且容易出现人为因素造成的错误。

技术实现思路

[0003]本申请提供了一种基于人工智能的自动理赔方法、装置、设备及介质，该方法通过理赔案件之间的关联关系构建自动理赔模型，基于该模型实现自动理赔分析，以解决人工处理理赔案件时效率低、出错率高的问题。
[0004]第一方面，提供了一种基于人工智能的自动理赔方法，包括：
[0005]获取待处理理赔案件；
[0006]计算所述待处理理赔案件与样本理赔案件的相似度，并获取与所述待处理理赔案件相似度最高的前N个所述样本理赔案件，N为大于1的整数；
[0007]计算与所述待处理理赔案件相似度最高的前N个所述样本理赔案件的嵌入表示平均值，并将所述嵌入表示平均值输入理赔类型预测模型，该理赔类型预测模型用于利用所述嵌入表示与案件类型的对应关系，输出理赔类型；
[0008]输出所述待处理理赔案件的理赔类型，所述理赔类型与所述嵌入表示平均值对应。
[0009]结合第一方面，在第一方面的某些实现方式中，所述方法还包括：
[0010]获取第一样本理赔案件包括的M个属性信息，M为大于1的整数；
[0011]根据所述M个属性信息构建M层案件图，所述M层案件图与所述M个属性信息分别一一对应，且每层所述案件图在所述第一样本理赔案件之外还包括多个其他所述样本理赔案件，多个所述其他样本理赔案件均具有所在层案件图对应的属性信息；
[0012]按照预设规则在所述M层案件图中通过随机游走进行案件节点采样，获取预设长度的案件节点序列；
[0013]获取所述案件节点序列对应的嵌入表示，并根据所述嵌入表示和所述第一样本理赔案件的理赔标签训练理赔预测模型，使得所述理赔预测模型获取所述嵌入表示与所述理赔标签之间的对应关系。
[0014]根据本实现方式提供的基于人工智能的自动理赔方法，通过理赔案件之间的多种
类共享属性信息构建多层次的案件图，然后在图上进行随机游走得到案件游走序列，再使用成熟的embedding训练技术，在这些游走序列上训练得到案件对应的embedding表示，最后用这些embedding表示来学习预测理赔案件的理赔标签，该方法通过构建多层次案件图以及在该案件图上进行embedding表示，能够更好地捕获案件与案件之间的深层相似性，进而使得对理赔案件的理赔标签预测结果更加准确。
[0015]结合第一方面，在第一方面的某些实现方式中，所述按照预设规则在所述M层案件图中通过随机游走进行案件节点采样，获取预设长度的案件节点序列，具体包括：
[0016]根据预设的不同层案件图对应的游走概率，在所述M层案件图中通过随机游走进行案件节点采样，获取预设长度的案件节点序列。
[0017]结合第一方面，在第一方面的某些实现方式中，所述方法还包括：
[0018]对位于同一层案件图的第一样本理赔案件与其他样本理赔案件进行连接，形成用于表示多个样本理赔案件之间共享的属性信息的边；
[0019]对案件图中的边分别设置对应的权重，所述权重为案件图中具有相同属性信息且具有相同理赔标签的样本理赔案件的数量，占具有相同属性信息的样本理赔案件的数量的比值。
[0020]结合第一方面，在第一方面的某些实现方式中，下一采样的案件节点与当前采样的案件节点在同一层案件图的概率为：
[0021][0022]其中，e是自然数的底数，h为当前为止连续停留在当前层中的案件节点采样次数，w为当前案件节点所在层的案件图对应的边的权重，α为超参数，用于控制h。
[0023]结合第一方面，在第一方面的某些实现方式中，下一采样的案件节点与当前采样的案件节点在不同的其它层案件图的概率为：
[0024][0025]其中，e是自然数的底数，h为当前为止连续停留在当前层中的案件节点采样次数，τ为超参数，用于控制跳转到另一层案件图的概率，w
′
为所述其他层案件图所对应的边的权重，α为超参数，用于控制h。
[0026]结合第一方面，在第一方面的某些实现方式中，所述方法还包括：
[0027]对所述不同层案件图对应的游走概率进行归一化处理；
[0028]根据所述不同层案件图对应的游走概率对应的归一化处理结果，在所述M层案件图中通过随机游走进行案件节点采样，获取预设长度的案件节点序列。
[0029]第二方面，提供了一种基于人工智能自动理赔的装置，包括：
[0030]接收模块，用于获取待处理理赔案件；
[0031]处理模块，用于计算所述待处理理赔案件与样本理赔案件的相似度，并获取与所述待处理理赔案件相似度最高的前N个所述样本理赔案件，N为大于1的整数；
[0032]所述处理模块，还用于计算与所述待处理理赔案件相似度最高的前N个所述样本理赔案件的嵌入表示平均值，并将所述嵌入表示平均值输入理赔类型预测模型，该理赔类型预测模型用于利用所述嵌入表示与案件类型的对应关系，输出理赔类型；
[0033]输出模块，用于输出所述待处理理赔案件的理赔类型，所述理赔类型与所述嵌入
表示平均值对应。
[0034]结合第二方面，在第二方面的某些实现方式中，所述接收模块，还用于获取第一样本理赔案件包括的M个属性信息，M为大于1的整数；
[0035]所述处理模块，还用于根据所述M个属性信息构建M层案件图，所述M层案件图与所述M个属性信息分别一一对应，且每层所述案件图在所述第一样本理赔案件之外还包括多个其他所述样本理赔案件，多个所述其他样本理赔案件均具有所在层案件图对应的属性信息；按照预设规则在所述M层案件图中通过随机游走进行案件节点采样，获取预设长度的案件节点序列；获取所述案件节点序列对应的嵌入表示，并根据所述嵌入表示和所述第一样本理赔案件的理赔标签训练理赔预测模型，使得所述理赔预测模型获取所述嵌入表示与所述理赔标签之间的对应关系。
[0036]结合第二方面，在第二方面的某些实现方式中，所述处理模块，还用于根据预设的不同层案件图对应的游走概率，在所述M层案件图中通过随机游走进行案件节点采样，获取预设长度的案件节点序列。
[0037]结合第二方面，在第二方面的某些实现方式中，所述处理模块，还用于对位于同一层案件图的第一样本理赔案件与其他样本理赔案件进行连接，形成用于表示多个样本理赔案件之间共享的属性信息的边；
[0038本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的自动理赔方法，其特征在于，包括：获取待处理理赔案件；计算所述待处理理赔案件与样本理赔案件的相似度，并获取与所述待处理理赔案件相似度最高的前N个所述样本理赔案件，N为大于1的整数；计算与所述待处理理赔案件相似度最高的前N个所述样本理赔案件的嵌入表示平均值，并将所述嵌入表示平均值输入理赔类型预测模型，该理赔类型预测模型用于利用所述嵌入表示与案件类型的对应关系，输出理赔类型；输出所述待处理理赔案件的理赔类型，所述理赔类型与所述嵌入表示平均值对应。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取第一样本理赔案件包括的M个属性信息，M为大于1的整数；根据所述M个属性信息构建M层案件图，所述M层案件图与所述M个属性信息分别一一对应，且每层所述案件图在所述第一样本理赔案件之外还包括多个其他所述样本理赔案件，多个所述其他样本理赔案件均具有所在层案件图对应的属性信息；按照预设规则在所述M层案件图中通过随机游走进行案件节点采样，获取预设长度的案件节点序列；获取所述案件节点序列对应的嵌入表示，并根据所述嵌入表示和所述第一样本理赔案件的理赔标签训练理赔预测模型，使得所述理赔预测模型获取所述嵌入表示与所述理赔标签之间的对应关系。3.根据权利要求2所述的方法，其特征在于，所述按照预设规则在所述M层案件图中通过随机游走进行案件节点采样，获取预设长度的案件节点序列，具体包括：根据预设的不同层案件图对应的游走概率，在所述M层案件图中通过随机游走进行案件节点采样，获取预设长度的案件节点序列。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：对位于同一层案件图的第一样本理赔案件与其他样本理赔案件进行连接，形成用于表示多个样本理赔案件之间共享的属性信息的边；对案件图中的边分别设置对应的权重，所述权重为案件图中具有相同属性信息且具有相同理赔标签的样本理赔案件的数量，占具有相同属性信息的样本理赔案件的数量的比值。5.根据权利要求4所述的方法，其特征在于，下一采样的案件节点与当前采样的案件节点在同一层案件图的概率为：其中，e是自然数的底数，h为当前为止连续停留在当前层中的案...

【专利技术属性】
技术研发人员：赵知纬，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：