CN107944831A - 汽车报损方法、应用服务器及计算机可读存储介质 - Google Patents

汽车报损方法、应用服务器及计算机可读存储介质 Download PDF

Info

Publication number
CN107944831A
CN107944831A CN201711281185.8A CN201711281185A CN107944831A CN 107944831 A CN107944831 A CN 107944831A CN 201711281185 A CN201711281185 A CN 201711281185A CN 107944831 A CN107944831 A CN 107944831A
Authority
CN
China
Prior art keywords
resolution
project
standard
manually
resolution project
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711281185.8A
Other languages
English (en)
Inventor
王健宗
吴天博
黄章成
肖京
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201711281185.8A priority Critical patent/CN107944831A/zh
Priority to PCT/CN2018/076136 priority patent/WO2019109525A1/zh
Publication of CN107944831A publication Critical patent/CN107944831A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种汽车报损方法，该方法包括：建立汽车理赔标准项目以及受损级别报价表；接收终端设备发送的人工理赔项目以及人工理赔项目受损级别；匹配所述人工理赔项目与所述标准理赔项目；根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格；反馈所述报损价格至终端设备。本发明还提供一种应用服务器及计算机可读存储介质。本发明提供的汽车报损方法、应用服务器及计算机可读存储介质自动将接收的人工理赔项目匹配到标准理赔项目，并根据受损级别评估报损价格。

Description

汽车报损方法、应用服务器及计算机可读存储介质
技术领域
本发明涉及车险理赔领域，尤其涉及一种汽车报损方法、应用服务器及计算机可读存储介质。
背景技术
随着人们收入水平的提高和消费意识的改变，汽车保险产品日益增多，汽车保险行业迅速发展。保险业的特点是以多样化风险为经营对象，不同客户有着不尽相同的险种需求和不同程度的理赔要求，但同时也为保险公司提供了差异化收益贡献。在过去几年的高速发展中，积累了大量的汽车理赔案件，但是目前的汽车理赔案件，往往都是通过人工进行汽车勘损，在进行人工勘损过程中存在：汽车配件和汽车报损项目不规范，理赔出现纠纷，为解决纠纷后期人工投入大的问题。
发明内容
有鉴于此，本发明提出一种汽车报损方法、应用服务器及计算机可读存储介质，能够自动将接收的人工理赔项目匹配到标准理赔项目，并根据受损级别评估报损价。
首先，为实现上述目的，本发明提出一种汽车报损方法，该方法应用于应用服务器，所述方法包括：
建立汽车理赔标准项目以及受损级别报价表；
接收终端设备发送的人工理赔项目以及人工理赔项目受损级别；
匹配所述人工理赔项目与所述标准理赔项目；
根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格；
反馈所述报损价格至终端设备；其中，构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码；
使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算；
根据所述相似度结果判断所述人工理赔项目与所述标准理赔项目能否匹配。
可选地，所述方法还包括如下步骤：
当判断所述人工理赔项目与标准理赔项目不匹配时，将判断结果反馈至所述终端设备。
可选地所述使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算的步骤之前，包括如下步骤：
利用LSTM模型将所述人工理赔项目和所述标准理赔项目的每个词建成一个最小单元向量；
将所述每个最小单元向量作为所述L1范式的输入。
可选地，所述使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算的步骤，具体包括如下步骤：
利用所述LSTM模型似的所述人工理赔项目的最小单元向量与所述标准理赔项目的最小单元向量发生非线性映射关系；
利用公式，计算相似度结果,表示人工理赔项目的向量，表示标准理赔项目的向量。
可选地，所述汽车报损方法还包括如下步骤：
所述方法还包括如下步骤：
获取用户信息；
将所述用户信息以及报损价格以One-hot的向量形式加入到所述DNN模型；
输出包含有用户信息的报损结果。
此外，为实现上述目的，本发明还提供一种应用服务器，所述应用服务器包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的汽车报损系统，所述汽车报损系统被所述处理器执行时实现如下步骤：
建立汽车理赔标准项目以及受损级别报价表；
接收终端设备发送的人工理赔项目以及人工理赔项目受损级别；
匹配所述人工理赔项目与所述标准理赔项目；
根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格；
反馈所述报损价格至终端设备；其中所述匹配所述人工理赔项目与所述标准理赔项目的步骤，具体包括如下步骤：
构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码；
使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算；
根据所述相似度结果判断所述人工理赔项目与所述标准理赔项目能否匹配。
可选地，所述汽车报损系统被所述处理器执行时，还实现如下步骤：
当判断所述人工理赔项目与标准理赔项目不匹配时，将判断结果反馈至所述终端设备。
可选地所述使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算的步骤之前，包括如下步骤：
利用LSTM模型将所述人工理赔项目和所述标准理赔项目的每个词建成一个最小单元向量；
将所述每个最小单元向量作为所述L1范式的输入。
可选地，所述使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算的步骤，具体包括如下步骤：
利用所述LSTM模型似的所述人工理赔项目的最小单元向量与所述标准理赔项目的最小单元向量发生非线性映射关系；
利用公式，计算相似度结果,表示人工理赔项目的向量，表示标准理赔项目的向量。
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，所述计算机可读存储介质存储有汽车报损系统，所述汽车报损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上述的汽车报损方法的步骤。
相较于现有技术，本发明所提出的应用服务器、汽车报损方法及计算机可读存储介质，首先，建立汽车理赔标准项目以及受损级别报价表；然后，接收终端设备发送的人工理赔项目以及人工理赔项目受损级别；接着，匹配所述人工理赔项目与所述标准理赔项目；最后，根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格。这样，既可以避免现有技术中汽车配件和汽车报损项目不规范导致理赔出现纠纷，为解决纠纷后期人工投入大的问题，也可以自动将接收的人工理赔项目匹配到标准理赔项目，并根据受损级别评估报损价格。
附图说明
图1是本发明各个实施例一可选的应用环境示意图；
图2是图1中应用服务器一可选的硬件架构的示意图；
图3是本发明汽车报损系统第一实施例的程序模块示意图；
图4是本发明汽车报损系统第二实施例的程序模块示意图；
图5是本发明汽车报损系统的LSTM模型示意图；
图6为本发明汽车报损方法第一实施例的流程示意图；
图7为本发明汽车报损方法第二实施例的流程示意图；
附图标记：
终端设备 1
应用服务器 2
网络 3
存储器 11
处理器 12
网络接口 13
汽车报损系统 200
构建模块 201
接收模块 202
匹配模块 203
评估模块 204
反馈模块 205
计算模块 206
判断模块 207
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，是本发明各个实施例一可选的应用环境示意图。
在本实施例中，本发明可应用于包括，但不仅限于，终端设备1、应用服务器2、网络3的应用环境中。其中，所述终端设备1可以是移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载装置等等的可移动设备，以及诸如数字TV、台式计算机、笔记本、服务器等等的固定终端。所述应用服务器2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备，该应用服务器2可以是独立的服务器，也可以是多个服务器所组成的服务器集群。所述网络3可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(GlobalSystem of Mobile communication，GSM)、宽带码分多址(Wideband Code DivisionMultiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。
其中，所述应用服务器2通过所述网络3分别与一个或多个所述终端设备1通信连接，以进行数据传输和交互。
参阅图2所示，是本发明应用服务器2一可选的硬件架构的示意图。
本实施例中，所述应用服务器2可包括，但不仅限于，可通过系统总线相互通信连接存储器11、处理器12、网络接口13。需要指出的是，图1仅示出了具有组件11-13的应用服务器2，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，所述存储器11至少包括一种类型的可读存储介质，所述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，所述存储器11可以是所述应用服务器2的内部存储单元，例如该应用服务器2的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述应用服务器2的外部存储设备，例如该应用服务器2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器11还可以既包括所述应用服务器2的内部存储单元也包括其外部存储设备。本实施例中，所述存储器11通常用于存储安装于所述应用服务器2的操作系统和各类应用软件，例如所述汽车报损系统200的程序代码等。此外，所述存储器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。
所述处理器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。该处理器12通常用于控制所述应用服务器2的总体操作。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行所述的汽车报损系统200等。
所述网络接口13可包括无线网络接口或有线网络接口，该网络接口13通常用于在所述应用服务器2与其他电子设备之间建立通信连接。本实施例中，所述网络接口13主要用于通过所述网络3将所述应用服务器2与一个或多个所述终端设备1相连，在所述应用服务器2与所述一个或多个终端设备1之间的建立数据传输通道和通信连接。
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，本发明提出一种汽车报损系统200。
参阅图3所示，是本发明汽车报损系统200第一实施例的程序模块图。
本实施例中，所述的汽车报损系统200包括一系列的存储于存储器11上的计算机程序指令，当该计算机程序指令被处理器12执行时，可以实现本发明各实施例的汽车报损操作。在一些实施例中，基于该计算机程序指令各部分所实现的特定的操作，汽车报损系统200可以被划分为一个或多个模块。例如，在图3中，所述汽车报损系统200可以被分割成构建模块201、接收模块202、匹配模块203、评估模块204及反馈模块205。其中：
所述构建模块201，用于建立汽车理赔标准项目以及受损级别报价表。
目前的汽车理赔案件，往往都是通过人工进行汽车勘损，但是在进行人工勘损过程中存在汽车理赔项目(即汽车配件名称)不规范，导致理赔过程出现纠纷等问题。因此，在本实施例中，所述应用服务器2通过构建模块201根据汽车的各个零部件或组成部分按照专业配件名称建立汽车理赔标准项目。所述构建模块201还将每个零部件或零部件进行受损程度设定级别，并且设定每个受损级别的理赔报价，从而在数据库的内存中建立汽车理赔标准项目表以及受损级别报价表。
在本实施例中，所述构建模块201建立不同车辆品牌、车系及车型的理赔标准项目。其中，所述汽车的各个零部件或组成部分的专业配件名称可以从汽车厂商直接获取。请参阅表1，表1为奥迪A4L的部分零件理赔标准项目表以及受损级别报价表，可以理解的是，表1仅是为了更好地解释本发明并不作为本发明的限定，实际的报价会因市场价格而变动。
表1
在其他实施例中，所述构建模块201可以在建立汽车理赔标准项目之前，首先建立车辆模型，将每个车辆模型分割成不同部位，然后将每个部位按照标准名称命名。
所述接收模块202，用于接收终端设备1发送的人工理赔项目以及人工理赔项目受损级别。
具体地，所述应用服务器2与所述终端设备1建立长连接，当客户有理赔需求时，可以通过终端设备1的显示界面进行人工录入理赔项目以及项目受损级别。如表1所示，标准理赔项目受损级别主要分为3个等级，其中受损级别3表示该部件已经无法使用且无法修复，受损级别2表示该部件已经无法使用但可以修复，受损级别1表示该部件可以正常使用但需要维修保养。所述应用服务器2通过所述接收模块202接收终端设备1发送的人工理赔项目以及项目受损级别。在本实施例中，所述理赔项目包括但不限于用户的保险信息、报损项目。
所述匹配模块203，用于匹配所述人工理赔项目与所述标准理赔项目。
具体地，人工汽车勘损，由于对汽车零部件的认知度不够，往往导致在进行人工录入理赔项目时，所述理赔项目中的配件(报损项目)不规范，导致无法执行理赔。因此，在本实施中，当所述接收模块202在接收到所述人工理赔项目时，匹配所述人工理赔项目与所述标准理赔项目。
在本实施例中，所述应用服务器2通过构建匹配模型匹配所述人工理赔项目及标准理赔项目，例如，当所述应用服务器2从终端设备1接收到的人工理赔项目为“后子叶”，通过将“后子叶”输入到匹配模型，匹配到标准理赔项目为“后子叶板”。
所述评估模块204，用于根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格。
具体地，汽车勘察人员根据再现场勘察的情况选择对应的受损级别，并通过终端设备1发送至所述服务器2。所述应用服务器2的评估模块204根据所述匹配模块203已经匹配好的标准理赔项目以及所述接收模块201接收到的受损级别，对照受损级别报价表，评估所述人工理赔项目的报损价格。
举例说明，如表2所示，为服务器存储的关于每个标准理赔项目的受损级别以及每个受损级别对应的理赔价格的表格。
表2
当所述接收模块201接收到终端设备1发送的人工理赔项目为后子叶，受损级别为3时，经过匹配模型匹配到对应的标准理赔项目为后子叶板；进而根据后子叶人工理赔项目的受损级别为3，则映射到受损级别报价表得到标准理赔项目：后子叶板的受损级别为3的报损价格为300元，则所述评估模块204评估报损价格为300元。可以理解的是，以上对各项标准理赔项目的受损级别对应的价格并不作为本发明的限定，仅为了更好地解释本发明。
所述反馈模块205，用于反馈所述报损价格至终端设备1。
具体地，所述反馈模块205将所述报损价格反馈至所述终端设备1，使得报损人员能够直接获取报损价格。
通过上述程序模块201-205，本发明所提出的汽车报损系统200，首先，建立汽车理赔标准项目以及受损级别报价表；然后，接收终端设备1发送的人工理赔项目以及人工理赔项目受损级别；接着，匹配所述人工理赔项目与所述标准理赔项目；最后，根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格。这样，既可以避免现有技术中汽车配件和汽车报损项目不规范导致理赔出现纠纷，为解决纠纷后期人工投入大的问题，也可以自动将接收的人工理赔项目匹配到标准理赔项目，并根据受损级别评估报损价格。
参阅图4所示，是本发明汽车报损系统200第二实施例的程序模块图。本实施例中，所述的租借管理系统200除了包括第一实施例中的所述构建模块201、接收模块202、匹配模块203、评估模块204及反馈模块205之外，还包括计算模块206及判断模块207。
所述构建模块201，还用于构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码。
从上文可知，在第一实施例中，所述所述应用服务器2通过构建匹配模型匹配将所述人工理赔项目匹配到标准理赔项目。在本实施例中，所述匹配模型为long-short termmemory(LSTM)模型，具体地，所述构建模块201还用于构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码。
所述计算模块206，用于使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算，并输出相似度计算结果。
具体地，利用LSTM模型将所述人工理赔项目和所述标准理赔项目的每个词建成一个最小单元向量；将所述每个最小单元向量作为L1范式的输入。利用所述LSTM模型似的所述人工理赔项目的最小单元向量与所述标准理赔项目的最小单元向量发生非线性映射关系。
根据所述非线性映射关系并利用公式，计算相似度结果。
具体地，请一并参阅图5，图5为本实施例中的LSTM模型示意图。首先，定义人工理赔项目名为Sa,理赔标准项目名为Sb；进而通过语义相似度匹配模型，求得人工理赔项目Sa映射到的理赔标准项目名Sb，具体如下：
通过建立LSTM模型对人工理赔项目Sa和理赔标准项目Sb进行语义编码，并使用L1范式对人工理赔项目Sa和标准理赔项目Sb的语义向量进行相似度计算。以人工理赔项目Sa：后叶子及标准理赔项目名Sb：后叶子板为例说明，其计算过程如下：
人工理赔项目Sa套用LSTMa模型、标准理赔项目Sb套用LSTMb模型，将人工理赔项Sa及标准理赔项目Sb中的每个词做成一个最小单元向量，然后将向量拼接成神经网络的输入层，使得人工理赔项Sa及标准理赔项目Sb产生非线性映射关系，最后通过公式：得到相似度结果,其中，表示人工理赔项目Sa的向量，表示标准理赔项目Sb的向量。
其中，长短时记忆的循环神经网络由于门机制的作用，可以在顺序扫描句子的时候，将长距离的以来关系保存到存储单元中，并通过门的方式控制读写。这样的设计用公式表示为：
it＝σ(Wwixt+hiht-1)
ft＝σ(Wwfxt+hfht-1)
ot＝σ(Wwoxt+hoht-1)
其中，i，f，o分别表示输入门、遗忘门和输出门。xt∈R|e|表示t时刻LSTM的输入字，it∈RI，ft∈RF，ot∈RO，为LSTM的三个门，ct∈RC为当前状态，ht∈RH为历史信息。可以理解的是，LSTMa和LSTMb共享上述参数。
由于匹配的项目名称的字长度在2到10之间，用LSTM能很好地捕捉整体语义信息。再通过输入项目名和标准项目名的相似度计算，能在语义上成功匹配上标准项目。
所述判断模块206，用于根据所述相似度结果判断所述人工理赔项目与所述标准理赔项目能否匹配。
具体地，当所述相似度结果大于或等于一预设值时，所述判断模块206判断所述人工理赔项目与标准理赔项目相匹配，当所述相似度结果小于所述预设值时，则判断所述人工理赔项目与标准理赔项目不匹配。
所述反馈模块205，还用于当判断所述人工理赔项目与标准理赔项目不匹配时，将判断结果反馈至所述终端设备1。
具体地，当判断模块206判断所述人工理赔项目与标准理赔项目不匹配时，所述反馈模块205将不匹配结果反馈至终端设备1，以提醒报损人员检查输入的人工理赔项目是否需要更改。当所述所述人工理赔项目与标准理赔项目相匹配时，则所述评估模块204评估所述人工理赔项目的报损价格。
在本发明的一实施例中，所述接收模块202还用于接收终端设备1发送的用户信息，将用户信息以One-hot的向量形式加入LSTM模型输入中，使得输出的报损结果包含用户信息。在本发明的一实施例中，所述构建模块201还用于在LSTM模型的顶层构建并接入接入一个dnn模型，对报损案件进行二分类(有，无减损风险)。
通过上述程序模块206-207，本发明所提出的汽车报损系统200，还能够构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码，进一步地，使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算，并输出相似度计算结果，并根据所述相似度结果判断所述人工理赔项目与所述标准理赔项目能否匹配，最后当判断所述人工理赔项目与标准理赔项目不匹配时，将判断结果反馈至所述终端设备1，以提醒报损人员检查输入的人工理赔项目是否需要更改。
此外，本发明还提出一种汽车报损方法。
参阅图6所示，是本发明汽车报损方法第一实施例的流程示意图。在本实施例中，根据不同的需求，图6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，建立汽车理赔标准项目以及受损级别报价表。
目前的汽车理赔案件，往往都是通过人工进行汽车勘损，但是在进行人工勘损过程中存在汽车理赔项目(即汽车配件名称)不规范，导致理赔过程出现纠纷等问题。因此，在本实施例中，所述应用服务器2根据汽车的各个零部件或组成部分按照专业配件名称建立汽车理赔标准项目。所述应用服务器2还将每个零部件或零部件进行受损程度设定级别，并且设定每个受损级别的理赔报价，从而在数据库的内存中建立汽车理赔标准项目表以及受损级别报价表。
在本实施例中，所述应用服务器2建立不同车辆品牌、车系及车型的理赔标准项目。其中，所述汽车的各个零部件或组成部分的专业配件名称可以从汽车厂商直接获取。请参阅表1，表1为奥迪A4L的部分零件理赔标准项目表以及受损级别报价表，可以理解的是，表1仅是为了更好地解释本发明并不作为本发明的限定，实际的报价会因市场价格而变动。
表1
在其他实施例中，所述应用服务器2可以在建立汽车理赔标准项目之前，首先建立车辆模型，将每个车辆模型分割成不同部位，然后将每个部位按照标准名称命名。
步骤S302，接收终端设备1发送的人工理赔项目以及人工理赔项目受损级别。
具体地，所述应用服务器2与所述终端设备1建立长连接，当客户有理赔需求时，可以通过终端设备1的显示界面进行人工录入理赔项目以及项目受损级别。如表1所示，标准理赔项目受损级别主要分为3个等级，其中受损级别3表示该部件已经无法使用且无法修复，受损级别2表示该部件已经无法使用但可以修复，受损级别1表示该部件可以正常使用但需要维修保养。所述应用服务器2接收终端设备1发送的人工理赔项目以及项目受损级别。在本实施例中，所述理赔项目包括但不限于用户的保险信息、报损项目。
步骤S303，匹配所述人工理赔项目与所述标准理赔项目。
具体地，人工汽车勘损，由于对汽车零部件的认知度不够，往往导致在进行人工录入理赔项目时，所述理赔项目中的配件(报损项目)不规范，导致无法执行理赔。因此，在本实施中，当所述应用服务器2在接收到所述终端设备1发送的所述人工理赔项目时，匹配所述人工理赔项目与所述标准理赔项目。
在本实施例中，所述应用服务器2通过构建匹配模型匹配所述人工理赔项目及标准理赔项目，例如，当所述应用服务器2从终端设备1接收到的人工理赔项目为“后子叶”，通过将“后子叶”输入到匹配模型，匹配到标准理赔项目为“后子叶板”。
步骤S304，根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格。
具体地，汽车勘察人员根据再现场勘察的情况选择对应的受损级别，并通过终端设备1发送至所述服务器2。所述应用服务器2的评估模块204根据所述匹配模块203已经匹配好的标准理赔项目以及所述接收模块201接收到的受损级别，对照受损级别报价表，评估所述人工理赔项目的报损价格。
举例说明，如表2所示，为服务器存储的关于每个标准理赔项目的受损级别以及每个受损级别对应的理赔价格的表格。
表2
当所述接收模块201接收到终端设备1发送的人工理赔项目为后子叶，受损级别为3时，经过匹配模型匹配到对应的标准理赔项目为后子叶板；进而根据后子叶人工理赔项目的受损级别为3，则映射到受损级别报价表得到标准理赔项目：后子叶板的受损级别为3的报损价格为300元，则所述评估模块204评估报损价格为300元。可以理解的是，以上对各项标准理赔项目的受损级别对应的价格并不作为本发明的限定，仅为了更好地解释本发明。
步骤S305，反馈所述报损价格至终端设备1。
具体地，所述应用服务器2将所述报损价格反馈至所述终端设备1，使得报损人员能够直接获取报损价格。
通过上述步骤S301-305，本发明所提出的汽车报损方法，首先，建立汽车理赔标准项目以及受损级别报价表；然后，接收终端设备1发送的人工理赔项目以及人工理赔项目受损级别；接着，匹配所述人工理赔项目与所述标准理赔项目；最后，根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格。这样，既可以避免现有技术中汽车配件和汽车报损项目不规范导致理赔出现纠纷，为解决纠纷后期人工投入大的问题，也可以自动将接收的人工理赔项目匹配到标准理赔项目，并根据受损级别评估报损价格。
如图7所示，是本发明租借管理方法的第二实施例的流程示意图。本实施例中，所述所述匹配所述人工理赔项目与所述标准理赔项目的步骤，具体包括如下步骤：
步骤S401，构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码。
从上文可知，在第一实施例中，所述所述应用服务器2通过构建匹配模型匹配将所述人工理赔项目匹配到标准理赔项目。在本实施例中，所述匹配模型为long-short termmemory(LSTM)模型，具体地，所述应用服务器2还用于构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码。
步骤S402，使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算，并输出相似度计算结果。
具体地，利用LSTM模型将所述人工理赔项目和所述标准理赔项目的每个词建成一个最小单元向量；将所述每个最小单元向量作为L1范式的输入。利用所述LSTM模型似的所述人工理赔项目的最小单元向量与所述标准理赔项目的最小单元向量发生非线性映射关系。
根据所述非线性映射关系并利用公式，计算相似度结果。
具体地，请一并参阅图5，图5为本实施例中的LSTM模型示意图。首先，定义人工理赔项目名为Sa,理赔标准项目名为Sb；进而通过语义相似度匹配模型，求得人工理赔项目Sa映射到的理赔标准项目名Sb，具体如下：
通过建立LSTM模型对人工理赔项目Sa和理赔标准项目Sb进行语义编码，并使用L1范式对人工理赔项目Sa和标准理赔项目Sb的语义向量进行相似度计算。以人工理赔项目Sa：后叶子及标准理赔项目名Sb：后叶子板为例说明，其计算过程如下：
人工理赔项目Sa套用LSTMa模型、标准理赔项目Sb套用LSTMb模型，将人工理赔项Sa及标准理赔项目Sb中的每个词做成一个最小单元向量，然后将向量拼接成神经网络的输入层，使得人工理赔项Sa及标准理赔项目Sb产生非线性映射关系，最后通过公式：得到相似度结果,其中，表示人工理赔项目Sa的向量，表示标准理赔项目Sb的向量。
其中，长短时记忆的循环神经网络由于门机制的作用，可以在顺序扫描句子的时候，将长距离的以来关系保存到存储单元中，并通过门的方式控制读写。这样的设计用公式表示为：
it＝σ(Wwixt+hiht-1)
ft＝σ(Wwfxt+hfht-1)
ot＝σ(Wwoxt+hoht-1)
其中，i，f，o分别表示输入门、遗忘门和输出门。xt∈R|e|表示t时刻LSTM的输入字，it∈RI，ft∈RF，ot∈RO，为LSTM的三个门，ct∈RC为当前状态，ht∈RH为历史信息。可以理解的是，LSTMa和LSTMb共享上述参数。
由于匹配的项目名称的字长度在2到10之间，用LSTM能很好地捕捉整体语义信息。再通过输入项目名和标准项目名的相似度计算，能在语义上成功匹配上标准项目。
步骤S403，根据所述相似度结果判断所述人工理赔项目与所述标准理赔项目能否匹配。
具体地，当所述相似度结果大于或等于一预设值时，所述判断模块206判断所述人工理赔项目与标准理赔项目相匹配，当所述相似度结果小于所述预设值时，则判断所述人工理赔项目与标准理赔项目不匹配。
步骤S404，当判断所述人工理赔项目与标准理赔项目不匹配时，将判断结果反馈至所述终端设备1。
具体地，当判断模块206判断所述人工理赔项目与标准理赔项目不匹配时，所述反馈模块205将不匹配结果反馈至终端设备1，以提醒报损人员检查输入的人工理赔项目是否需要更改。
步骤S405，当所述所述人工理赔项目与标准理赔项目相匹配时，则所述评估模块204评估所述人工理赔项目的报损价格。
在本发明的一实施例中，所述接收模块202还用于接收终端设备1发送的用户信息，将用户信息以One-hot的向量形式加入LSTM模型输入中，使得输出的报损结果包含用户信息。在本发明的一实施例中，所述应用服务器2还用于在LSTM模型的顶层构建并接入接入一个dnn模型，对报损案件进行二分类(有，无减损风险)。
通过上述步骤S401-S404，本发明所提出的汽车报损方法，还能够构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码，进一步地，使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算，并输出相似度计算结果，并根据所述相似度结果判断所述人工理赔项目与所述标准理赔项目能否匹配，最后当判断所述人工理赔项目与标准理赔项目不匹配时，将判断结果反馈至所述终端设备1，以提醒报损人员检查输入的人工理赔项目是否需要更改。
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)

1.一种汽车报损方法，应用于应用服务器，其特征在于，所述方法包括：
建立汽车理赔标准项目以及受损级别报价表；
接收终端设备发送的人工理赔项目以及人工理赔项目受损级别；
匹配所述人工理赔项目与所述标准理赔项目；
根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格；
反馈所述报损价格至终端设备；其中，所述匹配所述人工理赔项目与所述标准理赔项目的步骤，具体包括如下步骤：
构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码；
使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算；
根据所述相似度结果判断所述人工理赔项目与所述标准理赔项目能否匹配。
2.如权利要求1所述的汽车报损方法，其特征在于，所述方法还包括如下步骤：
当判断所述人工理赔项目与标准理赔项目不匹配时，将判断结果反馈至所述终端设备。
3.如权利要求2所述的汽车报损方法，其特征在于，所述使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算的步骤之前，包括如下步骤：
利用LSTM模型将所述人工理赔项目和所述标准理赔项目的每个词建成一个最小单元向量；
将所述每个最小单元向量作为所述L1范式的输入。
4.如权利要求3所述的汽车报损方法，其特征在于，所述使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算的步骤，具体包括如下步骤：
利用所述LSTM模型似的所述人工理赔项目的最小单元向量与所述标准理赔项目的最小单元向量发生非线性映射关系；
利用公式，计算相似度结果,表示人工理赔项目的向量，表示标准理赔项目的向量。
5.如权利要求1-4任一项所述的汽车报损方法，其特征在于，所述方法还包括如下步骤：
获取用户信息；
将所述用户信息以及报损价格以One-hot的向量形式加入到所述DNN模型；
输出包含有用户信息的报损结果。
6.一种应用服务器，其特征在于，所述应用服务器包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的汽车报损系统，所述汽车报损系统被所述处理器执行时实现如下步骤：
建立汽车理赔标准项目以及受损级别报价表；
接收终端设备发送的人工理赔项目以及人工理赔项目受损级别；
匹配所述人工理赔项目与所述标准理赔项目；
根据已经匹配的标准理赔项目和受损级别报价表，评估所述人工理赔项目的报损价格；
反馈所述报损价格至终端设备；其中，所述匹配所述人工理赔项目与所述标准理赔项目的步骤，具体包括如下步骤：
构建LSTM模型对所述人工理赔项目和所述标准理赔项目进行语义向量编码；
使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算；
根据所述相似度结果判断所述人工理赔项目与所述标准理赔项目能否匹配。
7.如权利要求6所述的应用服务器，其特征在于，所述汽车报损系统被所述处理器执行时实现如下步骤：当判断所述人工理赔项目与标准理赔项目不匹配时，将判断结果反馈至所述终端设备。
8.如权利要求7所述的应用服务器，其特征在于，所述使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算的步骤之前，包括如下步骤：
利用LSTM模型将所述人工理赔项目和所述标准理赔项目的每个词建成一个最小单元向量；
将所述每个最小单元向量作为所述L1范式的输入。
9.如权利要求7所述的应用服务器，其特征在于，所述使用L1范式对所述人工理赔项目和所述标准理赔项目的语义向量进行相似度计算的步骤，具体包括如下步骤：
利用所述LSTM模型似的所述人工理赔项目的最小单元向量与所述标准理赔项目的最小单元向量发生非线性映射关系；
利用公式，计算相似度结果,表示人工理赔项目的向量，表示标准理赔项目的向量。
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汽车报损系统，所述汽车报损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1-5中任一项所述的汽车报损方法的步骤。
CN201711281185.8A 2017-12-07 2017-12-07 汽车报损方法、应用服务器及计算机可读存储介质 Pending CN107944831A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201711281185.8A CN107944831A (zh) 2017-12-07 2017-12-07 汽车报损方法、应用服务器及计算机可读存储介质
PCT/CN2018/076136 WO2019109525A1 (zh) 2017-12-07 2018-02-10 汽车报损方法、应用服务器及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711281185.8A CN107944831A (zh) 2017-12-07 2017-12-07 汽车报损方法、应用服务器及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN107944831A true CN107944831A (zh) 2018-04-20

Family

ID=61945063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711281185.8A Pending CN107944831A (zh) 2017-12-07 2017-12-07 汽车报损方法、应用服务器及计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN107944831A (zh)
WO (1) WO2019109525A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020063099A1 (zh) * 2018-09-26 2020-04-02 阿里巴巴集团控股有限公司 优化损伤识别结果的方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110889593A (zh) * 2019-11-01 2020-03-17 浙江大搜车软件技术有限公司 车辆评估方法、装置、计算机可读存储介质和计算机设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600422A (zh) * 2016-11-24 2017-04-26 中国平安财产保险股份有限公司 一种车险智能定损方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550756B (zh) * 2015-12-08 2017-06-16 优易商业管理成都有限公司 一种基于模拟车辆受损的汽车快速定损方法
CN107292394A (zh) * 2016-04-11 2017-10-24 富泰华工业（深圳）有限公司 车辆损伤定价系统及方法
CN106156848B (zh) * 2016-06-22 2018-08-14 中国民航大学 一种基于lstm-rnn的陆空通话语义一致性校验方法
CN107316245A (zh) * 2017-06-19 2017-11-03 泰康保险集团股份有限公司 费用理算方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600422A (zh) * 2016-11-24 2017-04-26 中国平安财产保险股份有限公司 一种车险智能定损方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汪淼: "基于CBR车险公估系统的应用研究", 《中国优秀博硕士学位论文全文数据库（硕士）信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020063099A1 (zh) * 2018-09-26 2020-04-02 阿里巴巴集团控股有限公司 优化损伤识别结果的方法及装置

Also Published As

Publication number Publication date
WO2019109525A1 (zh) 2019-06-13

Similar Documents

Publication Publication Date Title
CN110060144B (zh) 额度模型训练方法、额度评估方法、装置、设备及介质
CN107730389A (zh) 电子装置、保险产品推荐方法及计算机可读存储介质
CN108280762A (zh) 客户风险评级方法、服务器及计算机可读存储介质
US11544639B2 (en) Data source-based service customizing device, method and system, and storage medium
CN107871280A (zh) 贷款管理方法、应用服务器及计算机存储介质
CN107016783A (zh) 自助售卖方法及装置
CN107391680A (zh) 内容推荐方法、装置和设备
CN108428104A (zh) 薪资计算方法、应用服务器及计算机可读存储介质
CN107908656A (zh) 增加渠道方法、应用服务器及计算机可读存储介质
CN107895273A (zh) 坐席身份信息显示方法、应用服务器及计算机可读存储介质
CN108335217A (zh) 车辆出险的模拟理赔方法、装置、设备和计算机存储介质
CN108416506A (zh) 客户风险等级管理方法、服务器及计算机可读存储介质
CN108038655A (zh) 部门需求的推荐方法、应用服务器及计算机可读存储介质
CN107908603A (zh) 动态生成文件方法及应用服务器
CN107908480A (zh) 薪资计算方法、应用服务器及计算机可读存储介质
CN107103453A (zh) 公用薪酬计算方法和系统
CN110503564A (zh) 基于大数据的保全案件处理方法、系统、设备及存储介质
CN107944831A (zh) 汽车报损方法、应用服务器及计算机可读存储介质
CN112529477A (zh) 信用评估变量筛选方法、装置、计算机设备及存储介质
CN107688651A (zh) 新闻情感方向判断方法、电子设备及计算机可读存储介质
CN116307738A (zh) 电力系统宽频振荡风险识别方法及装置
CN107909239A (zh) 金额预算的需求分析方法、应用服务器及计算机可读存储介质
CN111429190B (zh) 物料采购订单的自动生成方法及系统、服务器及介质
CN110162769A (zh) 文本主题输出方法和装置、存储介质及电子装置
CN108805603A (zh) 营销活动质量评估方法、服务器及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180420