CN109410071A - 核保数据处理方法、装置、计算机设备和存储介质 - Google Patents
核保数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109410071A CN109410071A CN201811081923.9A CN201811081923A CN109410071A CN 109410071 A CN109410071 A CN 109410071A CN 201811081923 A CN201811081923 A CN 201811081923A CN 109410071 A CN109410071 A CN 109410071A
- Authority
- CN
- China
- Prior art keywords
- core
- protects
- data
- declaration form
- insurance
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 29
- 239000000284 extract Substances 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012552 review Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 5
- 238000010801 machine learning Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本申请涉及人工智能领域的机器学习技术,提供了一种核保数据处理方法、装置、计算机设备和存储介质。所述方法包括:接收终端发送的核保视频数据及核保请求,所述核保请求中携带保单号;查找所述保单号对应的保单的险种,并确定所述险种所属的保险类别;根据所述保险类别,从所述核保视频数据中抽取对应的目标核保数据;根据所述目标核保数据采用已训练的核保评估模型,得到核保评估值;根据所述核保评估值确定所述保单号对应的保单的核保结果。采用本申请的方法能够提高核保效率。
Description
技术领域
本申请涉及核保技术领域,特别是涉及一种核保数据处理方法、装置、计算机设备和存储介质。
背景技术
投保人在提交投保单后,保险公司会对投保单进行审核,以便决定是否承保这一风险,并在承受风险的情况下确定承保条件,这个过程也称作是保险核保(简称核保)。
传统技术中,保险公司在进行核保时需要下发健康函,财务函,契调函或者体检函,需要公司派专人协助客户进行相关材料的专门和提交,然后需要回销各类函件,核保人再根据函件作出核保决定。整个过程由人工进行核保,耗时比较长,导致核保的效率低下。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高核保效率的核保数据处理方法、装置、计算机设备和存储介质。
一种核保数据处理方法,所述方法包括:接收终端发送的核保视频数据及核保请求,所述核保请求中携带保单号;查找所述保单号对应的保单的险种,并确定所述险种所属的保险类别;根据所述保险类别,从所述核保视频数据中抽取对应的目标核保数据;根据所述目标核保数据采用已训练的核保评估模型,得到核保评估值;根据所述核保评估值确定所述保单号对应的保单的核保结果。
在其中一个实施例中,所述接收终端发送的核保视频数据及核保请求之前,包括:获取待核保保单对应的投保数据,所述待核保保单对应的投保数据包括所述待核保保单对应的险种;当所述待核保保单满足预设的初始投保条件时,根据所述投保数据对应的险种获取对应的判断因子及所述判断因子对应的视频核保条件;从所述投保数据中获取所述判断因子对应的目标字段数据;当所述判断因子对应的目标字段数据满足所述判断因子对应的视频核保条件时,将所述待核保保单识别为目标保单;将所述目标保单发送至终端,所述终端用于获取所述目标保单对应的核保视频数据。
在其中一个实施例中,所述待核保保单对应的投保数据包括所述待核保保单对应的被保人、保额、保险生效日及保险期满日,所述当所述待核保保单满足预设的初始投保条件时,根据所述投保数据对应的险种获取对应的判断因子及所述判断因子对应的视频核保条件,包括:根据所述待核保保单对应的险种确定所述待核保保单对应的待核保保险类别;根据所述待核保保险类别获取所述被保人的与所述待核保保险类别对应的历史投保数据;确定所述历史投保数据中每一个保额对应的保险生效时段;当任意一个所述保险生效时段中包含所述保险生效日或保险期满日时,将所述保险生效时段对应的保额与所述待核保保单对应的保额进行累加,得到所述待核保保险类别对应的保额累加值;当所述保额累加值不超过所述待核保保险类别对应的预设保额阈值时,判定所述待核保保单满足预设的初始投保条件。
在其中一个实施例中,所述根据所述目标核保数据采用已训练的核保评估模型,得到核保评估值之前,还包括:获取预设数量的历史保单对应的核保数据及核保评估值;根据预设数量的所述历史保单对应的核保数据及核保评估值构建训练样本集;根据所述训练样本集进行模型训练得到核保评估模型。
在其中一个实施例中,所述根据所述核保评估值确定所述保单号对应的保单的核保结果,包括:当所述核保评估值超过预设数值时,确定所述核保请求对应的保单的核保结果为承保;当所述核保评估值不超过预设数值时,确定所述核保请求对应的保单的核保结果为拒保。
在其中一个实施例中,所述根据所述核保评估值确定所述保单号对应的保单的核保结果之后,还包括:从所述核保视频数据中提取人脸图像数据;对所述人脸图像数据提取表情特征;根据所述表情特征采用已训练的欺诈概率预测模型,得到对应的欺诈概率;当所述欺诈概率大于预设的概率阈值时,生成所述保单号对应的复核任务。
一种核保数据处理装置,所述装置包括:数据接收模块,用于接收终端发送的核保视频数据及核保请求,所述核保请求中携带保单号;查找模块,用于查找所述保单号对应的保单的险种,并确定所述险种所属的保险类别;目标核保数据抽取模块,用于根据所述保险类别,从所述核保视频数据中抽取对应的目标核保数据;核保评估值获取模块,用于根据所述目标核保数据采用已训练的核保评估模型,得到核保评估值;核保结果确定模块,用于根据所述核保评估值确定所述保单号对应的保单的核保结果。
在其中一个实施例中,所述装置还包括目标保单识别模块,用于获取待核保保单对应的投保数据,所述待核保保单对应的投保数据包括所述待核保保单对应的险种,当所述待核保保单满足预设的初始投保条件时,根据所述投保数据对应的险种获取对应的判断因子及所述判断因子对应的视频核保条件,从所述投保数据中获取所述判断因子对应的目标字段数据,当所述判断因子对应的目标字段数据满足所述判断因子对应的视频核保条件时,将所述待核保保单识别为目标保单,将所述目标保单发送至终端,所述终端用于获取所述目标保单对应的核保视频数据。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任意一个实施例所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一个实施例所述方法的步骤。
上述核保数据处理方法、装置、计算机设备和存储介质,首先接收终端发送的核保视频数据及携带保单号的核保请求,查找所述保单号对应的保单的险种,并确定所述险种所属的保险类别,然后根据所述保险类别,从所述核保视频数据中抽取对应的目标核保数据,接着根据所述目标核保数据采用已训练的核保评估模型,得到核保评估值,最后根据所述核保评估值确定所述保单号对应的保单的核保结果,本申请中,由于直接从核保视频中抽取目标核保数据,然后采用机器学习训练得到的模型来进行核保决策,一方面提高了核保效率,另一方面可以提高核保的准确度。
附图说明
图1为一个实施例中核保数据处理方法的应用场景图;
图2为一个实施例中核保数据处理方法的流程示意图;
图3为另一个实施例中核保数据处理方法的流程示意图;
图4为一个实施例中核保数据处理装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的核保数据处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器104接收到终端发送的核保视频数据及携带保单号的核保请求后,根据保单号查找对应的保单的险种,根据保单号对应的保单的险种,从核保视频数据中提取对应的目标核保数据,根据目标核保数据采用已训练的核保评估模型,得到核保评估值,最后根据核保评估值确定核保结果。进一步,服务器104可将核保结果发送至终端102,终端102可对核保结果进行显示。
在一个实施例中,如图2所示,提供了一种核保数据处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S202,接收终端发送的核保视频数据及核保请求,核保请求中携带保单号。
具体地,核保视频指的是核保人通过视频通话的方式对被保人进行核保询问时核保人对应的终端录制的视频。在视频通话的过程中,核保人可通过提问的方式来获取核保所需要的各种信息。核保人通过终端获取到核保视频数据后,将核保视频数据发送至服务器,并向服务器发送核保请求,在核保请求中携带需要进行核保的保单所对应的保单号。可以理解,核保视频数据对应的保单与保单号对应的保单为同一个保单。
步骤S204,查找保单号对应的保单的险种,并确定险种所属的保险类别。
其中,险种指的是保险产品的种类,保险类别指的是险种所属的保险大类,一个保险类别可包括多个险种,例如,险种类别为“出行意外类(公共交通)-飞机”,包括“交通意外伤害保险(A款)”、“航空旅客意外伤害保险意外身故”、“交通意外伤害保险(B款)”、“综合交通意外伤害保险(民航班机意外伤害)”等险种。每一个险种与所属的保险类别之间事先建立了映射关系,根据险种可查找到其对应的保险类别。
对于每一个客户在投保时提交的投保数据,事先存储在数据库中,投保数据包括投保人、被保人、受益人、保险额度、保费、险种、保险责任明细、保险生效日、保险期满日等等,投保数据与保单号一一对应存储。服务器获取到保单号后,可根据保单号从数据库中查找到该保单号对应的保单的所有的投保数据。本实施例中,服务器可根据保单号从数据库中查找保单号对应的保单的险种,然后根据预先建立的险种与保险类别的映射关系查询险种所属的保险类别。
步骤S206,根据保险类别,从核保视频数据中抽取对应的目标核保数据。
具体地,对于每一个保险类别,事先设定了目标核保数据的信息类型,如寿险相关的险种,其对应的目标核保数据的信息类型为患病信息、用药信息、治疗信息等等。服务器接收到核保视频数据后,从该核保视频数据中提取音频数据,对音频数据进行识别得到文本数据,然后从文本数据中抽取与保险类型相对应的信息类型的数据。
在一个实施例中,对于目标核保数据的每一种信息类型,事先建立匹配词库,服务器在获取到文本数据后,对文本数据进行分句,然后分词,将得到的分词结果中的各个词语分别与该保险类型对应的目标核保数据各个信息类型对应的匹配词库进行匹配,将匹配成功的词语抽取出来,作为目标核保数据。
可以理解,在其他一些实施例中,服务器获取到文本数据后,也可以采用的其他常规的文本信息抽取方法进行目标核保数据的抽取,如基于Query Log的抽取方法、基于WebPage的抽取方法等等;或者采用隐马尔科夫模型、最大熵马尔科夫模型等进行文本信息提取。
步骤S208,根据目标核保数据采用已训练的核保评估模型,得到核保评估值。
具体地,服务器在获取目标核保数据后,可将目标核保数据转换为向量的形式进行表示,然后将得到的向量输入到已训练的核保评估模型中,得到核保评估模型的输出值作为核保评估值。其中,核保评估模型通过机器学习的方法对训练样本进行训练得到,用于根据核保数据得到核保评估值,核保评估值用于表示核保结果为承保的可能性大小,核保评估值越大,该保单号对应的保单的核保结果为承保的可能性越大。本实施例中,核保评估模型可采用有监督的训练方法进行训练得到,如逻辑回归模型、SVM(Support VectorMachine,支持向量机)等等。
在一个实施例中,将目标核保数据转换为向量,可首先按照预设的规则将目标核保数据中每一个数据表示为参数值,然后对参数值进行标准化处理得到目标参数值,最后将目标参数值按照预设的规则进行组合从而得到目标核保数据对应的向量。
步骤S210,根据核保评估值确定保单号对应的保单的核保结果。
在本实施例中,服务器获取到核保评估值后,可根据核保评估值确定最终的核保结果。在一个实施例中,核保结果可以包括拒保、承保两种类型。在其他实施例中,可根据实际情况设置更多的核保结果类型,如核保可以是承保、疑似拒保、拒保等,其中,对于核保结果为疑似拒保的保单,可生成一个复核任务,将复核任务分配至对应的复核人员进行进一步核保。
在一个实施例中,可事先设定一个预设数值,当核保评估值不超过该预设数值时,确定核保结果为承保;当核保评估值小于该预设数值时,确定核保结果为拒保。
上述核保数据处理方法中,服务器通过首先接收终端发送的核保视频数据及携带保单号的核保请求,查找保单号对应的保单的险种,并确定险种所属的保险类别,然后根据保险类别,从核保视频数据中抽取对应的目标核保数据,接着根据目标核保数据采用已训练的核保评估模型,得到核保评估值,最后根据核保评估值确定保单号对应的保单的核保结果,本申请中,服务器直接从核保的视频中抽取目标核保数据,然后采用机器学习训练得到的模型来进行核保决策,一方面提高了核保效率,另一方面可以提高核保的准确度。
在一个实施例中,如图3所示,提供一种核保数据处理方法,包括:
步骤S302,获取待核保保单对应的投保数据,待核保保单对应的投保数据包括待核保保单对应的险种。
其中,待核保保单指的是等待服务器进行核保处理的保单。在一个实施例中,服务器可以以预设的周期遍历数据库,获取到所有待核保保单对应的投保数据。
步骤S304,当待核保保单满足预设的初始投保条件时,根据投保数据对应的险种获取对应的判断因子及判断因子对应的视频核保条件。
具体地,初始投保条件指的在进行视频通话核保之前所需要判断的保单所需要满足的固定条件,可根据需要进行事先设定,例如,待核保保单对应的地区,为该险种所对应的预设地区,或者投保人所投保的某一类保险类型的保单所对应的总的保额不超过预设阈值,或者投保人为非黑名单用户等等;判断因子指的是用于判断待核保保单是否满足视频核保条件的数据,对于每一个保险类别,预先设置了对应的判断因子,对于每一个判断因子,预先设置了对应的视频核保条件,例如,当待核保保单为寿险相关险种时,判断因子可以为身高、年龄、体重等等,其中,年龄对应的视频核保条件例如可以是:被保人年龄不超过60岁。在本实施例中,只有满足视频核保条件的待核保保单才可以进行视频核保。
当待核保保单满足预设的初始投保条件时,服务器根据投保数据中包含的险种查找该险种所属的保险类别,获取该保险类别对应的判断因子及每一个判断因子对应的视频核保条件。
步骤S306,从投保数据中获取判断因子对应的目标字段数据。
其中,目标字段数据指的是判断因子在投保数据中所对应的数据,例如,对于“身高”这一判断因子,在某一个待核保保单对应的投保数据中的数据为170ccm,则170cm为“身高”这一判断因子对应的目标字段数据。
步骤S308,当判断因子对应的目标字段数据满足判断因子对应的视频核保条件时,将待核保保单识别为目标保单。
具体地,服务器获取到各个判断因子对应的目标字段数据后,判断目标字段数据是否满足各个判断因子对应的视频核保条件,若所有的目标字段数据都满足其对应的视频核保条件,则将该待核保保单识别为目标保单,目标保单即为可进行视频核保的保单。举例说明,若某个保险类别的判断因子包括“身高”,其对应的视频核保条件为“身高不低于110cm且不超过200cm”,当服务器从投保数据中获取到的该判断因子对应的目标字段数据为“170cm”时,则该目标字段数据满足对应的视频核保条件。
步骤S310,将目标保单发送至终端,终端用于获取目标保单对应的核保视频数据。
本实施例中,服务器通过将目标保单发送至终端,投保人可通过终端获取目标保单对应的核保视频数据。
步骤S312,接收终端发送的核保视频数据及核保请求,核保请求中携带保单号。
步骤S314,查找保单号对应的保单的险种,并确定险种所属的保险类别。
步骤S316,根据保险类别,从核保视频数据中抽取对应的目标核保数据。
步骤S318,根据目标核保数据采用已训练的核保评估模型,得到核保评估值。
步骤S320,根据核保评估值确定保单号对应的保单的核保结果。
上述步骤S312~步骤S320与步骤S202~步骤S210相同,可参照步骤S202~步骤S210的解释,本申请在此不再赘述。
本申请中,通过首先判断待核保保单是否符合视频核保条件,并对符合视频核保条件的保单进行视频核保以获取核保视频数据,可以使得核保的结果更加准确。
在一个实施例中,步骤S304当待核保保单满足预设的初始投保条件时,根据投保数据对应的险种获取对应的判断因子及判断因子对应的视频核保条件,包括:根据待核保保单对应的险种确定待核保保单对应的待核保保险类别;根据待核保保险类别获取被保人的与待核保保险类别对应的历史投保数据;确定历史投保数据中每一个保额对应的保险生效时段;当任意一个保险生效时段中包含保险生效日或保险期满日时,将保险生效时段对应的保额与待核保保单对应的保额进行累加,得到待核保保险类别对应的保额累加值;当保额累加值不超过待核保保险类别对应的预设保额阈值时,判定待核保保单满足预设的初始投保条件。
具体地,待核保保单对应的投保数据包括待核保保单对应的险种、被保人、保额、保险生效日及保险期满日等数据,待核保保险类别指的是待核保保单对应的险种所属的保险类别,被保人的与待核保保险类别对应的历史投保数据指的是被保人对应的所有历史保单中,险种所属的保险类别与待核保保险类别相同的历史保单所对应的投保数据,这些历史投保数据同样包括险种、被保人、保额、保险生效日及保险期满日等数据,根据历史保单对应的保险生效日与保险期满日可以确定历史保单对应的保险生效时段,例如,某个历史保单对应的保险生效日为2016年12月1日,该历史保单对应的保险期满日为2017年12月1日,则该历史保单对应的保险生效时段为2016年12月1日至2017年12月1日,每一个保险生效时段对应一个保额。
进一步,对于每一个保险类别预先设置了对应的保额阈值,当服务器计算出待核保保险类别对应的保额累加值超过该预设保额阈值时,则判定断该待核保保单不满足预设的初始投保条件,反之,当服务器计算出待核保保险类别对应的保额累加值不超过该预设保额阈值时,则判定该待核保保单满足预设的初始投保条件。
本实施例中,通过判断待核保保单对应的被保人的保额累加值是否超过保额预设阈值,可以有效地进行风险控制,防止恶意投保现象的发生。
在一个实施例中,步骤S208根据目标核保数据采用已训练的核保评估模型,得到核保评估值之前,上述方法还包括:获取预设数量的历史保单对应的核保数据及核保评估值;根据预设数量的历史保单对应的核保数据及核保评估值构建训练样本集;根据训练样本集进行模型训练得到核保评估模型。
具体地,历史保单对应的核保评估值是已知的,服务器获取到历史保单对应的核保数据及核保评估值后,将核保数据映射为输入向量,将输入向量作为输入样本,对应的核保评估值作为期望的输出样本对进行模型训练得到核保评估模型。
进行模型训练时,可以采用logistic(逻辑)回归、决策树、支持向量机等算法。如,当采用logistic(逻辑)回归算法时,可以设定预测函数为:
其中,x为输入向量,w为权重参数,h(x)为输出向量,将历史保单对应的输入向量输入该预测函数,不断地对预测函数进行训练,调整其权重参数,使得预测函数的输出拟合训练样本中的期望输出样本,其中,训练的时候可以采用梯度下降算法或者最小二乘法。
在一个实施例中,根据核保评估值确定保单号对应的保单的核保结果之后,还包括:从核保视频数据中提取人脸图像数据;对人脸图像数据提取表情特征;根据表情特征采用已训练的欺诈概率预测模型,得到对应的欺诈概率;当欺诈概率大于预设的概率阈值时,生成保单号对应的复核任务。
具体地,首先对核保视频进行人脸检测,得到人脸图像,对人脸图像采用特征提取算法提取表情特征,其中,表情特征包括人脸器官、纹理区域以及预定义的特征点等等,根据这些表情特征得到核保视频对应的表情特征向量,将特征向量输入预先已训练的欺诈概率预测模型中得到欺诈概率,当欺诈概率大于预设阈值时,对该核保视频对应的保单生成复核任务,将复核任务加入任务池进行分配。其中,人脸检测算法包括但不限于基于直方图粗分割和奇异值特征的人脸检测算法、基于二进小波变换的人脸检测算法、基于AdaBoost算法的人脸检测、基于面部双眼结构特征的人脸检测算法等;表情特征提取方法包括但不限于主成分分析法(Principal Component Analysis,PCA)、独立成分分析法(IndenpentCompondent Analysis,ICA)和线性判别分析法(Linear Discriminant Analysis,LDA)、Gabor小波法、LBP算子法等。
在一个实施例中,欺诈概率预测模型的训练步骤如下:首先从网络信息或音视频资料库中选取明显存在欺诈行为的视频样本和无欺诈行为的视频样本,为每个视频样本分配一个欺诈标注,欺诈标注表示该视频样本中的人物有无欺诈嫌疑,例如1表示有欺诈嫌疑,0表示无欺诈嫌疑,从视频样本中提取表情特征,根据表情特征得到表情特征向量,将表情特征向量作为输入样本,将对应的欺诈标注作为期望的输出样本进行有监督地模型训练,从而得到训练好的欺诈概率预测模型。
进一步,服务器将复核任务分配至对应的复核人员,复核任务用于指示复核人员对该保单再次进行核保。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种核保数据处理装置400,包括:数据接收模块402、查找模块404、目标核保数据抽取模块406、核保评估值获取模块408和核保结果确定模块410,其中:
数据接收模块402用于接收终端发送的核保视频数据及核保请求,核保请求中携带保单号;
查找模块404用于查找保单号对应的保单的险种,并确定险种所属的保险类别;
目标核保数据抽取模块406用于根据保险类别,从核保视频数据中抽取对应的目标核保数据;
核保评估值获取模块408用于根据目标核保数据采用已训练的核保评估模型,得到核保评估值;
核保结果确定模块410用于根据核保评估值确定保单号对应的保单的核保结果。
在一个实施例中,上述装置还包括目标保单识别模块,该目标保单识别模块用于获取待核保保单对应的投保数据,待核保保单对应的投保数据包括待核保保单对应的险种,当待核保保单满足预设的初始投保条件时,根据投保数据对应的险种获取对应的判断因子及判断因子对应的视频核保条件,从投保数据中获取判断因子对应的目标字段数据,当判断因子对应的目标字段数据满足判断因子对应的视频核保条件时,将待核保保单识别为目标保单,将目标保单发送至终端,终端用于获取目标保单对应的核保视频数据。
在一个实施例中,待核保保单对应的投保数据包括待核保保单对应的被保人、保额、保险生效日及保险期满日,目标保单识别模块还用于根据待核保保单对应的险种确定待核保保单对应的待核保保险类别;根据待核保保险类别获取被保人的与待核保保险类别对应的历史投保数据;确定历史投保数据中每一个保额对应的保险生效时段;当任意一个保险生效时段中包含保险生效日或保险期满日时,将保险生效时段对应的保额与待核保保单对应的保额进行累加,得到待核保保险类别对应的保额累加值;当保额累加值不超过待核保保险类别对应的预设保额阈值时,判定待核保保单满足预设的初始投保条件。
在一个实施例中,上述装置还包括:核保评估模型生成模块,该核保评估模型生成模块用于获取预设数量的历史保单对应的核保数据及核保评估值;根据预设数量的历史保单对应的核保数据及核保评估值构建训练样本集;根据训练样本集进行模型训练得到核保评估模型。
在一个实施例中,核保结果确定模块410还用于当核保评估值超过预设数值时,确定核保请求对应的保单的核保结果为承保;当核保评估值不超过预设数值时,确定核保请求对应的保单的核保结果为拒保。
在一个实施例中,上述装置还包括:欺诈概率预测模块,该欺诈概率预测模块用于从核保视频数据中提取人脸图像数据;对人脸图像数据提取表情特征;根据表情特征采用已训练的欺诈概率预测模型,得到对应的欺诈概率;当欺诈概率大于预设的概率阈值时,生成保单号对应的复核任务。
关于核保数据处理装置的具体限定可以参见上文中对于核保数据处理方法的限定,在此不再赘述。上述核保数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储投保数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种核保数据处理方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:接收终端发送的核保视频数据及核保请求,核保请求中携带保单号;查找保单号对应的保单的险种,并确定险种所属的保险类别;根据保险类别,从核保视频数据中抽取对应的目标核保数据;根据目标核保数据采用已训练的核保评估模型,得到核保评估值;根据核保评估值确定保单号对应的保单的核保结果。
在一个实施例中,接收终端发送的核保视频数据及核保请求之前,处理器执行计算机程序时还实现以下步骤:获取待核保保单对应的投保数据,待核保保单对应的投保数据包括待核保保单对应的险种;当待核保保单满足预设的初始投保条件时,根据投保数据对应的险种获取对应的判断因子及判断因子对应的视频核保条件;从投保数据中获取判断因子对应的目标字段数据;当判断因子对应的目标字段数据满足判断因子对应的视频核保条件时,将待核保保单识别为目标保单;将目标保单发送至终端,终端用于获取目标保单对应的核保视频数据。
在一个实施例中,待核保保单对应的投保数据包括待核保保单对应的被保人、保额、保险生效日及保险期满日,当待核保保单满足预设的初始投保条件时,根据投保数据对应的险种获取对应的判断因子及判断因子对应的视频核保条件,包括:根据待核保保单对应的险种确定待核保保单对应的待核保保险类别;根据待核保保险类别获取被保人的与待核保保险类别对应的历史投保数据;确定历史投保数据中每一个保额对应的保险生效时段;当任意一个保险生效时段中包含保险生效日或保险期满日时,将保险生效时段对应的保额与待核保保单对应的保额进行累加,得到待核保保险类别对应的保额累加值;当保额累加值不超过待核保保险类别对应的预设保额阈值时,判定待核保保单满足预设的初始投保条件。
在一个实施例中,根据目标核保数据采用已训练的核保评估模型,得到核保评估值之前,处理器执行计算机程序时还实现以下步骤:获取预设数量的历史保单对应的核保数据及核保评估值;根据预设数量的历史保单对应的核保数据及核保评估值构建训练样本集;根据训练样本集进行模型训练得到核保评估模型。
在一个实施例中,根据核保评估值确定保单号对应的保单的核保结果,包括:当核保评估值超过预设数值时,确定核保请求对应的保单的核保结果为承保;当核保评估值不超过预设数值时,确定核保请求对应的保单的核保结果为拒保。
在一个实施例中,根据核保评估值确定保单号对应的保单的核保结果之后,处理器执行计算机程序时还实现以下步骤:从核保视频数据中提取人脸图像数据;对人脸图像数据提取表情特征;根据表情特征采用已训练的欺诈概率预测模型,得到对应的欺诈概率;当欺诈概率大于预设的概率阈值时,生成保单号对应的复核任务。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:接收终端发送的核保视频数据及核保请求,核保请求中携带保单号;查找保单号对应的保单的险种,并确定险种所属的保险类别;根据保险类别,从核保视频数据中抽取对应的目标核保数据;根据目标核保数据采用已训练的核保评估模型,得到核保评估值;根据核保评估值确定保单号对应的保单的核保结果。
在一个实施例中,接收终端发送的核保视频数据及核保请求之前,计算机程序被处理器执行时还实现以下步骤:获取待核保保单对应的投保数据,待核保保单对应的投保数据包括待核保保单对应的险种;当待核保保单满足预设的初始投保条件时,根据投保数据对应的险种获取对应的判断因子及判断因子对应的视频核保条件;从投保数据中获取判断因子对应的目标字段数据;当判断因子对应的目标字段数据满足判断因子对应的视频核保条件时,将待核保保单识别为目标保单;将目标保单发送至终端,终端用于获取目标保单对应的核保视频数据。
在一个实施例中,待核保保单对应的投保数据包括待核保保单对应的被保人、保额、保险生效日及保险期满日,当待核保保单满足预设的初始投保条件时,根据投保数据对应的险种获取对应的判断因子及判断因子对应的视频核保条件,包括:根据待核保保单对应的险种确定待核保保单对应的待核保保险类别;根据待核保保险类别获取被保人的与待核保保险类别对应的历史投保数据;确定历史投保数据中每一个保额对应的保险生效时段;当任意一个保险生效时段中包含保险生效日或保险期满日时,将保险生效时段对应的保额与待核保保单对应的保额进行累加,得到待核保保险类别对应的保额累加值;当保额累加值不超过待核保保险类别对应的预设保额阈值时,判定待核保保单满足预设的初始投保条件。
在一个实施例中,根据目标核保数据采用已训练的核保评估模型,得到核保评估值之前,计算机程序被处理器执行时还实现以下步骤:获取预设数量的历史保单对应的核保数据及核保评估值;根据预设数量的历史保单对应的核保数据及核保评估值构建训练样本集;根据训练样本集进行模型训练得到核保评估模型。
在一个实施例中,根据核保评估值确定保单号对应的保单的核保结果,包括:当核保评估值超过预设数值时,确定核保请求对应的保单的核保结果为承保;当核保评估值不超过预设数值时,确定核保请求对应的保单的核保结果为拒保。
在一个实施例中,根据核保评估值确定保单号对应的保单的核保结果之后,计算机程序被处理器执行时还实现以下步骤:从核保视频数据中提取人脸图像数据;对人脸图像数据提取表情特征;根据表情特征采用已训练的欺诈概率预测模型,得到对应的欺诈概率;当欺诈概率大于预设的概率阈值时,生成保单号对应的复核任务。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种核保数据处理方法,所述方法包括:
接收终端发送的核保视频数据及核保请求,所述核保请求中携带保单号;
查找所述保单号对应的保单的险种,并确定所述险种所属的保险类别;
根据所述保险类别,从所述核保视频数据中抽取对应的目标核保数据;
根据所述目标核保数据采用已训练的核保评估模型,得到核保评估值;
根据所述核保评估值确定所述保单号对应的保单的核保结果。
2.根据权利要求1所述的方法,其特征在于,所述接收终端发送的核保视频数据及核保请求之前,包括:
获取待核保保单对应的投保数据,所述待核保保单对应的投保数据包括所述待核保保单对应的险种;
当所述待核保保单满足预设的初始投保条件时,根据所述投保数据对应的险种获取对应的判断因子及所述判断因子对应的视频核保条件;
从所述投保数据中获取所述判断因子对应的目标字段数据;
当所述判断因子对应的目标字段数据满足所述判断因子对应的视频核保条件时,将所述待核保保单识别为目标保单;
将所述目标保单发送至终端,所述终端用于获取所述目标保单对应的核保视频数据。
3.根据权利要求2所述的方法,其特征在于,所述待核保保单对应的投保数据包括所述待核保保单对应的被保人、保额、保险生效日及保险期满日,所述当所述待核保保单满足预设的初始投保条件时,根据所述投保数据对应的险种获取对应的判断因子及所述判断因子对应的视频核保条件,包括:
根据所述待核保保单对应的险种确定所述待核保保单对应的待核保保险类别;
根据所述待核保保险类别获取所述被保人的与所述待核保保险类别对应的历史投保数据;
确定所述历史投保数据中每一个保额对应的保险生效时段;
当任意一个所述保险生效时段中包含所述保险生效日或保险期满日时,将所述保险生效时段对应的保额与所述待核保保单对应的保额进行累加,得到所述待核保保险类别对应的保额累加值;
当所述保额累加值不超过所述待核保保险类别对应的预设保额阈值时,判定所述待核保保单满足预设的初始投保条件。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标核保数据采用已训练的核保评估模型,得到核保评估值之前,还包括:
获取预设数量的历史保单对应的核保数据及核保评估值;
根据预设数量的所述历史保单对应的核保数据及核保评估值构建训练样本集;
根据所述训练样本集进行模型训练得到核保评估模型。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述根据所述核保评估值确定所述保单号对应的保单的核保结果,包括:
当所述核保评估值超过预设数值时,确定所述核保请求对应的保单的核保结果为承保;
当所述核保评估值不超过预设数值时,确定所述核保请求对应的保单的核保结果为拒保。
6.根据权利要求1所述的方法,其特征在于,所述根据所述核保评估值确定所述保单号对应的保单的核保结果之后,还包括:
从所述核保视频数据中提取人脸图像数据;
对所述人脸图像数据提取表情特征;
根据所述表情特征采用已训练的欺诈概率预测模型,得到对应的欺诈概率;
当所述欺诈概率大于预设的概率阈值时,生成所述保单号对应的复核任务。
7.一种核保数据处理装置,其特征在于,所述装置包括:
数据接收模块,用于接收终端发送的核保视频数据及核保请求,所述核保请求中携带保单号;
查找模块,用于查找所述保单号对应的保单的险种,并确定所述险种所属的保险类别;
目标核保数据抽取模块,用于根据所述保险类别,从所述核保视频数据中抽取对应的目标核保数据;
核保评估值获取模块,用于根据所述目标核保数据采用已训练的核保评估模型,得到核保评估值;
核保结果确定模块,用于根据所述核保评估值确定所述保单号对应的保单的核保结果。
8.根据权利要求7所述的装置,其特征在于,还包括目标保单识别模块,用于获取待核保保单对应的投保数据,所述待核保保单对应的投保数据包括所述待核保保单对应的险种,当所述待核保保单满足预设的初始投保条件时,根据所述投保数据对应的险种获取对应的判断因子及所述判断因子对应的视频核保条件,从所述投保数据中获取所述判断因子对应的目标字段数据,当所述判断因子对应的目标字段数据满足所述判断因子对应的视频核保条件时,将所述待核保保单识别为目标保单,将所述目标保单发送至终端,所述终端用于获取所述目标保单对应的核保视频数据。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811081923.9A CN109410071A (zh) | 2018-09-17 | 2018-09-17 | 核保数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811081923.9A CN109410071A (zh) | 2018-09-17 | 2018-09-17 | 核保数据处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109410071A true CN109410071A (zh) | 2019-03-01 |
Family
ID=65464240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811081923.9A Pending CN109410071A (zh) | 2018-09-17 | 2018-09-17 | 核保数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109410071A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222554A (zh) * | 2019-04-16 | 2019-09-10 | 深圳壹账通智能科技有限公司 | 欺诈识别方法、装置、电子设备及存储介质 |
CN110647809A (zh) * | 2019-08-15 | 2020-01-03 | 中国平安人寿保险股份有限公司 | 基于图像分析的ai核保系统、方法及计算机可读存储介质 |
CN110880149A (zh) * | 2019-11-29 | 2020-03-13 | 上海商汤智能科技有限公司 | 信息处理方法及装置、电子设备和存储介质 |
CN111104216A (zh) * | 2019-11-19 | 2020-05-05 | 泰康保险集团股份有限公司 | 电子保单的批量处理方法及装置、存储介质及电子设备 |
CN111192149A (zh) * | 2019-11-25 | 2020-05-22 | 泰康保险集团股份有限公司 | 一种核保结果数据生成方法和装置 |
CN111489262A (zh) * | 2020-06-15 | 2020-08-04 | 太平金融科技服务(上海)有限公司 | 保单信息检测方法、装置、计算机设备和存储介质 |
CN111507849A (zh) * | 2020-03-25 | 2020-08-07 | 上海商汤智能科技有限公司 | 核保方法及相关装置、设备 |
CN111507850A (zh) * | 2020-03-25 | 2020-08-07 | 上海商汤智能科技有限公司 | 核保方法及相关装置、设备 |
CN111553797A (zh) * | 2020-03-31 | 2020-08-18 | 万达信息股份有限公司 | 一种商保快速核保系统、方法及云商保平台 |
CN111695565A (zh) * | 2020-06-14 | 2020-09-22 | 荆门汇易佳信息科技有限公司 | 基于道路关卡模糊图像的汽车标志精准定位方法 |
CN112017064A (zh) * | 2020-08-26 | 2020-12-01 | 上海爱佰医疗科技发展有限公司 | 适用于辅助生殖保险的投保建议评估方法及装置 |
CN112381656A (zh) * | 2020-11-09 | 2021-02-19 | 中国人寿保险股份有限公司 | 一种针对保单的自动核保方法、装置及电子设备 |
CN112419077A (zh) * | 2020-12-04 | 2021-02-26 | 上海商汤智能科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
CN112561714A (zh) * | 2020-12-16 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 基于nlp技术的核保风险预测方法、装置及相关设备 |
CN112634069A (zh) * | 2020-12-30 | 2021-04-09 | 太平金融科技服务(上海)有限公司 | 核保请求处理方法、装置、计算机设备和存储介质 |
CN113657605A (zh) * | 2020-05-12 | 2021-11-16 | 埃森哲环球解决方案有限公司 | 基于人工智能ai的文档处理器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688590A (zh) * | 2017-02-20 | 2018-02-13 | 平安科技(深圳)有限公司 | 保单核保的方法和装置 |
CN107704834A (zh) * | 2017-10-13 | 2018-02-16 | 上海壹账通金融科技有限公司 | 微表情面审辅助方法、装置及存储介质 |
CN108257026A (zh) * | 2017-05-08 | 2018-07-06 | 平安科技(深圳)有限公司 | 处理投保单的方法及装置 |
CN108460692A (zh) * | 2018-03-23 | 2018-08-28 | 深圳市慧择保险经纪有限公司 | 一种基于健康险的线上核保方法、装置、设备和存储介质 |
-
2018
- 2018-09-17 CN CN201811081923.9A patent/CN109410071A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688590A (zh) * | 2017-02-20 | 2018-02-13 | 平安科技(深圳)有限公司 | 保单核保的方法和装置 |
CN108257026A (zh) * | 2017-05-08 | 2018-07-06 | 平安科技(深圳)有限公司 | 处理投保单的方法及装置 |
CN107704834A (zh) * | 2017-10-13 | 2018-02-16 | 上海壹账通金融科技有限公司 | 微表情面审辅助方法、装置及存储介质 |
CN108460692A (zh) * | 2018-03-23 | 2018-08-28 | 深圳市慧择保险经纪有限公司 | 一种基于健康险的线上核保方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
黄佑军 等: "互联网金融模式探究及案例分析", vol. 2016, 暨南大学出版社, pages: 179 - 181 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020211388A1 (zh) * | 2019-04-16 | 2020-10-22 | 深圳壹账通智能科技有限公司 | 基于预测模型的行为预测方法、装置、设备及存储介质 |
CN110222554A (zh) * | 2019-04-16 | 2019-09-10 | 深圳壹账通智能科技有限公司 | 欺诈识别方法、装置、电子设备及存储介质 |
CN110647809A (zh) * | 2019-08-15 | 2020-01-03 | 中国平安人寿保险股份有限公司 | 基于图像分析的ai核保系统、方法及计算机可读存储介质 |
CN111104216A (zh) * | 2019-11-19 | 2020-05-05 | 泰康保险集团股份有限公司 | 电子保单的批量处理方法及装置、存储介质及电子设备 |
CN111192149A (zh) * | 2019-11-25 | 2020-05-22 | 泰康保险集团股份有限公司 | 一种核保结果数据生成方法和装置 |
CN111192149B (zh) * | 2019-11-25 | 2023-06-16 | 泰康保险集团股份有限公司 | 一种核保结果数据生成方法和装置 |
CN110880149A (zh) * | 2019-11-29 | 2020-03-13 | 上海商汤智能科技有限公司 | 信息处理方法及装置、电子设备和存储介质 |
CN111507849A (zh) * | 2020-03-25 | 2020-08-07 | 上海商汤智能科技有限公司 | 核保方法及相关装置、设备 |
CN111507850A (zh) * | 2020-03-25 | 2020-08-07 | 上海商汤智能科技有限公司 | 核保方法及相关装置、设备 |
CN111553797A (zh) * | 2020-03-31 | 2020-08-18 | 万达信息股份有限公司 | 一种商保快速核保系统、方法及云商保平台 |
CN113657605B (zh) * | 2020-05-12 | 2023-10-03 | 埃森哲环球解决方案有限公司 | 基于人工智能ai的文档处理器 |
CN113657605A (zh) * | 2020-05-12 | 2021-11-16 | 埃森哲环球解决方案有限公司 | 基于人工智能ai的文档处理器 |
CN111695565A (zh) * | 2020-06-14 | 2020-09-22 | 荆门汇易佳信息科技有限公司 | 基于道路关卡模糊图像的汽车标志精准定位方法 |
CN111489262A (zh) * | 2020-06-15 | 2020-08-04 | 太平金融科技服务(上海)有限公司 | 保单信息检测方法、装置、计算机设备和存储介质 |
CN112017064A (zh) * | 2020-08-26 | 2020-12-01 | 上海爱佰医疗科技发展有限公司 | 适用于辅助生殖保险的投保建议评估方法及装置 |
CN112381656A (zh) * | 2020-11-09 | 2021-02-19 | 中国人寿保险股份有限公司 | 一种针对保单的自动核保方法、装置及电子设备 |
CN112419077A (zh) * | 2020-12-04 | 2021-02-26 | 上海商汤智能科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
CN112561714A (zh) * | 2020-12-16 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 基于nlp技术的核保风险预测方法、装置及相关设备 |
CN112561714B (zh) * | 2020-12-16 | 2024-03-08 | 中国平安人寿保险股份有限公司 | 基于nlp技术的核保风险预测方法、装置及相关设备 |
CN112634069A (zh) * | 2020-12-30 | 2021-04-09 | 太平金融科技服务(上海)有限公司 | 核保请求处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410071A (zh) | 核保数据处理方法、装置、计算机设备和存储介质 | |
CN110598206B (zh) | 文本语义识别方法、装置、计算机设备和存储介质 | |
CN109446511B (zh) | 裁判文书处理方法、装置、计算机设备和存储介质 | |
CN111860147B (zh) | 行人重识别模型优化处理方法、装置和计算机设备 | |
CN109446302A (zh) | 基于机器学习的问答数据处理方法、装置和计算机设备 | |
CN108766545B (zh) | 在线问诊科室分配方法、装置、计算机设备和存储介质 | |
CN109766438A (zh) | 简历信息提取方法、装置、计算机设备和存储介质 | |
CN109271917B (zh) | 人脸识别方法、装置、计算机设备和可读存储介质 | |
CN109299094A (zh) | 数据表处理方法、装置、计算机设备和存储介质 | |
CN109840323A (zh) | 保险产品的语音识别处理方法及服务器 | |
CN109118376A (zh) | 医疗保险保费定价方法、装置、计算机设备和存储介质 | |
CN110765760B (zh) | 一种法律案件分配方法、装置、存储介质和服务器 | |
CN109325869A (zh) | 用户投保风险评估方法、装置、计算机设备和存储介质 | |
CN109343802A (zh) | 保单打印数据生成方法、装置、计算机设备和存储介质 | |
CN110111208A (zh) | 保单数据处理方法、装置、计算机设备和存储介质 | |
US11397756B2 (en) | Data archiving method and computing device implementing same | |
CN110781677A (zh) | 药品信息匹配处理方法、装置、计算机设备和存储介质 | |
CN109885830A (zh) | 语句释义方法、装置、计算机设备 | |
CN110580507B (zh) | 一种城市肌理分类识别方法 | |
CN109325868A (zh) | 问卷数据处理方法、装置、计算机设备和存储介质 | |
CN110968664A (zh) | 一种文书检索方法、装置、设备及介质 | |
CN109509102B (zh) | 理赔决策方法、装置、计算机设备和存储介质 | |
CN111552810B (zh) | 实体抽取与分类方法、装置、计算机设备和存储介质 | |
CN109559232A (zh) | 交易数据处理方法、装置、计算机设备和存储介质 | |
CN111429289B (zh) | 单病种识别方法、装置、计算机设备和存储介质 |
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 |