System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能领域,特别是涉及一种风险预测的方法、装置、电子设备和存储介质。
技术介绍
1、保险案件的风险预测是指通过分析保险案件的数据,判断保险案件是正常案件或是风险案件。风险预测是案件理赔的重要环节,如果可以获得较为精准的风险预测结果,将极大地提升案件理赔的工作效率。
2、当前,通常采用人工分析保险案件的案件数据的方法获得保险案件的风险预测结果。由于保险案件数量巨大,且人工识别的方法极大地依托工作人员的工作经验和工作态度,导致对保险案件进行风险预测的工作效率较低,且获得的保险案件的风险预测结果的准确性较差。因此,如何高效地对保险案件进行风险预测,得到准确度较高的风险预测结果,成为亟待解决的问题。
技术实现思路
1、基于上述问题,本申请提供了一种风险预测的方法和装置,用以高效地对保险案件进行风险预测,获得准确度较高的风险预测结果,从而提升案件理赔的工作效率。
2、本申请第一方面提供一种风险预测方法,包括:
3、获取目标保险案件的案件数据,所述案件数据包括文本数据、音频数据和影像数据中的至少一种;
4、从向量存储库中获取与所述案件数据的相似度满足预设的相似度阈值的历史案件的案件数据作为第一数据;所述向量存储库包括所述历史案件的案件数据和与所述历史案件的案件数据对应的特征向量;
5、基于所述目标保险案件的案件数据、所述第一数据和多模态大语言模型,获得第二数据;
6、基于所述第二数据和预测模型,获取所述目标保险
7、可能地,所述从向量存储库中获取与所述案件数据的相似度满足预设的相似度阈值的历史案件的案件数据作为第一数据,包括:
8、获取所述向量存储库;获取所述目标保险案件的目标特征向量;所述目标特征向量基于所述目标保险案件的案件数据生成;
9、从所述向量存储库中筛选出与所述目标特征向量的相似度满足所述预设的相似度阈值的特征向量,作为第一特征向量;
10、基于所述向量存储库中的特征向量与所述历史案件的案件数据的对应关系,获得与所述第一特征向量对应的历史案件的案件数据作为第一数据。
11、可能地,所述获取所述目标保险案件的目标特征向量,包括:
12、基于所述目标保险案件的案件数据和嵌入模型,获得所述目标特征向量;所述嵌入模型是用于对所述保险行业的保险案件的业务数据进行向量化处理的模型。
13、可能地,所述获取所述目标保险案件的目标特征向量,包括:
14、将所述目标保险案件的案件数据映射为文本数据;
15、将映射得到的文本数据进行向量化处理,得到所述目标特征向量。
16、可能地,获得所述第二数据后,还包括:
17、基于所述第二数据,获得所述第二数据的图谱和所述图谱中各节点的文本数据;
18、所述基于所述第二数据和预测模型,获取所述目标保险案件的风险预测结果;所述预测模型是经过训练的、用于对保险案件进行风险预测的模型,包括:
19、基于所述图谱、所述图谱中各节点的文本数据和所述预测模型,获得所述目标保险案件的风险预测结果。
20、本申请第二方面提供一种风险预测装置,包括:
21、目标案件数据获取模块,用于获取目标保险案件的案件数据,所述案件数据包括文本数据、音频数据和影像数据中的至少一种;
22、第一数据获取模块,用于从向量存储库中获取与所述案件数据的相似度满足预设的相似度阈值的历史案件的案件数据作为第一数据;所述向量存储库包括所述历史案件的案件数据和与所述历史案件的案件数据对应的特征向量;
23、第二数据获取模块,用于基于所述目标保险案件的案件数据、所述第一数据和多模态大语言模型,获得第二数据;
24、风险预测结果获取模块,用于基于所述第二数据和预测模型,获取所述目标保险案件的风险预测结果;所述预测模型是经过训练的、用于对保险案件进行风险预测的模型。
25、可能地,所述第一数据获取模块,包括:
26、向量存储库获取单元,用于获取所述向量存储库;获取所述目标保险案件的目标特征向量;所述目标特征向量基于所述目标保险案件的案件数据生成;
27、第一特征向量获取单元,用于从所述向量存储库中筛选出与所述目标特征向量的相似度满足所述预设的相似度阈值的特征向量,作为第一特征向量;
28、第一数据获取单元,用于基于所述向量存储库中的特征向量与所述历史案件的案件数据的对应关系,获得与所述第一特征向量对应的历史案件的案件数据作为第一数据。
29、可能地,所述第一特征向量获取单元,包括第一特征向量获取子单元,用于基于所述目标保险案件的案件数据和嵌入模型,获得所述目标特征向量;所述嵌入模型是用于对所述保险行业的保险案件的业务数据进行向量化处理的模型。
30、本申请第三方面提供一种电子设备,包括处理器以及存储器:
31、所述存储器用于存储计算机程序;
32、所述处理器用于根据所述计算机程序执行第一方面所述的方法。
33、本申请第四方面提供一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行第一方面所述的方法。
34、相较于现有技术,本申请具有以下有益效果:
35、本申请公开了一种风险预测方法,包括获取目标保险案件的案件数据;从向量存储库中获取与目标保险案件的案件数据的相似度满足预设的相似度阈值的历史案件的案件数据作为第一数据;基于目标保险案件的案件数据、第一数据和多模态大语言模型,获得第二数据;基于第二数据和预测模型,获取目标保险案件的风险预测结果。
36、由于本申请中利用预测模型取代人工对保险案件进行风险预测,且预测模型的输入数据除使用到目标保险案件的案件数据外,还使用到向量存储库中与目标保险案件的案件数据的相似度满足预设的相似度阈值的第一数据,所以本申请中公开的风险预测方法可以高效地对保险案件进行风险预测,并获得准确度较高的风险预测结果,可以提升案件理赔的工作效率。
本文档来自技高网...【技术保护点】
1.一种风险预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述从向量存储库中获取与所述案件数据的相似度满足预设的相似度阈值的历史案件的案件数据作为第一数据,包括:
3.根据权利要求2所述的方法,其特征在于,所述获取所述目标保险案件的目标特征向量,包括:
4.根据权利要求2所述的方法,其特征在于,所述获取所述目标保险案件的目标特征向量,包括:
5.根据权利要求1所述的方法,其特征在于,获得所述第二数据后,还包括:
6.一种风险预测装置,其特征在于,所述装置包括:
7.根据权利要求6所述的装置,其特征在于,所述第一数据获取模块,包括:
8.根据权利要求7所述的装置,其特征在于,所述第一特征向量获取单元包括:
9.一种电子设备,其特征在于,所述电子设备包括处理器以及存储器:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行权利要求1-5任一项所述的方法。
【技术特征摘要】
1.一种风险预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述从向量存储库中获取与所述案件数据的相似度满足预设的相似度阈值的历史案件的案件数据作为第一数据,包括:
3.根据权利要求2所述的方法,其特征在于,所述获取所述目标保险案件的目标特征向量,包括:
4.根据权利要求2所述的方法,其特征在于,所述获取所述目标保险案件的目标特征向量,包括:
5.根据权利要求1所述的方法,其特征在于,获得所述第二...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。