基于人工智能的数据分析方法、装置、设备及存储介质制造方法及图纸

本申请实施例属于人工智能领域，涉及一种基于人工智能的数据分析方法，包括：获取初始理赔证据文本；对初始理赔证据文本进行分词得到理赔证据文本；通过词向量模型对理赔证据文本进行转化生成词向量数据；调用与多种证据链类别一一对应的多种文本分类模型；将词向量数据分别输入至各文本分类模型内，获取各文本分类模型分别输出的分类标签结果；对分类标签结果进行整合得到目标分类标签结果；对目标分类标签结果进行分析生成证据完整性结果。本申请还提供一种基于人工智能的数据分析装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，证据完整性结果可存储于区块链中。本申请提高了对于理赔证据文本的证据完整性分析的处理效率。的处理效率。的处理效率。

【技术实现步骤摘要】
基于人工智能的数据分析方法、装置、设备及存储介质


[0001]本申请涉及人工智能开发
，尤其涉及基于人工智能的数据分析方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着经济社会的快速发展，社会大众的保险意识日益增强，理赔服务也作为客户非常重视的环节之一，越来越受到社会的关注。随着保险业数字化程度的不断加深，各保险公司正依托数字化转型不断提升公司的理赔服务水平。
[0003]目前，对于以人的寿命和健康为保险标的人身保险等险种还没有比较完善的关于保险理赔的证据分析的解决方案，完全依靠人工审核客户提交的理赔材料来分析证据的完整性，这样的处理方式需要较高的人力成本，虽然人工审核具备人性化的优点，且更加细致，但是会使大量的理赔材料积压，从而导致审核效率降低。

技术实现思路

[0004]本申请实施例的目的在于提出一种基于人工智能的数据分析方法、装置、计算机设备及存储介质，以解决现有的关于保险理赔的证据分析的解决方案，完全依靠人工审核客户提交的理赔材料来分析证据的完整性，需要较高的人力成本，从而导致审核效率降低的技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的数据分析方法，其特征在于，包括下述步骤：获取用户输入的与理赔案件对应的初始理赔证据文本；对所述初始理赔证据文本进行分词处理，得到理赔证据文本；通过预设的词向量模型对所述理赔证据文本进行转化处理，生成对应的词向量数据；调用与预设的多种证据链类别一一对应的多种文本分类模型；将所述词向量数据分别输入至各所述文本分类模型内，获取各所述文本分类模型分别输出的分类标签结果；其中，每一个所述文本分类模型均为通过预设的理赔证据文本与预设标签之间的关系构建的基于注意力机制的双向长短期记忆网络模型；所述双向长短期记忆网络模型由Bi
‑
LSTM层以及Attention层构成；对所述分类标签结果进行整合，得到整合后的目标分类标签结果；对所述目标分类标签结果进行分析，生成与所述理赔证据文本对应的证据完整性结果。2.根据权利要求1所述的基于人工智能的数据分析方法，其特征在于，所述通过预设的词向量模型对所述理赔证据文本进行转化处理，生成对应的词向量数据的步骤，具体包括：对所述理赔证据文本进行预处理，得到指定理赔证据文本；从预设的多种词向量模型中确定出目标词向量模型；通过所述目标词向量模型对所述指定理赔证据文本进行转化处理，生成对应的词向量数据。3.根据权利要求2所述的基于人工智能的数据分析方法，其特征在于，所述对所述理赔证据文本进行预处理，得到指定理赔证据文本的步骤，具体包括：对所述理赔证据文本进行去除停用词处理，得到第一文本；基于预设的转化规则对所述第一文本中的词语进行转化处理，得到第二文本；对所述第二文本进行去除特殊标点符号处理，得到第三文本；将所述第三文本作为所述指定理赔证据文本。4.根据权利要求3所述的基于人工智能的数据分析方法，其特征在于，所述对所述理赔证据文本进行去除停用词处理，得到第一文本的步骤，具体包括：调用预设的停用词数据表；读取所述理赔证据文本中的所有单词；将所述理赔证据文本中的所有单词与所述停用词数据表内的单词进行匹配处理，筛选出匹配成功的目标单词；在所述理赔证据文本中对所述目标单词进行删除，得到所述第一文本。5.根据权利要求1所述的基于人工智能的数据分析方法，其特征在于，在所述调用与预设的多种证据链类别一一对应的多种文本分类模型的步骤之前，还包括：获取预先采集的与指定证据链类别对应的训练文本；其中，所述指定证据链类别为所有所述证据链类别中的任意一种；对所述训练文本进行分词处理，得到多个训练词语；使用所述词向量模型生成与各个所述训练词语分别对应的训练词向量，并根据所述训练词向量组合生成训练文本向量；获取所述训练文本对应的文本类...

【专利技术属性】
技术研发人员：李雨洁，
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：