基于人工智能的理赔方法、装置、设备及存储介质制造方法及图纸

本申请涉及人工智能和金融保险领域，提供了一种基于人工智能的理赔方法、装置、设备及存储介质，该方法包括：获取理赔知识图谱；根据理赔知识图谱生成多个样本数据；基于DQN算法，使用多个样本数据对预设的第一深度神经网络进行强化学习训练，得到理赔决策模型；获取待理赔保单对应的企业知识图谱，将企业知识图谱输入理赔决策模型进行决策处理，得到待理赔保单的目标理赔策略。该方法提高了保单理赔的效率和准确性。本申请还涉及区块链领域，上述存储介质可存储根据区块链节点的使用所创建的数据。数据。数据。

【技术实现步骤摘要】
基于人工智能的理赔方法、装置、设备及存储介质


[0001]本申请涉及人工智能的
，尤其涉及一种基于人工智能的理赔方法、装置、设备及存储介质。

技术介绍

[0002]目前，企业知识图谱包括企业的各种属性、风险因素和历史数据以及关联企业的各种属性、风险因素和历史数据等信息。在金融保险领域，保险公司可以基于企业知识图谱评估企业的风险和决策风险管理策略。例如，在企业申请对保单进行理赔的场景下，理赔人员可以通过该保单对应企业知识图谱来确定理赔策略，但企业知识图谱较为复杂，理赔人员需要花费较多的时间来进行决策，理赔效率较低，并且理赔人员比较困难通过企业知识图谱发现企业的隐形风险，导致理赔不准确，给企业带来损失。因此，如何提高保单理赔的效率和准确性是目前亟待解决的问题。

技术实现思路

[0003]本申请实施例提供一种基于人工智能的理赔方法、装置、设备及存储介质，旨在提高保单理赔的效率和准确性。
[0004]第一方面，本申请实施例提供一种基于人工智能的理赔方法，包括：
[0005]获取理赔知识图谱，所述理赔知识图谱包括多个理赔结案保单涉及的多个实体的属性信息、关系信息以及理赔结果；
[0006]根据所述理赔知识图谱生成多个样本数据，所述样本数据包括一个所述理赔结案保单涉及的多个实体的属性信息、关系信息以及理赔结果；
[0007]基于DQN算法，使用所述多个样本数据对预设的第一深度神经网络进行强化学习训练，得到理赔决策模型；
[0008]获取待理赔保单对应的企业知识图谱，将所述企业知识图谱输入所述理赔决策模型进行决策处理，得到所述待理赔保单的目标理赔策略。
[0009]第二方面，本申请实施例还提供一种基于人工智能的理赔装置，所述理赔装置包括：
[0010]获取模块，用于获取理赔知识图谱，所述理赔知识图谱包括多个理赔结案保单涉及的多个实体的属性信息、关系信息以及理赔结果；
[0011]样本生成模块，用于根据所述理赔知识图谱生成多个样本数据，所述样本数据包括一个所述理赔结案保单涉及的多个实体的属性信息、关系信息以及理赔结果；
[0012]模型训练模块，用于基于DQN算法，使用所述多个样本数据对预设的第一深度神经网络进行强化学习训练，得到理赔决策模型；
[0013]所述获取模块，还用于获取待理赔保单对应的企业知识图谱；
[0014]理赔决策模块，用于将所述企业知识图谱输入所述理赔决策模型进行决策处理，得到所述待理赔保单的目标理赔策略。
[0015]第三方面，本申请实施例还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如第一方面所述的基于人工智能的理赔方法。
[0016]第四方面，本申请实施例还提供一种存储介质，所述存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如第一方面所述的基于人工智能的理赔方法。
[0017]本申请实施例提供一种基于人工智能的理赔方法、装置、设备及存储介质，该理赔方法基于理赔知识图谱生成多个样本数据，且每个样本数据包括一个理赔结案保单涉及的多个实体的属性信息、关系信息以及理赔结果，然后基于DQN算法(一种基于深度神经网络和强化学习的算法)，使用生成的多个样本数据，对深度神经网络进行强化学习训练，得到理赔决策模型，由于理赔决策模型已经学习到如何在不同情况下采取最佳的理赔策略，这样在需要对待理赔保单进行理赔的情况下，可以将对应的企业知识图谱输入该理赔决策模型进行决策处理，得到该待理赔保单的目标理赔策略，不需要理赔人员观察企业知识图谱来确定理赔策略，极大地提高了保单理赔的效率和准确性。
附图说明
[0018]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本申请实施例提供的一种基于人工智能的理赔方法的流程示意图；
[0020]图2是图1中的基于人工智能的理赔方法的子步骤流程示意图；
[0021]图3是本申请实施例提供的一种基于人工智能的理赔装置的示意性框图；
[0022]图4是图3中的基于人工智能的理赔装置的子模块的示意性框图；
[0023]图5是本申请实施例提供的一种计算机设备的结构示意性框图。
[0024]本申请目的的实现、功能特点及优点将结合实施例，参阅附图做进一步说明。
具体实施方式
[0025]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0026]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0027]目前，企业知识图谱包括企业的各种属性、风险因素和历史数据以及关联企业的各种属性、风险因素和历史数据等信息。在金融保险领域，保险公司可以基于企业知识图谱评估企业的风险和决策风险管理策略。例如，在企业申请对保单进行理赔的场景下，理赔人员可以通过该保单对应企业知识图谱来确定理赔策略，但企业知识图谱较为复杂，理赔人员需要花费较多的时间来进行决策，理赔效率较低，并且理赔人员比较困难通过企业知识
图谱发现企业的隐形风险，导致理赔不准确，给企业带来损失。因此，如何提高保单理赔的效率和准确性是目前亟待解决的问题。
[0028]为解决上述问题，本申请实施例提供一种基于人工智能的理赔方法、装置、计算机设备及存储介质，该理赔方法基于理赔知识图谱生成多个样本数据，且每个样本数据包括一个理赔结案保单涉及的多个实体的属性信息、关系信息以及理赔结果，然后基于DQN算法(一种基于深度神经网络和强化学习的算法)，使用生成的多个样本数据，对深度神经网络进行强化学习训练，得到理赔决策模型，由于理赔决策模型已经学习到如何在不同情况下采取最佳的理赔策略，这样在需要对待理赔保单进行理赔的情况下，可以将对应的企业知识图谱输入该理赔决策模型进行决策处理，得到该待理赔保单的目标理赔策略，不需要理赔人员观察企业知识图谱来确定理赔策略，极大地提高了保单理赔的效率和准确性。
[0029]本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术一般包括如传感器、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理赔方法，其特征在于，包括：获取理赔知识图谱，所述理赔知识图谱包括多个理赔结案保单涉及的多个实体的属性信息、关系信息以及理赔结果；根据所述理赔知识图谱生成多个样本数据，所述样本数据包括一个所述理赔结案保单涉及的多个实体的属性信息、关系信息以及理赔结果；基于DQN算法，使用所述多个样本数据对预设的第一深度神经网络进行强化学习训练，得到理赔决策模型；获取待理赔保单对应的企业知识图谱，将所述企业知识图谱输入所述理赔决策模型进行决策处理，得到所述待理赔保单的目标理赔策略。2.根据权利要求1所述的理赔方法，其特征在于，所述根据所述理赔知识图谱生成多个样本数据，包括：在所述理赔知识图谱中随机确定目标实体；从所述理赔知识图谱中获取与所述目标实体关联的理赔结案保单对应的多个实体的属性信息、关系信息和理赔结果作为一个样本数据；统计所述样本数据的数量，若所述数量小于预设数量，返回执行在所述理赔知识图谱中确定目标实体的步骤，若所述数量达到预设数量，停止生成样本数据。3.根据权利要求2所述的理赔方法，其特征在于，在所述理赔知识图谱中随机确定目标实体，包括：生成一个处于预设范围内的随机数，将所述理赔知识图谱中的标识码与所述随机数相同的实体确定为目标实体。4.根据权利要求2所述的理赔方法，其特征在于，在所述理赔知识图谱中随机确定目标实体，包括：从预设保单号库中随机选择一个预设保单号作为目标保单号，所述预设保单号库包括所述理赔知识图谱所涉及的每个理赔结案保单对应的保单号；获取与所述目标保单号关联的标识码组，将所述理赔知识图谱中的标识码处于所述标识码组的任一实体确定为目标实体。5.根据权利要求1
‑
4中任一项所述的理赔方法，其特征在于，所述基于DQN算法，使用所述多个样本数据对预设的深度神经网络进行强化学习训练，得到理赔决策模型，包括：从所述多个样本数据中选取学习样本，所述学习样本包括状态和理赔结果，所述状态为多个实体的属性信息和关系信息；将所述状态输入所述第一深度神经网络进行理赔决策处理，得到每个理赔决策的动作价值，根据每个理赔决策的动作价值，确定预测理赔策略；在所述理赔知识图谱中执行所述预测理赔策略，得到预测理赔结果，并根据所述预测理赔结果和所述理赔结果，确定目标奖励；根...

【专利技术属性】
技术研发人员：陈奕宇，付园园，何银雪，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：