CN109165849A - 风险评估方法和装置 - Google Patents
风险评估方法和装置 Download PDFInfo
- Publication number
- CN109165849A CN109165849A CN201810978699.7A CN201810978699A CN109165849A CN 109165849 A CN109165849 A CN 109165849A CN 201810978699 A CN201810978699 A CN 201810978699A CN 109165849 A CN109165849 A CN 109165849A
- Authority
- CN
- China
- Prior art keywords
- information
- diagnosis information
- diagnosis
- standard entries
- specified database
- 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
Links
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种风险评估方法,该方法包括:获取用户的就诊信息、保单信息和征信信息;将就诊信息与指定数据库中的标准条目信息进行匹配,以选出与就诊信息相对应的标准条目信息;标签化所选出的标准条目信息,以确定与就诊信息相对应的标签;基于保单信息、所选出的标准条目信息、所确定的标签和征信信息,利用风控规则来确定理赔风险评估结果。本发明的风险评估方法,实现了对理赔风险进行风险评估,并给出相应的风险提示,从而优化了理赔流程、提高理赔时效和准确度。
Description
技术领域
本发明涉及保险科技领域,尤其涉及风险评估方法和装置。
背景技术
近年来健康医疗大数据迎来爆发式增长,健康医疗数据量每年以48%的速度增长,是增速最快的行业之一,从2009年到2020年健康医疗数据增长44倍,2016年末,中国大数据市场规模达到2485亿元,2020年,市场规模将达到13626亿元的高点,2020年,中国医疗大健康应用市场规模将达到79.05亿元
当前保险大数据的发展仍处于数据收集与获取阶段,健康险企业对医疗健康大数据的需求较为迫切,随着大众对人身健康的重视,健康险的保费收入将进一步提升,2014年健康险保费收入为1587亿元,预计2020年,健康险保费收入将超过8000亿元。在此背景下,健康险企业需要通过医疗健康大数据的分析来提高保险的个性化以及精准性,以降低保险支出,增加盈利。
随着科技的不断进步,保险欺诈手段也是越来越多样化,变得日益专业化、隐蔽化、高科技化。据统计,60%-70%的不良业务由欺诈引起,并且这些欺诈行为对市场的发展有较大的负面影响,保险的经营范围包括销售、承保、理赔和退保等,其中理赔环节需要识别是否存在欺诈行为,进行合理的赔偿;保险公司通过在投保过程的中的如实告知事项来规避客户风险,这对逆向选择的客户的风险控制明显是不足的,理赔索赔过程提交的材料真实性判断绝大部分是靠理赔人员的经验处理,对于需要进一步调查的案件,又显得处理成本高和时效低。
因此,亟需一种高效的并且能够做出较好的风险评估的理赔评估方法。
发明内容
针对上述问题,本发明提出了一种风险评估方法,所述方法包括:获取用户的就诊信息、保单信息和征信信息;将所述就诊信息与指定数据库中的标准条目信息进行匹配,以选出与所述就诊信息相对应的标准条目信息;标签化所选出的标准条目信息,以确定与所述就诊信息相对应的标签;基于所述保单信息、所选出的标准条目信息、所确定的标签和所述征信信息,利用风控规则来确定理赔风险评估结果。
在一种实施方式中,所述方法还包括:基于所述就诊信息中的字段信息将所述就诊信息与所述指定数据库中的标准条目信息进行匹配。
在一种实施方式中,所述方法还包括:基于所述就诊信息中的字段相似度将所述就诊信息与所述指定数据库中的标准条目信息进行匹配。
在一种实施方式中,将所述就诊信息与所述指定数据库中的标准条目信息进行匹配包括:将所述就诊信息与所述指定数据库中的标准条目信息进行完全匹配。
在一种实施方式中,将所述就诊信息与所述指定数据库中的标准条目信息进行匹配包括:将所述就诊信息与所述指定数据库中的标准条目信息进行分词模糊匹配。
在一种实施方式中,将所述就诊信息与所述指定数据库中的标准条目信息进行匹配包括:将所述就诊信息与所述指定数据库中的标准条目信息进行词义相似度匹配。
在一种实施方式中,利用风控规则来确定理赔风险评估结果包括:通过风险控制引擎执行规则脚本来确定理赔风险评估结果,其中,所述规则脚本根据所述风控规则转换来确定。
在一种实施方式中,所述风控规则包括核保核赔规则、医学风控规则和金融风控规则。
本发明另一方面还提供了一种风险评估装置,所述装置包括:存储器,其用于存储指令;以及处理器,其耦合到所述存储器,所述指令在由所述处理器执行时使得所述装置执行上述任一项所述的方法。
本发明另一方面还提供了一种计算机可读存储介质,所述存储介质包括指令,所述指令被执行时,使得所述计算机的处理器执行上述任一项所述的方法。
本发明基于获取的被保人的就诊信息、保单信息和征信信息,利用机器学习算法结合医学知识库和相应的风控规则实现了对理赔风险进行评估,并对简易理赔案件进行自动化理赔,对复杂的高风险的理赔案件进行风险评估并给出相应的风险提示,从而协助理赔人员优化理赔流程,提高理赔时效和准确度。
附图说明
图1是根据本发明的实施例的风险评估方法的流程图;
图2是图1所示的风险评估方法的一个实施例的流程图;
图3是根据本发明的实施例的风险评估装置的示意图;
具体实施方式
以下参考附图详细描述本公开的各个示例性实施例。附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意,在有些作为备选的实现中,方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,或者它们有时也可以按照相反的顺序执行,这取决于所涉及的功能。同样应当注意的是,流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合,可以使用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以使用专用硬件与计算机指令的组合来实现。
本文所使用的术语“包括”、“包含”及类似术语应该被理解为是开放性的术语,即“包括/包含但不限于”,表示还可以包括其他内容。术语“基于”是“至少部分地基于"。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”,等等。
对于相关领域普通技术人员已知的技术、方法和装置可能不作详细讨论,但在适当情况下,所述技术、方法和装置应当被视为说明书的一部分。对于附图中的各单元之间的连线,仅仅是为了便于说明,其表示至少连线两端的单元是相互通信的,并非旨在限制未连线的单元之间无法通信。
图1是根据本发明的实施例的风险评估方法的流程图。
步骤S101:获取用户的就诊信息、保单信息和征信信息。
步骤S102:将就诊信息与指定数据库中的标准条目信息进行匹配,以选出与就诊信息相对应的标准条目信息。
步骤S103:标签化所选出的标准条目信息,以确定与就诊信息相对应的标签。
步骤S104:基于保单信息、所选出的标准条目信息、所确定的标签和征信信息,利用风控规则来确定理赔风险评估结果。
图2是图1所示的风险评估方法的一个实施例的流程图。
步骤S201:保险公司接收被保人提出的理赔请求。
步骤S202:保险公司在被保人充分授权的情况下,根据被保人提出的理赔请求,获取与被保人相关的保单信息、就诊信息和征信信息。具体地,保险公司根据被保人提出的理赔请求通过医疗数据平台从医疗机构(包括医院和体检机构等)获取被保人的就诊信息,包括门诊和住院的结算费用、处方、医嘱、诊断、病历、检验、检查、手术、体检等信息;从征信机构获取被保人的征信信息,包括身份教育信息、运营商信息、银行卡信息、车辆信息、企业信息、网上行为信息、电商消费信息、借贷信息、黑名单信息等;从保险公司获取保单信息(被保人上的险种及相关信息),包括但不限于保险产品保障信息、被保人的姓名、性别、证件类型、证件号、生日等基本信息、被保人索赔时提供的出险时间、事故经过、事故原因、就诊医院、就诊日期、就诊卡等信息。
步骤S203:将就诊信息与指定数据库中的标准条目信息进行匹配,以选出与就诊信息相对应的标准条目信息。具体地,将从医疗机构获取的就诊信息统一转换成医疗数据平台内的医学知识库(由专业的医学团队根据ICD10、CFDF等权威标准搭建,包括药品、疾病、材料、手术、标准目录、社保目录等基础数据)的指定标准数据,使得就诊信息与标准条目信息相匹配(即进行匹配处理),从而判断被保人得了哪类疾病或者受了什么类型的伤,严重程度如何,使用了哪类药品,是否属于保险范围等等。应理解的是,每家医院或医疗机构的数据码表可能不一样,例如,性别有的采用“男,女”,有的采用“0表示男,1表示女”,有的采用“M表示男,F表示女”的方式进行表示;再比如对于同一种药品,例如,“阿莫西林”可能在不同的医院中采用不同的编码方式,需要将不同医院的就诊信息与医疗数据平台内的医学知识库的标准条目信息进行匹配,使得就诊信息标准化。在一种实施方式中,还需将匹配后的标准条目信息与商业保险公司的保险条目进行匹配,从而使得就诊信息与不同保险公司需要的保险条目对应起来。
在一种实施方式中,基于就诊信息中的字段信息,采用elastic search搜索分词算法,结合已建立的医学词典实现就诊信息的分词处理。
在另一种实施方式中,基于就诊信息中的字段相似度,采用NLP相似度算法实现匹配,具体如下:
(1)基于jieba分词提供公用分词,根据相关专业医学人员建立的词库,对英文缩写相关用词进行转换,对停用词进行扩充;
(2)基于医学知识术语文件,通过sklearn.feature_extraction.text统计词频生成IDF文件模块文件;
(3)基于医学知识术语文件,通过word2vecs模块训练模型生成词向量模型;
(4)在jieba分词后,通过word2vecs计算词语之间的距离和idf文件模块文件,加正反算法得出相似度最高的词。
应理解的是,通常,如果搜索分词算法不能实现正确匹配,则继续采用合适的AI算法继续匹配,如果搜索分词和AI算法都不能实现正确匹配,则需要采用人工干预进行匹配。
还应理解的是,可以将就诊信息与指定数据库中的标准条目信息进行完全匹配、分词模糊匹配或者词义相似度匹配。
步骤S204:标签化所选出的标准条目信息,以确定与就诊信息相对应的标签库中的标签(标签系统建立药品、疾病、材料三者之间的关系,以及合理用药、合理就诊),通过标签可知道就诊信息所对应的属性,从而判断被保人所患疾病所属的类型或者受了什么类型的伤,严重程度如何,所使用的药物的类型。为丰富医学标签,通过对诊断描述和所使用药进行分析得出药品和疾病的关系,从而更新标签库。
步骤S205:根据风控规则来确定风控评估结果,具体地,根据保单信息、所选出的标准条目信息、所确定的标签和征信信息,进行规则判断运算以得出风险评估结果。应理解的是,可以根据保单信息自动加载规则集合(资深的商保理赔员搭建保险知识库,梳理理赔核赔核保规则;资深医学专家搭建医学风控规则和财务专家搭建金融风控规则)并执行,确定是否属于保险范围还是属于保险免责条款,如果属于保险范围,则按照风险提示类型进行分类以及进行风险评分。其中,每条规则设置有风险分值,根据命中条件赋予分值。在一种实施方式中,将风控规则编写成风险控制引擎Drools能执行的groovy脚本,使用时按条款维度配置保险产品规则集;如若保险产品理赔规则需要用到个人征信信息,则通过对接的征信平台自动获取;核赔规则中包括合理用药和合理就诊的风险规则。
以下通过一个示例来进一步说明上述评估方法。
示例1:
原始诊断信息:“code”:“66826”,“description”:“房间隔缺损”。
通过与标准条目信息进行匹配后得到:“stdCode”:“Q21.100”,“stdName”:“房间隔缺损”。
标签化获得的标准条目信息后得到:“tagName”:“先天性畸形、变形”,即得出诊断的疾病类型。
进行规则判断运算后得到:疾病名称对应于标签“先天性畸形、变形”或“遗传性疾病”。
输出结果:被保人患的是遗传性疾病,先天性畸形、变形或染色体异常,这种情况属于保险免责条款。
通过上述利用机器学习算法结合医学知识库和执行相应的风控规则的评估方法,实现了对理赔风险进行风险评估,并给出相应的风险提示,从而优化了理赔流程、提高理赔时效和准确度。
图3示出了根据本发明的实施例的获取区块链的节点的状态的装置300的示意图。装置300可以包括:存储器301和耦合到存储器301的处理器302。存储器301用于存储指令,处理器302被配置为基于存储器301存储的指令来实现针对图1和图2所描述的方法的步骤中的任何步骤中的一个或多个。
如图3所示,装置300还可以包括通信接口303,用于与其它装置进行信息交互。此外,装置300还可以包括总线303,存储器301、处理器302和通信接口303通过总线304来彼此进行通信。
存储器301可以包括易失性存储器,也可以包括非易失性存储器。处理器302可以是中央处理器(CPU)、微控制器、专用集成电路(ASIC)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、或是被配置为实现本发明的实施例的一个或多个集成电路。
替代地,上述的获取区块链的节点的状态的方法能够通过计算机程序产品,即有形的计算机可读存储介质来体现。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本公开的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行装置使用的指令的有形装置。计算机可读存储介质例如可以是但不限于电存储装置、磁存储装置、光存储装置、电磁存储装置、半导体存储装置或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码装置、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
需要注意的是,以上列举的仅为本发明的具体实施例,显然本发明不限于以上实施例,随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形,均应属于本发明的保护范围。
Claims (10)
1.一种风险评估方法,其特征在于,所述方法包括:
获取用户的就诊信息、保单信息和征信信息;
将所述就诊信息与指定数据库中的标准条目信息进行匹配,以选出与所述就诊信息相对应的标准条目信息;
标签化所选出的标准条目信息,以确定与所述就诊信息相对应的标签;
基于所述保单信息、所选出的标准条目信息、所确定的标签和所述征信信息,利用风控规则来确定理赔风险评估结果。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述就诊信息中的字段信息将所述就诊信息与所述指定数据库中的标准条目信息进行匹配。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述就诊信息中的字段相似度将所述就诊信息与所述指定数据库中的标准条目信息进行匹配。
4.根据权利要求1所述的方法,其特征在于,将所述就诊信息与所述指定数据库中的标准条目信息进行匹配包括:将所述就诊信息与所述指定数据库中的标准条目信息进行完全匹配。
5.根据权利要求1所述的方法,其特征在于,将所述就诊信息与所述指定数据库中的标准条目信息进行匹配包括:将所述就诊信息与所述指定数据库中的标准条目信息进行分词模糊匹配。
6.根据权利要求1所述的方法,其特征在于,将所述就诊信息与所述指定数据库中的标准条目信息进行匹配包括:将所述就诊信息与所述指定数据库中的标准条目信息进行词义相似度匹配。
7.根据权利要求1所述的方法,其特征在于,利用风控规则来确定理赔风险评估结果包括:通过风险控制引擎执行规则脚本来确定理赔风险评估结果,其中,所述规则脚本根据所述风控规则转换来确定。
8.根据权利要求1或7所述的方法,其特征在于,所述风控规则包括核保核赔规则、医学风控规则和金融风控规则。
9.一种风险评估装置,其特征在于,所述装置包括:
存储器,其用于存储指令;以及
处理器,其耦合到所述存储器,所述指令在由所述处理器执行时使得所述装置执行根据权利要求1-8中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质包括指令,所述指令被执行时,使得所述计算机的处理器执行所述权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810978699.7A CN109165849A (zh) | 2018-08-27 | 2018-08-27 | 风险评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810978699.7A CN109165849A (zh) | 2018-08-27 | 2018-08-27 | 风险评估方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109165849A true CN109165849A (zh) | 2019-01-08 |
Family
ID=64896938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810978699.7A Pending CN109165849A (zh) | 2018-08-27 | 2018-08-27 | 风险评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109165849A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886554A (zh) * | 2019-01-24 | 2019-06-14 | 平安科技(深圳)有限公司 | 违规行为判别方法、装置、计算机设备和存储介质 |
CN110119991A (zh) * | 2019-04-12 | 2019-08-13 | 深圳壹账通智能科技有限公司 | 基于机器学习的医疗赔付审核方法、装置及存储介质 |
CN111062819A (zh) * | 2019-11-26 | 2020-04-24 | 泰康保险集团股份有限公司 | 简易理赔方法、装置、介质及电子设备 |
CN112419074A (zh) * | 2020-11-13 | 2021-02-26 | 中保车服科技服务股份有限公司 | 一种车险欺诈团伙识别方法及装置 |
CN114723570A (zh) * | 2021-01-05 | 2022-07-08 | 中国银行保险信息技术管理有限公司 | 农险风险监测方法、装置、存储介质及计算机设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646110A (zh) * | 2013-12-26 | 2014-03-19 | 中国人民银行征信中心 | 自然人基本身份信息匹配方法 |
CN104156415A (zh) * | 2014-07-31 | 2014-11-19 | 沈阳锐易特软件技术有限公司 | 解决医疗数据标准编码对照问题的映射处理系统及方法 |
CN107818124A (zh) * | 2017-03-03 | 2018-03-20 | 平安医疗健康管理股份有限公司 | 数据匹配方法及装置 |
CN107871285A (zh) * | 2017-12-06 | 2018-04-03 | 和金在线(北京)科技有限公司 | 一种健康保险赔欺诈及滥用的侦测方法和系统 |
CN107909299A (zh) * | 2017-12-11 | 2018-04-13 | 凯泰铭科技(北京)有限公司 | 人伤理赔数据风险检测方法和系统 |
CN107967575A (zh) * | 2017-12-21 | 2018-04-27 | 大连丰泰保险信息咨询有限公司 | 一种人工智能保险咨询服务人工智能平台系统 |
CN107993053A (zh) * | 2017-11-30 | 2018-05-04 | 平安养老保险股份有限公司 | 理赔数据审核方法、装置、计算机设备及存储介质 |
CN108230157A (zh) * | 2016-12-15 | 2018-06-29 | 平安科技(深圳)有限公司 | 一种理赔处理方法和装置 |
CN108257024A (zh) * | 2017-04-14 | 2018-07-06 | 平安科技(深圳)有限公司 | 一种理赔案件处理方法和装置 |
CN108335214A (zh) * | 2017-06-21 | 2018-07-27 | 平安科技(深圳)有限公司 | 自助理赔方法、服务器和计算机可读存储介质 |
CN108346036A (zh) * | 2018-03-06 | 2018-07-31 | 平安科技(深圳)有限公司 | 保险保单集中核单方法、电子装置及可读存储介质 |
CN108346459A (zh) * | 2017-05-05 | 2018-07-31 | 平安科技(深圳)有限公司 | 医疗数据收集方法、服务器及计算机可读存储介质 |
CN108364233A (zh) * | 2018-01-12 | 2018-08-03 | 中国平安人寿保险股份有限公司 | 一种保单风险评估方法、装置、终端设备及存储介质 |
CN108389061A (zh) * | 2018-03-19 | 2018-08-10 | 平安科技(深圳)有限公司 | 电子装置、基于区块链的牲畜保险理赔方法及存储介质 |
CN108399532A (zh) * | 2018-04-12 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 处理业务的可用资源的方法和装置 |
-
2018
- 2018-08-27 CN CN201810978699.7A patent/CN109165849A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646110A (zh) * | 2013-12-26 | 2014-03-19 | 中国人民银行征信中心 | 自然人基本身份信息匹配方法 |
CN104156415A (zh) * | 2014-07-31 | 2014-11-19 | 沈阳锐易特软件技术有限公司 | 解决医疗数据标准编码对照问题的映射处理系统及方法 |
CN108230157A (zh) * | 2016-12-15 | 2018-06-29 | 平安科技(深圳)有限公司 | 一种理赔处理方法和装置 |
CN107818124A (zh) * | 2017-03-03 | 2018-03-20 | 平安医疗健康管理股份有限公司 | 数据匹配方法及装置 |
CN108257024A (zh) * | 2017-04-14 | 2018-07-06 | 平安科技(深圳)有限公司 | 一种理赔案件处理方法和装置 |
CN108346459A (zh) * | 2017-05-05 | 2018-07-31 | 平安科技(深圳)有限公司 | 医疗数据收集方法、服务器及计算机可读存储介质 |
CN108335214A (zh) * | 2017-06-21 | 2018-07-27 | 平安科技(深圳)有限公司 | 自助理赔方法、服务器和计算机可读存储介质 |
CN107993053A (zh) * | 2017-11-30 | 2018-05-04 | 平安养老保险股份有限公司 | 理赔数据审核方法、装置、计算机设备及存储介质 |
CN107871285A (zh) * | 2017-12-06 | 2018-04-03 | 和金在线(北京)科技有限公司 | 一种健康保险赔欺诈及滥用的侦测方法和系统 |
CN107909299A (zh) * | 2017-12-11 | 2018-04-13 | 凯泰铭科技(北京)有限公司 | 人伤理赔数据风险检测方法和系统 |
CN107967575A (zh) * | 2017-12-21 | 2018-04-27 | 大连丰泰保险信息咨询有限公司 | 一种人工智能保险咨询服务人工智能平台系统 |
CN108364233A (zh) * | 2018-01-12 | 2018-08-03 | 中国平安人寿保险股份有限公司 | 一种保单风险评估方法、装置、终端设备及存储介质 |
CN108346036A (zh) * | 2018-03-06 | 2018-07-31 | 平安科技(深圳)有限公司 | 保险保单集中核单方法、电子装置及可读存储介质 |
CN108389061A (zh) * | 2018-03-19 | 2018-08-10 | 平安科技(深圳)有限公司 | 电子装置、基于区块链的牲畜保险理赔方法及存储介质 |
CN108399532A (zh) * | 2018-04-12 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 处理业务的可用资源的方法和装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886554A (zh) * | 2019-01-24 | 2019-06-14 | 平安科技(深圳)有限公司 | 违规行为判别方法、装置、计算机设备和存储介质 |
CN109886554B (zh) * | 2019-01-24 | 2024-05-03 | 平安科技(深圳)有限公司 | 违规行为判别方法、装置、计算机设备和存储介质 |
CN110119991A (zh) * | 2019-04-12 | 2019-08-13 | 深圳壹账通智能科技有限公司 | 基于机器学习的医疗赔付审核方法、装置及存储介质 |
CN111062819A (zh) * | 2019-11-26 | 2020-04-24 | 泰康保险集团股份有限公司 | 简易理赔方法、装置、介质及电子设备 |
CN112419074A (zh) * | 2020-11-13 | 2021-02-26 | 中保车服科技服务股份有限公司 | 一种车险欺诈团伙识别方法及装置 |
CN114723570A (zh) * | 2021-01-05 | 2022-07-08 | 中国银行保险信息技术管理有限公司 | 农险风险监测方法、装置、存储介质及计算机设备 |
CN114723570B (zh) * | 2021-01-05 | 2024-02-09 | 中国银行保险信息技术管理有限公司 | 农险风险监测方法、装置、存储介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165849A (zh) | 风险评估方法和装置 | |
US11922348B2 (en) | Generating final abnormality data for medical scans based on utilizing a set of sub-models | |
CN108520343B (zh) | 风险模型训练方法、风险识别方法、装置、设备及介质 | |
CN107798621B (zh) | 疾病诊断信息审核方法及装置 | |
CN110910976A (zh) | 病历检测方法、装置、设备和存储介质 | |
CN111584021B (zh) | 病案信息校验方法、装置、电子设备及存储介质 | |
AU2011247830B2 (en) | Method and system for generating text | |
US20130054259A1 (en) | Rule-based Prediction of Medical Claims' Payments | |
Halpern et al. | A comparison of dimensionality reduction techniques for unstructured clinical text | |
CN111724136A (zh) | 病案首页信息的录入方法、装置及计算机设备 | |
Cheng et al. | Adapting large language models via reading comprehension | |
CN111444717A (zh) | 医学实体信息的抽取方法、装置、存储介质及电子设备 | |
CN110223182A (zh) | 一种理赔风控方法、装置及计算机可读存储介质 | |
CN109522301A (zh) | 一种数据处理方法、电子设备及存储介质 | |
CN111709845A (zh) | 医保欺诈行为识别方法、装置、电子设备及存储介质 | |
US8676800B2 (en) | Method and system for generating text | |
CN110490750B (zh) | 数据识别的方法、系统、电子设备及计算机存储介质 | |
CN115630221A (zh) | 终端应用界面展示数据处理方法、装置及计算机设备 | |
Lu et al. | Embedding for anomaly detection on health insurance claims | |
JP6743116B2 (ja) | 審査支援システム、審査支援方法及び審査支援プログラム | |
CN111429289B (zh) | 单病种识别方法、装置、计算机设备和存储介质 | |
CN117114901A (zh) | 基于人工智能的投保数据处理方法、装置、设备及介质 | |
CN112861533A (zh) | 实体词识别方法及装置 | |
CN116311313A (zh) | 基于人工智能的病历报告单检测方法、装置、设备及介质 | |
CN115775635A (zh) | 基于深度学习模型的药品风险识别方法、装置及终端设备 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190108 |
|
WD01 | Invention patent application deemed withdrawn after publication |