CN109472705A - 理赔方法、系统、计算机设备以及存储介质 - Google Patents

Abstract

本申请涉及一种理赔方法、系统、计算机设备以及存储介质。该方法包括：接收终端发送的携带用户标识的理赔请求，根据理赔请求接收理赔影像文件。将理赔影像文件进行脱敏解析获取理赔数据，所述理赔数据包括对应的中文描述。若识别到理赔数据未重复回传且为有效数据，则获取代码表，根据中文描述从代码表中匹配所述理赔数据相对应的代码。根据用户标识获取用户历史理赔数据和用户信息，调用风控模型，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风控模型中识别理赔数据是否存在理赔风险。当识别理赔数据不存在理赔风险时，根据理赔数据获取理赔账单，根据理赔账单计算得到理赔费用。采用本方法能够提高理赔效率。

Description

理赔方法、系统、计算机设备以及存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种理赔方法、系统、计算机设备以及存储介质。

背景技术

保险作为一种保障机制，已融入到人们的日常生活中。当用户发生保险事故时，可以收集理赔相关的单证文件向保险公司请求理赔，获取理赔费用。

然而，在传统的方式中，理赔工作是由有经验的理赔相关人员手动进行数据录入、审核和计算，导致工作效率和准确率低下。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高效率和准确率的理赔系统和方法。

一种理赔方法，所述方法包括：

接收终端发送的携带用户标识的理赔请求，根据所述理赔请求接收理赔影像文件；将所述理赔影像文件进行脱敏解析获取理赔数据，所述理赔数据包括对应的中文描述；

若识别到所述理赔数据未重复回传且为有效数据，则获取代码表，根据所述中文描述从所述代码表中匹配所述理赔数据相对应的代码；

根据所述用户标识获取用户历史理赔数据和用户信息；调用风控模型，将已匹配代码的理赔数据、所述历史理赔数据和用户信息输入至所述风控模型中识别所述理赔数据是否存在理赔风险；

当识别所述理赔数据不存在理赔风险时，根据所述理赔数据获取理赔账单，根据所述理赔账单计算得到理赔费用。

在其中一个实施例中，所述根据理赔请求接收理赔影像文件包括：

根据所述用户标识获取用户理赔信息；

调用分流规则集合，遍历所述分流规则集合为所述理赔信息匹配相应的分流规则，获取所述分流规则对应的理赔接口并返回给终端；

接收终端从所述理赔接口上传的理赔影像文件。

在其中一个实施例中，所述将所述理赔影像文件进行脱敏解析获取理赔数据包括：

获取所述理赔影像文件携带的文件标识，根据所述文件标识获取理赔影像文件模板；

根据所述影像文件模板获取敏感信息坐标值和非敏感信息坐标值；

根据所述敏感信息坐标值和非敏感信息坐标值确定敏感信息区域和非敏感信息区域；

将所述敏感信息区域的敏感信息做脱敏处理并提取出所述敏感信息；提取所述非敏感信息区域的非敏感信息；

将所述敏感信息和非敏感信息进行数据整合，得到理赔数据。

在其中一个实施例中，所述获取代码表，根据所述中文描述从所述代码表中匹配所述理赔数据相对应的代码包括：

若识别到所述中文描述是完整的，则获取所述理赔数据相对应的代码表；

根据映射关系从所述代码表中获取所述中文描述对应的代码；

若识别到所述中文描述是不完整的，则获取模糊匹配代码表；

根据所述模糊匹配代码表匹配完整的中文描述以及所述理赔数据相对应的代码。

在其中一个实施例中，所述风控模型包括风险评分表和互斥规则表；

所述调用风控模型，将已匹配代码的理赔数据、所述历史理赔数据和用户信息输入至所述风控模型中识别所述理赔数据是否存在理赔风险包括：

将所述已匹配代码的理赔数据、历史理赔数据和用户信息输入至所述风险评分表，得到风险评分；

将所述已匹配代码的理赔数据、历史理赔数据和用户信息输入至所述互斥规则表，得到互斥结果；

根据所述风险评分和互斥结果，得到理赔数据的风险评估结果。

在其中一个实施例中，所述根据所述风险评分和互斥结果，得到理赔数据的风险评估结果包括：

若所述风险评分小于第一预设值且所述互斥结果通过，则根据所述理赔数据获取案件类型、出险次数、出险日以及生效日；

若识别到所述案件类型为个险，同时所述出险次数为第一次且所述出险日与所述生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险；

同时识别所述案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险；

若未识别到短期出险风险和滥用风险，则确定所述理赔数据不存在理赔风险。

在其中一个实施例中，所述根据所述理赔数据获取理赔账单，根据所述理赔账单计算得到理赔费用包括：

获取理赔账单模板，将所述理赔数据录入至所述理赔账单模板中得到理赔账单；

根据所述理赔账单获取理算关系配置表和理算数据；

根据所述理算关系配置表和所述理算数据匹配所述理赔账单相应的理算责任；

获取所述理算责任对应的理算费用，根据所述理算费用得到理赔费用。

一种理赔系统，所述系统包括：

影像解析模块，用于接收终端发送的携带用户标识的理赔请求，根据所述理赔请求接收理赔影像文件；将所述理赔影像文件进行脱敏解析获取理赔数据，所述理赔数据包括对应的中文描述；

代码匹配模块，用于若识别到所述理赔数据未重复回传且为有效数据，则获取代码表，根据所述中文描述从所述代码表中匹配所述理赔数据相对应的代码；

风险控制模块，用于根据所述用户标识获取用户历史理赔数据和用户信息；调用风控模型，将已匹配代码的理赔数据、所述历史理赔数据和用户信息输入至所述风控模型中识别所述理赔数据是否存在理赔风险；

理算模块，用于当识别所述理赔数据不存在理赔风险时，根据所述理赔数据获取理赔账单，根据所述理赔账单计算得到理赔费用。

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项所述的理赔方法的步骤。

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项所述的理赔方法的步骤。

上述理赔方法、系统、计算机设备以及存储介质，通过接收终端发送的携带用户标识的理赔请求，根据理赔请求接收理赔影像文件。将理赔影像文件进行脱敏解析获取理赔数据，理赔数据包括对应的中文描述。若识别到理赔数据未重复回传且为有效数据，则获取代码表，根据中文描述从代码表中匹配理赔数据相对应的代码。根据用户标识获取用户历史理赔数据和用户信息，调用风控模型，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风控模型中识别理赔数据是否存在理赔风险。当识别理赔数据不存在理赔风险时，根据理赔数据获取理赔账单，根据理赔账单计算得到理赔费用。实现了自动理赔，提高了理赔准确率和效率。

附图说明

图1为一个实施例中理赔方法的应用场景图；

图2为一个实施例中理赔方法的流程示意图；

图3为一个实施例中根据理赔请求接收理赔影像文件步骤的流程示意图；

图4为一个实施例中将理赔影像文件进行脱敏解析获取理赔数据步骤的流程示意图；

图5为一个实施例中根据中文描述从代码表中匹配所述理赔数据相对应的代码步骤的流程示意图；

图6为一个实施例中调用风控模型步骤的流程示意图；

图7为一个实施例中理赔费用计算关系图；

图8为一个实施例中理赔系统的结构框图；

图9为一个实施例中服务器的内部结构图。

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。

本申请提供的理赔方法，可以应用于如图1所示的应用环境中。其中，第一终端102和第二终端106通过网络与服务器104进行通信。服务器104接收第一终端102发送的携带用户标识的理赔请求，服务器104根据理赔请求接收理赔影像文件。服务器104将理赔影像文件进行脱敏解析获取理赔数据，理赔数据包括对应的中文描述。若服务器104识别到理赔数据未重复回传且为有效数据，则获取代码表，根据中文描述从代码表中匹配理赔数据相对应的代码。服务器104根据用户标识获取用户历史理赔数据和用户信息，服务器104调用风控模型，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风控模型中识别理赔数据是否存在理赔风险。当服务器104识别理赔数据不存在理赔风险时，根据理赔数据获取理赔账单，根据理赔账单计算得到理赔费用。当需转接人工审核时，服务器104将理赔数据发送至第二终端106。其中，第一终端102和第二终端106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。

在一个实施例中，如图2所示，提供了一种理赔方法，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：

S202，接收终端发送的携带用户标识的理赔请求，根据理赔请求接收理赔影像文件；将理赔影像文件进行脱敏解析获取理赔数据，理赔数据包括对应的中文描述。

理赔请求是指用于指示理赔系统进行理赔费用计算的指令。理赔影像文件为用户收集用于理赔的单证材料文件，例如医疗费用发票、身份证以及检验报告等。用户标识是指用于查找用户信息和历史数据的唯一标志。脱敏解析是指将理赔系统接收到的理赔影像文件中用户的隐私信息做隐藏处理防止泄露用户的个人信息，并将影像文件上的数据提取出来方便后续的理赔工作。当服务器接收到终端发送的理赔请求后，根据理赔请求接收理赔影像文件，将理赔影像文件脱敏解析获取理赔数据。

具体地，用户在理赔应用程序上选择自助理赔功能，并在终端显示的自助理赔页面上填写理赔申请信息，理赔申请信息填写完成后点击立即申请按钮发送理赔请求。用户终端接收到用户的理赔请求后指示用户对需要的理赔影像文件进行拍摄并上传至用户终端，用户终端接收到用户上传的理赔影像文件后向服务器发送理赔请求，并将理赔影像文件和用户标识同时发送给服务器。其中，理赔影像文件包括用户的身份证件、病历或者检验报告、医疗费用发票等。服务器接收到终端发送的理赔请求和理赔影像文件后，响应理赔请求受理理赔影像文件进入理赔系统进行理赔工作。首先利用影像解析技术将理赔影像文件进行脱敏解析处理，从影像文件上获取后续理赔需要的理赔数据。例如，医疗费用发票为例，则通过脱敏解析从费用上获取药品“阿莫西林”以及药品花费的金额等。其中，由于影像解析技术即是通过解析获取影像文件中的文字。因此，当服务器通过影像解析技术从理赔影像文件中获取理赔数据时，即是已经获取到了理赔数据对应的中文描述。例如：如需要获取用户使用的药品名称，服务器则通过对医疗费用发票进行影像解析，从医疗费用发票中获取到用户所使用的药品名称为“阿莫西林”，“阿莫西林”则为药品名称对应的中文描述。

S204，若识别到理赔数据未重复回传且为有效数据，则获取代码表，根据中文描述从代码表中匹配理赔数据相对应的代码。

重复回传是指该理赔数据被用户终端重复发送给服务器，有效数据是指没有为空的理赔数据。代码表是指存储了与中文描述相对应的代码的文件。

具体地，服务器接收到用户终端上传的理赔数据后，通过与已经接收到的理赔数据进行比对判断用户终端发送的该理赔数据是否已经存在于服务器中，若是，则表示该理赔数据被用户终端重复回传。并且，若该理赔数据已存在于服务器中，则表明服务器该用户理赔申请已经在理赔流程受理中，则不再重复接收。若该理赔数据没有存在于服务器中，则进一步验证理赔数据是否有效，若为有效数据，则获取代码表，根据中文描述从代码表中匹配理赔数据相对应的代码。

在一个实施例中，验证理赔数据是否为有效数据具体包括：获取理赔数据的字节数；若检测到字节数不为空，则确定理赔数据为有效数据。

具体地，服务器通过获取理赔数据关键字段的字节数，判断该字节数是否为空来验证该理赔数据是否为有效数据。若字节数不为0，则代表关键字段不为空，则确定理赔数据为有效数据。若字节数为0，则表示关键字段为空，则确定理赔数据为无效数据。若根据理赔数据判断出本次理赔案件为事后案件，则需要进一步判断理赔数据中的医院名称是否为空。若医院名称为空，则同样确定该理赔数据为无效数据。其中，事后案件为用户通过理赔应用程序申请的理赔案件，并且确定为无效的理赔数据需发送至人工审核。

若经服务器判断理赔数据没有重复回传并且为有效数据后，服务器获取预存的代码表，根据理赔数据对应的中文描述为理赔数据匹配对应的代码。具体地，服务器预先将编写好的代码表存储至数据库中。其中，代码表包括疾病代码表、药品代码表以及医院代码表，根据中文描述的不同获取不同的代码表。若中文描述对应的是疾病名称，则获取疾病代码表；若中文描述对应的是药品名称，则获取药品代码表；若中文描述对应的是医院名称，则获取医院代码表。其中，疾病代码表存储有多种疾病的代码、药品代码表中存储有多个药品的代码、医院代码表中存储有多个医院的代码。当获取到理赔数据对应的中文描述后，根据中文描述获取到对应的代码表。利用中文描述和代码的映射关系从对应的代码表中获取中文描述对应代码，该代码即为理赔数据对应的匹配代码。

S206，根据用户标识获取用户历史理赔数据和用户信息；调用风控模型，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风控模型中识别理赔数据是否存在理赔风险。

历史理赔数据是指用户在本次理赔之前的理赔数据，也就是用户之前进行理赔时上传的理赔数据。当理赔流程结束后，服务器通常将该用户的理赔数据存储至数据库中，并与用户的用户标识进行绑定。用户信息是指用户的个人信息，包括姓名、年龄、性别、证件号以及客户号等等。

具体地，当服务器获取代码表为理赔数据匹配到对应的代码后，服务器根据接收到的用户标识从数据库中查找该用户标识对应的历史理赔数据和用户信息。获取到用户对应的历史理赔数据和用户信息后，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风控模型中识别理赔数据是否存在理赔风险。若风控模型结果为不存在理赔风险，则可以进行理赔费用的计算，若存在风险，则转接人工进行审核。

S208，当识别理赔数据不存在理赔风险时，根据理赔数据获取理赔账单，根据理赔账单计算得到理赔费用。

理赔账单是指包含用户的各种治疗信息的文件。其中，理赔账单包括账单号、账单类型、医院名称、医院等级和性质、就诊类型、治疗天数、诊断疾病以及费用项目等。

在一个实施例中，步骤S208根据理赔数据获取理赔账单，根据理赔账单计算得到理赔费用具体包括以下步骤：

S2081，获取理赔账单模板，将理赔数据录入至理赔账单模板中得到理赔账单。

服务器获取预存储在数据库中的理赔账单模板，将解析出的理赔数据录入至理赔账单模板中，得到理赔账单。

S2082，根据理赔账单获取理算关系配置表和理算数据。

理算数据是指用于计算理赔费用所需要的数据，理算数据记录于理赔账单中，包括：就诊类型、诊断疾病和费用项目。理算关系配置表是指存储有与理算数据对应的理算责任的文件。理算关系配置表中包括责任代码、责任名称、费用列表以及特定疾病ICD等。其中，费用项目和费用列表都包括主费用和其他费用。并且，在理算关系配置表中，责任代码都有对应的责任名称和费用列表。若该责任代码对应的责任名称是特定疾病，则该责任代码还有对应的特定疾病ICD(international Classification of diseases,国际疾病分类)。例如，责任代码为33320001，对应的责任名称为基本牙科治疗、对应的费用列表包括主费用：医用材料费；其他费用：药品费、检查材料费、治疗费、诊疗费、检查检验费等。其中，基本牙科治疗属于特定疾病，即还有对应的基本牙科ICD。其中，ICD是依据疾病的某些特征，按照规则将疾病分门别类，并用编码的方法来表示，也就是说，ICD为疾病代码，用于表示指定的疾病。具体地，服务器预先将理算关系配置表存储于数据库中，当服务器获取到理赔账单后，从数据库中获取理算关系配置表。并且，从理赔账单中获取就诊类型、诊断疾病和费用项目等理算数据。

S2083，根据理算关系配置表和理算数据匹配理赔账单相应的理算责任。

由于用户理赔是直接提供就诊治疗时的费用，而在实际理赔过程中需要依据用户承保的时候所约定的保障责任。因此，需要根据用户提供的理赔账单匹配对应的理算责任。具体地，服务器从理赔账单获取就诊类型、诊断疾病和费用项目。服务器首先判断诊断疾病是否为特定疾病，如果该诊断疾病为特定疾病，并从理算关系配置表中查找到该特定疾病ICD。则获取该特定疾病ICD对应的责任代码和责任名称，该责任代码和责任名称所表示的责任即为理赔账单对应的理算责任。若服务器判断该诊断疾病不是特定疾病，服务器则从理赔账单上费用项目中获取主费用。将主费用与理算关系配置表中的费用列表进行匹配，若从理算关系配置表的费用列表中匹配到相同的主费用，则获取该费用列表对应的责任代码和责任名称，该责任代码和责任名称即为理赔账单对应的理算责任。若理赔账单中的诊断疾病不是特定疾病，并且费用项目中也没有主费用，则获取就诊类型，则从理算关系配置表中直接查找对应的就诊类型，该就诊类型对应的责任即为理赔账单对应的理算责任。并且，若为理赔账单匹配到对应的理算责任，则将理赔账单中费用项目中的所有费用赔付到该理算责任中。

S2084，获取理算责任对应的理算费用，根据理算费用得到理赔费用。

理算费用是用户承保时所约定的保额，包括合理金额、免赔额、次限额、日限额以及剩余保额。其中，合理金额为理赔账单中录入的金额。免赔额、次限额、日限额是用户投保时预先约定的承保费用。剩余保额是根据历史赔付信息进行计算获取用户所剩余的保额额度。其中，由于用户在承保时需要约定保障责任以及对应的承保保额。并且实际理赔时需要依据用户承保时候所约定的保障责任，因此根据理赔账单中的理算数据和理算关系配置表匹配到对应的理算责任后，也就是用户承保所约定的保障责任，获取该理算责任对应的承保保额进行计算得到理赔费用。

具体地，服务器通过理算关系配置表为理赔账单匹配到对应的理算责任后，获取该理算责任的历史赔付信息，并且获取该用户承保时所约定的保额。服务器根据历史赔付信息确定已赔付给该用户的理赔费用，根据用户承保时所约定的保额和已赔付的理赔费用计算剩余保额。服务器从理赔账单中获取录入的金额为合理金额、以及从用户投保时所约定的保额中确定免赔额、次限额、日限额。服务器根据合理金额、免赔额、次限额、日限额以及剩余保额进行计算，得到理赔费用。

上述理赔方法通过接收终端发送的携带用户标识的理赔请求，根据理赔请求接收理赔影像文件。将理赔影像文件进行脱敏解析获取理赔数据，理赔数据包括对应的中文描述。若识别到理赔数据未重复回传且为有效数据，则获取代码表，根据中文描述从代码表中匹配理赔数据相对应的代码。根据用户标识获取用户历史理赔数据和用户信息，调用风控模型，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风控模型中识别理赔数据是否存在理赔风险。当识别理赔数据不存在理赔风险时，根据理赔数据获取理赔账单，根据理赔账单计算得到理赔费用。实现了自动理赔，提高了理赔准确率和效率。

在一个实施例中，如图3所示，根据理赔请求接收理赔影像文件包括以下步骤：

S302,根据用户标识获取用户理赔信息。

理赔信息是指用户历史的投保数据，包括：渠道、承保机构、险种、产品、投保单位以及保单号等。具体地，由于用户标识和用户信息和理赔信息关联绑定，因此服务器可以通过理赔请求中携带的用户标识直接获取到用户的理赔信息。或者，根据用户标识获取用户信息，根据用户信息获取用户的理赔信息。

在一个实施例中，服务器根据接收到的理赔请求生成理赔案号，理赔案号是用于识别理赔案件的唯一标识。服务器接收到终端发送的理赔请求时，响应理赔请求生成理赔案号。并且，当理赔信息获取之后，将获取到的理赔信息与理赔案号进行关联，通过理赔案号即可以查找到对应的理赔信息。在本实施例中，服务器即可通过理赔案号获取用户的理赔信息。通过用户利用终端发送的理赔请求生成理赔案号，并根据用户信息获取用户的理赔信息，将理赔信息与理赔案号进行关联绑定，保证后续理赔工作可以通过理赔案号快速查询到理赔相关的数据。

S304，调用分流规则集合，遍历分流规则集合为理赔信息匹配相应的分流规则，获取分流规则对应的理赔接口并返回给终端。

S306，接收终端从理赔接口上传的理赔影像文件。

分流规则集合中包括多个分流规则，分流规则是指用于根据不同用户的不同理赔信息为待理赔案件分配不同通道的规则。服务器通过预先设定分流规则并存储，当进入分流流程时，服务器获取所有预先设定好的分流规则，循环遍历所有的分流规则为理赔信息匹配相应的分流规则。若在遍历匹配的过程中一旦匹配到相应的分流规则，则立即结束循环遍历，获取该分流规则为理赔信息对应的分流规则，后面没有匹配到的分流规则不再进行匹配。获取到相应的分流规则后，获取该分流规则对应的理赔接口，并将该理赔接口返回给用户终端。用户终端接收到理赔接口后通过该理赔接口将影像文件发送至服务器，服务器通过理赔接口接收到影像文件后即可自动对影像文件进行脱敏和文字数据的提取工作。若遍历匹配的过程结束后仍然没有匹配到相应的分流规则，则将用户终端发送的影像文件转入人工通道，由人工进行影像文件的脱敏和文字数据的提取与录入。在本实施例中，根据分流规则和理赔信息为不同的理赔案件分配不同的理赔通道，为不同的理赔案件选择合适的理赔通道，保证了理赔工作的准确性和高效性。

在一个实施例中，步骤S304遍历所述分流规则集合为所述理赔信息匹配相应的分流规则具体包括以下步骤：

S3041，从分流规则集合中获取有效的分流规则。

S3042，判断分流规则中是否包含与理赔信息相对应的信息。

S3043，若不包含，则为理赔信息匹配分流规则。

S3044，若分流规则中包含与理赔信息相对应的信息，则判断相对应的信息与理赔信息是否相等。

S3045，若相等，则为理赔信息匹配分流规则。

S3046，若不相等，则从分流规则集合中获取下一个有效的分流规则并返回步骤S3042。

具体地，服务器获取到分流规则集合后，从分流规则中获取已经生效的分流规则。判断该分流规则中是否包含与理赔信息相对应的信息，若该分流规则中不包含与理赔信息对应的信息，则该分流规则为理赔信息对应的分流规则。若该分流规则中包含与理赔信息对应的信息，则进一步判断该信息是否等于理赔信息。若相等，则该分流规则为理赔信息对应的分流规则。若不相等，则获取下一个有效的分流规则，重新判断该分流规则中是否包含与理赔信息相对应的信息，直到匹配到相应的分流规则为止。

例如，分流规则集合中的有效规则包括分流规则1、分流规则2以及分流规则3。理赔信息包括渠道、承保机构、险种、产品、投保单位以及保单号。首先获取分流规则1，判断分流规则1中是否包含渠道信息。若分流规则1中不包含渠道信息，则进一步判断分流规则1中是否包含承保机构信息。若分流规则1不包含承保机构信息，则进一步判断分流规则1中是否包含险种信息。若分流规则1不包含险种信息，则进一步判断分流规则1中是否包含产品信息。若分流规则1不包含产品信息，则进一步判断分流规则1中是否包含投保单位信息。若分流规则1不包含投保单位信息，则进一步判断分流规则1中是否包含保单号信息。若分流规则1不包含保单号信息，则表明分流规则1中不包含任何与理赔信息对应的信息，即中断遍历，获取分流规则1为匹配的分流规则。

若分流规则1中包含渠道信息，则进一步判断分流规则1中的渠道信息是否等于理赔信息中的渠道。若不相等，则获取下一个有效的分流规则，若相等，则进一步判断分流规则1中是否包含承保机构信息。若分流规则1包含承保机构信息，则进一步判断分流规则1中的承保机构信息是否等于理赔信息中的承保机构。若不相等，则获取下一个有效的分流规则，若相等，则进一步判断分流规则1中是否包含险种信息。若分流规则1包含险种信息，则进一步判断分流规则1中的险种信息是否等于理赔信息中的险种。若不相等，则获取下一个有效的分流规则，若相等，则进一步判断分流规则1中是否包含产品信息。若分流规则1包含产品信息，则进一步判断分流规则1中的产品信息是否等于理赔信息中的产品。若不相等，则获取下一个有效的分流规则，若相等，则进一步判断分流规则1中是否包含投保单位信息。若分流规则1包含投保单位信息，则进一步判断分流规则1中的投保单位信息是否等于理赔信息中的投保单位。若不相等，则获取下一个有效的分流规则，若相等，则进一步判断分流规则1中是否包含保单号信息。若分流规则1包含保单号信息，则进一步判断分流规则1中的保单号信息是否等于理赔信息中的保单号。若不相等，则获取下一个有效的分流规则，若相等，即中断遍历获取分流规则1为匹配的分流规则。其中，在本次举例中，获取下一个有效的分流规则即为分流规则2，分流规则2没有匹配成功则获取分流规则3，依次类推。也就是说，只要从分流规则集合中匹配到一个分流规则，则结束循环获取该分流规则为匹配到的分流规则。如果分流规则中的渠道不为空并且与理赔信息中的渠道不相等，则中断本次循环，循环到下一个分流规则中。如果分流规则中的承保机构不为空并且与理赔信息中的承保机构不相等，则中断本次循环，循环到下一个分流规则中。如果分流规则中的险种不为空并且与理赔信息中的险种不相等，则中断本次循环，循环到下一个分流规则中。如果分流规则中的产品不为空并且与理赔信息中的产品不相等，则中断本次循环，循环到下一个分流规则中。如果分流规则中的投保单位不为空并且与理赔信息中的投保单位不相等，则中断本次循环，循环到下一个分流规则中。如果分流规则中的保单号不为空并且与理赔信息中的保单号不相等，则中断本次循环，循环到下一个分流规则中。

由此可见，只有当分流规则中的渠道信息、承保机构信息、险种信息、产品信息、投保单位信息以及保单号信息都为空或者都与理赔信息中的渠道、承保机构、险种、产品、投保单位以及保单号对应相等时才能匹配成功。在本实施例中，根据分流规则和理赔信息为不同的理赔案件分配自动理赔或者人工通道进行理赔，保证了理赔工作的准确性和高效性。

在一个实施例中，如图4所示，将理赔影像文件进行脱敏解析获取理赔数据包括以下步骤：

S402，获取理赔影像文件携带的文件标识，根据文件标识获取理赔影像文件模板。

文件标识为用于识别理赔影像文件类型的唯一标志。影像文件模板是指服务器预先存储的影像文件，影像文件模板与对应的影像文件拥有相同的格式和文件标识。服务器预先为不同的影像文件设置好不同的文件标识，相同类型的影像文件拥有相同的文件标识。当用户终端发送影像文件时，影像文件中已经携带对应的文件标识。例如，以医疗费用发票为例，医院A的医疗费用发票的文件标识均为文件标识A；医院B的医疗费用发票的文件标识则均为文件标识B。具体地，服务器接收到影像文件后，根据影像文件携带的文件标识获取到影像文件对应的影像文件模板。

S404，根据影像文件模板获取敏感信息坐标值和非敏感信息坐标值。

敏感信息坐标值是指影像文件上包含了用户隐私信息的位置，非敏感信息坐标值是指影像文件上除了用户隐私信息以外其他信息的位置，均以坐标的方式进行记录存储。其中，以坐标方式记录敏感信息和非敏感信息坐标值时，坐标原点可以根据实际情况设定为影像文件上的任意一点。

具体地，由于相同类型的影像文件格式是一样的，也就是相同类型影像文件上用户的敏感信息位置和非敏感信息位置是一样的。服务器预先获取影像文件上敏感信息和非敏感信息的位置坐标值，并将该位置坐标值与对应的影像文件模板以及模板对应的文件标识进行关联存储。例如，医院A的医疗费用发票的文件标识为文件标识A，并且医院A的医疗费用发票所包含的用户隐私信息位置坐标值是(a，b)、(a，c)、(d，b)和(d，c)，则服务器预先将坐标值(a，b)、(a，c)、(d，b)和(d，c)与文件标识A进行关联存储。当服务器接收到终端上传的影像文件后，根据影像文件携带的文件标识可以确定对应的影像文件模板，根据该影像文件模板获取敏感信息和非敏感信息的位置坐标值。或者根据文件标识直接获取该影像文件上敏感信息和非敏感信息的位置坐标值。若文件标识没有关联的非敏感信息坐标值，则表示该文件标识对应的影像文件中不包含用户敏感信息。

S406，根据敏感信息坐标值和非敏感信息坐标值确定敏感信息区域和非敏感信息区域。

服务器获取到该影像文件上包含的敏感信息和非敏感信息坐标值后，根据该坐标值即可确定敏感信息区域和非敏感信息区域。例如，根据影像文件携带的文件标识确定影像文件上所包含敏感信息坐标值为(a，b)、(a，c)、(d，b)和(d，c)，通过上述四个坐标点互相连接即可在影像文件上确定一个区域，该区域是敏感信息所在的区域，即为敏感信息区域。

S408，将敏感信息区域的敏感信息做脱敏处理并提取出敏感信息；提取非敏感信息区域的非敏感信息。

S410，将敏感信息和非敏感信息进行数据整合，得到理赔数据。

在一个实施例中，根据敏感信息区域对敏感信息做脱敏处理具体包括：获取敏感信息区域的前景色；将敏感信息区域的前景色修改为黑色。

前景色是指加在指定图层上的颜色。影像文件是用户在终端扫描发送过来的黑白图像，影像文件上的信息都是白底黑字。当得到影像文件的敏感信息区域后，将该敏感信息区域内的前景色修改为黑色，与影像文件上的文字信息为相同的颜色，即通过黑色的前景色将敏感信息区域上的敏感信息遮盖住防止用户敏感信息泄露。

当服务器根据敏感信息区域对敏感信息进行脱敏处理后，并将敏感信息从影像文件中提取出来。同样的根据非敏感信息区域确定非敏感信息在影像文件上的位置，将非敏感信息提取出来。将敏感信息和非敏感信息进行数据整合并对数据进行结构化处理得到理赔数据。

上述方法通过影像文件中携带的文件标识获取敏感信息和非敏感信息坐标值，根据敏感信息和非敏感信息坐标值确定影像文件中的敏感信息区域和和非敏感信息区域。根据敏感信息区域对敏感信息做解析脱敏处理提取出来，同时提取非敏感信息区域的非敏感信息进行数据整合得到理赔数据。实现了理赔系统自动对理赔影像文件进行敏感信息脱敏处理以及获取理赔数据，提高了理赔工作效率。

在一个实施例中，如图5所示，获取代码表，根据中文描述从代码表中匹配所述理赔数据相对应的代码包括以下步骤：

S502，若识别到中文描述是完整的，则获取理赔数据相对应的代码表。

完整的中文描述是指可以直接从代码表中获取对应代码的中文描述。例如，理赔数据中药品名称的中文描述为“阿莫西林”，因为通过中文描述“阿莫西林”是可以直接确定对应的药品，也就是能够从代码表中直接获取到对应代码的中文描述，则为完整的中文描述。若药品名称的中文描述为“阿莫”，通过“阿莫”是无法直接确定有对应的药品，也就是不能够从代码表中直接获取到对应代码的中文描述。因此，该中文描述是不完整的。

具体地，服务器在获取代码表之前，首先识别中文描述是否为完整的中文描述，若中文描述为完整的中文描述，则根据完整的中文描述获取对应的代码表。其中，若完整的中文描述对应的是疾病名称，则获取疾病代码表；若完整的中文描述对应的是药品名称，则获取药品代码表；若完整的中文描述对应的是医院名称，则获取医院代码表。

S504，根据映射关系从代码表中获取中文描述对应的代码。

映射是指两个元素的相互对应的关系，也就是将两个元素对应起来。例如，服务器获取到理赔数据对应的中文描述为“阿莫西林”，根据中文描述“阿莫西林”获取药品代码表。并且，在药品代码表中，“阿莫西林”所对应的代码为A。服务器获取到理赔数据对应的中文描述为“阿莫西林”，则从药品代码表中查找“阿莫西林”，查找到“阿莫西林”之后获取该“阿莫西林”对应的代码A，代码A即为理赔数据匹配的代码。

S506，若识别到中文描述是不完整的，则获取模糊匹配代码表。

S508，根据模糊匹配代码表匹配完整的中文描述以及理赔数据相对应的代码。

不完整的中文描述是指不能直接从代码表中获取对应代码的中文描述。例如，若药品名称的中文描述为“阿莫”，通过“阿莫”是无法直接确定有对应的药品，也就是不能够从代码表中直接获取到对应代码的中文描述。也就是说该中文描述是不完整的。而模糊匹配代码表是指用于为不完整的中文描述匹配对应的代码的文件，其中，模糊匹配代码表包括模糊匹配疾病代码表、模糊匹配药品代码表和模糊匹配医院代码表。

具体地，当服务器所识别到中文描述不完整时，则无法通过不完整的中文描述从获取的代码表中匹配到对应的代码。因此，服务器获取模糊匹配代码表，根据模糊匹配代码表为不完整的中文描述匹配到完整的中文描述以及对应的代码。其中，若不完整的中文描述为疾病名称，则获取模糊匹配疾病代码表；若不完整的中文描述为药品名称，则获取模糊匹配药品代码表；若不完整的中文描述为医院名称，则获取模糊匹配医院代码表。

在一个实施例中，步骤S508根据模糊匹配代码表匹配完整的中文描述以及理赔数据相对应的代码具体包括以下步骤：

S5081，获取不完整的中文描述，将不完整的中文描述输入至模糊匹配代码表中，得到完整的中文描述和匹配准确率。

匹配准确率是指通过模糊匹配表进行匹配时所匹配正确的概率。具体地，当服务器识别到不完整的中文描述时，则获取模糊匹配代码表。将不完整的中文描述输入至模糊匹配代码表中，模糊匹配代码表根据不完整的中文描述进行匹配，获取所匹配到的完整的中文描述，并输出匹配准确率。例如，药品名称对应的不完整的中文描述为“阿莫”，服务器将“阿莫”输入至模糊匹配表中，查找与“阿莫”有关的药品名称。根据“阿莫”查找到有关的药品为“阿莫西林”，并且将“阿莫”和“阿莫西林”进行比对获取匹配准确率。若服务器根据不完整的中文描述查找匹配出多个的药品名称时，例如根据“阿莫”还可以查找到“阿莫西林克拉维酸钾”，服务器则通过获取疾病中文描述，根据不同药物所治疗的疾病匹配查找到的药品。例如，疾病中文描述为“细菌感染”，“阿莫西林”的主要适用症状为细菌感染，“阿莫西林克拉维酸钾”的主要适用症状为“敏感菌感染”。则根据疾病中文描述从“阿莫西林”和“阿莫西林克拉维酸钾”中确定匹配的药物为“阿莫西林”。

S5082，若匹配准确率大于预设阈值，则根据映射关系从模糊匹配代码表中获取完整的中文描述相对应的代码。

匹配准确率可以根据实际情况进行设定，在本实施例中，优选匹配准确率为70％。具体地，当服务器根据模糊匹配代码表进行匹配时，得到的匹配准确率若大于等于70％，则表示匹配通过，获取所匹配到的完整的中文描述并且获取该中文描述对应的代码。若匹配准确率小于70％或者服务器根据模糊匹配代码表没有匹配到对应的中文描述，则将该理赔流程转入人工通道进行人工匹配。

在一个实施例中，风控模型包括风险评分表和互斥规则表。风控模型包括风险评分表和互斥规则表。其中，风险评分表中包括编号、评分逻辑以及评分标准。每个编号对应一个评分逻辑，每个评分逻辑对应一个评分标准。也就是说，风险评分表中的编号、评分逻辑和评分标准是唯一对应的。其中，评分标准有5个，分别为1分、2分。3分、4分以及5分，根据用户的理赔数据具体情况对应不同的分值。例如，若风险评分表中包括3个编号和3个评分逻辑，且编号分别为1、2、3。评分逻辑分别为一个月以内同一疾病就诊次数、历史申请理赔次数、单次就诊住院天数。则编号1对应的评分逻辑为一个月以内同一疾病就诊次数，编号2对应的评分逻辑为历史申请理赔次数，编号3对应的评分逻辑为单次就诊住院天数。而一个月以内同一疾病就诊1次对应的评分为2分、就诊2-3次评分3分、就诊4次评分为4分、就诊5次及以上评分为5分。历史申请理赔次数为3次以下评分为1分、5次以下为2分、5-7次为3分、9次以下为4分、9次及以上为5分。单次就诊住院天数5天以下评分为1分、7天以下为2分、10天以下为3分、15天以下为4分、15天以上即为5分。

互斥规则表中包括9类互斥规则逻辑，分别为：年龄与疾病不符、性别与疾病不符、一次性手术后因关联疾病就诊、同一人因互斥疾病就诊、特殊疾病人群因互斥疾病就诊、疾病与检查类型不符、连带关系与历史不符、黑名单以及多人共用相同联系方式(电话、邮箱等)。

具体地，如图6所示，调用风控模型，将已匹配代码的理赔数据、所述历史理赔数据和用户信息输入至风控模型中识别理赔数据是否存在理赔风险包括以下步骤：

S602，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风险评分表，得到风险评分。

服务器根据风险评分模型中的评分逻辑从用户的本次已匹配代码的理赔数据、历史理赔数据以及用户信息中提取所需数据输入至风险评分表，服务器根据评分逻辑和评分逻辑对应的评分标准输出最终的风险评分。例如，风险评分表中包括评分编号为1、评分逻辑为一个月以内同一疾病就诊次数。服务器则从本次理赔数据中获取一个月内用户的就诊次数，根据用户的就诊次数获取对应的评分。就诊1次对应的评分为2分、就诊2-3次评分3分、就诊4次评分为4分、就诊5次及以上评分为5分。服务器按照编号、评分内容、评分标准以及得分的输出格式将风险评分结果输出。其中，编号即为评分逻辑对应的评分编号，评分内容为对应的风险评分项的内容描述，评分标准即为对应的风险评分项的评分描述，得分为对应的风险评分项得分。若就诊次数为2次，则获取评分标准对应的3分。服务器输出的风险评分结果格式即为：1、一个月以内统一疾病就诊次数、一个月以内同一疾病就诊次次数就诊2次、3分。

S604，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至互斥规则表，得到互斥结果。

服务器同样根据互斥规则表中的互斥规则逻辑从本次已匹配代码的理赔数据、历史理赔数据以及用户信息中获取本次理赔的疾病代码，历史理赔的疾病代码以及用户的姓名、年龄、性别等。并将疾病代码、历史疾病代码以及用户信息输入至互斥规则表中。根据互斥规则表判断其中是否有满足的互斥规则逻辑后，根据判断结果输出互斥结果。例如，服务器根据用户信息中的性别识别出用户为女生，并且从本次理赔数据中提取出疾病代码为A18.111+。服务器根据性别从互斥规则逻辑中提取出性别与疾病不符的互斥规则逻辑，其中，性别与疾病不符的互斥规则逻辑中具体包括男性患女性疾病互斥逻辑子表和女性患男性疾病互斥逻辑子表。根据用户信息获取女性患男性疾病互斥逻辑子表，将用户的疾病代码A18.111+输入至女性患男性疾病互斥逻辑子表中进行筛选，若从女性患男性疾病互斥逻辑子表中筛选出了疾病代码A18.111+，则表示满足了性别与疾病不符的互斥规则逻辑，若从女性患男性疾病互斥逻辑子表中没有筛选出疾病代码A18.111+，则表示不满足性别与疾病不符的互斥规则逻辑。由于疾病代码A18.111+对应的疾病是子宫内膜结核，因此若当用户为女性并且患有A18.111+疾病时，则互斥结果是不满足性别与疾病不符的互斥规则逻辑的，表示理赔数据不存在风险。若用户性别为男性且患有A18.111+疾病时，服务器则会从男性患女性疾病的互斥逻辑子表中查找到对应的疾病代码A18.111+，则互斥结果是满足性别与疾病不符的互斥规则逻辑，该用户为男性患女性疾病，表示理赔数据存在风险。

S606，根据风险评分和互斥结果，得到理赔数据的风险评估结果。

服务器根据风险评分和互斥结果判断用户本次理赔的理赔数据是否存在风险，若理赔数据存在风险则表示该用户本次理赔案件存在风险。其中，服务器从输出的风险评分结果获取风险评分的得分，若得分小于预设值则表示风险评分通过。在本实施例中，优选预设值为3分。当获取到用户在风险评分表中所有评分逻辑中的风险评分的得分均小于等于3分，则表示该用户的理赔案件为低风险案件，则进入下一步的流程。若获取到用户在风险评分表中所有的评分逻辑中的任意一项的风险评分大于3分，则表示该用户的理赔案件存在一定的风险，则将理赔数据发送至第二终端，转接进入人工通道进行复审。若输出的互斥结果为不满足互斥规则逻辑，则表示互斥结果通过，进入下一步的流程。若输出的互斥结果中有满足的任意一项互斥规则逻辑，则表示互斥结果不通过，则将理赔数据发送至第二终端，转接进入人工通道进行复审。其中，只有当风险评分和互斥结果均通过的情况下才能进入下一步的流程，若风险评分或互斥结果中任意一项不通过，则将理赔数据发送至第二终端，需转入人工通道进行复审。

在一个实施例中，步骤S606根据风险评分和互斥结果，得到理赔数据的风险评估结果包括以下步骤：

S6061，若风险评分小于第一预设值且互斥结果通过，则根据理赔数据获取案件类型、出险次数、出险日以及生效日。

案件类型为用户投保时的投保案件类型，包括用于保障个人的个险和保障团体的企业补充保险。出险次数就是发生保险事故的次数，保险事故一定是满足投保时所约定的赔偿条件的。出险日即为保险事故发生的日期，生效日即为投保保单的生效日期。

具体地，风控模型还包括未如实告知模型和欺诈模型。未如实告知模型用于判断用户投保保单是否有短期出险的风险。欺诈模型用于检测用户的就诊费用是否高于标准值，是否存在滥用风险。服务器从理赔数据中获取案件类型、出险次数、出险日以及生效日，根据案件类型、出险次数、出险日以及生效日识别用户应该调用未如实告知模型还是欺诈模型。

S6062，若识别到案件类型为个险，同时出险次数为第一次且出险日与生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险。

未如实告知模型的调用条件为用户投保保单的案件类型为保障个人的保险，发生保险事故为第一次，并且发生事故的日期与保单生效日的差值小于预设值。即，当服务器根据理赔数据中的案件类型、出险次数、出险日以及生效日识别到本次理赔案件为个险、首次出险、且出险日与生效日差值小于预设值时，则调用未如实告知模型检测本次理赔案件是否存在短期出险的风险。其中，在本实施例中，预设值优选为12个月，当出险日到生效日的差值小于12个月，则可判定用户存在短期出险的风险，调用未如实告知模型进行验证。

在一个实施例中，调用未如实告知模型识别是否存在短期出险风险具体包括：从理赔数据中获取疾病代码，将疾病代码转换成南非疾病代码；获取南非疾病代码首字母。若识别到首字母为预设字母或者从预存的短期风险代码表中筛选出与南非疾病代码相同的代码，则存在短期出险风险。

具体地，疾病代码(International Classification of Diseases，ICD)是由世界卫生组织根据疾病的某些特征，按照规则将疾病分门分类，并用编码的方法来表示的系统。各国根据世界卫生组织发布的疾病代码第10次修订版可以进行本地化修改。其中，南非疾病代码即是指南非地区根据世界卫生组织发布的疾病代码进行本地化修改编制而成的疾病代码。服务器获取预存的中文疾病代码和南非疾病代码转换关系文件，服务器获取到疾病代码后，其中，该疾病代码为中文疾病代码。服务器根据映射关系从中文疾病代码和南非疾病代码转换关系文件查找到与中文疾病代码对应的南非疾病代码，将该中文疾病代码转换成南非疾病代码。

当将获取到的中文疾病代码转换成对应的南非疾病代码后，服务器首先获取南非疾病代码的首字母。若首字母为C、D、I、K、M、N中任意一个，也就是南非疾病代码是由C、D、I、K、M、N中任意一个字母开头的。则表示用户本次理赔案件存在短期出险风险。或者，服务器将南非疾病代码输入至未如实告知模型中，未如实告知模型从预存的短期风险代码表中进行模型筛选，若是从短期风险代码表中筛选到与南非疾病代码相同的代码，则表示用户本次理赔案件存在短期出险风险。其中，短期风险代码表中存储有存在短期出险风险的疾病代码(ICD)。若存在短期出险风险，则转接进入人工审核通道并返回消息“该案件存在短期风险，请人工审核”。

S6063，同时识别案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险。

用户投保保单的案件类型为保障个人的个险或者保障团体的企业补充保险中的任意一种时，则可以调用欺诈模型判断本次理赔案件的就诊费用高于标准值，是否存在滥用风险。

在一个实施例中，调用欺诈模型识别是否存在滥用风险具体包括：从理赔数据中获取疾病代码和就诊费用，将疾病代码转换成费用代码；获取费用代码对应的对比标准值，将就诊费用与对比标准值进行比较；若就诊费用高于对比标准值，则存在滥用风险。

具体地，当服务器识别到本次理赔案件的案件类型为个险或企业补充保险中的任意一种时，则调用欺诈模型。获取中文疾病代码和南非疾病代码转换关系文件，根据映射关系从该中文疾病代码和南非疾病代码转换关系文件中获取中文疾病代码所对应的南非疾病代码。再获取费用代码文件，根据映射关系从费用代码文件中获取该南非疾病代码对应的费用代码。获取该费用代码对应的对比标准值，将就诊费用与对比标准值进行比较。若就诊费用低于对比标准值，则表示本次理赔案件不存在滥用风险。若就诊费用高于对比标准值，则表示本次理赔案件费用高于标准值，存在滥用风险，则转接进入人工审核通道并返回消息“该案件就诊费用高于标准，存在滥用风险，请人工审核”。其中，若没有从费用代码文件中获取到南非疾病代码所对应的费用代码，则中断调用欺诈模型，并返回该理赔案件不存在滥用风险的欺诈模型结果。

S6064，若未识别到短期出险风险和滥用风险，则确定理赔数据不存在风险。

当服务器调用未如实告知模型和欺诈模型根据理赔数据进行检测出本次理赔案件不存在短期出险和滥用风险，则表示理赔数据不存在风险，也就是本次理赔案件不存在风险，可以进入下一步理赔费用计算的流程。若未如实告知模型和欺诈模型中任意一个模型检测出来存在短期出险风险或者滥用风险，则表示理赔数据存在风险，也就是本次理赔案件存在风险，则将理赔数据发送至第二终端，需要转入人工通道进行复审。

在本实施例中，服务器通过调用未如实告知模型和欺诈模型检测理赔案件是否存在短期出险风险和滥用风险，加强了自动理赔的风控能力，保证了自动理赔的安全性。

在一个实施例中，步骤S604将已匹配代码的理赔数据、历史理赔数据以及用户信息输入至互斥规则表，得到互斥结果具体包括：从理赔数据和历史理赔数据中分别获取疾病代码和历史疾病代码；若根据疾病代码、历史疾病代码以及用户信息未从互斥规则表中获取到对应的互斥规则逻辑，则互斥结果为通过。

互斥规则逻辑包括年龄与疾病不符、性别与疾病不符、一次性手术后因关联疾病就诊、同一人因互斥疾病就诊、特殊疾病人群因互斥疾病就诊、疾病与检查类型不符、连带关系与历史不符、黑名单以及多人共用相同联系方式(电话、邮箱)九种，也就是说互斥规则表中包括上述九个子表。其中，年龄与疾病不符中还包括16岁以下互斥疾病子表、16岁≤年龄<35岁以下互斥疾病子表以及55岁以上互斥疾病子表。性别与疾病不符还包括男性患女性疾病子表和女性患男性疾病子表。

具体地，服务器判断是否存在年龄与疾病不符的互斥规则逻辑时首先获取用户年龄，根据用户年龄获取对应的子表。将用户本次疾病代码输入至该子表中判断该疾病代码是否存在与该子表中，若是，则表示该用户患有和年龄不符的疾病，则存在满足年龄与疾病不符的互斥规则逻辑。服务器判断用户是否存在性别与疾病不符的互斥规则逻辑时首先获取用户的性别，根据用户性别获取对应的子表，将用户本次疾病代码输入至该子表中判断该疾病代码是否存在与该子表中，若是，则表示该用户患有性别与疾病不符的疾病，则存在满足性别与疾病不符的互斥规则逻辑。

一次性手术后因关联疾病就诊表中存储有一次性手术代码，以及一次性手术代码对应的一次性手术名称、关联疾病代码和关联疾病名称。服务器判断一次性手术后因关联疾病就诊的互斥规则逻辑时首先根据用户历史疾病代码进行判断，判断历史疾病代码是否存在与一次性手术代码中。若是，则从一次性手术后关联疾病就诊表获取该一次性手术代码的关联疾病代码，也就是该历史疾病代码互斥的疾病代码。服务器进一步判断用户本次疾病代码是否为该关联疾病代码，若是，则表示满足一次性手术后关联疾病就诊的互斥规则逻辑。若历史疾病代码不存在与一次性手术代码中，或者用户本次疾病代码不是关联疾病代码，则表示不存在满足一次性手术后关联疾病就诊的互斥规则逻辑。

同一人因互斥疾病就诊表和中存储有疾病代码，以及疾病代码对应的疾病名称、互斥疾病代码和互斥疾病名称。服务器判断同一人因互斥疾病就诊的互斥规则逻辑时将用户的历史疾病代码和本次疾病代码输入至互斥疾病就诊表中。若本次疾病代码只有一个，则判断本次疾病代码是否与历史疾病代码为互斥疾病，若本次疾病代码为2个及2个以上，进一步判断本次疾病代码之间是否为互斥疾病。若均不是互斥疾病，则不存在满足同一人因互斥疾病就诊的互斥规则逻辑，否则，则存在满足同一人因互斥疾病就诊的互斥规则逻辑。

特殊疾病人群因互斥疾病就诊表中存储有疾病代码，以及疾病代码存在的疾病名称、互斥疾病代码和互斥疾病名称。若用户为特殊疾病人群，服务器则判断是否存在特殊疾病人群因互斥疾病就诊的互斥规则逻辑。服务器首先将用户的历史疾病代码和本次疾病代码输入至互斥疾病就诊表中。若本次疾病代码只有一个，则判断本次疾病代码是否与历史疾病代码为互斥疾病，若本次疾病代码为2个及2个以上，进一步判断本次疾病代码之间是否为互斥疾病。若均不是互斥疾病，则不存在满足特殊疾病人群因互斥疾病就诊的互斥规则逻辑，否则，则存在满足特殊疾病人群因互斥疾病就诊的互斥规则逻辑。

疾病与检查类型不符表中存储有疾病代码，以及疾病代码对应的疾病名称、不符的检查检验代码和检查项目名称。服务器判断是否存在疾病与检查类型不符的互斥规则逻辑时首先获取用户的本次疾病代码和检查检验代码，若疾病代码为疾病与检查类型不符表中存储的疾病代码，则判断检查检验代码是否为疾病与检查类型不符表中存储的该疾病代码对应的检查检验代码。若是，则存在满足疾病与检查类型不符的互斥规则逻辑。否则，不存在疾病与检查类型不符的互斥规则逻辑。

连带关系与历史不符、黑名单以及多人共用相同联系方式的互斥规则逻辑判断，服务器首先通过用户标识获取用户的客户号和证件号。通过客户号和证件号从理赔系统中检索出该用户的历史保单的连带信息。其中，连带信息指配偶、子女和父母的个人信息。服务器从用户本次理赔数据中获取本次连带信息，通过与历史保单的连带信息进行比较。若不一样，则存在连带关系与历史不符的互斥规则逻辑。服务器通过获取黑名单客户和黑名单医院，判断用户、用户就诊医院以及理赔被保人中任意一个是否存在于黑名单客户和黑名单医院中，若是，则存在黑名单的互斥规则逻辑。并且，服务器通过用户的历史理赔数据查找到用户名下保单中存在多个分单号不一致，但是分单号上的联系方式却是同一个联系方式，则存在多人共用相同联系方式的互斥规则逻辑。

在一个实施例中，步骤S2082根据理赔账单获取理算关系配置表和理算数据具体包括以下步骤：

S11，调用触发规则，判断理算关系配置表中是否有与理算数据相对应的责任信息。

理算数据包括就诊类型、诊断疾病和费用项目。理算关系配置表包括责任代码、责任名称、费用列表以及特定疾病ICD。其中，费用列表和特定疾病ICD即为责任信息。从特定疾病ICD和费用列表中判断是否有与就诊类型、诊断疾病和费用项目相应的信息。例如，若就诊疾病为特定疾病，则根据触发规则可以从理算关系配置表中查找到该特定疾病的ICD。若费用项目中包含主费用，则根据触发规则可以从理算关系配置表中的费用列表中查找到对应的主费用。若诊断疾病和费用项目中的主费用均为空，则根据触发规则从理算关系配置表中的费用列表中查找到对应的就诊类型。其中，触发规则是用于为理赔账单匹配对应理算责任，包括疾病触发规则、费用触发规则和责任触发规则。其中，触发规则的执行顺序为：疾病触发规则优先于费用触发规则优先于责任触发规则。当其中任意一个触发规则执行后，剩余未执行的触发规则不再执行。例如，如疾病触发规则触发执行后，费用触发规则和责任触发规则就不再执行。

S12，则从理算关系配置表中获取与信息相对应的责任代码。

S13，获取责任代码相对应的理算责任，将理算责任匹配到理赔账单上。

服务器首先调用疾病触发规则，判断理算关系配置表中是否有与所述诊断疾病相同的信息。若没有与诊断疾病相同的信息，则调用费用触发规则，判断理算关系配置表中是否有与费用相对应的信息。若没有与费用项目相同的信息，则调用责任触发规则，判断理算关系配置表中是否有与就诊类型相对应的信息。

具体地，当服务器获取到理算关系配置表和理算数据后，服务器首先调用疾病触发规则，获取理算数据中的诊断疾病，判断该诊断疾病是否在理算关系配置表有对应的特定疾病ICD。若有对应的特定疾病ICD，则获取该特定疾病ICD对应的责任代码，该责任代码对应的责任即为理赔账单匹配的理算责任。若没有对应的特定疾病ICD，则调用费用触发规则，获取理算数据中费用项目的主费用，判断该主费用在理算关系配置表中的费用列表是否有对应的主费用。若有对应的主费用，则获取该主费用对应的责任代码，该责任代码对应的责任即为理赔账单匹配的理算责任。若没有相对应的主费用，则调用责任触发规则，从理算数据中获取就诊类型，从理算关系配置表中直接查找对应的就诊类型，获取该就诊类型对应的责任代码，该责任代码对应的责任即为理赔账单匹配的理算责任。若获取到多个与就诊类型对应的责任，则获取费用项目中的其他费用，根据其他费用从多个责任中选择匹配的责任为理算责任。若没有查找到对应的就诊类型，则转入人工通道进行匹配。

费用项目中的各项费用都有相应的编码，例如：药品费的费用编码为12、手术费的费用编码为18等。一旦为理赔账单匹配到对应的理算责任，则将理赔账单费用项目中的所有费用都赔付到该理算责任中。

例如1，理赔账单上录入的理算数据分别为：就诊类型为牙科、诊断疾病为基本牙科、费用项目为医用材料费(118)。则根据触发规则服务器首先调用疾病触发规则，判断基本牙科为特定疾病，并且从理算关系配置表中有对应的基本牙科ICD，则直接获取基本牙科ICD所对应责任的责任代码33320001，责任名称为基本牙科治疗。该责任33320001即为匹配的理算责任。并且，将医用材料费(118)赔付到责任33320001上。由于调用疾病触发规则已经为理赔账单匹配到理算责任，则不再调用费用触发规则和责任触发规则。

例如2，理赔账单上录入的理算数据分别为：就诊类型为门诊、费用项目包括主费用：手术费(18)；其他费用：药品费(12)、治疗费(13)、麻醉费(119)以及手术材料费(123)。服务器根据执行顺序首先调用疾病触发规则，判断到该理赔账单上的没有特定疾病。则调用费用触发关系，在理算关系配置表中的费用列表中查找到有相同的手术费(18)，则获取该手术费(18)对应责任的责任代码33300004，责任名称门诊手术费。该责任33300004即为匹配的理算责任，并且将手术费(18)和其他费用：药品费(12)、治疗费(13)、麻醉费(119)以及手术材料费(123)都赔付责任33300004上。并且不再调用责任触发规则。

例如3，理赔账单上录入的理算数据分别为：就诊类型为门诊、费用项目包括其他费用：救护车费(17)。服务器根据执行顺序首先调用疾病触发规则，判断到该理赔账单上的没有特定疾病。则调用费用触发关系，同样判断没有主费用，则调用责任触发规则，根据门诊和救护车费(17)直接获取责任对应的责任代码33300012、责任名称救护车费。该责任33300012即为匹配的理算责任，将救护车费(17)赔付到责任33300012上。在本实施例中，根据预存的理算关系配置文件和录入的理算数据匹配理算责任，保证了理算的准确性。

在一个实施例中，如图7所示，提供理赔费用计算关系图。具体地，若服务器根据理算关系配置表为理赔账单匹配的理算责任为责任A，则获取责任A的合理金额lookup_amt、免赔额remit_amt、次限额limit_one_time_amt、日限额limit_daily_amt以及剩余保额remain_insurance。根据合理金额、免赔额、次限额、日限额以及剩余保额进行计算，得到理赔费用。

其中，服务器首先计算合理金额和所述免赔额的差额，比较差额和次限额，选择最小的额度为第一额度；比较第一额度和日限额，选择最小的额度为第二额度；比较第二额度和剩余保额，选择最小的额度为第三额度；将第三额度与零进行比较，选择最大的为理赔费用。例如，第一额度和日限额相比较，日限额小于第一额度，则选择日限额为第二额度。也就是说，首先计算合理金额lookup_amt和免赔额remit_amt的差额p1。比较差额p1和次限额limit_one_time_amt，选择最小的为第一额度p2。比较第一额度p2和日限额limit_daily_amt，选择最小的为第二额度p3。比较第二额度p3和剩余保额remain_insurance，选择最小的为第三额度。将第三额度与零进行比较，选择最大的为理赔费用p4。

应该理解的是，虽然图2-6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2-6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。关于理赔方法的具体限定可以参见上文中对于理赔系统的限定，在此不再赘述。

在一个实施例中，如图8所示，提供了一种理赔系统，包括：影像解析模块802、代码匹配模块804、风险控制模块806和理算模块808，其中：

影像解析模块802，用于接收终端发送的携带用户标识的理赔请求，根据理赔请求接收理赔影像文件；将理赔影像文件进行脱敏解析获取理赔数据，理赔数据包括对应的中文描述。

代码匹配模块804，用于若识别到理赔数据未重复回传且为有效数据，则获取代码表，根据中文描述从代码表中匹配理赔数据相对应的代码。

风险控制模块806，用于根据用户标识获取用户历史理赔数据和用户信息；调用风控模型，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风控模型中识别所述理赔数据是否存在理赔风险。

理算模块808，用于当识别所述理赔数据不存在理赔风险时，根据所述理赔数据获取理赔账单，根据所述理赔账单计算得到理赔费用。

在一个实施例中，提供了一种计算机设备，该计算机设备是服务器，其内部结构图可以如图9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理赔数据。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理赔方法。

本领域技术人员可以理解，图9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：

接收终端发送的携带用户标识的理赔请求，根据理赔请求接收理赔影像文件；将理赔影像文件进行脱敏解析获取理赔数据，理赔数据包括对应的中文描述；

若识别到理赔数据未重复回传且为有效数据，则获取代码表，根据中文描述从代码表中匹配理赔数据相对应的代码；

根据用户标识获取用户历史理赔数据和用户信息；调用风控模型，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风控模型中识别理赔数据是否存在理赔风险；

当识别理赔数据不存在理赔风险时，根据理赔数据获取理赔账单，根据理赔账单计算得到理赔费用。

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：

接收终端发送的携带用户标识的理赔请求，根据理赔请求接收理赔影像文件；将理赔影像文件进行脱敏解析获取理赔数据，理赔数据包括对应的中文描述；

若识别到理赔数据未重复回传且为有效数据，则获取代码表，根据中文描述从代码表中匹配理赔数据相对应的代码；

根据用户标识获取用户历史理赔数据和用户信息；调用风控模型，将已匹配代码的理赔数据、历史理赔数据和用户信息输入至风控模型中识别理赔数据是否存在理赔风险；

当识别理赔数据不存在理赔风险时，根据理赔数据获取理赔账单，根据理赔账单计算得到理赔费用。

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)

1.一种理赔方法，其特征在于，所述方法包括：

接收终端发送的携带用户标识的理赔请求，根据所述理赔请求接收理赔影像文件；

将所述理赔影像文件进行脱敏解析获取理赔数据，所述理赔数据包括对应的中文描述；

若识别到所述理赔数据未重复回传且为有效数据，则获取代码表，根据所述中文描述从所述代码表中匹配所述理赔数据相对应的代码；

根据所述用户标识获取用户历史理赔数据和用户信息；

调用风控模型，将已匹配代码的理赔数据、所述历史理赔数据和用户信息输入至所述风控模型中识别所述理赔数据是否存在理赔风险；

当识别所述理赔数据不存在理赔风险时，根据所述理赔数据获取理赔账单，根据所述理赔账单计算得到理赔费用。

2.根据权利要求1所述的方法，其特征在于，所述根据理赔请求接收理赔影像文件包括：

根据所述用户标识获取用户理赔信息；

调用分流规则集合，遍历所述分流规则集合为所述理赔信息匹配相应的分流规则，获取所述分流规则对应的理赔接口并返回给终端；

接收终端从所述理赔接口上传的理赔影像文件。

3.根据权利要求1所述的方法，其特征在于，所述将所述理赔影像文件进行脱敏解析获取理赔数据包括：

获取所述理赔影像文件携带的文件标识，根据所述文件标识获取理赔影像文件模板；

根据所述影像文件模板获取敏感信息坐标值和非敏感信息坐标值；

根据所述敏感信息坐标值和非敏感信息坐标值确定敏感信息区域和非敏感信息区域；

将所述敏感信息区域的敏感信息做脱敏处理并提取出所述敏感信息；提取所述非敏感信息区域的非敏感信息；

将所述敏感信息和非敏感信息进行数据整合，得到理赔数据。

4.根据权利要求1所述的方法，其特征在于，所述获取代码表，根据所述中文描述从所述代码表中匹配所述理赔数据相对应的代码包括：

若识别到所述中文描述是完整的，则获取所述理赔数据相对应的代码表；

根据映射关系从所述代码表中获取所述中文描述对应的代码；

若识别到所述中文描述是不完整的，则获取模糊匹配代码表；

根据所述模糊匹配代码表匹配完整的中文描述以及所述理赔数据相对应的代码。

5.根据权利要求1所述的方法，其特征在于，所述风控模型包括风险评分表和互斥规则表；

所述调用风控模型，将已匹配代码的理赔数据、所述历史理赔数据和用户信息输入至所述风控模型中识别所述理赔数据是否存在理赔风险包括：

将所述已匹配代码的理赔数据、历史理赔数据和用户信息输入至所述风险评分表，得到风险评分；

将所述已匹配代码的理赔数据、历史理赔数据和用户信息输入至所述互斥规则表，得到互斥结果；

根据所述风险评分和互斥结果，得到理赔数据的风险评估结果。

6.根据权利要求5所述的方法，其特征在于，所述根据所述风险评分和互斥结果，得到理赔数据的风险评估结果包括：

若所述风险评分小于第一预设值且所述互斥结果通过，则根据所述理赔数据获取案件类型、出险次数、出险日以及生效日；

若识别到所述案件类型为个险，同时所述出险次数为第一次且所述出险日与所述生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险；

同时识别所述案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险；

若未识别到短期出险风险和滥用风险，则确定所述理赔数据不存在理赔风险。

7.根据权利要求1所述的方法，其特征在于，所述根据所述理赔数据获取理赔账单，根据所述理赔账单计算得到理赔费用包括：

获取理赔账单模板，将所述理赔数据录入至所述理赔账单模板中得到理赔账单；

根据所述理赔账单获取理算关系配置表和理算数据；

根据所述理算关系配置表和所述理算数据匹配所述理赔账单相应的理算责任；

获取所述理算责任对应的理算费用，根据所述理算费用得到理赔费用。

8.一种理赔系统，其特征在于，包括：

影像解析模块，用于接收终端发送的携带用户标识的理赔请求，根据所述理赔请求接收理赔影像文件；将所述理赔影像文件进行脱敏解析获取理赔数据，所述理赔数据包括对应的中文描述；

代码匹配模块，用于若识别到所述理赔数据未重复回传且为有效数据，则获取代码表，根据所述中文描述从所述代码表中匹配所述理赔数据相对应的代码；

风险控制模块，用于根据所述用户标识获取用户历史理赔数据和用户信息；调用风控模型，将已匹配代码的理赔数据、所述历史理赔数据和用户信息输入至所述风控模型中识别所述理赔数据是否存在理赔风险；

理算模块，用于当识别所述理赔数据不存在理赔风险时，根据所述理赔数据获取理赔账单，根据所述理赔账单计算得到理赔费用。

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7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7中任一项所述的方法的步骤。