CN110428339A - 理赔鉴定方法、装置、电子设备及计算机可读介质 - Google Patents

Abstract

本公开涉及一种理赔鉴定方法、装置、电子设备及计算机可读介质。该方法包括：获取理赔请求，所述理赔请求包括身份信息、理赔信息以及病历图像信息；基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数；若所述风险指数小于风险阈值，则对所述病历图像信息进行识别获得标准病历数据；以及根据所述标准病历数据生成所述理赔请求的鉴定结果。本公开涉及的理赔鉴定方法、装置、电子设备及计算机可读介质，能够代替人工审核模式，通过风险指数与病历图像数据识别到的标准病历数据分析理赔请求的合理性与真实性，进而提高鉴别准确率，并节约人力物力。

Description

理赔鉴定方法、装置、电子设备及计算机可读介质

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种理赔鉴定方法、装置、电子设备及计算机可读介质。

背景技术

在保险业务中，为保证被保险人充分享受医保报销待遇，并维护基本医疗保险基金的合理分配，避免以欺诈为目的的骗保行为，应严格把关理赔鉴定流程。例如应剔除申请材料造假、重复申请报销、申请金额超范围等的理赔请求。目前，相关技术中，理赔鉴定通常由人工完成。例如可包括如下步骤：(1)电话报案；(2)提交理赔相关资料；(3)寄送资料原件；(4)人工审核；(5)赔付保险金。

目前的人工审核方法需要消耗大量的人力物力，无法避免人工失误，且流程繁复，给用户带来的体验较差。

因此，需要一种新的理赔鉴定方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的相关技术的信息。

发明内容

有鉴于此，本公开提供一种理赔鉴定方法、装置、电子设备及计算机可读介质，能够代替人工审核模式，通过风险指数与病历图像数据识别到的标准病历数据分析理赔请求的合理性与真实性，进而提高鉴别准确率，并节约人力物力。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种理赔鉴定方法，该方法包括：获取理赔请求，所述理赔请求包括身份信息、理赔信息以及病历图像信息；基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数；若所述风险指数小于风险阈值，则对所述病历图像信息进行识别获得标准病历数据；以及根据所述标准病历数据生成所述理赔请求的鉴定结果。

在本公开的一种示例性实施例中，对所述病历图像信息进行识别获得标准病历数据包括：采用光学字符识别技术对所述病历图像信息进行识别，以得到识别数据；对所述识别数据进行分词，以得到分词数据；采用词语聚类算法对所述分词数据进行分类，并进行同义转化，以生成所述标准病历数据。

在本公开的一种示例性实施例中，所述理赔信息包括目标理赔金额与理赔险种，在基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数之前，所述方法还包括：根据所述理赔险种获取理赔金额阈值；若所述目标理赔金额小于所述理赔金额阈值，则基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数。

在本公开的一种示例性实施例中，所述身份信息包括投保人信息和被保险人信息，所述理赔信息还包括就诊医院信息；其中，基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数包括：根据所述投保人信息所述被保险人信息所述就诊医院信息，获取投保人信用信息被保险人信用信息被保险人历史理赔信息就诊医院信用信息中的至少一种；和/或获取所述申请人的所述理赔险种的理赔额度系数和/或险种购买次数；以及根据所述投保人信用信息所述被保险人信用信息所述被保险人历史理赔信息所述就诊医院信用信息所述目标理赔金额所述理赔金额阈值所述理赔额度系数所述险种购买次数中的任一或多个的组合计算得到所述风险指数。

在本公开的一种示例性实施例中，所述被保险人历史理赔信息包括被保险人历史理赔次数、被保险人历史理赔金额。

在本公开的一种示例性实施例中，所述标准病历数据包括以下任一或多个的组合：病人信息、病历时间信息、病历诊断信息、病历缴费信息以及至少一个病历医院信息。

在本公开的一种示例性实施例中，根据所述标准病历数据生成所述理赔请求的鉴定结果包括以下情况的一种或几种：判断所述病人信息与所述身份信息中的被保险人信息是否一致；判断所述病历时间信息是否满足所述理赔请求的理赔时间条件；判断所述病历诊断信息是否符合所述理赔请求的理赔范围；判断所述病历缴费信息与所述理赔请求的目标理赔金额是否一致；判断各病历医院信息是否一致；判断各病历医院信息与所述理赔信息中的就诊医院信息是否一致；判断所述标准病历数据是否与历史理赔数据库中的数据重复。

根据本公开的一方面，提出一种理赔鉴定装置，该装置包括：请求获取模块，用于获取理赔请求，所述理赔请求包括身份信息、理赔信息以及病历图像信息；风险评估模块，用于基于所述身份信息与所述理赔信息计算风险指数；字符识别模块，用于若所述风险指数小于风险阈值，则对所述病历图像信息进行识别获得标准病历数据；以及结果生成模块，用于根据所述标准病历数据生成所述理赔请求的鉴定结果。

根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文中所述的方法。

根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中所述的方法。

根据本公开一些实施例提供的理赔鉴定方法、装置、电子设备及计算机可读介质，基于身份信息与理赔信息计算风险指数，并与风险阈值相比较，可对理赔请求进行初步筛选，能够剔除造假可能性较大的理赔请求，降低骗保风险；进一步对病历图像信息进行识别，能够将计算机无法识别的图像信息转换为可存储并可调用的具有标准格式的标准病历数据，降低了人工工作量，此外，为后续追查历史理赔过程提供了便利，并提高理赔效率，减少人为导致的失误，提高鉴定准确率。本申请的理赔鉴定方法能够代替人工审核模式，通过风险指数与病历图像数据识别到的标准病历数据分析理赔请求的合理性与真实性，进而提高鉴别准确率，并节约人力物力。

根据本公开另一些实施例提供的理赔鉴定方法、装置、电子设备及计算机可读介质，通过分析标准病历数据的合理性与真实性，并可与理赔请求中的数据进行比对，能够进一步减少人工参与，提高理赔效率，节约人力资源。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据一示例性实施例示出的一种理赔鉴定方法的流程图。

图2是根据另一示例性实施例示出的一种理赔鉴定方法的流程图。

图3是根据另一示例性实施例示出的一种病历图像数据的示意图。

图4是根据一示例性实施例示出的一种理赔鉴定装置的框图。

图5是根据一示例性实施例示出的一种电子设备的框图。

图6是根据一示例性实施例示出一种计算机可读存储介质示意图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。

图1是根据一示例性实施例示出的一种理赔鉴定方法的流程图。本公开实施例提供的理赔鉴定方法可以由任意具备计算处理能力的电子设备执行，例如用户终端和/或服务器，在下面的实施例中，以服务器执行所述方法为例进行举例说明，但本公开并不限定于此。本公开实施例提供的理赔鉴定方法10可以包括步骤S102至S108。

如图1所示，在步骤S102中，获取理赔请求，所述理赔请求包括身份信息、理赔信息以及病历图像信息。

其中，可通过客户端例如但不限于为手机端、电脑端、平板电脑端、柜式服务设备端等获取理赔请求。例如，请求申请人可通过操作安装于客户端的应用软件，以生成理赔请求，客户端可将其发送至服务端，以便服务端根据理赔请求对其进行受理。所述身份信息可以为申请人(例如，被保险人、投保人)的相关信息，例如但不限于为身份证号、保险编号、年龄、性别等。所述理赔信息为本次理赔请求的相关信息，可例如但不限于为目标理赔金额、理赔险种等。所述病历图像信息可为请求申请人上传的为图片格式的病历诊断书、检验单、化验单、缴费单等。

在步骤S104中，基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数。

其中，风险指数指当前理赔请求为欺诈行为的概率。风险指数与该理赔请求的申请人(例如，投保人、被保险人)的信用、就诊医院的信用以及理赔信息有关。

在一个实施例中，所述理赔信息可包括目标理赔金额与理赔险种。本公开实施例的方法在基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数之前，还可包括：根据所述理赔险种获取理赔金额阈值；若所述目标理赔金额小于所述理赔金额阈值，则基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数。其中，不同的理赔险种规定了其可报销的最大理赔金额，即理赔金额阈值。目标理赔金额为所述理赔请求期望申请的理赔金额。在目标理赔金额大于理赔险种的理赔金额阈值时，可判断当前理赔请求是不符合险种规定的，可直接确认理赔请求的鉴定结果为不通过。

在一个实施例中，所述身份信息可包括投保人信息和被保险人信息，所述理赔信息还可包括就诊医院信息。其中，基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数可包括：根据所述投保人信息和/或所述被保险人信息和/或所述就诊医院信息获取投保人信用信息和/或被保险人信用信息和/或被保险人历史理赔信息和/或就诊医院信用信息；和/或获取所述申请人的所述理赔险种的理赔额度系数和/或险种购买次数；以及根据所述投保人信用信息和/或所述被保险人信用信息和/或所述被保险人历史理赔信息和/或所述就诊医院信用信息和/或所述目标理赔金额和/或所述理赔金额阈值和/或所述理赔额度系数和/或所述险种购买次数计算得到所述风险指数。

例如，假设投保人信用信息为a，投保人有失信行为时a＝1，投保人无失信行为时a＝0。被保险人信用信息为b，被保险人有失信行为时b＝1，被保险人无失信行为时b＝0。就诊医院信用信息为c，就诊医院有失信行为时c＝1，就诊医院无失信行为时c＝0。理赔额度系数为q(q为大于等于0的正数)，险种购买次数为n(n为大于等于0的正整数)，理赔金额阈值为z(z为大于0的正数)，目标理赔金额为k(k为正数)。

在一个实施例中，所述被保险人历史理赔信息可包括被保险人历史理赔次数和被保险人历史理赔金额。其中，假设被保险人历史理赔次数为m(m为大于等于0的正整数)，被保险人历史理赔金额为p(p为大于等于0的正整数)。基于上述描述，风险指数w的计算公式可表达如下：

又例如，可提取历史理赔信息中的理赔成功以及理赔失败的数据作为训练集，训练获得具有风险指数预测功能的神经网络模型，并将当前的理赔请求的所述投保人信用信息、所述被保险人信用信息、所述被保险人历史理赔信息、所述就诊医院信用信息、所述目标理赔金额、所述理赔金额阈值、所述理赔额度系数、所述险种购买次数中的一个或多个参数作为该神经网络模型的输入数据，获得输出的该理赔请求的风险指数。

在步骤S106中，若所述风险指数小于风险阈值，则对所述病历图像信息进行识别获得标准病历数据。

本公开实施例中，所述风险阈值为预设的常数阈值，其可为经验数据，也可通过机器学习、深度神经网络模型对历史数据进行训练和学习以获得。

在一个实施例中，对所述病历图像信息进行识别获得标准病历数据可包括：采用光学字符识别技术对所述病历图像信息进行识别，以得到识别数据；对所述识别数据进行分词，以得到分词数据；采用词语聚类算法对所述分词数据进行分类，并进行同义转化，以生成所述标准病历数据。

其中，光学字符识别技术是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。光学字符识别技术分为模板化的光学识别技术与非模板化的光学识别技术。在一个实施例中，不同的医院的病历模板和检查报告模板各不相同，可通过非模板化的光学识别技术对病历图像信息进行识别，以增加识别成功的概率，提高识别结果的准确率。通过光学字符识别技术可识别得到病历图像信息中的文字信息，可例如但不限于为病历图像信息中记载的就诊医院、就诊时间、患者信息、患者病历记录、化验数据、缴费明细、缴费金额等。

其中，分词处理用于将一个汉字序列切分成一个个单独的词，其是将连续的文字序列按照一定的规范重新组合成词序列的过程。分词处理是文本挖掘的基础，对于输入的一段中文进行分词处理，可以达到电脑自动识别语句含义的效果。光学字符识别技术得到的识别数据为文字序列，词与词之间没有边界，无法识别语义。通过对识别数据进行分词，可识别得到具有含义的分词数据。

词语聚类算法为研究分类问题的一种统计分析方法，采用词语聚类算法可根据相似性对数据进行分类。通过词语聚类算法对分词数据进行分类，以及同义转化，可获得标准病历数据。聚类算法可例如为层次聚类算法、K-means等。例如，分词数据中包含“姓名：张三”，通过词语聚类算法可知其属于患者姓名类，通过同义转化，可将其转化为形如：“name”：“张三”的标准病历数据。

本实施例的理赔鉴定方法通过将光学字符识别技术与聚类算法相结合，可实现对病历图像信息的自动识别与分类，进而生成计算机可直接识别与调用的标准病历数据，能够实现一套适用于包含文字的图像信息的标准化操作。

在步骤S108中，根据所述标准病历数据生成所述理赔请求的鉴定结果。

上述步骤S106已将病历图像数据转换为了标准病历数据，即计算机可识别以及可调用的数据。在本步骤中，可通过分析标准病历数据的合理性与真实性，并可与理赔请求中的数据进行比对，以验证其一致性，进而基于分析与比对结果生成所述理赔请求的鉴定结果。

在一个实施例中，所述标准病历数据可以包括以下任一或多个的组合：病人信息、病历时间信息、病历诊断信息、病历缴费信息以及至少一个病历医院信息。其中，病人信息可例如但不限于为病人(即被保险人)的姓名、性别、年龄等。病历时间信息可例如但不限于为病历生成时间、化验时间等。病历诊断信息可例如但不限于为诊断结果等。病历缴费信息可例如但不限于为缴费明细、缴费金额等。病历医院信息可例如为所述病历图像信息的生成方，即患者的就诊医院。

在一个实施例中，根据所述标准病历数据生成所述理赔请求的鉴定结果可包括以下情况的一种或几种：判断所述病人信息与所述身份信息中的被保险人信息是否一致；判断所述病历时间信息是否满足所述理赔请求的理赔时间条件；判断所述病历诊断信息是否符合所述理赔请求的理赔范围；判断所述病历缴费信息与所述理赔请求的目标理赔金额是否一致；判断各病历医院信息是否一致；判断各病历医院信息与所述理赔信息中的就诊医院信息是否一致；判断所述标准病历数据是否与历史理赔数据库中的数据重复。本实施例的理赔鉴定方法通过将相关技术中人工审核的流程转换为智能鉴定，能够缩短鉴定时间，减少人力物力的浪费并可提高鉴定效率，同时可避免人为导致的失误。

根据本公开实施方式提供的理赔鉴定方法，基于身份信息与理赔信息计算风险指数，并与风险阈值相比较，可对理赔请求进行初步筛选，能够剔除造假可能性较大的理赔请求，降低骗保风险；进一步对病历图像信息进行识别，能够将计算机无法识别的图像信息转换为可存储并可调用的具有标准格式的标准病历数据，降低了人工工作量，此外，为后续追查历史理赔过程提供了便利，并提高理赔效率，减少人为导致的失误，提高鉴定准确率。本申请的理赔鉴定方法能够代替人工审核模式，通过风险指数与病历图像数据识别到的标准病历数据分析理赔请求的合理性与真实性，进而提高鉴别准确率，并节约人力物力。

根据本公开另一些实施例提供的理赔鉴定方法、装置、电子设备及计算机可读介质，通过分析标准病历数据的合理性与真实性，并可与理赔请求中的数据进行比对，能够进一步减少人工参与，提高理赔效率，节约人力资源。

应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。

图2是根据另一示例性实施例示出的一种理赔鉴定方法的流程图。

如图2所示，在步骤S202中，获取理赔请求。

其中，理赔请求可包括病历图像信息。例如，申请人可通过拨打客服热线、移动应用报案、微信公众号、移动端网页、电脑端页面等任意一种途径进行报案，以提出理赔请求。其中，申请人可在移动应用端、微信公众号、移动端网页、电脑端页面填写理赔请求的相关信息。相关信息可包含：身份信息(被保险人姓名、性别、身份证号，投保人姓名、性别、身份证号)，理赔信息(出险事项、目标理赔金额、理赔险种、确诊时间、就诊医院等)，赔付保险金姓名(投保人或被保险人)与账号)；并上传病历图像信息。

在步骤S204中，判断目标理赔金额是否小于理赔金额阈值。若小于，继续执行步骤S206，否则执行步骤S212。其中，不同的险种可具有不同的理赔金额阈值。可根据当前理赔请求的理赔险种获取其理赔金额阈值。

在步骤S206中，根据投保人信息、被保险人信息、就诊医院信息进行风险评估。风险评估通过时继续执行步骤S208，否则执行步骤S212。

在一个实施例中，投保人信用为a，有失信行为1，无失信行为为0；被保险人信用为b，有失信行为1，无失信行为为0；就诊医院信用为c，有失信行为1，无失信行为为0；被保险人历史理赔金额为p元；被保险人历史理赔次数为m次；理赔额度系数为q；险种购买次数为n次；理赔金额阈值为z，目标理赔金额为k。可通过计算风险指数并将其与风险阈值进行比较以进行风险评估。风险指数可通过下式进行计算：

例如：投保人张三，32岁，首次投保购买险种《xx住院保》一份，险种购买次数n＝1。由于近期天气变化患重感冒，在某地某三甲医院住院治疗花费7000元，经社保报销4000元，目标理赔金额k＝7000-4000-500(免赔额)＝2500元。张三信用良好，其投保人信用a＝0，被保险人信用b＝0；在此之前没有理赔记录，理赔次数m＝0，《xx住院保》的理赔额度系数q＝4，理赔金额阈值z＝5000，则该理赔请求的风险指数计算方式如下：

w＝0+0+0+(0+2500)/(5000*4)+1/(1+1)＝0.625

风险阈值为1，由于0.625小于1，风险指数较低，确认该理赔请求的风险评估结果为通过。当风险指数大于风险阈值时，风险指数较高，其对应理赔请求的风险评估结果为不通过。

在步骤S208中，采用非模板化的光学字符识别技术对病历图像信息进行识别。例如，诊断书的识别结果可包括：医院名称、诊断书编号、时间、姓名、性别、年龄、诊断结果；缴费单的识别结果可包括：医院名称、缴费单号、时间、姓名、性别，缴费金额。

在一个实施例中，图3是根据另一示例性实施例示出的一种病历图像数据的示意图，通过光学字符识别技术对图3示出的病理图像信息进行识别，可得到如下识别数据：

“xx人民医院

疾病诊断证明书

姓名：张XX性别：女年龄：50岁ID号：00103047683

印象或诊断：

高血压病

处理意见：

患者因高血压来病诊。予降血压处理，建议全休7天

科室：门诊专家

医师：xxx 2017年12月08日填发

(此联给病人但须盖有本院疾病证明章始有效)”

在获得上述识别数据后，可通过文本分词算法对识别数据中的文字序列进行拆分，以获得以词语为单位的分词数据，进而达到识别语义的目的，其结果如下所示：

“xx人民医院”、“疾病诊断证明书”、“姓名：张XX”、“性别：女”、“年龄：50岁”、“ID号：00103047683”、“印象或诊断：高血压病”、“处理意见：患者因高血压来病诊。予降血压处理，建议全休7天”、“科室：门诊专家”、“医师：xxx”、“2017年12月08日填发”、“此联给病人但须盖有本院疾病证明章始有效)”

在获得上述分词数据后，可通过聚类算法对分词数据中的词语进行分类，再通过同义转化生成标准病历数据。本实施例的标准病历数据如下所示：

在一个实施例中，可通过将标准病历数据进行持久化存储，以便后续查询调用。

在步骤S210中，根据标准病历数据判断所述病历图像数据是否真实有效，且满足理赔要求。若是，确认理赔请求的鉴定结果为通过，否则为不通过。

在一个实施例中，判断方式如下：

(1)判断标准病历数据中的身份信息是否与身份信息中的被保险信息人一致；

(2)判断标准病历数据中的时间信息是否符合理赔请求的险种的理赔条款，其中所述时间信息可例如为具体日期，所述理赔条款可例如为理赔时间条件；

(3)判断标准病历数据中的诊断信息是否满足所述理赔请求的理赔范围，其中，所述理赔范围可为罗列理赔病种等；

(4)判断目标理赔金额与标准病历数据中的病历缴费信息是否一致；其中，若理赔请求的险种为非报销类保险产品，则该项判断准则可忽略；

(5)判断标准病历数据中的各病历医院信息是否一致，并且是否与理赔信息中的就诊医院信息一致；

(6)判断标准病历数据是否与历史理赔数据库中的数据重复，其中，可判断医院名称、单据编号，图像等信息是否重复。

在一个实施例中，在确认理赔请求的鉴定结果为通过后，可依据理赔请求将保险金打入其指定的银行账号中。

在步骤S212中，通知申请人将理赔请求以及病历图像数据的原件寄送至工作人员，以进行人工审核。

本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由中央处理器(Central Processing Unit，CPU)执行的计算机程序。在该计算机程序被中央处理器CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图4是根据一示例性实施例示出的一种理赔鉴定装置的框图。本公开实施例提供的理赔鉴定装置40可以包括：请求获取模块402、风险评估模块404、字符识别模块406以及结果生成模块408。

请求获取模块402可用于获取理赔请求，所述理赔请求包括身份信息、理赔信息以及病历图像信息。其中，请求获取模块402可通过客户端例如但不限于为手机端、电脑端、平板电脑端、柜式服务设备端等获取理赔请求。

风险评估模块404可用于基于所述身份信息与所述理赔信息计算风险指数。其中，风险指数指当前理赔请求为欺诈行为的概率。

在一个实施例中，所述理赔信息可包括目标理赔金额与理赔险种，本公开实施例的装置还可包括风险指数计算模块，可用于根据所述理赔险种获取理赔金额阈值；若所述目标理赔金额小于所述理赔金额阈值，则基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数。

在一个实施例中，所述身份信息可包括投保人信息和被保险人信息，所述理赔信息还可包括就诊医院信息。其中，所述风险指数计算模块可用于根据所述投保人信息和/或所述被保险人信息和/或所述就诊医院信息获取投保人信用信息和/或被保险人信用信息和/或被保险人历史理赔信息和/或就诊医院信用信息；和/或获取所述申请人的所述理赔险种的理赔额度系数和/或险种购买次数；以及根据所述投保人信用信息和/或所述被保险人信用信息和/或所述被保险人历史理赔信息和/或所述就诊医院信用信息和/或所述目标理赔金额和/或所述理赔金额阈值和/或所述理赔额度系数和/或所述险种购买次数计算得到所述风险指数。

在一个实施例中，所述被保险人历史理赔信息可包括被保险人历史理赔次数、被保险人历史理赔金额。

字符识别模块406可用于若所述风险指数小于风险阈值，则对所述病历图像信息进行识别获得标准病历数据。在一个实施例中，字符识别模块406可用于采用光学字符识别技术对所述病历图像信息进行识别，以得到识别数据；对所述识别数据进行分词，以得到分词数据；采用词语聚类算法对所述分词数据进行分类，并进行同义转化，以生成所述标准病历数据。

结果生成模块408可用于根据所述标准病历数据生成所述理赔请求的鉴定结果。

在一个实施例中，所述标准病历数据包括以下任一或多个的组合：病人信息、病历时间信息、病历诊断信息、病历缴费信息以及至少一个病历医院信息。

在一个实施例中，结果生成模块408可用于判断所述病人信息与所述身份信息中的被保险人信息是否一致；和/或判断所述病历时间信息是否满足所述理赔请求的理赔时间条件；和/或判断所述病历诊断信息是否符合所述理赔请求的理赔范围；和/或判断所述病历缴费信息与所述理赔请求的目标理赔金额是否一致；和/或判断各病历医院信息是否一致；和/或判断各病历医院信息与所述理赔信息中的就诊医院信息是否一致；和/或判断所述标准病历数据是否与历史理赔数据库中的数据重复。

根据本公开实施方式提供的理赔鉴定装置，基于身份信息与理赔信息计算风险指数，并与风险阈值相比较，可对理赔请求进行初步筛选，能够剔除造假可能性较大的理赔请求，降低骗保风险；进一步对病历图像信息进行识别，能够将计算机无法识别的图像信息转换为可存储并可调用的具有标准格式的标准病历数据，降低了人工工作量，此外，为后续追查历史理赔过程提供了便利，并提高理赔效率，减少人为导致的失误，提高鉴定准确率。本申请的理赔鉴定方法能够代替人工审核模式，通过风险指数与病历图像数据识别到的标准病历数据分析理赔请求的合理性与真实性，进而提高鉴别准确率，并节约人力物力。

根据本公开另一些实施例提供的理赔鉴定方法、装置、电子设备及计算机可读介质，通过分析标准病历数据的合理性与真实性，并可与理赔请求中的数据进行比对，能够进一步减少人工参与，提高理赔效率，节约人力资源。

图5是根据一示例性实施例示出的一种电子设备的框图。

下面参照图5来描述根据本公开的这种实施方式的电子设备200。图5显示的电子设备200仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图1，图2中所示的步骤。

所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(ROM)2203。

所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。

图6示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。

参考图6所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：获取理赔请求，所述理赔请求包括身份信息、理赔信息以及病历图像信息；基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数；若所述风险指数小于风险阈值，则对所述病历图像信息进行识别获得标准病历数据；以及根据所述标准病历数据生成所述理赔请求的鉴定结果。

本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。

以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

此外，本说明书说明书附图所示出的结构、比例、大小等，均仅用以配合说明书所公开的内容，以供本领域技术人员了解与阅读，并非用以限定本公开可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本公开所能产生的技术效果及所能实现的目的下，均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语，也仅为便于叙述的明了，而非用以限定本公开可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当也视为本公开可实施的范畴。

Claims (10)

1.一种理赔鉴定方法，其特征在于，包括：

获取理赔请求，所述理赔请求包括身份信息、理赔信息以及病历图像信息；

基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数；

若所述风险指数小于风险阈值，则对所述病历图像信息进行识别获得标准病历数据；以及

根据所述标准病历数据生成所述理赔请求的鉴定结果。

2.如权利要求1所述的方法，其特征在于，对所述病历图像信息进行识别获得标准病历数据包括：

采用光学字符识别技术对所述病历图像信息进行识别，以得到识别数据；

对所述识别数据进行分词，以得到分词数据；

采用词语聚类算法对所述分词数据进行分类，并进行同义转化，以生成所述标准病历数据。

3.如权利要求1所述的方法，其特征在于，所述理赔信息包括目标理赔金额与理赔险种，在基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数之前，所述方法还包括：

根据所述理赔险种获取理赔金额阈值；

若所述目标理赔金额小于所述理赔金额阈值，则基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数。

4.如权利要求3所述的方法，其特征在于，所述身份信息包括投保人信息和被保险人信息，所述理赔信息还包括就诊医院信息；其中，基于所述身份信息与所述理赔信息计算所述理赔请求的风险指数包括：

根据所述投保人信息、所述被保险人信息与所述就诊医院信息，获取投保人信用信息、被保险人信用信息、被保险人历史理赔信息以及就诊医院信用信息中的至少一种；和/或

获取所述申请人的所述理赔险种的理赔额度系数和/或险种购买次数；以及

根据所述投保人信用信息、所述被保险人信用信息、所述被保险人历史理赔信息、所述就诊医院信用信息、所述目标理赔金额、所述理赔金额阈值、所述理赔额度系数、所述险种购买次数中的任一或多个的组合计算得到所述风险指数。

5.如权利要求4所述的方法，其特征在于，所述被保险人历史理赔信息包括被保险人历史理赔次数、被保险人历史理赔金额。

6.如权利要求1所述的方法，其特征在于，所述标准病历数据包括以下任一或多个的组合：

病人信息、病历时间信息、病历诊断信息、病历缴费信息以及至少一个病历医院信息。

7.如权利要求6所述的方法，其特征在于，根据所述标准病历数据生成所述理赔请求的鉴定结果包括以下情况的一种或几种：

判断所述病人信息与所述身份信息中的被保险人信息是否一致；

判断所述病历时间信息是否满足所述理赔请求的理赔时间条件；

判断所述病历诊断信息是否符合所述理赔请求的理赔范围；

判断所述病历缴费信息与所述理赔请求的目标理赔金额是否一致；

判断各病历医院信息是否一致；

判断各病历医院信息与所述理赔信息中的就诊医院信息是否一致；

判断所述标准病历数据是否与历史理赔数据库中的数据重复。

8.一种理赔鉴定装置，其特征在于，包括：

请求获取模块，用于获取理赔请求，所述理赔请求包括身份信息、理赔信息以及病历图像信息；

风险评估模块，用于基于所述身份信息与所述理赔信息计算风险指数；

字符识别模块，用于若所述风险指数小于风险阈值，则对所述病历图像信息进行识别获得标准病历数据；以及

结果生成模块，用于根据所述标准病历数据生成所述理赔请求的鉴定结果。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。