CN111539834A - 一种预核保方法及装置 - Google Patents
一种预核保方法及装置 Download PDFInfo
- Publication number
- CN111539834A CN111539834A CN202010316208.XA CN202010316208A CN111539834A CN 111539834 A CN111539834 A CN 111539834A CN 202010316208 A CN202010316208 A CN 202010316208A CN 111539834 A CN111539834 A CN 111539834A
- Authority
- CN
- China
- Prior art keywords
- underwriting
- information
- disease
- knowledge base
- preset
- 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 57
- 201000010099 disease Diseases 0.000 claims abstract description 156
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 156
- 230000008569 process Effects 0.000 claims abstract description 21
- 239000003814 drug Substances 0.000 claims description 11
- 229940079593 drug Drugs 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 210000001685 thyroid gland Anatomy 0.000 description 9
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 208000009453 Thyroid Nodule Diseases 0.000 description 2
- 208000024770 Thyroid neoplasm Diseases 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 208000024799 Thyroid disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Epidemiology (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种预核保方法及装置，获取待核保信息中指示待核保对象的疾病信息的关键词，判断关键词是否关联预设的知识库中的疾病种类，如果关键词关联知识库中的疾病种类，使用预核保规则确定预核保结果，如果关键词没有关联知识库中的疾病种类，获取人工预核保流程对待核保信息的预核保结果，因为预设的知识库包括预设的常见疾病的种类和对应的预核保规则，可见，对于常见疾病关联的待核保信息，使用预设的预核保规则进行自动预核保，而对于不常见疾病关联的待核保信息，由人工预核保流程给出结果。既提高预核保效率，又能降低预核保的成本。
Description
技术领域
本申请涉及电子信息领域，尤其涉及一种预核保方法及装置。
背景技术
如今，随着社会风险意识的提升，居民对自身及家庭的风险保障重视程度也日渐提高。并且近年经济持续稳健增长，居民可支配收入水平不断提高，我国已进入到大众消费的新时代，大众需求、平民消费成为这个时代最为突出的特点。伴随着中国消费结构的升级，社会对保险事业发展的高度重视，社会财富快速积累，农业现代化发展水平加速等众多因素的利好下，民众保险投保意识逐渐强烈，保险行业长期保持稳健发展势头。同时，随着互联网的发展，催生了互联网保险。
在民众保险意识提高的基础上，通过购买保险保护自身权益的民众比例也在大幅提高。尤其医疗险，重疾险，寿险，这些类型的保险近年来购买率都有明显提高，而这几类保险的保费根据投保人个体情况有一定区别。其中，被保人的身体状况是保险公司评定保险风险的重要因素之一，是决定保险公司是否承担保障风险和最终保费的重要因素，所以保险公司需要对被保人的身体状况进行核保。
在互联网保险领域，互联网保险经纪公司是保险公司与客户之间的枢纽。对保险公司而言，互联网保险经纪公司负责对接保险产品、销售保险产品，辅助核保、保全等工作；对客户而言，互联网保险经纪公司负责给客户挑选合适的保险产品、讲解保险产品的条款、全程协助客户处理理赔等工作。所以互联网保险经纪公司在给客户挑选保险产品时，会对客户的身体状况预先核保，保证给客户挑选的保险产品在保险公司处购买时能够核保通过。
在互联网保险经纪公司的预核保过程中，保险顾问事先会与客户充分沟通，详细了解客户的个人信息，包括客户的性别、年龄等基础属性，现在所患疾病的状况，以前所患疾病的状况，现在或以前是否住院的情况，以及医保和社保信息等；保险顾问会将这些信息以文字或者图片的形式收集下来，然后通过邮件、通讯工具或者内部系统等方式，发送给保险经纪公司内部的核保专家；互联网保险经纪公司内部的核保专家会了解客户的身体状况和个人信息，然后根据自己的医学知识和保险知识，判断客户是否预核保通过，或者对哪些保险产品能够预核保通过。
在上述的预核保过程中，因为互联网保险的快速增长，所以保险顾问每天会向核保专家发起越来越多的预核保请求，故需要不断增加核保专家数量来应对越来越多的预核保请求。而核保专家是一种需要大量专业知识的职业，不仅需要专业的医学知识，还需要专业的保险知识。可见，现有的预核保方式的成本高但效率低。
发明内容
申请人在研究的过程中发现，疾病分布满足概率学的二八定律，即百分之八十的病患所患疾病占所有疾病种类的百分之二十，这百分之二十的疾病即为常见病；百分之二十的病患所患疾病占所有疾病种类的百分之八十，这百分之八十的疾病即为非常见病。因此，如果将常见病自动预核保，非常见病由核保专家预核保，则可以实现百分之八十的常见病的自动预核保，并且保证百分之二十的非常见病由核保专家介入，从而既提高预核保效率，又能降低核保专家的需求量，从而降低成本。
本申请提供了一种预核保方法及装置，目的在于解决如何降低预核保的成本且提高预核保的效率的问题。
为了实现上述目的，本申请提供了以下技术方案：
一种预核保方法，包括：
获取待核保信息中的关键词，所述关键词为预设的指示待核保对象的疾病信息的词；
判断所述关键词是否关联预设的知识库中的疾病种类；所述预设的知识库包括预设的常见疾病的种类和对应的预核保规则；
如果所述关键词关联所述知识库中的疾病种类，使用所述预核保规则确定预核保结果；
如果所述关键词没有关联所述知识库中的疾病种类，获取人工预核保流程对所述待核保信息的预核保结果。
可选的，所述关键词包括：
疾病名称、药物名称和疾病的指标词汇。
可选的，所述获取人工预核保流程对所述待核保信息的预核保结果，包括：
为所述待核保信息设置非常见病标识；
将设置有所述非常见病标识的所述待核保信息缓存至人工审核队列；
接收人工输入的对所述待核保信息的所述预核保结果。
可选的，所述使用所述预核保规则确定预核保结果，包括：
调用预设的规则模型，对所述待核保信息输出所述预核保结果；
其中，所述规则模型用于依据所述预核保规则，对所述待核保信息进行分析，以得到所述预核保结果。
可选的，所述预核保规则依据历史核保结果生成；
所述知识库由所述人工设置并维护。
可选的，在所述获取待核保信息中的关键词之前，还包括：
接收所述待核保信息；
在所述待核保信息为图片类型的情况下，识别所述待核保信息中的文字；
所述获取待核保信息中的关键词，包括：
在所述待核保信息为非图片类型的情况下，使用预设的疾病识别模型提取所述待核保信息中的所述关键词；
或者，使用预设的疾病识别模型，从识别的所述文字中，提取所述关键词。
可选的，所述判断所述关键词是否关联预设的知识库中的疾病种类，包括：
使用预设的疾病链接模型，判断所述关键词是否关联预设的知识库中的疾病种类，其中，所述疾病链接模型用于依据文本分类或文本相似度算法，计算所述关键词与所述知识库中的疾病种类的相似概率，并依据所述相似概率输出是否关联的结果。
一种预核保装置，包括：
获取模块，用于获取待核保信息中的关键词，所述关键词为预设的指示待核保对象的疾病信息的词；
判定模块，用于判断所述关键词是否关联预设的知识库中的疾病种类；所述预设的知识库包括预设的常见疾病的种类和对应的预核保规则；
自动预核保模块，用于如果所述关键词关联所述知识库中的疾病种类，使用所述预核保规则确定预核保结果；
人工预核保模块，用于如果所述关键词没有关联所述知识库中的疾病种类，获取人工预核保流程对所述待核保信息的预核保结果。
一种预核保设备，包括存储器和处理器；
所述存储器用于存储程序，所述处理器用于运行所述程序，以实现上述的预核保方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在计算机上运行时，实现上述的预核保方法。
本申请所述的预核保方法及装置，获取待核保信息中指示待核保对象的疾病信息的关键词，判断关键词是否关联预设的知识库中的疾病种类，如果所述关键词关联所述知识库中的疾病种类，使用所述预核保规则确定预核保结果，如果所述关键词没有关联所述知识库中的疾病种类，获取人工预核保流程对所述待核保信息的预核保结果，因为预设的知识库包括预设的常见疾病的种类和对应的预核保规则，可见，对于常见疾病关联的待核保信息，使用预设的预核保规则进行自动预核保，而对于不常见疾病关联的待核保信息，由人工预核保流程给出结果。因为常见疾病和不常见疾病满足二八定律，所以，可以实现百分之八十的常见病的自动预核保，并且保证百分之二十的非常见病由核保专家介入，从而既提高预核保效率，又能降低预核保的成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种预核保方法的流程图；
图2为本申请实施例公开的又一种预核保方法的流程图；
图3为本申请实施例公开的一种预核保装置的结构示意图。
具体实施方式
本申请实施例所述的预核保方法，可以应用在但不限定于保险经纪公司的预核保平台，用于提供被保人的待核保信息的预核保结果。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例公开的一种预核保方法，包括以下步骤：
S101：获取待核保信息中的关键词。
其中，关键词为预设的指示待核保对象的疾病信息的词。具体的，关键词可以包括但不限于：疾病名称、药物名称和疾病的指标词汇。
S102：判断关键词是否关联预设的知识库中的疾病种类。
其中，预设的知识库包括预设的常见疾病的种类和对应的预核保规则。预设的知识库可以由核保专家生成并维护。
S103：如果关键词关联知识库中的疾病种类，使用预核保规则确定预核保结果。
S104：如果关键词没有关联知识库中的疾病种类，获取人工预核保流程对待核保信息的预核保结果。
本实施例所述的预核保方法，依据常见疾病和不常见疾病满足二八定律这一原理，对于常见疾病关联的待核保信息，使用预设的预核保规则进行自动预核保，而对于不常见疾病关联的待核保信息，由人工预核保流程给出结果。既快速返回了预核保结果，又减少了核保专家的工作量。并且，核保专家可以专注于非常见病(即疑难杂症)的预核保，提高非常见病的预核保工作的效率和准确率。可以理解的是，图1所示的流程，既能够减低预核保的人工成本、又能够提高效率，并且，还能够保证非常见病的预核保结果的准确性。
下面将以甲状腺疾病为例，对图1所示的方法进行更为详细的说明。
图2为本申请实施例公开的又一种预核保方法，包括以下步骤：
S201：通过与人工交互，生成预核保疾病知识库。
具体的，可以展示人工交互界面，接收核保专家在交互界面上输入的疾病信息和预核保规则，生成预核疾病知识库。预核保疾病知识库中包括核保专家选择的常见疾病的信息。
进一步的，疾病信息可以包括但不限于：疾病类别(即“疾病专业词汇”)、以及疾病类别对应的药物信息(即“药物专业名称”)、指标信息(即“指标专业名称”)和预核保规则。
可以理解的是，该步骤生成的预核保疾病知识库，可以只生成一次，后续重复使用，即步骤201为预处理步骤，生成的预核保疾病知识库为预设知识库。
表1为预设知识库的示例：
表1
S202：保险顾问与客户沟通后，通过向预核保系统发起预核保请求，将客户的个人信息以文字或图片的形式输入。
其中，预核保系统包括三个模型：
1、疾病识别模型。
可以参考现有的实体识别模型的训练和预测方式，用于将文字中的疾病、药物和疾病指标抽取出来。
2、疾病链接模型。
用于使用现有的文本分类模型或文本相似度算法，将疾病识别模型中抽取出的疾病、药物和疾病指标链接到预核保知识库中相似的疾病类别。
3、规则模型。
用于通过分析预核保知识库中的预核保规则返回预核保结果。
具体的，客户的个人信息可以为微信等聊天记录，即文字类型，或者聊天记录的截图，即图片类型。
S203：预核保系统判断客户的个人信息(即待核保信息)是文字类型还是图片类型，如果是文字类型，执行S205，如果是图片类型，执行S204。
S204：预核保系统调用OCR文字识别功能，识别图片中的文字。S204后执行S205。
S205：预核保系统调用疾病识别模型，提取文字类型的待核保信息中的关键词。
例如，输入客户的个人信息为“该客户做过甲状腺超声检查，确诊得了左侧甲状腺实性结节。”，疾病识别结果为[{‘word’:‘甲状腺超声检查’,‘type’:‘指标’}，{‘word’:‘左侧甲状腺实性结节’,‘type’:‘疾病’}]。提取的关键词为：“指标”-“甲状腺超声检查”和“疾病”-“左侧甲状腺实性结节”。可以理解的是，在个人信息中不包括药物信息的情况下，提取的关键词中，药物信息可以为空。
可以理解的是，提取出的关键字，可能是口语而非专业用语。
S206：预核保系统调用疾病链接模型，判断抽取出来的关键词是否关联到知识库中的疾病种类，如果是，执行S207，如果否，执行S208。
接上例：“左侧甲状腺实性结节”可以通过文本分类模型或文本相似度算法，关联到“甲状腺结节”这一疾病种类。
S207：预核保系统通过调用规则模型，输出待核保信息的预核保结果。
具体的，如果待核保信息满足规则，则预核保结果提示预核保通过，否则，提示预核保不通过。
接上例：抽取出来的关键词“甲状腺超声检查”和“左侧甲状腺实性结节”，已关联到“甲状腺结节”这一疾病种类，然后调用对应的预核保规则：“不患病预核保通过；患病预核保不通过”，最终判定预核保不通过。
S208：预核保系统为待核保信息设置非常见病标识。
S209：预核保系统将具有非常见病标识的待核保信息缓存至人工审核队列，并展示人工审核队列。
S210：接收核保专家输入的、人工审核队列中的待核保信息的预核保结果。
进一步的，可以展示接收到的预核保结果。
图2所示的流程，一方面，预核保系统加载常见病的预核保规则后，可以自动对常见病进行预核保，常见病虽然只占所有疾病种类的百分之二十，但是占了所有预核保工作的百分之八十，所以可以自动分析常见病的预核保，节约核保专家百分之八十的时间和精力。另一方面，核保专家可以从常见病的预核保工作中抽身出来，专注于非常见病(即疑难杂症)的预核保，能够提高他们预核保工作的效率和准确率。
图3为本申请实施例公开的一种预核保装置，包括：获取模块、判定模块、自动预核保模块和人工预核保模块。
其中，获取模块用于获取待核保信息中的关键词，关键词为预设的指示待核保对象的疾病信息的词。判定模块用于判断关键词是否关联预设的知识库中的疾病种类。预设的知识库包括预设的常见疾病的种类和对应的预核保规则。自动预核保模块用于如果关键词关联知识库中的疾病种类，使用预核保规则确定预核保结果。人工预核保模块用于如果关键词没有关联知识库中的疾病种类，获取人工预核保流程对待核保信息的预核保结果。
具体的，关键词包括：疾病名称、药物名称和疾病的指标词汇。
人工预核保模块获取人工预核保流程对所述待核保信息的预核保结果的具体实现方式为：为所述待核保信息设置非常见病标识；将设置有所述非常见病标识的所述待核保信息缓存至人工审核队列；接收人工输入的对所述待核保信息的所述预核保结果。
自动预核保模块使用所述预核保规则确定预核保结果的具体实现方式为：调用预设的规则模型，对所述待核保信息输出所述预核保结果；其中，所述规则模型用于依据所述预核保规则，对所述待核保信息进行分析，以得到所述预核保结果。
可选的，预核保规则依据历史核保结果生成；所述知识库由所述人工设置并维护。
可选的，判断模块还可以用于在所述获取待核保信息中的关键词之前，接收所述待核保信息；在所述待核保信息为图片类型的情况下，识别所述待核保信息中的文字。在此情况下，获取模块获取待核保信息中的关键词的具体实现方式为：在所述待核保信息为非图片类型的情况下，使用预设的疾病识别模型提取所述待核保信息中的所述关键词；或者，使用预设的疾病识别模型，从识别的所述文字中，提取所述关键词。、
判定模块判断关键词是否关联预设的知识库中的疾病种类的具体实现方式为：使用预设的疾病链接模型，判断所述关键词是否关联预设的知识库中的疾病种类，其中，所述疾病链接模型用于依据文本分类或文本相似度算法，计算所述关键词与所述知识库中的疾病种类的相似概率，并依据所述相似概率输出是否关联的结果。
图3所示的预核保装置，能够降低预核保的成本并且提高预核保的效率。
本申请实施例还公开了一种预核保设备，包括存储器和处理器。所述存储器用于存储程序，所述处理器用于运行所述程序，以实现上述方法实施例所述的预核保方法。
本申请实施例还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在计算机上运行时，实现上述方法实施例所述的预核保方法。
可选的，所述计算机程序在计算机上运行时，实现上述方法实施例所述的预核保方法的过程中，可选的，所述关键词包括：
疾病名称、药物名称和疾病的指标词汇。
可选的，所述获取人工预核保流程对所述待核保信息的预核保结果，包括：
为所述待核保信息设置非常见病标识；
将设置有所述非常见病标识的所述待核保信息缓存至人工审核队列；
接收人工输入的对所述待核保信息的所述预核保结果。
可选的，所述使用所述预核保规则确定预核保结果，包括：
调用预设的规则模型，对所述待核保信息输出所述预核保结果；
其中，所述规则模型用于依据所述预核保规则，对所述待核保信息进行分析，以得到所述预核保结果。
可选的，所述预核保规则依据历史核保结果生成；
所述知识库由所述人工设置并维护。
可选的，在所述获取待核保信息中的关键词之前，还包括：
接收所述待核保信息；
在所述待核保信息为图片类型的情况下，识别所述待核保信息中的文字；
所述获取待核保信息中的关键词，包括：
在所述待核保信息为非图片类型的情况下，使用预设的疾病识别模型提取所述待核保信息中的所述关键词；
或者，使用预设的疾病识别模型，从识别的所述文字中，提取所述关键词。
可选的，所述判断所述关键词是否关联预设的知识库中的疾病种类，包括：
使用预设的疾病链接模型，判断所述关键词是否关联预设的知识库中的疾病种类，其中，所述疾病链接模型用于依据文本分类或文本相似度算法，计算所述关键词与所述知识库中的疾病种类的相似概率，并依据所述相似概率输出是否关联的结果。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种预核保方法，其特征在于，包括：
获取待核保信息中的关键词，所述关键词为预设的指示待核保对象的疾病信息的词；
判断所述关键词是否关联预设的知识库中的疾病种类；所述预设的知识库包括预设的常见疾病的种类和对应的预核保规则；
如果所述关键词关联所述知识库中的疾病种类，使用所述预核保规则确定预核保结果；
如果所述关键词没有关联所述知识库中的疾病种类，获取人工预核保流程对所述待核保信息的预核保结果。
2.根据权利要求1所述的方法，其特征在于，所述关键词包括：
疾病名称、药物名称和疾病的指标词汇。
3.根据权利要求1所述的方法，其特征在于，所述获取人工预核保流程对所述待核保信息的预核保结果，包括：
为所述待核保信息设置非常见病标识；
将设置有所述非常见病标识的所述待核保信息缓存至人工审核队列；
接收人工输入的对所述待核保信息的所述预核保结果。
4.根据权利要求1或3所述的方法，其特征在于，所述使用所述预核保规则确定预核保结果，包括：
调用预设的规则模型，对所述待核保信息输出所述预核保结果；
其中，所述规则模型用于依据所述预核保规则，对所述待核保信息进行分析，以得到所述预核保结果。
5.根据权利要求1所述的方法，其特征在于，所述预核保规则依据历史核保结果生成；
所述知识库由所述人工设置并维护。
6.根据权利要求1所述的方法，其特征在于，在所述获取待核保信息中的关键词之前，还包括：
接收所述待核保信息；
在所述待核保信息为图片类型的情况下，识别所述待核保信息中的文字；
所述获取待核保信息中的关键词，包括：
在所述待核保信息为非图片类型的情况下，使用预设的疾病识别模型提取所述待核保信息中的所述关键词；
或者，使用预设的疾病识别模型，从识别的所述文字中，提取所述关键词。
7.根据权利要求1所述的方法，其特征在于，所述判断所述关键词是否关联预设的知识库中的疾病种类，包括：
使用预设的疾病链接模型，判断所述关键词是否关联预设的知识库中的疾病种类，其中，所述疾病链接模型用于依据文本分类或文本相似度算法，计算所述关键词与所述知识库中的疾病种类的相似概率，并依据所述相似概率输出是否关联的结果。
8.一种预核保装置，其特征在于，包括：
获取模块，用于获取待核保信息中的关键词，所述关键词为预设的指示待核保对象的疾病信息的词；
判定模块，用于判断所述关键词是否关联预设的知识库中的疾病种类；所述预设的知识库包括预设的常见疾病的种类和对应的预核保规则；
自动预核保模块，用于如果所述关键词关联所述知识库中的疾病种类，使用所述预核保规则确定预核保结果；
人工预核保模块，用于如果所述关键词没有关联所述知识库中的疾病种类，获取人工预核保流程对所述待核保信息的预核保结果。
9.一种预核保设备，其特征在于，包括存储器和处理器；
所述存储器用于存储程序，所述处理器用于运行所述程序，以实现权利要求1-7任一项所述的预核保方法。
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，所述计算机程序在计算机上运行时，实现权利要求1-7任一项所述的预核保方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010316208.XA CN111539834A (zh) | 2020-04-21 | 2020-04-21 | 一种预核保方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010316208.XA CN111539834A (zh) | 2020-04-21 | 2020-04-21 | 一种预核保方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111539834A true CN111539834A (zh) | 2020-08-14 |
Family
ID=71975053
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010316208.XA Pending CN111539834A (zh) | 2020-04-21 | 2020-04-21 | 一种预核保方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111539834A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113240531A (zh) * | 2021-05-11 | 2021-08-10 | 建信金融科技有限责任公司 | 一种数据处理方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464925A (zh) * | 2007-12-20 | 2009-06-24 | 鸿点科技股份有限公司 | 专利保险核保评估系统及方法 |
| CN104966239A (zh) * | 2015-06-30 | 2015-10-07 | 天津爱蔻科技有限公司 | 一种基于规则引擎的智能核保平台 |
| CN109243618A (zh) * | 2018-09-12 | 2019-01-18 | 腾讯科技（深圳）有限公司 | 医学模型的构建方法、疾病标签构建方法及智能设备 |
| CN109285076A (zh) * | 2018-02-07 | 2019-01-29 | 中国平安人寿保险股份有限公司 | 智能核保处理方法、服务器及存储介质 |
| TWM574295U (zh) * | 2018-11-08 | 2019-02-11 | 新光產物保險股份有限公司 | 理賠審核裝置 |
| CN110111207A (zh) * | 2019-04-12 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 核保方法及相关设备 |
-
2020
- 2020-04-21 CN CN202010316208.XA patent/CN111539834A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464925A (zh) * | 2007-12-20 | 2009-06-24 | 鸿点科技股份有限公司 | 专利保险核保评估系统及方法 |
| CN104966239A (zh) * | 2015-06-30 | 2015-10-07 | 天津爱蔻科技有限公司 | 一种基于规则引擎的智能核保平台 |
| CN109285076A (zh) * | 2018-02-07 | 2019-01-29 | 中国平安人寿保险股份有限公司 | 智能核保处理方法、服务器及存储介质 |
| CN109243618A (zh) * | 2018-09-12 | 2019-01-18 | 腾讯科技（深圳）有限公司 | 医学模型的构建方法、疾病标签构建方法及智能设备 |
| TWM574295U (zh) * | 2018-11-08 | 2019-02-11 | 新光產物保險股份有限公司 | 理賠審核裝置 |
| CN110111207A (zh) * | 2019-04-12 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 核保方法及相关设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113240531A (zh) * | 2021-05-11 | 2021-08-10 | 建信金融科技有限责任公司 | 一种数据处理方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110619568A (zh) | 风险评估报告的生成方法、装置、设备及存储介质 | |
| CN110659318B (zh) | 基于大数据的策略推送方法、系统及计算机设备 | |
| CN110276067B (zh) | 文本意图确定方法以及装置 | |
| US20100079464A1 (en) | Information processing apparatus capable of easily generating graph for comparing of a plurality of commercial products | |
| CN109087163A (zh) | 信用评估的方法及装置 | |
| CN110852894A (zh) | 保险核保方法及装置、计算机存储介质、电子设备 | |
| CN112598489B (zh) | 基于金融应用的风险监测方法及系统 | |
| CN115391669B (zh) | 一种智能推荐方法、装置、电子设备 | |
| CN115272540A (zh) | 基于虚拟客服形象的处理方法和装置、设备、介质 | |
| JP2010231685A (ja) | 就職支援装置、就職支援方法及びコンピュータプログラム | |
| WO2016203652A1 (ja) | データ分析に係るシステム、制御方法、制御プログラム、および、その記録媒体 | |
| CN111539834A (zh) | 一种预核保方法及装置 | |
| CN113934937A (zh) | 一种内容智能推荐方法、装置、终端和存储介质 | |
| CN111582757B (zh) | 欺诈风险的分析方法、装置、设备及计算机可读存储介质 | |
| WO2016189605A1 (ja) | データ分析に係るシステム、制御方法、制御プログラム、および、その記録媒体 | |
| CN113240531A (zh) | 一种数据处理方法和装置 | |
| CN116975393A (zh) | 一种企业画像的构建方法、装置及电子设备 | |
| CN114817518B (zh) | 基于大数据档案识别的证照办理方法、系统及介质 | |
| CN108073567A (zh) | 一种特征词提取处理方法、系统及服务器 | |
| CN113988825B (zh) | 基于用户画像的职位推荐方法、装置、终端及可读存储介质 | |
| CN109933704A (zh) | 车辆咨询信息处理方法及装置 | |
| CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及系统 | |
| CN115564276A (zh) | 项目统计储备管理系统、方法及存储介质 | |
| JPWO2016189606A1 (ja) | データ分析システム、制御方法、制御プログラム、および記録媒体 | |
| CN114492446A (zh) | 法律文书处理方法、装置、电子设备及存储介质 |
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 |