CN110147982A - 基于客户请求的自动审核方法、装置、计算机设备及存储介质 - Google Patents
基于客户请求的自动审核方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110147982A CN110147982A CN201910302167.6A CN201910302167A CN110147982A CN 110147982 A CN110147982 A CN 110147982A CN 201910302167 A CN201910302167 A CN 201910302167A CN 110147982 A CN110147982 A CN 110147982A
- Authority
- CN
- China
- Prior art keywords
- clause
- keyword
- request
- mood
- client
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012550 audit Methods 0.000 claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000000605 extraction Methods 0.000 claims abstract description 27
- 238000003058 natural language processing Methods 0.000 claims abstract description 26
- 230000036651 mood Effects 0.000 claims description 128
- 230000008451 emotion Effects 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013136 deep learning model Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 230000002996 emotional effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000012552 review Methods 0.000 abstract description 6
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 26
- 201000010099 disease Diseases 0.000 description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 23
- 208000030507 AIDS Diseases 0.000 description 16
- 241000282461 Canis lupus Species 0.000 description 15
- 206010015150 Erythema Diseases 0.000 description 15
- 231100000321 erythema Toxicity 0.000 description 15
- 229940109239 creatinine Drugs 0.000 description 13
- 210000002966 serum Anatomy 0.000 description 13
- 208000019901 Anxiety disease Diseases 0.000 description 11
- 241000700605 Viruses Species 0.000 description 11
- 230000036506 anxiety Effects 0.000 description 11
- 239000000284 extract Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 201000011510 cancer Diseases 0.000 description 7
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 6
- 208000015181 infectious disease Diseases 0.000 description 6
- 208000010125 myocardial infarction Diseases 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 4
- 230000000505 pernicious effect Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 150000008065 acid anhydrides Chemical class 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 230000000266 injurious effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于客户请求的自动审核方法、装置、计算机设备及存储介质，该方法包括：当接收到赔付请求时，自动地获取待审核的目标属性信息，然后自动地获取目标条款，提高了目标属性信息和目标条款的获取效率，接下来采用预设的自然语言处理算法，对目标属性信息和目标条款进行准确地关键字提取，得到精准的属性关键字和条款关键字，确保了属性关键字和条款关键字的准确性，最后若属性关键字与条款关键字相匹配，便可以确定目标属性信息审核通过，若该目标属性信息审核通过，则允许对投保人对应的保险事故进行赔付，从而提高了保险事故的审核效率，同时采用统一标准进行自动审核，避免了人为主观因素的干扰，从而提高保险事故的审核准确性。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种基于客户请求的自动审核方法、装置、计算机设备及存储介质。
背景技术
目前，随着保险事故的不断增多，针对该保险事故的审核工作量也不断增多。
在传统方法中，首先采用人工方式对保险事故进行审核，当保险事故审核通过时，然后对保险事故进行赔偿，但是，保险事故的数量庞大，且审核过程繁琐，导致审核保险事故的工作需要花费大量的时间，从而导致保险事故的审核效率低下。
因此，寻找一种高效的基于客户请求的自动审核方法成为本领域技术人员亟需解决的问题。
发明内容
本发明实施例提供一种基于客户请求的自动审核方法、装置、计算机设备及存储介质，以解决目前保险事故人工审核导致的审核效率低的问题。
一种基于客户请求的自动审核方法，包括：
若接收到请求方在客户端针对保险事故发起的赔付请求，则向所述客户端发送属性填写指令；
获取所述请求方通过所述属性填写指令上传的所述保险事故的待审核的目标属性信息；
获取目标条款；
采用预设的自然语言处理算法，对所述目标属性信息进行关键字提取，得到属性关键字；
采用所述预设的自然语言处理算法，对所述目标条款进行关键字提取，得到条款关键字；
若所述属性关键字与所述条款关键字相匹配，则确定所述目标属性信息审核通过，并允许对所述投保人对应的所述保险事故进行赔付。
一种基于客户请求的自动审核装置，包括：
赔付请求接收模块，用于若接收到请求方在客户端针对保险事故发起的赔付请求，则向所述客户端发送属性填写指令；
信息获取模块，用于获取所述请求方通过所述属性填写指令上传的所述保险事故的待审核的目标属性信息；
条款获取模块，用于获取目标条款；
属性关键字提取模块，用于采用预设的自然语言处理算法，对所述目标属性信息进行关键字提取，得到属性关键字；
条款关键字提取模块，用于采用所述预设的自然语言处理算法，对所述目标条款进行关键字提取，得到条款关键字；
审核结果确定模块，用于若所述属性关键字与所述条款关键字相匹配，则确定所述目标属性信息审核通过，并允许对所述投保人对应的所述保险事故进行赔付。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于客户请求的自动审核方法的步骤。
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计算机程序，所述计算机程序被处理器执行时实现上述基于客户请求的自动审核方法的步骤。
上述基于客户请求的自动审核方法、装置、计算机设备及存储介质中，当服务器接收到请求方在客户端针对保险事故发起的赔付请求时，则首先自动快速地获取保险事故的待审核的目标属性信息，然后自动快速地获取目标条款，提高了目标属性信息和目标条款的获取效率，接下来采用预设的自然语言处理算法，对目标属性信息和目标条款进行准确地关键字提取，得到精准的属性关键字和精准的条款关键字，确保了属性关键字和条款关键字的准确性，最后若属性关键字与条款关键字相匹配，便可以确定该保险事故的目标属性信息审核通过，若该目标属性信息审核通过，则允许对投保人对应的保险事故进行赔付，从而提高了保险事故的审核效率，同时采用统一标准进行自动审核，避免了人为主观因素的干扰，从而提高保险事故的审核准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于客户请求的自动审核方法的一应用环境示意图；
图2是本发明一实施例中基于客户请求的自动审核方法的一流程图；
图3是本发明一实施例中基于客户请求的自动审核方法中步骤S60的一流程图；
图4是本发明一实施例中基于客户请求的自动审核方法中步骤S606的一流程图；
图5是本发明一实施例中基于客户请求的自动审核方法中判断目标事故是否为保险事故的一流程图；
图6是本发明一实施例中基于客户请求的自动审核方法中步骤S50的一流程图；
图7是本发明一实施例中基于客户请求的自动审核装置的一示意图；
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
本申请提供的基于客户请求的自动审核方法，可应用如图1的应用环境中，该应用环境包括服务端和客户端，其中，客户端通过有线网络或无线网络与服务端进行通信。其中，客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务端或者是多个服务端组成的服务端集群来实现。客户端用于发起报案请求和赔付请求，以及采集人脸图片，服务端用于审核目标事故和保险事故的属性信息。
在一实施例中，如图2所示，提供一种基于客户请求的自动审核方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：
S10、若接收到请求方在客户端针对保险事故发起的赔付请求，则向客户端发送属性填写指令。
具体地，通常请求方在客户端的赔付请求申请页面上点击赔付申请按钮，然后该客户端生成一个针对保险事故的赔付请求发送到服务端，当服务端接收到该赔付请求时，向该客户端发送属性填写指令。其中，该请求方是指请求赔付该保险事故的自然人，比如请求方为“张三”，该请求方可以为该保险事故对应的已成功购买的有效保险产品的投保人，也可以为该投保人委托的自然人。该保险事故是指保险合同中载明的危险发生后，所造成的损害或伤害后果。该赔付请求为用于要求赔付该保险事故的请求。该属性填写指令为用于上传目标属性信息的指令，该目标属性信息为当对该保险事故进行定损时所记录的信息，比如该目标属性信息可以为“当投保人的车辆的发动机发生涉水而导致熄火时，在发动机处于涉水状态，投保人多次启动发动机，导致发动机严重受损。”等。其中，该目标属性信息不包括该保险事故的发生时间，且该目标属性信息不包括该保险事故对应的投保人成功购买的有效保险产品的保单的有效期限。
例如，假设该保险事故为“大雾天气，两辆货车发生追尾”，该请求方位“张三”，该客户端为智能手机，则“张三”在该智能手机中的赔付请求申请页面上点击赔付申请按钮，然后该智能手机便生成一个针对“大雾天气，两辆货车发生追尾”的赔付请求发送到服务端，当服务端接收到该救援请求时，向该智能手机发送属性填写指令。
需要说明的是，该客户端可以为智能手机或平板电脑，该客户端和该属性填写指令的具体内容，可以根据实际应用进行设定，此处不做限制。
S20、获取请求方通过属性填写指令上传的保险事故的待审核的目标属性信息。
具体地，当客户端接收到服务端发来的属性填写指令时，该请求方便在客户端通过该属性填写指令，将该保险事故的待审核的目标属性信息上传至服务端，服务端便获取该目标属性信息，以便后续对该目标属性信息进行审核。其中，本步骤S20中的目标属性信息的内容与步骤S10中的目标属性信息的内容一致，此处不做阐述。
S30、获取目标条款。
在本实施例中，目标保单为该保险事故对应的投保人已成功购买的有效保险产品的保单，比如目标保单为“车辆货物运输险”对应的保单，该目标保单专门存储于保单数据库中，处于随时可以调用的状态。
具体地，首先在保单数据库中获取该目标保单的存储路径，然后根据该存储路径提取该目标保单，接下来根据该目标保单中预先标记好的条款开始位置标记和条款结束位置标记，获取该目标保单中的目标条款，也即选定该条款开始位置标记和该条款结束位置标记之间的条款，最后获取该条款作为该目标条款。
例如，假设保单数据库为MySQL数据库，该目标保单的存储路径为“C:\ProgramFiles\MySQL\MySQL Server 5.0\data\”，条款开始位置标记为“tlks01”和条款结束位置标记“tljs02”，“tlks01”与“tljs02”之间的条款为“若投保人在保险期间内罹患合同约定的80种重大疾病，如恶性肿瘤、心肌梗死、脑溢血等，给付20万重疾保险金，主附险合同终止”，则首先在MySQL数据库中获取“C:\Program Files\MySQL\MySQL Server 5.0\data\”，然后根据该“C:\Program Files\MySQL\MySQL Server 5.0\data\”提取该目标保单，接下来选定“tlks01”与“tljs02”之间的“若投保人在保险期间内罹患合同约定的80种重大疾病，如恶性肿瘤、心肌梗死、脑溢血等，给付20万重疾保险金，主附险合同终止”，最后获取“若投保人在保险期间内罹患合同约定的80种重大疾病，如恶性肿瘤、心肌梗死、脑溢血等，给付20万重疾保险金，主附险合同终止”作为该目标条款。
需要说明的是，该保单数据库可以为SQL数据库或oracle数据库等，该保单数据库的具体内容，可以根据实际应用进行设定，此处不做限制。
S40、采用预设的自然语言处理算法，对目标属性信息进行关键字提取，得到属性关键字。
在本实施例中，自然语言处理算法是指能实现人与计算机之间用自然语言进行有效通信的方法。
具体地，采用预设的自然语言处理算法对步骤20中获取到的目标属性信息进行提取，得到属性关键字，其中，该属性关键字是指专门为目标属性信息而设置的关键字，不同的目标属性信息的属性关键字不一样。
例如，假设步骤20中获取到的目标属性信息为“宋小姐患有红斑狼，检查结果显示血肌酐清除率为65mL/min·1.73m2”，预设的自然语言处理算法为隐马尔可夫模型，则采用隐马尔可夫模型对“宋小姐患有红斑狼，检查结果显示血肌酐清除率为65mL/min·1.73m2”进行提取，得到属性关键字为“红斑狼”、“血肌酐清除率”和“65mL/min·1.73m2”。
需要说明的是，该预设的自然语言处理算法可以为隐马尔可夫模型或马尔科夫链模型，还可以为其他模型，该预设的自然语言处理算法的具体内容，可以根据实际应用进行设定，此处不做限制。
进一步地，采用预设的自然语言处理算法对步骤20中获取到的目标属性信息进行提取，得到属性关键字具体包括：首先对该目标属性信息进行分词处理，得到子目标属性信息，然后对子目标属性信息进行去除停用词，得到去除停用词后的子目标属性信息，接下来获取去除停用词后的子目标属性信息对应的词频和逆文档频率，再接下来根据该词频与该逆文档频率确定该子目标属性信息对应的重要值，最后当该重要值大于或等于预设的属性阈值时，确定大于或等于预设的属性阈值的重要值对应的子目标属性信息为属性关键字。
S50、采用预设的自然语言处理算法，对目标条款进行关键字提取，得到条款关键字。
具体地，采用预设的自然语言处理算法，对步骤30中获取到的目标条款进行关键字提取，得到条款关键字，其中，该条款关键字是指专门为目标条款而设置的关键字，不同的目标条款的条款关键字不一样，本步骤S50中的自然语言处理算法的内容与步骤S40中的自然语言处理算法的内容一致，此处不做阐述。
例如，假设该目标条款为“若投保人在保险期间内罹患合同约定的80种重大疾病，如恶性肿瘤、心肌梗死、脑溢血等，给付20万重疾保险金，主附险合同终止”，预设的自然语言处理算法为隐马尔可夫模型，则采用隐马尔可夫模型，对“若投保人在保险期间内罹患合同约定的80种重大疾病，如恶性肿瘤、心肌梗死、脑溢血等，给付20万重疾保险金，主附险合同终止”进行关键字提取，得到条款关键字为“在保险期间内”、“80种重大疾病”、“恶性肿瘤”、“心肌梗死”、“脑溢血”和“20万”。
其中，本步骤S50中隐马尔可夫模型的内容与步骤S40中隐马尔可夫模型的内容一致，此处不再阐述。
S60、若属性关键字与条款关键字相匹配，则确定目标属性信息审核通过，并允许对投保人对应的保险事故进行赔付。
具体地，服务端判断步骤S40中提取得到的属性关键字与步骤S50中提取得到的条款关键字是否相匹配，若步骤S40中提取得到的属性关键字与步骤S50中提取得到的条款关键字相匹配，则确定该目标属性信息审核通过，并允许对该投保人对应的保险事故进行赔付；若步骤S40中提取得到的属性关键字与步骤S50中提取得到的条款关键字不相匹配，则确定该目标属性信息审核不通过，同时不允许对该投保人对应的保险事故进行赔付，以及将与属性关键字不相匹配的条款关键字对应的目标条款发送至该客户端，以使得该客户端展示该目标条款，从而可以让该请求方清楚直观地了解到正确的目标条款。
在图2对应的实施例中，通过上述步骤S10至步骤S60，当服务器接收到请求方在客户端针对保险事故发起的赔付请求时，则首先自动快速地获取保险事故的待审核的目标属性信息，然后自动地快速地获取目标条款，提高了目标属性信息和目标条款的获取效率，接下来采用预设的自然语言处理算法，对目标属性信息和目标条款进行准确地关键字提取，得到精准的属性关键字和精准的条款关键字，确保了属性关键字和条款关键字的准确性，最后若属性关键字与条款关键字相匹配，便可以确定该保险事故的目标属性信息审核通过，若该目标属性信息审核通过，则允许对投保人对应的保险事故进行赔付，从而提高了保险事故的审核效率，同时采用统一标准进行自动审核，避免了人为主观因素的干扰，从而提高保险事故的审核准确性。
在一具体实施例中，如图3所示，或者步骤S60，即，若属性关键字与条款关键字相匹配，则确定目标属性信息审核通过，具体包括如下步骤：
S601、当在属性关键字中查询到每个条款关键字时，确定属性关键字与条款关键字相匹配，并确定目标属性信息审核通过。
具体地，当在步骤S40中提取到的属性关键字中查询到步骤S50中提取到的每个条款关键字时，确定步骤S40中提取到的属性关键字与步骤S50中提取到的条款关键字相匹配，并确定目标属性信息审核通过。
例如，假设属性关键字为“重大疾病”、“红斑狼”、“血肌酐清除率”和“65mL/min·1.73m2”，条款关键字为“红斑狼”和“血肌酐清除率”，显然在“重大疾病”、“红斑狼”、“血肌酐清除率”和“65mL/min·1.73m2”中可以查询到“红斑狼”和“血肌酐清除率”，则确定“重大疾病”、“红斑狼”、“血肌酐清除率”和“65mL/min·1.73m2”与“红斑狼”和“血肌酐清除率”相匹配。
S602、当在属性关键字中查询不到每个条款关键字时，统计在属性关键字中查询到的条款关键字的关键字数量。
具体地，当在步骤S40中提取到的属性关键字中查询不到步骤S50中提取到的每个条款关键字时，统计在该属性关键字中查询到的条款关键字的关键字数量，其中，该关键字数量为在该属性关键字中查询到的条款关键字的数量。
例如，假设属性关键字为“重大疾病”、“红斑狼”和“血肌酐清除率”，条款关键字为“红斑狼”、“血肌酐清除率”和“65mL/min·1.73m2”，显然在“重大疾病”、“红斑狼”和“血肌酐清除率”中，可以查询到“红斑狼”和“血肌酐清除率”，在“重大疾病”、“红斑狼”和“血肌酐清除率”中，查询不到“65mL/min·1.73m2”，则统计“红斑狼”和“血肌酐清除率”的关键字数量为2。
S603、当关键字数量与条款关键字的总数量之间的比值大于或等于预设的占比阈值时，向客户端发送包含预设的敏感问题的图像采集指令，以使客户端根据图像采集指令采集请求方在回答预设的敏感问题时的人脸图片。
具体地，服务端先统计条款关键字的总数量，然后计算该关键字数量与该总数量之间的比值，接下来判断该比值是否大于或等于预设的占比阈值，当该比值大于或等于该预设的占比阈值时，向该客户端发送包含预设的敏感问题的图像采集指令，当该客户端接收到该图像采集指令时，则采集该请求方在回答该预设的敏感问题时的人脸图片。其中，该总数量为步骤S50中提取得到的总共的条款关键字的数量，该图像采集指令为用于采集该请求方的人脸图片的指令，该人脸图片为该请求方的的人脸的图片，该预设的敏感问题是指带有敏感性质的问题，比如该预设的敏感问题可以为与亲人手机号、家庭住址、贷款用途、个人收入和偿还意愿等相关的问题，例如，该预设的敏感问题具体可以为“请问，个人收入是多少金额？”等。
例如，假设条款关键字的总数量为5，该关键字数量为4，预设的占比阈值为则该关键字数量与该总数量之间的比值为该比值与该预设的占比阈值相等，则服务端向该客户端发送包含预设的敏感问题的图像采集指令，当该客户端接收到该图像采集指令时，则采集该请求方在回答该预设的敏感问题时的人脸图片，其中，本步骤S603中的客户端的内容与步骤S10中客户端的内容一致，此处不再阐述。
需要说明的是，该预设的敏感问题和该图像采集指令的具体内容，可以根据实际应用进行设定，此处不做限制。
S604、接收客户端返回的人脸图片，并将人脸图片输入至预先训练好的情绪深度学习模型中进行情绪识别，得到情绪深度学习模型输出的请求情绪，其中，情绪深度学习模型由已采集到的历史人脸图片和历史人脸图片对应的历史请求情绪训练得到。
具体地，当该客户端采集到该请求方的人脸图片时，便将该人脸图片发送至服务端，当服务端接收到该人脸图片时，便将人脸图片输入至预设的微表情识别模型中进行微表情识别，得到该人脸图片对应的微表情，然后，提取该微表情的各个动作单元，接下来获取与各个动作单元对应的各个情绪值，计算各个情绪值之和，得到总情绪值，再接下来获取该总情绪值对应的预设的情绪，最后将该情绪作为该情绪深度学习模型输出的请求情绪，其中，该情绪深度学习模型由已采集到的历史人脸图片和历史人脸图片对应的历史请求情绪训练得到，不同的人脸图片对应的请求情绪可能相同，也可能不相同。
例如，假设该客户端为“智能手机”，该请求方为“张三”，该预设的微表情识别模型为深度神经网络模型，该人脸图片对应的微表情“伤心”，则当该客户端采集到该请求方的人脸图片时，便将该人脸图片发送至服务端，当服务端接收到该人脸图片时，便将人脸图片输入至深度神经网络模型中进行微表情识别，得到微表情“伤心”，然后，从国际上通用的19种动作单元中提取微表情“伤心”对应的各个动作单元，比如动作单元为嘴角上扬、脸颊抬起和眼睑收紧，接下来获取与各个动作单元对应的各个情绪值，比如，“嘴角上扬”对应的情绪值为“2”等，计算得到总情绪值为8，再接下来获取8落入的区间[5,15]对应的预设的情绪为“哀”，最后将“哀”作为该情绪深度学习模型输出的请求情绪。
需要说明的是，该预设的微表情识别模型的具体内容，可以根据实际应用进行设定，此处不做限制。
S605、从请求情绪中确定出请求方的负面请求情绪。
具体地，步骤S604中的预设的情绪存在情绪标识，预设的情绪包括正面情绪和负面情绪，情绪标识包括正情绪标识和负情绪标识，正情绪标识唯一标识正面情绪，负情绪标识唯一标识负面情绪，比如正情绪标识可以为“zmqx1”，负情绪标识可以为“fmqx0”。服务端获取步骤S604中识别得到的请求情绪的情绪标识，当该情绪标识为正情绪标识时，将该情绪标识唯一标识的请求情绪确定为正面情绪，当该情绪标识为负情绪标识时，将该情绪标识唯一标识的请求情绪确定为负面情绪。其中，正面情绪是指人的一种积极的情绪，正面情绪可以为“开心”或“自信”等，负面情绪是指人的一种不积极的情绪，负面情绪可以为“焦虑”或“紧张”等。
需要说明的是，该请求方的负面请求情绪的数量可以为一个以上。
S606、若负面请求情绪与预设的负面目标情绪相匹配，则确定属性关键字与条款关键字相匹配，并确定目标属性信息审核通过。
在本实施例中，预设的负面目标情绪为预先设置的负面情绪，该预设的负面目标情绪专门存储于情绪数据库中，处于随时可以调用的状态。
具体地，针对步骤S605中确定出的负面请求情绪，判断该负面请求情绪与预设的负面目标情绪是否相匹配，当该负面请求情绪与预设的负面目标情绪相匹配时，确定步骤S40中提取得到的属性关键字与步骤S50中提取得到的条款关键字相匹配，并确定该目标属性信息审核通过；当该负面请求情绪与预设的负面目标情绪不相匹配时，确定步骤S40中提取得到的属性关键字与步骤S50中提取得到的条款关键字不相匹配，并确定该目标属性信息审核不通过。
在图3对应的实施例中，通过上述步骤S601至步骤S606，将判断方式分解为两种情况，一种情况为：当在属性关键字中查询到每个条款关键字时，直接确定属性关键字与条款关键字相匹配，另一种情况为：当在属性关键字中查询不到每个条款关键字时，先判断查询到的条款关键字的数量在所有的条款关键字的总数量中的占比是否大于或等于预设的占比阈值，然后当该占比大于或等于预设的占比阈值时，通过判断请求方的负面情绪是否符合预设的负面目标情绪，最后当请求方的负面情绪是否符合预设的负面目标情绪时，也确定属性关键字与条款关键字相匹配，确保了在属性关键字中查询不到每个条款关键字时，考虑请求方的心理情绪，因为心理情绪往往反映一个人的内心真实情况，根据心理情绪可以确定出该请求方是否存在风险，当请求方不存在风险时，也确定属性关键字与条款关键字相匹配，从而通过综合因素灵活地确定匹配结果，提高了确定出匹配结果的灵活性。
在一具体实施例中，如图4所示，或者步骤S606，即，若负面请求情绪与负面目标情绪相匹配，则确定属性关键字与条款关键字相匹配，具体包括如下步骤：
S6061、统计负面请求情绪出现的请求情绪次数。
具体地，针对步骤S605中确定得到的每个负面请求情绪，统计该请求方在回答预设的敏感问题时每个负面请求情绪出现的次数，然后统计每个负面请求情绪出现的次数，得到负面请求情绪出现的总次数，最后将该总次数确定为请求情绪次数。其中，该请求情绪次数为该请求方在回答预设的敏感问题时每个负面请求情绪出现的次数的总和。
例如，假设步骤S605中确定得到的负面请求情绪为“焦虑”和“紧张”，请求方在回答预设的敏感问题时，“焦虑”出现的次数为3，“紧张”出现的次数为2，经过计算，3与2的和为5，则将5确定为负面请求情绪出现的请求情绪次数。
S6062、获取允许请求方在回答预设的敏感问题时出现负面目标情绪的预设最大次数。
在本实施例中，通过大量的历史测试，可以确定请求方在回答预设的敏感问题时会出现负面目标情绪的预设最大次数，比如通过一千万次测试，得到请求方在回答预设的敏感问题时出现负面目标情绪的预设最大次数为9，则将9确定为该最大次数，该预设最大次数专门存储于次数数据库中，处于随时可以调用的状态。
具体地，在次数数据库中获取允许请求方在回答预设的敏感问题时出现负面目标情绪的预设最大次数的存储路径，然后根据该存储路径提取该预设最大次数。
需要说明的是，该次数数据库可以为SQL数据库或oracle数据库等，该次数数据库的具体内容，可以根据实际应用进行设定，此处不做限制。
S6063、若请求情绪次数小于或等于预设最大次数，则确定负面请求情绪与负面目标情绪相匹配，并确定属性关键字与条款关键字相匹配。
具体地，若步骤S6061中统计得到的请求情绪次数小于或等于步骤S6062中获取到的预设最大次数，也即若该请求方没有说谎言，则确定步骤S604中识别得到负面请求情绪与该预设的负面目标情绪相匹配，并确定步骤S40中提取得到属性关键字与步骤S50中提取得到条款关键字相匹配。
进一步地，也可以首先统计请求方在回答预设的敏感问题时负面请求情绪出现的种数，接下来针对每个负面请求情绪，统计请求方在回答预设的敏感问题时出现的每个负面请求情绪的次数，最后当负面请求情绪的种数小于或等于第一预设的阈值，且每个负面请求情绪的个数均小于或等于每个第二预设的阈值时，则确定步骤S604中识别得到负面请求情绪与该预设的负面目标情绪相匹配，并确定步骤S40中提取得到属性关键字与步骤S50中提取得到条款关键字相匹配。
需要说明的而是，该请求情绪次数越多，代表该请求方说谎言的概率越大，反之，该请求情绪次数越少，代表该请求方说谎言的概率越小。
例如，假设请求方在回答预设的敏感问题时负面请求情绪为“焦虑”、“紧张”、“愤怒”和“沮丧”，“焦虑”出现的次数为2、“紧张”出现的次数为3、“愤怒”出现的次数为4，“沮丧”出现的次数为2，则经过统计得到的负面请求情绪出现的种数为4，第一预设的阈值为6，第二预设的阈值分别为3，5，5和4，显然种数4小于第一预设的阈值6，“焦虑”出现的次数2小于第二预设的阈值3、“紧张”出现的次数3小于第二预设的阈值5、“愤怒”出现的次数3小于第二预设的阈值5，“沮丧”出现的次数2小于第二预设的阈值4，则确定该负面请求情绪与该预设的负面目标情绪相匹配，并确定步骤S40中提取得到属性关键字与步骤S50中提取得到条款关键字相匹配。
在图4对应的实施例中，通过上述步骤S6061至步骤S6063，先统计负面请求情绪出现的请求情绪次数，因为负面请求情绪能够准确地反应该请求方内心真实情况，负面请求情绪出现的请求情绪次数越多，代表该请求方说谎言的概率越大，反之，负面请求情绪出现的请求情绪次数越少，代表该请求方说谎言的概率越大，所以当该请求情绪次数小于或等于预设最大次数，也即，当该请求方没有说谎言时，则确定负面请求情绪与负面目标情绪相匹配，从而确保了匹配结果是准确的，提高了确定出匹配结果的准确性。
在一具体实施例中，如图5所示，判断目标事故是否为保险事故，具体包括如下步骤：
S701、若接收到请求方在客户端针对目标事故发起的报案请求，则获取目标事故对应的当事人的身份标识。
具体地，通常当发生目标事故时，该请求方在该客户端的报案请求申请页面上点击报案申请按钮，然后该客户端生成一个针对目标事故的报案请求发送到服务端，当服务端接收到该报案请求时，获取该目标事故对应的当事人的身份标识。
其中，该目标事故是指意外发生的事故，该报案请求为用于对该目标事故进行报案的请求，该报案请求包含了该目标事故的事故类型标识，该事故类型标识唯一标识该目标事故的类型，该身份标识唯一标识当事人的身份，本步骤S701中客户端的内容与步骤S10中客户端的内容一致，此处不再阐述。
需要说明的是，该身份标识可以为“dsr001”等，该身份标识的具体内容，可以根据实际应用进行设定，此处不做限制。
S702、获取目标事故对应的预设的保险类型。
本实施例中，每种类型目标事故存在对应的预设的保险类型，假设目标事故为“两车发生追尾事故”，则“两车发生追尾事故”对应的保险类型为“车险”。该预设的保险类型专门存储于类型数据库中，处于随时可以调用的状态。
具体地，在类型数据库中获取该目标事故对应的预设的保险类型的存储路径，然后根据该存储路径提取该预设的保险类型。
需要说明的是，该类型数据库可以为SQL数据库或oracle数据库等，该类型数据库的具体内容，可以根据实际应用进行设定，此处不做限制。
S703、若在预设的保单标识数据库中，查询到符合保险类型和身份标识的报案保单标识，则将当事人确定为目标事故对应的投保人。
具体地，通常当投保人已购买了目标保险时，生成一份投保人和该目标保险的保险类型所述对应的保单，该保单存在保单标识，该保单标识用于唯一标识该保单，优选地，若在预设的保单标识数据库中，查询到符合该预设的保险类型和该身份标识的报案保单标识，则将该报案保单标识唯一标识的保单确定为该目标保单，同时将当事人确定为目标事故对应的投保人。
例如，假设该保单标识数据库为SQL数据库，该保险类型为车辆保险，该身份标识为“zs001”，报案保单标识为“cx001”，该目标事故对应的当事人为“张三”，则若在SQL数据库中，查询到符合“zs001”和车辆保险的“cx001”，则将“cx001”唯一标识的保单确定为该目标保单，同时将“张三”定为该目标事故对应的投保人。
需要说明的是，该报案保单标识可以为纯字母、纯数字或者字母与数字的组合等。
S704、获取当前系统时间和目标保单的保单有效期限。
具体地，首先根据该目标保单中预先标记好的期限开始位置标记和期限结束位置标记，获取该目标保单中的保单有效期限，也即，首先选定该期限开始位置标记和该期限结束位置标记之间的有效期限，然后将该有效期限作为该目标保单的保单有效期限，接下来在时间数据库中获取当前系统时间的存储路径，然后根据该存储路径提取该当前系统时间，其中，该时间数据库保存了最新的当前系统时间。
需要说明的是，该时间数据库可以为SQL数据库或oracle数据库等，该时间数据库的具体内容，可以根据实际应用进行设定，此处不做限制。
S705、若当前系统时间在保单有效期限内，则将目标事故确定为保险事故。
具体地，若该当前系统时间在该保单有效期限内，则将该目标事故确定为保险事故。比如，假设该当前系统时间为“2019年1月15日”，该保单有效期限为“2019年1月1日”至“2019年12月31日”，显然“2019年1月15日”在“2019年1月1日”至“2019年12月31日”之内，则该目标事故确定为保险事故。
进一步地，当该目标事故为保险事故时，确定该当前系统时间为该保险事故的发生时间，比如，该当前系统时间为“2019年1月15日”，当该目标事故为保险事故时，确定“2019年1月15日”为该保险事故的发生时间。
在图5对应的实施例中，通过上述步骤S701至步骤S705，当接收到请求方在客户端针对目标事故发起的报案请求，则在预设的保单标识数据库中，查询符合该目标事故的保险类型和该目标事故的当事人的身份标识的报案保单标识是否存在，当在预设的保单标识数据库中，查询到符合该目标事故的保险类型和该目标事故的当事人的身份标识的报案保单标识时，才进行下一步操作，从而保证了该目标事故的当事人属于已经购买了该目标事故对应的保险类型的目标保险的合法用户，然后判断当前系统时间是否在保单有效期限内，若当前系统时间在保单有效期限内，则将目标事故确定为保险事故，从而确保该目标保险属于有效的保险，提高了审核目标事故的安全性。
在一具体实施例中，如图6所示，或者步骤S50，即，采用预设的自然语言处理算法，对目标条款进行关键字提取，得到条款关键字，具体包括如下步骤：
S501、采用预设的分词工具对目标条款进行分词处理，得到每个子目标条款。
在本实施例中，分词为将连续的字序列按照一定的规范重新组合成词序列的过程。
具体地，通常该目标条款为一段话或一句话，为了得到子目标条款，需要采用预设的分词工具对该目标条款进行分词处理，得到简介化的每个子目标信息，也即得到每个单独的词。
例如，假设该目标条款为“不受保障的疾病：感染艾滋病病毒或患艾滋病期间所患恶性肿瘤”，则采用中科院汉语分词系统对“不受保障的疾病：感染艾滋病病毒或患艾滋病期间所患恶性肿瘤”进行分词处理，得到“不”、“受保障”、“的”、“疾病”、“感染”、“艾滋病”、“病毒”、“或”、“患”、“期间”、“所”、“恶性”和“肿瘤”。
需要说明的是，预设的分词工具的具体内容，可以根据实际应用进行设定，此处不做限制。
S502、采用预设的停用词去除工具对每个子目标条款进行去除停用词，得到去除停用词后的每个子目标条款。
在本实施例中，停用词为在信息检索中，为节省存储空间和提高搜索效率，在处理自然语言数据之前或之后会自动过滤掉某些字或词，如“的”、“是”和“在”。
具体地，服务端采用预设的停用词去除工具，对该子目标信息进行去除停用词，得到去除停用词后的每个子目标信息，比如，继续以步骤S501中的例子进行说明，服务端采用Nltk去除停用词工具对“不”、“受保障”、“的”、“疾病”、“感染”、“艾滋病”、“病毒”、“或”、“患”、“期间”、“所”、“恶性”和“肿瘤”进行去除停用词，得到“不”、“受保障”、“疾病”、“感染”、“艾滋病”、“病毒”、“或”、“患”、“期间”、“恶性”和“肿瘤”，其中，Nltk为python下处理语言的主要工具包，可以实现去除停用词的功能，python是一种计算机程序设计语言。
需要说明的是，预设的停用词去除工具的具体内容，可以根据实际应用进行设定，此处不做限制。
S503、在预设的语料数据库中，获取去除停用词后的每个子目标条款对应的词频。
在本实施例中，预设的语料数据库存储了各个子目标条款，处于随时可以调用的状态。
具体地，在该预设的语料数据库中获取去除停用词后的每个子目标条款对应的词频的存储路径，然后根据该存储路径提取该词频。其中，该词频是指该子目标条款在该语料数据库中出现的次数，比如，继续以步骤S502中的例子进行说明，“艾滋病”的词频为0.005。
需要说明的是，需要说明的是，该子目标条款对应的词频越大，代表该子目标条款在该语料数据库中出现的次数越高，反之该子目标条款对应的词频越低，代表该子目标条款在该语料数据库中出现的次数越低。
S504、在预设的语料数据库中，获取去除停用词后的每个子目标条款对应的逆文档频率。
在本实施例中，该预设的语料数据库存储了各个预设的文件，处于随时可以调用的状态。
具体地，针对每个子目标信息，在该预设的语料数据库中，先获取包含该目标信息之文件的文件数目，然后获取文件的总数目，最后将该总数目除以该文件数目，再将得到的商取对数，从而得到该目标条款对应的逆文档频率，比如，继续以步骤S502中的例子进行说明，假设“艾滋病”一词在1000份文件出现过，而文件的总数目是10000000份的话，经过计算其逆向文件频率为9.21。其中，该逆文档频率是指该子目标条款的普遍重要性的度量。
需要说明的是，该子目标条款对应的逆文档频率越大，代表该子目标信息的普遍重要性越高，反之该子目标条款对应的逆文档频率越低，代表该子目标条款的普遍重要性越低。
S505、针对去除停用词后的每个子目标条款，将词频与逆文档频率的乘积确定为该子目标条款对应的重要值，其中，重要值为去除后的每个子目标条款在目标条款中的重要程度对应的值。
具体地，针对去除停用词后的每个子目标条款，将词频与逆文档频率的乘积确定为该子目标条款对应的重要值，其中，重要值为去除后的每个子目标条款在目标条款中的重要程度对应的值。
例如，继续以步骤S504和步骤S505中的例子进行说明，“艾滋病”的词频为0.005，“艾滋病”的逆向文件频率为9.21，则经过计算0.005与9.21的乘积为0.04605，将0.04605确定为“艾滋病”对应的重要值。
S506、判断每个重要值是否大于或等于预设的条款阈值。
具体地，判断每个子目标条款对应的重要值是否大于或等于预设的条款阈值。例如，假设子目标条款分别“感染”、“艾滋病”和“病毒”，“感染”对应的重要值为0.3，“艾滋病”对应的重要值为0.4，“病毒”对应的重要值为0.5，预设的条款阈值为0.35，显然“艾滋病”和“病毒”对应的重要值大于预设的条款阈值。
S507、当重要值大于或等于预设的条款阈值时，确定大于或等于预设的条款阈值的重要值对应的子目标条款为条款关键字。
具体地，当该重要值大于或等于预设的条款阈值时，确定大于或等于预设的条款阈值的重要值对应的子目标条款为条款关键字，其中，本步骤S507中条款关键字的内容与步骤S50中条款关键字的内容一致，此处不再阐述。
例如，继续以步骤S506中的例子进行说明，“艾滋病”对应的重要值为0.4，“病毒”对应的重要值为0.5，预设的条款阈值为0.35，“艾滋病”和“病毒”对应的重要值大于预设的条款阈值，则将“艾滋病”和“病毒”确定为条款关键字。
在图6对应的实施例中，通过上述步骤S501至步骤S507，先准确地将目标条款分成单独的子目标条款，然后对每个子目标条款进行去除停用词，得到去除干扰的停用词后的子目标条款，避免了存在干扰的子目标条款，接下来准确地计算每个子目标条款对应的词频，也即准确地计算每个子目标条款在该语料数据库中出现的次数，然后准确地计算每个子目标条款对应的逆文档频率，也即准确地计算每个子目标条款的普遍重要性，因为该子目标条款的次数越高，代表该子目标条款在该语料数据库中越重要，同时该子目标条款的普遍重要性越高，代表该子目标条款的普遍性越重要，因此根据词频和逆文档频率，可以准确地计算出每个子目标条款的重要值，提高了重要值的计算准确性，最后根据重要值和预设的阈值，自动地确定该子目标条款是否为条款关键字，提高了确定出条款关键字的准确率和自动化水平。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种基于客户请求的自动审核装置，该基于客户请求的自动审核装置与上述实施例中基于客户请求的自动审核方法一一对应。如图7所示，该基于客户请求的自动审核装置包括赔付请求接收模块701、信息获取模块702、条款获取模块703、属性关键字提取模块704、条款关键字提取模块705和审核结果确定模块706。各功能模块详细说明如下：
赔付请求接收模块701，用于若接收到请求方在客户端针对保险事故发起的赔付请求，则向客户端发送属性填写指令；
信息获取模块702，用于获取请求方通过属性填写指令上传的保险事故的待审核的目标属性信息；
条款获取模块703，用于获取目标条款；
属性关键字提取模块704，用于采用预设的自然语言处理算法，对目标属性信息进行关键字提取，得到属性关键字；
条款关键字提取模块705，用于采用预设的自然语言处理算法，对目标条款进行关键字提取，得到条款关键字；
审核结果确定模块706，用于若属性关键字与条款关键字相匹配，则确定目标属性信息审核通过，并允许对投保人对应的保险事故进行赔付。
进一步地，结果确定模块706包括：
第一匹配结果确定子模块7061，用于当在属性关键字中查询到每个条款关键字时，确定属性关键字与条款关键字相匹配，并确定目标属性信息审核通过；
数量统计子模块7062，用于当在属性关键字中查询不到每个条款关键字时，统计在属性关键字中查询到的条款关键字的关键字数量；
指令发送子模块7063，用于当关键字数量与条款关键字的总数量之间的比值大于或等于预设的占比阈值时，向客户端发送包含预设的敏感问题的图像采集指令，以使客户端根据图像采集指令采集请求方在回答预设的敏感问题时的人脸图片；
图片接收子模块7064，用于接收客户端返回的人脸图片，并将人脸图片输入至预先训练好的情绪深度学习模型中进行情绪识别，得到情绪深度学习模型输出的请求情绪，其中，情绪深度学习模型由已采集到的历史人脸图片和历史人脸图片对应的历史请求情绪训练得到；
情绪确定子模块7065，用于从请求情绪中确定出请求方的负面请求情绪；
第二匹配结果确定子模块7066，用于若负面请求情绪与预设的负面目标情绪相匹配，则确定属性关键字与条款关键字相匹配，并确定目标属性信息审核通过。
进一步地，情绪匹配结果确定子模块7066包括：
次数统计子模块70661，用于统计负面请求情绪出现的请求情绪次数；
次数获取子模块70662，用于获取允许请求方在回答预设的敏感问题时出现负面目标情绪的预设最大次数；
情绪匹配结果确定子模块70663，用于若请求情绪次数小于或等于预设最大次数，则确定负面请求情绪与负面目标情绪相匹配，并确定属性关键字与条款关键字相匹配。
进一步地，在赔付请求接收模块701之前，基于客户请求的自动审核装置还包括：
报案请求接收模块7071，用于若接收到请求方在客户端针对目标事故发起的报案请求，则获取目标事故对应的当事人的身份标识；
类型获取模块7072，用于获取目标事故对应的预设的保险类型；
投保人确定模块7073，用于若在预设的保单标识数据库中，查询到符合保险类型和身份标识的报案保单标识，则将当事人确定为目标事故对应的投保人；
期限获取模块7074，用于获取当前系统时间和目标保单的保单有效期限；
事故确定模块7075，用于若当前系统时间在保单有效期限内，则将目标事故确定为保险事故。
进一步地，条款关键字提取模块705包括：
分词子模块7051，用于采用预设的分词工具对目标条款进行分词处理，得到每个子目标条款；
去除子模块7052，用于采用预设的停用词去除工具对每个子目标条款进行去除停用词，得到去除停用词后的每个子目标条款；
词频获取子模块7053，用于在预设的语料数据库中，获取去除停用词后的每个子目标条款对应的词频；
频率获取子模块7054，用于在预设的语料数据库中，获取去除停用词后的每个子目标条款对应的逆文档频率；
重要值确定子模块7055，用于针对去除停用词后的每个子目标条款，将词频与逆文档频率的乘积确定为该子目标条款对应的重要值，其中，重要值为去除后的每个子目标条款在目标条款中的重要程度对应的值；
判断子模块7056，用于判断每个重要值是否大于或等于预设的条款阈值；
关键字确定子模块7057，用于当重要值大于或等于预设的条款阈值时，确定大于或等于预设的条款阈值的重要值对应的子目标条款为条款关键字。
关于基于客户请求的自动审核装置的具体限定可以参见上文中对于基于客户请求的自动审核方法的限定，在此不再赘述。上述基于客户请求的自动审核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端，其内部结构图可以如图8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基于客户请求的自动审核方法所涉及到的数据。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基于客户请求的自动审核方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例基于客户请求的自动审核方法的步骤，例如图2所示的步骤S10至步骤S60。或者，处理器执行计算机程序时实现上述实施例中基于客户请求的自动审核装置的各模块/单元的功能，例如图7所示模块701至模块706的功能。为避免重复，这里不再赘述。
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上述方法实施例中基于客户请求的自动审核方法，或者，该计算机程序被处理器执行时实现上述装置实施例中基于客户请求的自动审核装置中各模块/单元的功能。为避免重复，这里不再赘述。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。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于客户请求的自动审核方法，其特征在于，所述基于客户请求的自动审核方法包括：
若接收到请求方在客户端针对保险事故发起的赔付请求，则向所述客户端发送属性填写指令；
获取所述请求方通过所述属性填写指令上传的所述保险事故的待审核的目标属性信息；
获取目标条款；
采用预设的自然语言处理算法，对所述目标属性信息进行关键字提取，得到属性关键字；
采用所述预设的自然语言处理算法，对所述目标条款进行关键字提取，得到条款关键字；
若所述属性关键字与所述条款关键字相匹配，则确定所述目标属性信息审核通过，并允许对所述投保人对应的所述保险事故进行赔付。
2.如权利要求1所述的基于客户请求的自动审核方法，其特征在于，所述若所述属性关键字与所述条款关键字相匹配，则确定所述目标属性信息审核通过包括：
当在所述属性关键字中查询到每个所述条款关键字时，确定所述属性关键字与所述条款关键字相匹配，并确定目标属性信息审核通过；
当在所述属性关键字中查询不到每个所述条款关键字时，统计在所述属性关键字中查询到的所述条款关键字的关键字数量；
当所述关键字数量与所述条款关键字的总数量之间的比值大于或等于预设的占比阈值时，向所述客户端发送包含预设的敏感问题的图像采集指令，以使所述客户端根据所述图像采集指令采集所述请求方在回答所述预设的敏感问题时的人脸图片；
接收所述客户端返回的所述人脸图片，并将所述人脸图片输入至预先训练好的情绪深度学习模型中进行情绪识别，得到所述情绪深度学习模型输出的请求情绪，其中，所述情绪深度学习模型由已采集到的历史人脸图片和所述历史人脸图片对应的历史请求情绪训练得到；
从所述请求情绪中确定出所述请求方的负面请求情绪；
若所述负面请求情绪与预设的负面目标情绪相匹配，则确定所述属性关键字与所述条款关键字相匹配，并确定所述目标属性信息审核通过。
3.如权利要求2所述的基于客户请求的自动审核方法，其特征在于，所述若所述负面请求情绪与所述负面目标情绪相匹配，则确定所述属性关键字与所述条款关键字相匹配包括：
统计所述负面请求情绪出现的请求情绪次数；
获取允许所述请求方在回答所述预设的敏感问题时出现所述负面目标情绪的预设最大次数；
若所述请求情绪次数小于或等于所述预设最大次数，则确定所述负面请求情绪与所述负面目标情绪相匹配，并确定所述属性关键字与所述条款关键字相匹配。
4.如权利要求1所述的基于客户请求的自动审核方法，其特征在于，在所述若接收到请求方在客户端针对保险事故发起的赔付请求，则向所述客户端发送属性填写指令之前，所述基于客户请求的自动审核方法还包括：
若接收到请求方在所述客户端针对目标事故发起的报案请求，则获取所述目标事故对应的当事人的身份标识；
获取所述目标事故对应的预设的保险类型；
若在预设的保单标识数据库中，查询到符合所述保险类型和所述身份标识的报案保单标识，则将所述当事人确定为所述目标事故对应的投保人；
获取当前系统时间和保单有效期限；
若所述当前系统时间在所述保单有效期限内，则将所述目标事故确定为所述保险事故。
5.如权利要求1至4中任一项所述的基于客户请求的自动审核方法，其特征在于，所述采用预设的自然语言处理算法，对所述目标条款进行关键字提取，得到条款关键字包括：
采用预设的分词工具对所述目标条款进行分词处理，得到每个子目标条款；
采用预设的停用词去除工具对每个所述子目标条款进行去除停用词，得到去除停用词后的每个所述子目标条款；
在预设的语料数据库中，获取所述去除停用词后的每个所述子目标条款对应的词频；
在预设的语料数据库中，获取所述去除停用词后的每个所述子目标条款对应的逆文档频率；
针对所述去除停用词后的每个所述子目标条款，将所述词频与所述逆文档频率的乘积确定为该子目标条款对应的所述重要值，其中，所述重要值为去除后的每个所述子目标条款在所述目标条款中的重要程度对应的值；
判断每个所述重要值是否大于或等于预设的条款阈值；
当所述重要值大于或等于所述预设的条款阈值时，确定大于或等于所述预设的条款阈值的所述重要值对应的所述子目标条款为所述条款关键字。
6.一种基于客户请求的自动审核装置，其特征在于，所述基于客户请求的自动审核装置包括：
赔付请求接收模块，用于若接收到请求方在客户端针对保险事故发起的赔付请求，则向所述客户端发送属性填写指令；
信息获取模块，用于获取所述请求方通过所述属性填写指令上传的所述保险事故的待审核的目标属性信息；
条款获取模块，用于获取目标条款；
属性关键字提取模块，用于采用预设的自然语言处理算法，对所述目标属性信息进行关键字提取，得到属性关键字；
条款关键字提取模块，用于采用所述预设的自然语言处理算法，对所述目标条款进行关键字提取，得到条款关键字；
审核结果确定模块，用于若所述属性关键字与所述条款关键字相匹配，则确定所述目标属性信息审核通过，并允许对所述投保人对应的所述保险事故进行赔付。
7.如权利要求6所述的基于客户请求的自动审核装置，其特征在于，所述结果确定模块包括：
第一匹配结果确定子模块，用于当在所述属性关键字中查询到每个所述条款关键字时，确定所述属性关键字与所述条款关键字相匹配，并确定目标属性信息审核通过；
数量统计子模块，用于当在所述属性关键字中查询不到每个所述条款关键字时，统计在所述属性关键字中查询到的所述条款关键字的关键字数量；
指令发送子模块，用于当所述关键字数量与所述条款关键字的总数量之间的比值大于或等于预设的占比阈值时，向所述客户端发送包含预设的敏感问题的图像采集指令，以使所述客户端根据所述图像采集指令采集所述请求方在回答所述预设的敏感问题时的人脸图片；
图片接收子模块，用于接收所述客户端返回的所述人脸图片，并将所述人脸图片输入至预先训练好的情绪深度学习模型中进行情绪识别，得到所述情绪深度学习模型输出的请求情绪，其中，所述情绪深度学习模型由已采集到的历史人脸图片和所述历史人脸图片对应的历史请求情绪训练得到；
情绪确定子模块，用于从所述请求情绪中确定出所述请求方的负面请求情绪；
第二匹配结果确定子模块，用于若所述负面请求情绪与预设的负面目标情绪相匹配，则确定所述属性关键字与所述条款关键字相匹配，并确定所述目标属性信息审核通过。
8.如权利要求6至7中任一项所述的基于客户请求的自动审核装置，其特征在于，所述情绪匹配结果确定子模块包括：
次数统计子模块，用于统计所述负面请求情绪出现的请求情绪次数；
次数获取子模块，用于获取允许所述请求方在回答所述预设的敏感问题时出现所述负面目标情绪的预设最大次数；
情绪匹配结果确定子模块，用于若所述请求情绪次数小于或等于所述预设最大次数，则确定所述负面请求情绪与所述负面目标情绪相匹配，并确定所述属性关键字与所述条款关键字相匹配。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的基于客户请求的自动审核方法。
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如权利要求1至5中任一项所述的基于客户请求的自动审核方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910302167.6A CN110147982A (zh) | 2019-04-16 | 2019-04-16 | 基于客户请求的自动审核方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910302167.6A CN110147982A (zh) | 2019-04-16 | 2019-04-16 | 基于客户请求的自动审核方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110147982A true CN110147982A (zh) | 2019-08-20 |
Family
ID=67588303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910302167.6A Pending CN110147982A (zh) | 2019-04-16 | 2019-04-16 | 基于客户请求的自动审核方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110147982A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112527936A (zh) * | 2020-12-16 | 2021-03-19 | 平安科技（深圳）有限公司 | 灾难密度的统计方法、装置、计算机设备以及存储介质 |
| CN112634090A (zh) * | 2020-12-15 | 2021-04-09 | 深圳市彬讯科技有限公司 | 家装信息举报管理方法、系统、计算机设备及存储介质 |
| CN114078049A (zh) * | 2021-10-09 | 2022-02-22 | 南方电网深圳数字电网研究院有限公司 | 一种用于供应链金融资信服务的数据处理方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009116612A (ja) * | 2007-11-06 | 2009-05-28 | Aioi Kiso Kenkyusho:Kk | 保険金請求処理支援システム |
| CN102332143A (zh) * | 2011-07-22 | 2012-01-25 | 大连亿创天地科技发展有限公司 | 一种在线保险理赔核实赔付方法及系统 |
| 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 |
| CN108510141A (zh) * | 2017-08-30 | 2018-09-07 | 平安科技（深圳）有限公司 | 保险数据处理方法及装置 |
| CN108520465A (zh) * | 2017-09-13 | 2018-09-11 | 平安科技（深圳）有限公司 | 医疗保险理赔方法、装置、计算机设备及存储介质 |
| CN108711108A (zh) * | 2018-05-15 | 2018-10-26 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的人身保险决策支持方法及系统 |
| CN109035032A (zh) * | 2018-06-11 | 2018-12-18 | 中国平安人寿保险股份有限公司 | 数据结构化处理方法、装置、计算机设备及存储介质 |
| CN109035044A (zh) * | 2018-09-06 | 2018-12-18 | 波奇（上海）信息科技有限公司 | 一种宠物保险理赔的审核方法及系统 |
| CN109255013A (zh) * | 2018-08-14 | 2019-01-22 | 平安医疗健康管理股份有限公司 | 理赔决策方法、装置、计算机设备和存储介质 |
| CN109509088A (zh) * | 2018-12-15 | 2019-03-22 | 深圳壹账通智能科技有限公司 | 基于微表情识别的贷款审核方法、装置、设备及介质 |
| CN109614477A (zh) * | 2018-12-14 | 2019-04-12 | 浪潮软件股份有限公司 | 一种基于自然语言的检查结果智能匹配方法及系统 |
-
2019
- 2019-04-16 CN CN201910302167.6A patent/CN110147982A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009116612A (ja) * | 2007-11-06 | 2009-05-28 | Aioi Kiso Kenkyusho:Kk | 保険金請求処理支援システム |
| CN102332143A (zh) * | 2011-07-22 | 2012-01-25 | 大连亿创天地科技发展有限公司 | 一种在线保险理赔核实赔付方法及系统 |
| 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 |
| CN108510141A (zh) * | 2017-08-30 | 2018-09-07 | 平安科技（深圳）有限公司 | 保险数据处理方法及装置 |
| CN108520465A (zh) * | 2017-09-13 | 2018-09-11 | 平安科技（深圳）有限公司 | 医疗保险理赔方法、装置、计算机设备及存储介质 |
| CN108711108A (zh) * | 2018-05-15 | 2018-10-26 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的人身保险决策支持方法及系统 |
| CN109035032A (zh) * | 2018-06-11 | 2018-12-18 | 中国平安人寿保险股份有限公司 | 数据结构化处理方法、装置、计算机设备及存储介质 |
| CN109255013A (zh) * | 2018-08-14 | 2019-01-22 | 平安医疗健康管理股份有限公司 | 理赔决策方法、装置、计算机设备和存储介质 |
| CN109035044A (zh) * | 2018-09-06 | 2018-12-18 | 波奇（上海）信息科技有限公司 | 一种宠物保险理赔的审核方法及系统 |
| CN109614477A (zh) * | 2018-12-14 | 2019-04-12 | 浪潮软件股份有限公司 | 一种基于自然语言的检查结果智能匹配方法及系统 |
| CN109509088A (zh) * | 2018-12-15 | 2019-03-22 | 深圳壹账通智能科技有限公司 | 基于微表情识别的贷款审核方法、装置、设备及介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112634090A (zh) * | 2020-12-15 | 2021-04-09 | 深圳市彬讯科技有限公司 | 家装信息举报管理方法、系统、计算机设备及存储介质 |
| CN112527936A (zh) * | 2020-12-16 | 2021-03-19 | 平安科技（深圳）有限公司 | 灾难密度的统计方法、装置、计算机设备以及存储介质 |
| CN114078049A (zh) * | 2021-10-09 | 2022-02-22 | 南方电网深圳数字电网研究院有限公司 | 一种用于供应链金融资信服务的数据处理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110765770B (zh) | 一种合同自动生成方法及装置 | |
| CN109241842B (zh) | 疲劳驾驶检测方法、装置、计算机设备及存储介质 | |
| CN110147982A (zh) | 基于客户请求的自动审核方法、装置、计算机设备及存储介质 | |
| CN110287285A (zh) | 一种问题意图识别方法、装置、计算机设备及存储介质 | |
| CN109271958B (zh) | 人脸年龄识别方法及装置 | |
| CN109035032A (zh) | 数据结构化处理方法、装置、计算机设备及存储介质 | |
| US10726289B2 (en) | Method and system for automatic image caption generation | |
| CN109410071A (zh) | 核保数据处理方法、装置、计算机设备和存储介质 | |
| CN110866836B (zh) | 计算机执行的医疗保险立案审核方法和装置 | |
| CN110377631B (zh) | 案件信息处理方法、装置、计算机设备和存储介质 | |
| CN111815606B (zh) | 图像质量评估方法、存储介质及计算装置 | |
| WO2023065503A1 (zh) | 一种面部表情的分类方法和电子设备 | |
| CN109255747A (zh) | 一种信息申报的智能审核方法 | |
| CN110309295B (zh) | 生成裁判文书经审理查明段的方法及装置 | |
| CN110119440A (zh) | 合同自动生成方法、装置、计算机设备及存储介质 | |
| CN107730485A (zh) | 车辆定损方法、电子设备及计算机可读存储介质 | |
| CN113576508B (zh) | 一种基于神经网络的脑出血辅助诊断系统 | |
| CN109766419A (zh) | 基于语音分析的产品推荐方法、装置、设备及存储介质 | |
| CN108776791A (zh) | 客户身份识别校验方法、装置、计算机设备和存储介质 | |
| CN110135943A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN109766474A (zh) | 审讯信息审核方法、装置、计算机设备和存储介质 | |
| CN108960058A (zh) | 发票校验方法、装置、计算机设备及存储介质 | |
| CN110377618A (zh) | 裁决结果分析方法、装置、计算机设备和存储介质 | |
| CN114493902A (zh) | 多模态信息异常监控方法、装置、计算机设备及存储介质 | |
| CN110362592A (zh) | 裁决指引信息推送方法、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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190820 |
|
| WD01 | Invention patent application deemed withdrawn after publication |