CN107679995A - 电子装置、保险案件理赔审核方法及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种案件审核方法，所述方法通过调用预先训练好的理赔审核规则模型对被理赔审核系统确定为待人工审核的待保险赔付案件进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，并将计算出的概率值与预设的概率阈值进行比较大小，以判断出该待保险赔付案件是否转理赔审核系统自动审核。实现了将待人工审核的案件中的部分案件转系统自动审核，提高了审核效率，提升了用户体验，且节约了公式审核运营成本。

Description

电子装置、保险案件理赔审核方法及计算机可读存储介质

技术领域

本发明涉及保险理赔审核领域，尤其涉及一种电子装置、保险案件理赔审核方法及计算机可读存储介质。

背景技术

目前，保险公司为了控制保险赔付案件的数量和额度，本着谨慎处理的原则，在签订保险合同的时候，通常依据业务经验对可赔付案件的各项指标做了规定，在接收到待保险赔付案件后，理赔审核系统通常会判断该待保险赔付案件的各项指标是否都满足规定，并在各项指标都满足规定时，理赔审核系统自动审核并理算赔付金额。若理赔审核系统判断出待保险赔付案件中某项指标不满足合同的规定，则发出警示提醒相应的工作人员进行人工审核。

当工作人员收到警示之后，通常需要根据业务状况以及理赔经验进行人工审核该待保险赔付案件是否可赔付以及赔付风险的大小，并在赔付风险较小或基本没有风险的情况下理算赔付金额，例如：若在待保险赔付案件中，就诊的次数和就诊的医院的级别不符合合同约定，则需要对该待保险赔付案件结合目前的业务状况以及理赔的经验进行人工审核之后才决定是否赔付，并在确定可赔付后，需要人工理算出赔付的金额。这样会造成大量的待保险赔付案件需要人工审核，审核的效率比较低，客户体验效果不佳，同时也增加了公司的理赔运营成本。

发明内容

有鉴于此，本发明提出一种电子装置、保险案件理赔审核方法及计算机可读存储介质，能够将待人工审核的案件进行分析，从待人工审核的案件中提取出可供系统自动审核的案件，提高了审核效率，提升了客户体验，进一步节省了公司的运营成本。

首先，为实现上述目的，本发明提出一种电子装置，该电子装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的保险案件理赔审核系统，该保险案件理赔审核系统被处理器执行时实现如下步骤：

A、若有待保险赔付案件被理赔审核系统确定为待人工审核案件，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；

B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。

优选地，保险案件理赔审核系统被所述处理器执行时还实现如下步骤：

根据预设的概率值与分值之间的映射关系，确定所述预算出的概率值对应的分值，若所述预算出的概率值对应的分值大于预设的分值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。

优选地，所述理赔审核规则模型为逻辑回归模型，所述理赔审核规则模型的训练过程包括如下步骤：

E、获取预设数量的已理赔的保险赔付案件信息样本，从所述信息样本中提取出每个理赔案件的原始数据；

F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集；

G、利用所述训练子集中的各个保险赔付案件的原始数据训练所述理赔审核规则模型，以得到训练好的理赔审核规则模型；

H、利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述异常赔付的保险赔付案件信息样本的数量并重新执行步骤E、F、G。

优选地，在所述步骤H中，所述利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试的步骤包括：

利用训练好的所述理赔审核规则模型对所述测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；

若有保险赔付案件对应的所述第一理赔金额与所述第二理赔金额相等的概率值大于所述预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；

计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。

优选地，所述理赔审核规则模型包括：

，其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y 为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；w^t代表理赔审核规则模型的参数向量，φ(x,y')代表构造的预算目标变量的概率的函数。

此外，为实现上述目的，本发明还提供一种保险案件理赔审核方法，该方法包括如下步骤：

A、若有待保险赔付案件被理赔审核系统确定为待人工审核案件，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；

B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。

优选地，该方法还包括如下步骤：

根据预设的概率值与分值之间的映射关系，确定所述预算出的概率值对应的分值，若所述预算出的概率值对应的分值大于预设的分值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。

优选地，所述理赔审核规则模型为逻辑回归模型，所述理赔审核规则模型的训练过程包括如下步骤：

E、获取预设数量的已理赔的保险赔付案件信息样本，从所述信息样本中提取出每个理赔案件的原始数据；

F、将各个保险赔付案件的信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集；

G、利用所述训练子集中的各个保险赔付案件的原始数据训练所述理赔审核规则模型，以得到训练好的理赔审核规则模型；

H、利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述通过人工审核的保险理赔案件信息样本的数量并重新执行上述步骤E、 F、G。

优选地，在所述步骤H中，所述利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试的步骤包括：

利用训练好的所述理赔审核规则模型对所述测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；

若有保险赔付案件对应的所述第一理赔金额与所述第二理赔金额相等的概率值大于所述预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；

计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。

进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，该计算机可读存储介质存储有案件理赔审核系统，所述案件理赔审核系统可被至少一个处理器执行，以使至少一个处理器执行如上述的案件理赔审核方法的步骤。

相较于现有技术，本发明所提出的电子装置、案件理赔审核方法及计算机可读存储介质，首先，通过将被理赔审核系统确定为待人工审核案件的待保险赔付案件的原始数据代入预先训练的理赔审核规则模型进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其次，若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。这样，可以将部分待人工审核的案件转系统自动审核，提高了审核效率，提升了客户的体验，进一步降低了公司的理赔运营成本。

附图说明

图1是本发明电子装置一可选的硬件架构的示意图；

图2是本发明案件理赔审核系统一实施例的功能模块示意图；

图3是理赔审核规则模型的预测结果示意图；

图4是本发明案件理赔审核系统另一实施例的功能模块示意图；

图5是本发明案件理赔审核方法一较佳实施例的实施流程示意图；

图6是图5实施例的有益效果示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

参阅图1所示，是本发明电子装置一可选的硬件架构的示意图。

在本实施例中，电子装置1可包括，但不仅限于，可通过系统总线相互通信连接的存储单元11、处理单元12、及网络接口13。需要指出的是，图2 仅示出了具有组件11-13的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

其中，存储单元11至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储单元11可以是电子装置1的内部存储单元，例如电子装置1的硬盘或内存。在另一些实施例中，存储单元11也可以是电子装置1的外部存储设备，例如电子装置1上配备的插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD) 卡，闪存卡(Flash Card)等。当然，存储单元11还可以既包括电子装置1 的内部存储单元也包括其外部存储设备。本实施例中，存储单元11通常用于存储安装于电子装置1的操作系统和各类应用软件，例如案件理赔审核系统 10的程序代码等。此外，存储单元11还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理单元12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。处理单元12 通常用于控制电子装置1的总体操作。本实施例中，处理单元12用于运行存储单元11中存储的程序代码或者处理数据，例如运行的案件理赔审核系统10 等。

案件理赔审核系统10包括至少一个存储在存储设备11中的计算机可读指令，该至少一个计算机可读指令可被处理设备12执行，以实现本申请各实施例的案件理赔审核方法。如后续所述，该至少一个计算机可读指令依据其各部分所实现的功能不同，可被划为不同的逻辑模块。

在一实施例中，案件理赔审核系统10被处理设备12执行时，实现以下操作：首先，若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；其次，若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。实现了将待人工审核的案件中的部分案件转系统自动审核，提高了审核效率，提升了用户体验，且节约了公式审核运营成本。

网络接口13可包括无线网络接口或有线网络接口，网络接口13通常用于在电子装置1与其他电子设备之间建立通信连接。

至此，己经详细介绍了本发明各个实施例的应用环境和相关设备的硬件结构和功能。下面，将基于上述应用环境和相关设备，提出本发明的各个实施例。

首先，本发明提出一种案件理赔审核系统10。

参阅图2所示，是本发明案件理赔审核系统10一实施例的功能模块图。本实施例中，案件理赔审核系统10可以被分割成一个或多个模块，一个或者多个模块被存储于存储单元11中，并由一个或多个处理单元(本实施例中为处理单元12)所执行，以完成本发明。例如，在图2中，案件理赔审核系统 10可以被分割成计算模块201、判断模块202。本发明所称的功能模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述案件理赔审核系统10在电子装置1中的执行过程。以下将就功能模块201与202的功能进行详细描述。

计算模块201，用于在若有待保险赔付案件被理赔审核系统确定为待人工审核案件，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值。

其中，原始数据包括身体特征信息(例如，年龄、性别、是否得过某种疾病、是否有遗传病等)、医疗信息(例如，账单数量、费用类型、医院等级、是否定点医院)、保单信息(保单数量、险种)、案件属性(案件类型、事故性质、出险地点)及理赔金额等。

需要说明的是，理赔审核规则模型为逻辑回归模型，理赔审核规则模型的训练过程包括如下步骤：

E、获取预设数量的已理赔的保险赔付案件信息样本，从信息样本中提取出每个理赔案件的原始数据。

已理赔的保险赔付案件包括，理赔审核系统自动审核的保险赔付案件和被理赔审核系统确定为异常赔付案件，通过人工审核的保险赔付案件。

F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集。

例如，第一比例为70％，第二比例为30％。

G、利用训练子集中的各个保险赔付案件的原始数据训练理赔审核规则模型，以得到训练好的理赔审核规则模型。

在本实施例中，对训练数据集采用逻辑回归法进行训练，具体地，逻辑回归法包括，将训练数据集中每个信息样本对应的原始数据进行分类，以得到i个不同的特征(例如，对身体特征信息进行分类得到姓名、性别、年龄、已得疾病名称等不同的特征)，分别以i个不同特征为自变量x¹,x²,...,xⁱ，以每个样本通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额是否相等为目标变量，建立理赔审核规则模型。

进一步地，训练好的理赔审核规则模型包括：

，其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；w^t代表理赔审核规则模型的参数向量，φ(x,y')代表构造的预算目标变量的概率的函数。

H、利用测试子集中的各个保险赔付案件的原始数据对理赔审核规则模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加通过人工审核的保险赔付案件信息样本的数量并重新执行上述步骤E、F、G。

进一步需要说明的是，在步骤H中，利用测试子集中的各个保险赔付案件的原始数据对理赔审核规则模型进行测试的步骤包括：

利用训练好的理赔审核规则模型对测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；

若有保险赔付案件对应的第一理赔金额与第二理赔金额相等的概率值大于预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；

计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；

若所计算出的误差值小于预设的误差阈值(例如，0.5％)，则确定针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值(例如，70％)，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。

判断模块202，用于判断预算出的概率值与预设的概率阈值之间的大小关系，若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。

如图3所示，为理赔审核规则模型的预测结果示意图。图3中，横坐表代表被理赔审核系统确定为待人工审核的保险赔付案件，纵坐标代表待赔付的理赔金额。其中，实线代表理赔审核规则模型预算的待人工审核的保险赔付案件通过理赔审核系统自动审核的理赔金额，虚线代表理赔审核规则模型预算的待人工审核的保险赔付案件通过人工审核的理赔金额。实线与虚线越靠拢说明通过理赔审核系统自动审核的理赔金额与通过人工审核的理赔金额相等的概率值越高，实线与虚线越分开说明通过理赔审核系统自动审核的理赔金额与通过人工审核的理赔金额相等的概率值越低。

由图3中的实线与虚线的重合程度可直观地看出，待人工审核的保险赔付案件通过理赔审核系统自动审核的理赔金额与通过人工审核的理赔金额相等的概率值的大小。

需要说明的是，在实际使用中，为了使业务人员更清楚方便的跟客户沟通，达到客户快速理解的目的，本发明的保险案件理赔审核系统10还包括分值转换模块204，如图4中所示，图4是本发明案件理赔审核系统10另一实施例的功能模块图。

分值转换模块204，用于根据预设的概率值与分值之间的映射关系，确定预算出的概率值对应的分值，若预算出的概率值对应的分值大于预设的分值阈值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。

在本案中，显示设备可以是电子装置1上的显示器(图1中未示出)，也可以是外部其他电子设置的显示器，在一些实施例中，电子装置1包含有显示器，且显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及 OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等

可以理解地，当业务人员结合显示设备显示的待人工审核的案件对应的分值来跟客户进行沟通时，可以帮助客户更直观地理解理赔金额的来源，达到高效沟通的目的，进一步提升了客户的体验。

此外，本发明还提出一种案件理赔审核方法。

参阅图5所示，是本发明案件理赔审核方法一较佳实施流程示意图。在本实施例中，根据不同的需求，图5所示的流程图中的步骤的执行顺序可以改变，某些步骤可以省略。

步骤S301，若有待保险赔付案件被理赔审核系统确定为待人工审核案件，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值。

其中，原始数据包括身体特征信息(例如，年龄、性别、是否得过某种疾病、是否有遗传病等)、医疗信息(例如，账单数量、费用类型、医院等级、是否定点医院)、保单信息(保单数量、险种)、案件属性(案件类型、事故性质、出险地点)及理赔金额等。

需要说明的是，理赔审核规则模型为逻辑回归模型，理赔审核规则模型的训练过程包括如下步骤：

E、获取预设数量的已理赔的保险赔付案件信息样本，从信息样本中提取出每个理赔案件的原始数据。

已理赔的保险赔付案件包括，理赔审核系统自动审核的保险赔付案件和被理赔审核系统确定为异常赔付案件，通过人工审核的保险赔付案件。

F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集。

例如，第一比例为70％，第二比例为30％。

G、利用训练子集中的各个保险赔付案件的原始数据训练理赔审核规则模型，以得到训练好的理赔审核规则模型。

在本实施例中，对训练数据集采用逻辑回归法进行训练，具体地，逻辑回归法包括，将训练数据集中每个信息样本对应的原始数据进行分类，以得到i个不同的特征(例如，对身体特征信息进行分类得到姓名、性别、年龄、已得疾病名称等不同的特征)，分别以i个不同特征为自变量x¹,x²,...,xⁱ，以每个样本通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额是否相等为目标变量，建立理赔审核规则模型。

进一步地，训练好的理赔审核规则模型包括：

，其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；w^t代表理赔审核规则模型的参数向量，φ(x,y')代表构造的预算目标变量的概率的函数。

H、利用测试子集中的各个保险赔付案件的原始数据对理赔审核规则模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加通过人工审核的保险赔付案件信息样本的数量并重新执行上述步骤E、F、G。

进一步需要说明的是，在步骤H中，利用测试子集中的各个保险赔付案件的原始数据对理赔审核规则模型进行测试的步骤包括：

利用训练好的理赔审核规则模型对测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；

若有保险赔付案件对应的第一理赔金额与第二理赔金额相等的概率值大于预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；

计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；

若所计算出的误差值小于预设的误差阈值(例如，0.5％)，则确定

针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值(例如，70％)，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。

步骤S302，若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。

需要说明的是，预先确定的概率阈值可以根据业务状况进行相应的修改，例如，目前公司的赔付率较低，还有大量的赔付名额时，可以适当的将预先确定的概率阈值降低，例如，假设预先确定的概率阈值为85％，在赔付业务量少的情况先，可适当的降低至80％，也可以在公司的赔付名额较紧的情况下，适当地将预先确定的概率阈值从85％提高至90％。也即，预先确定的概率阈值通常是根据公司目前的赔付业务状况而预设的。

需要说明的是，在实际使用中，为了使业务人员更清楚方便的跟客户沟通，达到客户快速理解的目的，本发明的理赔审核方法还包括，根据预设的概率值与分值之间的映射关系，确定预算出的概率值对应的分值，若预算出的概率值对应的分值大于预设的分值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值的步骤，该步骤在图5中未示出。

可以理解地，当业务人员获得显示设备显示的待人工审核的案件对应的分值后，可以快速地以该案件所得的分值为例与客户进行高效的沟通，方便客户更好的理解理赔金额的来源，进一步提升了客户的体验。

进一步地，如图6所示，为图5实施例的有益效果示意图。图6的横坐标代表待保险理赔案件的审核类型，纵坐标代表的是理赔审核规则模型预测的概率值。其中，第一长方形1代表被理赔审核系统确定为自动审核保险赔付案件所占的比例，第二长方形2代表被理赔审核系统确定为需要人工审核的保险赔付案件所占的比例，第三长方形3代表将被理赔审核系统确定为需要人工审核的保险赔付案件采用本发明的保险案件理赔审核方法审核之后确定为由理赔审核系统自动审核的保险赔付案件所占的比例，第四长方形4代表将被理赔审核系统确定为需要人工审核的保险赔付案件采用本发明的保险案件理赔审核方法之后确定的待人工审核的保险赔付案件所占的比例。

由图6可知，未采用本发明的保险案件理赔审核方法之前，待审核的保险赔付案件中，待人工审核的保险赔付案件的比例大概有50％左右，而将待人工审核的保险赔付案件经过本发明的保险案件理赔审核方法审核之后，其中有大约20％的待人工审核的保险赔付案件转理赔审核系统自动审核，也即，实施本发明的保险案件理赔审核方法之后，待人工审核的保险赔付案件的比例降为30％左右，很明显提升了审核的效率。

通过上述各个实施例可知，本发明的电子装置、理赔审核方法及系统，首先，通过获取已理赔案件的原始数据，基于所获取的原始数据生成训练数据集，使用逻辑回归法分析生成的训练数据集，以建立理赔审核规则模型；然后，分别将待人工审核的案件的原始数据代入理赔审核规则模型进行分析，以预算出待人工审核的案件通过人工审核的理赔金额与通过系统自动审核的理赔金额相等的概率值；最后，将所预算的概率值与预设的概率阈值进行比较，若有预算的概率值大于预设的概率阈值，则将该概率值对应的待人工审核的案件转系统自动审核。实现了将待人工审核的案件中的部分案件转系统自动审核，提高了审核效率，提升了用户体验，且节约了公式审核运营成本。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘) 中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种电子装置，其特征在于，所述电子装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的保险案件理赔审核系统，所述保险案件理赔审核系统被所述处理器执行时实现如下步骤：

A、若有待保险赔付案件被理赔审核系统确定为待人工审核案件，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；

B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。

2.如权利要求1所述的电子装置，其特征在于，所述保险案件理赔审核系统被所述处理器执行时还实现如下步骤：

根据预设的概率值与分值之间的映射关系，确定所述预算出的概率值对应的分值，若所述预算出的概率值对应的分值大于预设的分值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。

3.如权利要求1所述的电子装置，其特征在于，所述理赔审核规则模型为逻辑回归模型，所述理赔审核规则模型的训练过程包括如下步骤：

E、获取预设数量的已理赔的保险赔付案件信息样本，从所述信息样本中提取出每个保险赔付案件的原始数据；

F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集；

G、利用所述训练子集中的各个保险赔付案件的原始数据训练所述理赔审核规则模型，以得到训练好的理赔审核规则模型；

H、利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述通过人工审核的保险赔付案件信息样本的数量并重新执行上述步骤E、F、G。

4.如权利要求3所述的电子装置，其特征在于，在所述步骤H中，所述利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试的步骤包括：

利用训练好的所述理赔审核规则模型对所述测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；

若有保险赔付案件对应的所述第一理赔金额与所述第二理赔金额相等的概率值大于所述预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；

计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为错误；

若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。

5.如权利要求4所述的电子装置，其特征在于，所述理赔审核规则模型包括：

，

其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；w^t代表理赔审核规则模型的参数向量，φ(x,y')代表构造的预算目标变量的概率的函数。

6.一种保险案件理赔审核方法，其特征在于，所述方法包括如下步骤：

A、若有待保险赔付案件被理赔审核系统确定为待人工审核案件，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；

B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。

7.如权利要求6所述的保险案件理赔审核方法，其特征在于，所述方法还包括如下步骤：

根据预设的概率值与分值之间的映射关系，确定所述预算出的概率值对应的分值，若所述预算出的概率值对应的分值大于预设的分值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。

8.如权利要求6所述的保险案件理赔审核方法，其特征在于，所述理赔审核规则模型为逻辑回归模型，所述理赔审核规则模型的训练过程包括如下步骤：

E、获取预设数量的已理赔的保险赔付案件信息样本，从所述信息样本中提取出每个理赔案件的原始数据；

F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集；

G、利用所述训练子集中的各个保险赔付案件的原始数据训练所述理赔审核规则模型，以得到训练好的理赔审核规则模型；

H、利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型的进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述通过人工审核的保险理赔案件信息样本的数量并重新执行步骤E、F、G。

9.如权利要求8所述的保险案件理赔审核方法，其特征在于，在所述步骤H中，所述利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试的步骤包括：

利用训练好的所述理赔审核规则模型对所述测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；

若有保险赔付案件对应的所述第一理赔金额与所述第二理赔金额相等的概率值大于所述预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；

计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；

若所计算出的误差值小于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果所占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有案件理赔审核系统，所述案件理赔审核系统可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求6-9中任一项所述的保险案件理赔审核方法的步骤。