核保问题的解答方法、解答装置、设备及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核保问题的解答方法、装置、设备及存储介质。方法包括：获取待解答的目标核保问题，获取目标深度学习模型，其中，所述目标核保问题包括基于核保政策提出的核保问题；将所述基于核保政策提出的核保问题进行特征提取操作，得到若干特征因子；通过目标深度学习模型对每一所述特征因子进行分析，输出得到对应的目标答案，其中，所述目标答案包括所述核保问题对应的核保结果。本申请实施例旨在通过目标深度学习模型对基于核保政策提出的核保问题进行分析，从而输出得到对应的核保结果，实现了减少核保人答疑的工作量以及沟通成本，避免了核保人对于核保政策了解不透彻或不全面引起的解答错误的情况出现。彻或不全面引起的解答错误的情况出现。彻或不全面引起的解答错误的情况出现。

【技术实现步骤摘要】
核保问题的解答方法、解答装置、设备及存储介质


[0001]本申请涉及金融科技
，尤其涉及一种核保问题的解答方法、核保问题的解答装置、计算机设备及计算机可读存储介质。

技术介绍

[0002]随着用户对保险产品的认可程度提高，国内保险业务单量呈现剧增的趋势，所有大型保险公司都将流程自动化的提高作为重要目标。从核保人及用户的体验来说，对核保服务提出了更快、更高效、更准确的要求。
[0003]由于保险公司通常有大量的核保政策，因此核保人在面对海量的核保政策时通常会出现对于某些政策不清晰的情况，进而出现解答错误，甚至导致后期保单因无法承保或者承保后产生纠纷的问题出现。

技术实现思路

[0004]本申请提供了一种核保问题的解答方法、核保问题的解答装置、计算机设备及计算机可读存储介质，旨在通过目标深度学习模型对基于核保政策提出的核保问题进行分析，从而输出得到对应的核保结果，实现了减少核保人答疑的工作量以及沟通成本，避免了核保人对于核保政策了解不透彻或不全面引起的解答错误的情况出现。
[0005]为实现上述目的，本申请提供一种核保问题的解答方法，所述方法包括：
[0006]获取待解答的目标核保问题，获取目标深度学习模型，其中，所述目标核保问题包括基于核保政策提出的核保问题；
[0007]将所述基于核保政策提出的核保问题进行特征提取操作，得到若干特征因子；
[0008]通过目标深度学习模型对每一所述特征因子进行分析，输出得到对应的目标答案，其中，所述目标答案包括所述核保问题对应的核保结果。
[0009]为实现上述目的，本申请还提供一种核保问题的解答装置，包括：
[0010]获取模块，所述获取模块用于获取待解答的目标核保问题，获取目标深度学习模型，其中，所述目标核保问题包括基于核保政策提出的核保问题；
[0011]特征提取模块，所述特征提取模块用于将所述基于核保政策提出的核保问题进行特征提取操作，得到若干特征因子；
[0012]输出模块，所述输出模块用于通过目标深度学习模型对每一所述特征因子进行分析，输出得到对应的目标答案，其中，所述目标答案包括所述核保问题对应的核保结果。
[0013]此外，为实现上述目的，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述的计算机程序并在执行所述的计算机程序时实现本申请实施例提供的任一项所述的核保问题的解答方法的步骤。
[0014]此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现本申请实
施例提供的任一项所述的核保问题的解答方法的步骤。
[0015]本申请实施例公开的核保问题的解答方法、核保问题的解答装置、计算机设备及计算机可读存储介质，能够获取待解答的目标核保问题以及目标深度学习模型，其中，目标核保问题包括基于核保政策提出的核保问题。进一步的，可将基于核保政策提出的核保问题进行特征提取操作，从而得到对应的若干特征因子。如此，可通过目标深度学习模型对每一特征因子进行分析，并输出得到核保问题对应的核保结果。本申请旨在通过目标深度学习模型对基于核保政策提出的核保问题进行分析，从而输出得到较为精确的核保结果。相较于现有技术基于核保人的经验给出对应的核保结果，本申请通过该方法实现了减少核保人答疑的工作量以及沟通成本，避免了核保人对于核保政策了解不透彻或不全面引起的解答错误的情况出现。
附图说明
[0016]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。
[0017]图1是本申请实施例提供的一种核保问题的解答方法的场景示意图；
[0018]图2是本申请实施例提供的一种核保问题的解答方法的流程示意图；
[0019]图3是本申请实施例提供的一种获取目标深度学习模型的流程示意图；
[0020]图4是本申请实施例提供的另一种获取目标深度学习模型的流程示意图；
[0021]图5是本申请实施例提供的一种核保问题的解答装置的示意性框图；
[0022]图6是本申请实施例提供的一种计算机设备的示意性框图。
具体实施方式
[0023]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。
[0024]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。另外，虽然在装置示意图中进行了功能模块的划分，但是在某些情况下，可以以不同于装置示意图中的模块划分。
[0025]在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0026]下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0027]如图1所示，本申请实施例提供的核保问题的解答方法，可以应用于如图1所示的应用环境中。该应用环境中包含有终端设备110和服务器120，其中，终端设备110可以通过网络与服务器120进行通信。具体地，服务器120能够获取待解答的目标核保问题，获取目标深度学习模型，其中，所述目标核保问题包括基于核保政策提出的核保问题；将所述基于核
保政策提出的核保问题进行特征提取操作，得到若干特征因子；进而通过目标深度学习模型对每一所述特征因子进行分析，输出得到对应的目标答案，其中，所述目标答案包括所述核保问题对应的核保结果，并将核保结果发送至终端设备110。其中，服务器120可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备110可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。
[0028]请参阅图2，图2是本申请实施例提供的一种核保问题的解答方法的流程示意图。其中，该核保问题的解答方法可以应用在计算机设备中，由此实现对核保问题进行解答，并得到核保结果。
[0029]如图2所示，该核保问题的解答方法包括步骤S11本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核保问题的解答方法，其特征在于，所述方法包括：获取待解答的目标核保问题，获取目标深度学习模型，其中，所述目标核保问题包括基于核保政策提出的核保问题；将所述基于核保政策提出的核保问题进行特征提取操作，得到若干特征因子；通过目标深度学习模型对每一所述特征因子进行分析，输出得到对应的目标答案，其中，所述目标答案包括所述核保问题对应的核保结果。2.根据权利要求1所述的方法，其特征在于，所述获取目标深度学习模型，包括：获取所述样本数据，并对所述样本数据进行特征提取操作，得到若干特征向量；对每一所述特征向量进行特征分析操作，得到特征分析结果；基于所述特征分析结果确定所述初始深度学习模型对应的训练集、验证集；通过所述训练集以及所述验证集对所述初始深度学习模型进行训练，得到所述目标深度学习模型。3.根据权利要求2所述的方法，其特征在于，所述样本数据包括核保政策数据、历史出单数据以及历史理赔数据中的至少一种数据，所述获取所述样本数据，并对所述样本数据进行特征提取操作，得到若干特征向量，包括：获取所述核保政策数据、所述历史出单数据以及所述历史理赔数据中的至少一种数据，并对至少一种所述数据进行特征提取操作，得到对应的第一特征向量、第二特征向量以及第三特征向量，其中，所述第一特征向量包括所述核保政策数据对应的能够承保的数据特征向量以及无法承保的数据特征向量；所述第二特征向量包括所述历史出单数据对应的能够承保的数据特征向量以及无法承保的数据特征向量；所述第三特征向量包括所述历史理赔数据对应的影响承保的数据特征向量。4.根据权利要求3所述的方法，其特征在于，所述对每一所述特征向量进行特征分析操作，得到特征分析结果，包括：对所述第一特征向量、所述第二特征向量以及所述第三特征向量进行特征分析操作，得到特征分析结果，其中，所述特征分析结果包括每一所述无法承保的数据特征向量对应的相关度，以及每一所述影响承保的数据特征向量对应的相关度。5.根据权利要求4所述的方法，其特征在于，所述基于所述特征分析结果确定所述初始深度学习模型对应的训练集、验证集，包括：基于所述特征分析结果确定所述第一特征向量以及所述第二特征向量中相关度高于第一预设阈值的无法承保的数据特征向量，并将其确定为第四特征向量；以及，基于所述特征分析结果确定所述第三特征向量...

【专利技术属性】
技术研发人员：袁欢，
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：