CN111626874A - 理赔数据处理方法、装置、设备及存储介质 - Google Patents

理赔数据处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111626874A
CN111626874A CN202010451904.1A CN202010451904A CN111626874A CN 111626874 A CN111626874 A CN 111626874A CN 202010451904 A CN202010451904 A CN 202010451904A CN 111626874 A CN111626874 A CN 111626874A
Authority
CN
China
Prior art keywords
classifier
data
processing result
processed
level
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.)
Granted
Application number
CN202010451904.1A
Other languages
English (en)
Other versions
CN111626874B (zh
Inventor
刘岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taikang Insurance Group Co Ltd
Original Assignee
Taikang Insurance Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taikang Insurance Group Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN202010451904.1A priority Critical patent/CN111626874B/zh
Publication of CN111626874A publication Critical patent/CN111626874A/zh
Application granted granted Critical
Publication of CN111626874B publication Critical patent/CN111626874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开一种理赔数据处理方法、装置、设备及存储介质。该方法包括：从客户端获取待分类理赔数据；根据预设的树状结构多分类器中的一级二分类器，对待分类理赔数据进行分类，获得第一分类结果；从树状结构多分类器的两个二级二分类器中选择其中之一，来对待分类数据进行分类，获得第二分类结果；根据树状结构多分类器的级别数量，确定是否以第二分类结果作为最终分类结果；获得待处理理赔数据的第一类别标签集合，并确定预设的第二类别标签集合中各类别标签是否均被包含于第一类别标签集合中；向客户端返回第二类别标签集合中没有被包含于第一类别标签集合中的类别标签。该方法能够降低分类器的计算压力，提升理赔数据处理的速度。

Description

理赔数据处理方法、装置、设备及存储介质
技术领域
本发明涉及数据处理领域，具体而言，涉及一种理赔数据处理方法、装置、设备及存储介质。
背景技术
分类识别在许多场景下都能用到的，尤其是与AI(Artificial Intelligence，人工智能)相关的智能化应用中，例如：客户影像资料完整性审核、客户资料类别判定、客户资料质量判定、财务发票分类识别、文本分类检索、声纹识别等。目前主要研究的重点在不同分类算法的设计与实现，而对于分类算法如何加速的研究较少。
目前理赔数据分类任务已经是一个常态化需求，例如人工智能中的人脸识别、文字识别、影像分类识别、语音和声纹识别，都涉及到理赔数据的分类问题，传统方案一般是借助GPU(Graphics Processing Unit，图形处理器)实现大数据量高密度并行计算，以达到实时的目的，但是GPU的价格是非常昂贵的，如何在分类问题上实现理赔数据的提速依然是一个亟待解决的难题。
目前为了构建一个适用于多分类的识别模型，可以采用最小二乘、逻辑回归等二分类算法，通过分类器穷举级联的方法来设计并实现多分类识别的任务。如果采用传统穷举级联的方法，计算量将非常大，例如：为了进行一个1000类目的分类任务，就需要设计50万个分类器，而且在传统方法中，只有在所有分类器全部运行完后才能给出分类结果，这其中计算资源的消耗是非常巨大的。
在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明提供一种理赔数据处理方法、装置、设备及存储介质，能够降低分类器的计算压力，提高实时性，提升理赔数据处理的速度。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明的一方面，提供一种理赔数据处理方法，其特征在于，包括：获取待处理理赔数据；根据预设的树状结构多分类器中的一级二分类器，对待处理理赔数据进行分类，获得第一处理结果；根据所述第一处理结果，从所述树状结构多分类器的两个二级二分类器中选择其中之一，来对所述待处理理赔数据进行分类，获得第二处理结果；以及根据所述树状结构多分类器的级别数量，确定是否以所述第二处理结果作为所述待处理理赔数据的最终处理结果；根据所述最终处理结果，获得所述待处理理赔数据的第一类别标签集合，并确定预设的、对应所述待处理理赔数据的业务场景的第二类别标签集合中各类别标签是否均被包含于所述第一类别标签集合中；以及向客户端返回所述第二类别标签集合中没有被包含于所述第一类别标签集合中的类别标签；其中，所述树状结构多分类器的级别数量根据所述树状结构多分类器的分类目标数量确定。
根据本发明的一实施方式，根据所述树状结构多分类器的级别数量，确定是否以所述第二处理结果作为所述待处理理赔数据的最终处理结果包括：当所述树状结构多分类器的级别数量为二时，确定所述第二处理结果为所述待处理理赔数据的最终处理结果；以及当所述级别数量大于二时，根据所述第二处理结果，继续逐级从所述树状多分类器中选择二级分类器级别之下的二分类器，来对所述待处理理赔数据进行分类，直至当前被选择的二分类器所在级别为所述级别数量中的最低级别，以所述当前被选择的二分类器的处理结果作为所述待处理理赔数据的最终处理结果。
根据本发明的一实施方式，当所述树状结构多分类器的分类目标数量为k时，所述树状结构多分类器的级别数量为k-1。
根据本发明的一实施方式，所述树状结构多分类器的结构根据下述公式确定：
一级二分类器1个，包括：
一级二分类器1-1：{C1}:{C2，C3，...Cj，...，Ck}
二级二分类器2个，包括：
二级二分类器2-1：{C2}:{C3，C4，...Cj，...，Ck}
二级二分类器2-2：{C1}:{C2，C3，...Cj，...，Ck-1}
三级二分类器3个，包括：
三级二分类器3-1：{C3}:{C4，...Cj，...，Ck}
三级二分类器3-2：{C2}:{C3，...Cj，...，Ck-1}}
三级二分类器3-3：{C1}:{C2，...Cj，...，Ck-2}
......
k-1级二分类器k-1个，包括：
k-1级二分类器(k-1)-1：{Ck-1}:{Ck}
k-1级二分类器(k-1)-2：{Ck-2}:{Ck-1}
k-1级二分类器(k-1)-3：{Ck-3}:{Ck-2}
......
k-1级二分类器(k-1)-(k-1)：{Ck-(k-2)}:{Ck-(k-1)}；
其中，{C1，C2，...Cj，...，Ck}为所述树状结构多分类器的分类目标集合，“:”表示二分类器的间隔。
根据本发明的一实施方式，根据所述第一处理结果，从所述树状结构多分类器的两个二级二分类器中选择其中之一，来对所述待处理理赔数据进行分类，获得第二处理结果，包括：当所述第一处理结果不为{C1}时，选择二级二分类器2-1来对所述待处理理赔数据进行分类；当所述第一分类结果为{C1}时，选择二级二分类器2-2来对所述待处理理赔数据进行分类。
根据本发明的一实施方式，所述待分类理赔数据包括下述数据中的至少一种：图片数据、文本数据、声音数据以及影像数据。
根据本发明的另一方面，提供一种理赔数据处理装置，其特征在于，包括：数据获取模块，用于获取待处理理赔数据；第一处理模块，用于根据预设的树状结构多分类器中的一级二分类器，对待处理理赔数据进行分类，获得第一处理结果；第二处理模块，用于根据所述第一处理结果，从所述树状结构多分类器的两个二级二分类器中选择其中之一，来对所述待处理理赔数据进行处理，获得第二处理结果；以及结果确定模块，用于根据所述树状结构多分类器的级别数量，确定是否以所述第二分类结果作为所述待分类理赔数据的最终处理结果；集合获得模块，用于根据所述最终处理结果，获得所述待处理理赔数据的第一类别标签集合，并确定预设的、对应所述待处理理赔数据的业务场景的第二类别标签集合中各类别标签是否均被包含于所述第一类别标签集合中；以及标签返回模块，用于向客户端返回所述第二类别标签集合中没有被包含于所述第一类别标签集合中的类别标签；其中，所述树状结构多分类器的级别数量根据所述树状结构多分类器的分类目标数量确定。
根据本发明的一实施方式，所述结果确定模块包括：第一结果确定模块，用于当所述树状结构多分类器的级别数量为二时，确定所述第二处理结果为所述待处理理赔数据的最终处理结果；以及第二结果确定模块，用于当所述级别数量大于二时，根据所述第二处理结果，继续逐级从所述树状多分类器中选择二级分类器级别之下的二分类器，来对所述待处理理赔数据进行分类，直至当前被选择的二分类器所在级别为所述级别数量中的最低级别，以所述当前被选择的二分类器的处理结果作为所述待处理理赔数据的最终处理结果。
根据本发明的再一方面，提供一种计算机设备，包括：存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令，所述处理器执行所述可执行指令时实现如上述任一种方法。
根据本发明的再一方面，提供一种计算机可读存储介质，其上存储有计算机可执行指令，所述可执行指令被处理器执行时实现如上述任一种方法。
根据本发明提供的理赔数据处理方法，根据预设的树状结构，逐级设置二分类器，对待处理理赔数据逐级进行处理，根据每次处理的处理结果选择下一级别的二分类器继续进行处理，直至当前被选择的二分类器所在级别为最低级别，获得最终处理结果。该方法通过预设的树状结构对理赔数据进行处理，对于分类目标数量为K的数据进行处理时，仅需使用K-1个二分类器，即可以获得最终的处理结果，从而能够降低分类器的计算压力，提高实时性，提升理赔数据处理的速度。
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，并不能限制本发明。
附图说明
通过参照附图详细描述其示例实施例，本发明的上述和其它目标、特征及优点将变得更加显而易见。
图1是根据一示例性实施例示出的一种理赔数据处理系统结构的示意图。
图2是根据一示例性实施例示出的一种理赔数据处理方法应用场景的流程图。
图3是根据一示例性实施方式示出的一种理赔数据处理方法的流程图。
图4是根据一示例性实施方式示出的另一种理赔数据处理方法的流程图。
图5是根据一示例示出的一种树状结构的示意图。
图6是根据一示例性实施方式示出的一种理赔数据处理装置的框图。
图7是根据一示例性实施方式示出的另一种理赔数据处理装置的框图。
图8是根据一示例性实施方式示出的一种电子设备的结构示意图。
图9是根据一示例性实施方式示出的一种计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本发明的示意性图解，并非一定是按比例绘制。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方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述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结构、方法、装置、实现、或者操作以避免喧宾夺主而使得本发明的各方面变得模糊。
此外，在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
图1是根据一示例性实施例示出的一种理赔数据处理系统结构的示意图。该系统包括：若干个终端120和服务器集群140。
终端120可以是手机、游戏主机、平板电脑、电子书阅读器、智能眼镜、MP4(MovingPicture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、智能家居设备、AR(Augmented Reality，增强现实)设备、VR(Virtual Reality，虚拟现实)设备等移动终端，或者，终端120也可以是个人计算机(Personal Computer，PC)，比如膝上型便携计算机和台式计算机等等。
其中，终端120中可以安装有应用程序。
终端120与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。
服务器集群140可以是一台服务器，或者由若干台服务器组成，或者是一个虚拟化平台，或者是一个云计算服务中心。服务器集群140用于为终端120中的应用程序提供后台服务。可选地，服务器集群140承担主要计算工作，终端120承担次要计算工作；或者，服务器集群140承担次要计算工作，终端120承担主要计算工作；或者，终端120和服务器集群140之间采用分布式计算架构进行协同计算。
可选地，不同的终端120中安装的应用程序的客户端是相同的，或两个终端120上安装的应用程序的客户端是不同控制系统平台的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端或者全球广域网(World Wide Web，Web)客户端等。
本领域技术人员可以知晓，上述终端120的数量可以更多或更少。比如上述终端可以仅为一个，或者上述终端为几十个或几百个，或者更多数量。本发明实施例对终端的数量和设备类型不加以限定。
可选的，该系统还可以包括管理设备(图1未示出)，该管理设备与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。
可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(ExtensibleMarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(InternetProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
在保险理赔业务中，客户通过客户端(如图1所示的终端120中安装的应用程序)上传的理赔资料通常会包含很多类别。通过服务器(如图1所示的服务器140)接收到这些理赔资料后，在审核这些理赔资料时，首先需要确认影像的完整性，这一过程耗时耗力，性价比极低。
本发明实施例提供的理赔数据处理方法可以快速实现理赔资料完整性的审核，在客户通过客户端将理赔资料上传至后台服务器后，服务器可以对上传的理赔资料进行分类，并给出分类结果，从而可节省大量的人力成本，加快理赔速度，提升客户的体验。
图2是根据一示例性实施例示出的一种理赔数据处理方法应用场景的流程图。
如图2所示，该核赔业务包括：
在步骤S1中，用户通过客户端上传理赔资料。
例如，用户可以通过客户端，对理赔资料逐张拍照，并进行上传。也即理赔资料包括多张理赔影像数据。
在步骤S2中，服务器接收客户端上传的理赔数据，并请求分类引擎对理赔数据进行分类。
分类引擎如可以被集成于该服务器中，或者也可以被集成于其他网络设备中。
在步骤S3中，分类引擎对上传的理赔数据进行分类，得到各张理赔数据的类别标签，并将各张理赔数据的类别标签发送给服务器。
在步骤S4中，服务器将各张理赔数据的类别标签进行统计，得到类别标签集合A。
在步骤S5中，判断预存的相关业务场景下的类别标签集合B中各类别标签是否均被包含于类别标签集合A。
也即检查用户上传的理赔数据是否完整。
如果是，进入步骤S6；否则，进入步骤S7。
在步骤S6中，完整性审核完毕。
在步骤S7中，向客户端返回待补充的理赔数据的类别标签。
图3是根据一示例性实施方式示出的一种理赔数据处理方法的流程图。图3所示的方法10可以在图2所示的核赔业务中的分类引擎中执行。
参考图3，理赔数据处理方法10包括：
在步骤S102中，从客户端获取待处理理赔数据。
客户端例如可以为手机、台式电脑、平板电脑等。
在一些实施例中，待处理理赔数据包括下述数据中的至少一种：图片数据、文本数据、声音数据以及影像数据。待处理的理赔数据例如可以是影像资料、人脸图片、声纹资料、财务发票、语音资料等。
以保险理赔业务中客户上传的影像资料为例，该影像资料例如可以包括32类数据：住院发票、门诊发票、费用清单、结算单、病案首页、出院小结、身份证、银行卡等。每个理赔申请例如可以包括20～500张影像。
在步骤S104中，根据预设的树状结构多分类器中的一级二分类器，对待处理理赔数据进行分类，获得第一处理结果。
二分类器对数据标注和数据量的要求较低，本发明对分类器的种类不做限定。
在一些实施例中，预设的树状结构多分类器的结构根据下述公式确定：
一级二分类器1个，包括：
一级二分类器1-1：{C1}:{C2，C3，...Cj，...，Ck}
二级二分类器2个，包括：
二级二分类器2-1：{C2}:{C3，C4，...Cj，...，Ck}
二级二分类器2-2：{C1}:{C2，C3，...Cj，...，Ck-1}
三级二分类器3个，包括：
三级二分类器3-1：{C3}:{C4，...Cj，...，Ck}
三级二分类器3-2：{C2}:{C3，...Cj，...，Ck-1}}
三级二分类器3-3：{C1}:{C2，...Cj，...，Ck-2}
......
k-1级二分类器k-1个，包括：
k-1级二分类器(k-1)-1：{Ck-1}:{Ck}
k-1级二分类器(k-1)-2：{Ck-2}:{Ck-1}
k-1级二分类器(k-1)-3：{Ck-3}:{Ck-2}
......
k-1级二分类器(k-1)-(k-1)：{Ck-(k-2)}:{Ck-(k-1)}；
其中，{C1，C2，...Cj，...，Ck}为树状结构多分类器的分类目标集合，“:”表示二分类器的间隔。
仍以上述保险理赔业务中的影像资料为例，对于该场景下的32类票据，可以设置33个(k＝33)分类任务，其中32类为业务需求类别，第33类为其它类别，用于冗余设计。针对33个类别，可以设计32个分类器。例如可以使用ResNet(残差网络)作为特征提取网络，使用SVM(Support Vector Machine，支持向量机)分类器对特征向量进行二分类，各级分类器的设计如下：
一级分类器1个：
分类器1-1：{C1}和{C2，C3，...Cj，...，C33}
二级分类器2个：
分类器2-1：{C2}和{C3，C4，...Cj，...，C33}
分类器2-2：{C1}和{C2，C3，...Cj，...，C32}
备注：2-1表示二级树下的第一个分类器，其它类同。
三级分类器3个：
分类器3-1：{C3}和{C4，...Cj，...，C33}
分类器3-2：{C2}和C3，...Cj，...，C32}
分类器3-3：{C1}和{C2，...Cj，...，C31}
......
32级分类器32个：
分类器32-1：{C32}和{C33}
分类器32-2：{C31}和{C32}
分类器32-3：{C30}和{C31}
......
分类器32-32：{C2}和{C1}在步骤S106中，根据第一处理结果，从树状结构多分类器的两个二级二分类器中选择其中之一，来对待处理数据进行分类，获得第二处理结果。
仍以上述的树状结构多分类器为例，例如，在一些实施例中，当第一处理结果不为{C1}时，选择二级二分类器2-1来对待处理理赔数据进行分类；当第一处理结果为{C1}时，选择二级二分类器2-2来对待处理理赔数据进行分类。
在步骤S108中，根据树状结构多分类器的级别数量，确定是否以第二处理结果作为待处理理赔数据的最终处理结果。
树状结构多分类器的级别数量根据树状结构多分类器的分类目标数量确定。
在一些实施例中，当所述树状结构多分类器的分类目标数量为k时，所述树状结构多分类器的级别数量为k-1。
在步骤S110中，根据最终处理结果，获得待处理理赔数据的第一类别标签集合，并确定预设的、对应待处理理赔数据的业务场景的第二类别标签集合中各类别标签是否均被包含于第一类别标签集合中。
最终处理结果例如可以为最终分类结果。
对待处理理赔数据的各最终分类结果进行统计，可以获得待处理理赔数据的第一类别标签集合。
第二类别标签集合例如可以为预设的、对应待处理理赔数据的业务场景中所需要的各类别标签的集合。
判断第二类别标签集合中的各类别标签是否均被包含于第一类别标签集合中，即判断客户上传的理赔数据是否完整；当第二类别标签集合中的各类别标签均被包含于第一类别标签集合中时，客户上传的理赔数据完整，完整性审核完毕，可以进行下一步操作；当第二类别标签集合中的各类别标签存在没有被包含于第一类别标签集合中时，可以确定出第二类别标签集合中没有被包含于第一类别集合中的类别标签。
在步骤S112中，向客户端返回第二类别标签集合中没有被包含于第一类别标签集合中的类别标签。
第二类别标签集合中没有被包含于第一类别标签集合中的类别标签，即待客户补充的理赔数据的类别标签。
需要说明的是，在本发明实施方式的理赔数据处理方法中，对树状结构多分类器中各级使用的二分类器的训练方法、分类算法等均不做限定，例如可以为常用的最小二乘、逻辑回归等二分类算法。
仍以上述保险理赔业务中的影像资料为例，在得到最终分类结果之后，分类引擎可以对各影像资料进行类别标记，并返回标记结果。
根据本发明实施方式提供的理赔数据处理方法，根据预设的树状结构，逐级设置二分类器，对待处理理赔数据逐级进行分类，根据每次处理的处理结果选择下一级别的二分类器继续进行处理，直至当前被选择的二分类器所在级别为最低级别，获得最终处理结果。该方法通过预设的树状结构对理赔数据进行处理，对于分类目标数量为K的数据进行处理时，仅需使用K-1个二分类器，即可以获得最终的处理结果，从而能够降低分类器的计算压力，提高实时性，提升理赔数据处理的速度。
应清楚地理解，本发明描述了如何形成和使用特定示例，但本发明的原理不限于这些示例的任何细节。相反，基于本发明公开的内容的教导，这些原理能够应用于许多其它实施方式。
图4是根据一示例性实施方式示出的另一种理赔数据处理方法的流程图。与图3所示的理赔数据处理方法10不同之处在于，图4进一步提供了根据树状结构多分类器的级别数量，确定是否以第二处理结果作为待处理理赔数据的最终处理结果的方法，也即图4所示的方法，进一步提供了对图3中步骤S108的实施例。
参考图4，步骤S108包括：
在步骤S1082中，当树状结构多分类器的级别数量为二时，确定第二处理结果为待分类理赔数据的最终处理结果。
当树状结构多分类器的级别数量为二时，二级分类器所在级别即为最低级别，通过二级分类器对待处理理赔数据进行分类获得的第二处理结果即为最终处理结果。
在步骤S1084中，当级别数量大于二时，根据第二处理结果，继续逐级从树状多分类器中选择二级分类器级别之下的二分类器，来对待处理理赔数据进行分类，直至当前被选择的二分类器所在级别为级别数量中的最低级别，以当前被选择的二分类器的处理结果作为待处理理赔数据的最终处理结果。
图5是根据一示例示出的一种树状结构的示意图。以树状结构多分类器的分类目标数量为5为例，预设的树状结构如图5所示。
树状结构多分类器的分类目标数量为5时，树状结构多分类器的级别数量为4，其中，各级分类器按如下规则设置：
一级二分类器1个，包括：
一级二分类器1-1：{1}:{2,3,4,5}
二级二分类器2个，包括：
二级二分类器2-1：{2}:{3,4,5}
二级二分类器2-2：{1}:{2,3,4}
三级二分类器3个，包括：
三级二分类器3-1：{3}:{4,5}
三级二分类器3-2：{2}:{3,4}
三级二分类器3-3：{1}:{2,3}
四级二分类器四个，包括：
四级二分类器4-1：{4}:{5}
四级二分类器4-2：{3}:{4}
四级二分类器4-3：{2}:{3}
四级二分类器4-4：{1}:{2}
其中，{1,2,3,4,5}为树状结构多分类器的分类目标集合，“:”表示二分类器的间隔。
以待处理理赔数据X为第5类分类目标为例，首先，获取待处理理赔数据；根据图5所示的预设的树状结构多分类器中的一级二分类器1-1，对待处理理赔数据X进行分类，获得第一处理结果为{2,3,4,5}，不为{1}，选择二级二分类器2-1来对待处理理赔数据X进行分类，获得第二处理结果为{3,4,5}。
根据一级二分类器1-1进行分类后，获得第一处理结果为{2,3,4,5}，选择左侧的二级二分类器2-1继续进行分类，后续分类过程不会再选择右侧的二级二分类器2-2，以及二级二分类器2-2下面的各个分类器，采用这种树状结构，在分类的过程中，不需要运行所有的二分类器，可以实现分类速度的快速提升。
图5所示的树状结构多分类器的级别数量为5，级别数量大于2，根据第二处理结果{3,4,5}，选择三级二分类器3-1来对待处理理赔数据X进行分类，获得第三处理结果{4,5}；根据第三处理结果{4,5}，选择四级二分类器4-1来对待处理理赔数据X进行分类，获得第四处理结果{5}；当前被选择的二分类器4-1所在级别为第四级，即树状结构多分类器的级别数量中的最低级别，以当前被选择的二分类器4-1的处理结果{5}作为待处理理赔数据的最终处理结果，即待处理理赔数据X属于第5类数据。
根据上述实施例可以看出，当树状结构多分类器的分类目标数量为5时，采用上述树状结构进行分类的过程中，只使用了4个(也是4级)二分类器，使得计算量大大降低，显著提升分类速度；并且在该树状结构中，每个级别中的分类器的类别逐渐减小，能够增加数据处理的准确度。以待处理理赔数据X为第1类分类目标为例，首先，获取待处理理赔数据；根据图5所示的预设的树状结构多分类器中的一级二分类器1-1，对待处理理赔数据X进行分类，获得第一处理结果为{1}，选择二级二分类器2-2来对待处理理赔数据X进行分类，获得第二处理结果为{1}。
图5所示的树状结构多分类器的级别数量为5，级别数量大于2，根据第二处理结果{1}，选择三级二分类器3-3来对待处理理赔数据X进行分类，获得第三处理结果{1}；根据第三处理结果{1}，选择四级二分类器4-4来对待处理数据X进行分类，获得第四处理结果{1}；当前被选择的二分类器4-4所在级别为第四级，即树状结构多分类器的级别数量中的最低级别，以当前被选择的二分类器4-4的处理结果{1}作为待处理理赔数据的最终处理结果，即待处理理赔数据X属于第1类数据。
根据上述实施例可以看出，通过树状结构多分类器中的一级二分类器1-1，对待处理理赔数据X进行分类后，获得的第一处理结果即为{1}，在此基础上继续通过一级二分类器1-1下面的二分类器进行分类，可以对处理结果进行多次确认；并且在该树状结构中，每个级别中的分类器的类别逐渐减小，在分类的过程中，可以增加数据处理的准确度。
本发明使用树状结构，可以避免各个分类器之间耦合，并且计算过程无序的问题，使用了树状结构后，分类任务是根据树的节点，逐渐确定下一分类节点的，因此可以避免绝大多数分类器参与计算，从而达到提速的目的。
根据本发明提供的理赔数据处理方法，根据预设的树状结构，逐级设置二分类器，对待处理理赔数据逐级进行分类，根据每次分类的处理结果选择下一级别的二分类器继续进行分类，直至当前被选择的二分类器所在级别为最低级别，获得最终处理结果。该方法通过预设的树状结构对理赔数据进行分类，对于分类目标数量为K的数据进行分类时，仅需使用K-1个二分类器，即可以获得最终的处理结果，从而能够降低分类器的计算压力，提高实时性，提升理赔数据处理的速度。
本领域技术人员可以理解实现上述实施方式的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本发明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发明示例性实施方式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。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
图6是根据一示例性实施方式示出的一种理赔数据处理装置的框图。
参考图6，理赔数据处理装置40包括：数据获取模块402、第一处理模块404、第二处理模块406、结果确定模块408、集合获得模块410及标签返回模块412。
其中，数据获取模块402用于获取待处理理赔数据。
在一些实施例中，待处理理赔数据包括下述数据中的至少一种：图片数据、文本数据、声音数据以及影像数据。
第一处理模块404用于根据预设的树状结构多分类器中的一级二分类器，对待处理理赔数据进行分类，获得第一处理结果。
在一些实施例中，当树状结构多分类器的分类目标数量为k时，树状结构多分类器的级别数量为k-1。
在一些实施例中，树状结构多分类器的结构根据下述公式确定：
一级二分类器1个，包括：
一级二分类器1-1：{C1}:{C2，C3，...Cj，...，Ck}
二级二分类器2个，包括：
二级二分类器2-1：{C2}:{C3，C4，...Cj，...，Ck}
二级二分类器2-2：{C1}:{C2，C3，...Cj，...，Ck-1}
三级二分类器3个，包括：
三级二分类器3-1：{C3}:{C4，...Cj，...，Ck}
三级二分类器3-2：{C2}:{C3，...Cj，...，Ck-1}}
三级二分类器3-3：{C1}:{C2，...Cj，...，Ck-2}
......
k-1级二分类器k-1个，包括：
k-1级二分类器(k-1)-1：{Ck-1}:{Ck}
k-1级二分类器(k-1)-2：{Ck-2}:{Ck-1}
k-1级二分类器(k-1)-3：{Ck-3}:{Ck-2}
......
k-1级二分类器(k-1)-(k-1)：{Ck-(k-2)}:{Ck-(k-1)}；
其中，{C1，C2，...Cj，...，Ck}为树状结构多分类器的分类目标集合，“:”表示二分类器的间隔。
第二处理模块406用于根据第一处理结果，从树状结构多分类器的两个二级二分类器中选择其中之一，来对待处理理赔数据进行分类，获得第二处理结果。
在一些实施例中，第一处理模块404用于当第一处理结果不为{C1}时，选择二级二分类器2-1来对待处理理赔数据进行分类；当第一处理结果为{C1}时，选择二级二分类器2-2来对待处理理赔数据进行分类。
结果确定模块408用于根据树状结构多分类器的级别数量，确定是否以第二分类结果作为待分类理赔数据的最终分类结果。
其中，树状结构多分类器的级别数量根据树状结构多分类器的分类目标数量确定。
根据本发明提供的理赔数据处理装置，根据预设的树状结构，逐级设置二分类器，对待处理理赔数据逐级进行分类，根据每次分类的处理结果选择下一级别的二分类器继续进行分类，直至当前被选择的二分类器所在级别为最低级别，获得最终处理结果。该装置通过预设的树状结构对理赔数据进行分类，对于分类目标数量为K的数据进行分类时，仅需使用K-1个二分类器，即可以获得最终的处理结果，从而能够降低分类器的计算压力，提高实时性，提升理赔数据处理的速度。
图7是根据一示例性实施方式示出的另一种理赔数据处理装置的框图。与图6所示的装置的不同之处在于，图7所示的装置进一步提供了图6中结果确定模块408的内部结构。
参考图7，结果确定模块408包括：第一结果确定模块4082及第二结果确定模块4084。
其中，第一结果确定模块4082用于当树状结构多分类器的级别数量为二时，确定第二处理结果为待处理理赔数据的最终处理结果。
第二结果确定模块4084用于当级别数量大于二时，根据第二处理结果，继续逐级从树状多分类器中选择二级分类器级别之下的二分类器，来对待处理理赔数据进行分类，直至当前被选择的二分类器所在级别为级别数量中的最低级别，以当前被选择的二分类器的处理结果作为待处理理赔数据的最终处理结果。
需要注意的是，上述附图中所示的框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。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。
图8是根据一示例性实施方式示出的一种电子设备的结构示意图。需要说明的是，图8示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，电子设备800以通用计算机设备的形式表现。电子设备800的组件包括：至少一个中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序代码或者从至少一个存储单元808加载到随机访问存储器(RAM)803中的程序代码而执行各种适当的动作和处理。
特别地，根据本发明的实施例，所述程序代码可以被中央处理单元801执行，使得中央处理单元801执行本说明书上述方法实施例部分中描述的根据本发明各种示例性实施方式的步骤。例如，中央处理单元801可以执行如图3或图4中所示的步骤。
在RAM 803中，还存储有电子设备800操作所需的各种程序和数据。CPU 801、ROM802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括键盘、鼠标等的输入单元806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出单元807；包括硬盘等的存储单元808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信单元809。通信单元809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储单元808。
图9是根据一示例性实施方式示出的一种计算机可读存储介质的示意图。
参考图9所示，描述了根据本发明的实施方式的设置为实现上述方法的程序产品900，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，本发明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。
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图3或图4中所示的功能。
以上具体地示出和描述了本发明的示例性实施方式。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明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。

Claims (10)

1.一种理赔数据处理方法，其特征在于，包括：
从客户端获取待处理理赔数据；
根据预设的树状结构多分类器中的一级二分类器，对所述待处理理赔数据进行分类，获得第一处理结果；
根据所述第一处理结果，从所述树状结构多分类器的两个二级二分类器中选择其中之一，来对所述待处理理赔数据进行分类，获得第二处理结果；
根据所述树状结构多分类器的级别数量，确定是否以所述第二处理结果作为所述待处理理赔数据的最终处理结果；
根据所述最终处理结果，获得所述待处理理赔数据的第一类别标签集合，并确定预设的、对应所述待处理理赔数据的业务场景的第二类别标签集合中各类别标签是否均被包含于所述第一类别标签集合中；以及
向客户端返回所述第二类别标签集合中没有被包含于所述第一类别标签集合中的类别标签；
其中，所述树状结构多分类器的级别数量根据所述树状结构多分类器的分类目标数量确定。
2.如权利要求1所述的方法，其特征在于，根据所述树状结构多分类器的级别数量，确定是否以所述第二处理结果作为所述待处理理赔数据的最终处理结果包括：
当所述树状结构多分类器的级别数量为二时，确定所述第二处理结果为所述待处理理赔数据的最终处理结果；以及
当所述级别数量大于二时，根据所述第二处理结果，继续逐级从所述树状多分类器中选择二级分类器级别之下的二分类器，来对所述待处理理赔数据进行分类，直至当前被选择的二分类器所在级别为所述级别数量中的最低级别，以所述当前被选择的二分类器的处理结果作为所述待处理理赔数据的最终处理结果。
3.如权利要求1所述的方法，其特征在于，当所述树状结构多分类器的分类目标数量为k时，所述树状结构多分类器的级别数量为k-1。
4.如权利要求3所述的方法，其特征在于，所述树状结构多分类器的结构根据下述公式确定：
一级二分类器1个，包括：
一级二分类器1-1：{C1}：{C2，C3，...Cj，...，Ck}
二级二分类器2个，包括：
二级二分类器2-1：{C2}：{C3，C4，...Cj，...，Ck}
二级二分类器2-2：{C1}：{C2，C3，...Cj，...，Ck-1}
三级二分类器3个，包括：
三级二分类器3-1：{C3}：{C4，...Cj，...，Ck}
三级二分类器3-2：{C2}：{C3，...Cj，...，Ck-1}}
三级二分类器3-3：{C1}：{C2，...Cj，...，Ck-2}
……
k-1级二分类器k-1个，包括：
k-1级二分类器(k-1)-1：{Ck-1}：{Ck}
k-1级二分类器(k-1)-2：{Ck-2}：{Ck-1}
k-1级二分类器(k-1)-3：{Ck-3}：{Ck-2}
……
k-1级二分类器(k-1)-(k-1)：{Ck-(k-2)}：{Ck-(k-1)}；
其中，{C1，C2，...Cj，...，Ck}为所述树状结构多分类器的分类目标集合，“：”表示二分类器的间隔。
5.如权利要求4所述的方法，其特征在于，根据所述第一处理结果，从所述树状结构多分类器的两个二级二分类器中选择其中之一，来对所述待处理理赔数据进行分类，获得第二处理结果，包括：当所述第一处理结果不为{C1}时，选择二级二分类器2-1来对所述待处理理赔数据进行分类；当所述第一处理结果为{C1}时，选择二级二分类器2-2来对所述待处理理赔数据进行分类。
6.如权利要求1所述的方法，其特征在于，所述待处理理赔数据包括下述数据中的至少一种：图片数据、文本数据、声音数据以及影像数据。
7.一种理赔数据处理装置，其特征在于，包括：
数据获取模块，用于从客户端获取待处理理赔数据；
第一处理模块，用于根据预设的树状结构多分类器中的一级二分类器，对所述待处理理赔数据进行分类，获得第一处理结果；
第二处理模块，用于根据所述第一处理结果，从所述树状结构多分类器的两个二级二分类器中选择其中之一，来对所述待处理理赔数据进行分类，获得第二处理结果；
结果确定模块，用于根据所述树状结构多分类器的级别数量，确定是否以所述第二处理结果作为所述待处理理赔数据的最终处理结果；
集合获得模块，用于根据所述最终处理结果，获得所述待处理理赔数据的第一类别标签集合，并确定预设的、对应所述待处理理赔数据的业务场景的第二类别标签集合中各类别标签是否均被包含于所述第一类别标签集合中；以及
标签返回模块，用于向客户端返回所述第二类别标签集合中没有被包含于所述第一类别标签集合中的类别标签；
其中，所述树状结构多分类器的级别数量根据所述树状结构多分类器的分类目标数量确定。
8.如权利要求7所述的装置，其特征在于，所述结果确定模块包括：
第一结果确定模块，用于当所述树状结构多分类器的级别数量为二时，确定所述第二处理结果为所述待处理理赔数据的最终处理结果；以及
第二结果确定模块，用于当所述级别数量大于二时，根据所述第二处理结果，继续逐级从所述树状多分类器中选择二级分类器级别之下的二分类器，来对所述待处理理赔数据进行分类，直至当前被选择的二分类器所在级别为所述级别数量中的最低级别，以所述当前被选择的二分类器的处理结果作为所述待处理理赔数据的最终处理结果。
9.一种计算机设备，包括：存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令，其特征在于，所述处理器执行所述可执行指令时实现如权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现如权利要求1-6任一项所述的方法。
CN202010451904.1A 2020-05-25 2020-05-25 理赔数据处理方法、装置、设备及存储介质 Active CN111626874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010451904.1A CN111626874B (zh) 2020-05-25 2020-05-25 理赔数据处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010451904.1A CN111626874B (zh) 2020-05-25 2020-05-25 理赔数据处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111626874A true CN111626874A (zh) 2020-09-04
CN111626874B CN111626874B (zh) 2023-04-25

Family

ID=72260701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010451904.1A Active CN111626874B (zh) 2020-05-25 2020-05-25 理赔数据处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111626874B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170109615A1 (en) * 2015-10-16 2017-04-20 Google Inc. Systems and Methods for Automatically Classifying Businesses from Images
CN108174289A (zh) * 2017-12-28 2018-06-15 泰康保险集团股份有限公司 一种影像资料处理方法、装置、介质和电子设备
US20180349776A1 (en) * 2017-06-01 2018-12-06 Accenture Global Solutions Limited Data reconciliation
CN109034206A (zh) * 2018-06-29 2018-12-18 泰康保险集团股份有限公司 图像分类识别方法、装置、电子设备及计算机可读介质
US20190102655A1 (en) * 2017-09-29 2019-04-04 Baidu Online Network Technology (Beijing) Co., Ltd . Training data acquisition method and device, server and storage medium
US20190279293A1 (en) * 2018-03-08 2019-09-12 Capital One Services, Llc Image analysis and identification using machine learning with output estimation
WO2019214308A1 (zh) * 2018-05-10 2019-11-14 阿里巴巴集团控股有限公司 一种理赔业务的数据处理方法、装置、设备及服务器
CN110472053A (zh) * 2019-08-05 2019-11-19 广联达科技股份有限公司 一种面向公共资源招投标公告数据的自动分类方法及其系统
CN110852365A (zh) * 2019-10-31 2020-02-28 北京交通大学 一种zpw-2000a型无绝缘轨道电路故障诊断方法
CN110991551A (zh) * 2019-12-13 2020-04-10 北京百度网讯科技有限公司 样本处理方法、装置、电子设备和存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170109615A1 (en) * 2015-10-16 2017-04-20 Google Inc. Systems and Methods for Automatically Classifying Businesses from Images
US20180349776A1 (en) * 2017-06-01 2018-12-06 Accenture Global Solutions Limited Data reconciliation
US20190102655A1 (en) * 2017-09-29 2019-04-04 Baidu Online Network Technology (Beijing) Co., Ltd . Training data acquisition method and device, server and storage medium
CN108174289A (zh) * 2017-12-28 2018-06-15 泰康保险集团股份有限公司 一种影像资料处理方法、装置、介质和电子设备
US20190279293A1 (en) * 2018-03-08 2019-09-12 Capital One Services, Llc Image analysis and identification using machine learning with output estimation
WO2019214308A1 (zh) * 2018-05-10 2019-11-14 阿里巴巴集团控股有限公司 一种理赔业务的数据处理方法、装置、设备及服务器
CN109034206A (zh) * 2018-06-29 2018-12-18 泰康保险集团股份有限公司 图像分类识别方法、装置、电子设备及计算机可读介质
CN110472053A (zh) * 2019-08-05 2019-11-19 广联达科技股份有限公司 一种面向公共资源招投标公告数据的自动分类方法及其系统
CN110852365A (zh) * 2019-10-31 2020-02-28 北京交通大学 一种zpw-2000a型无绝缘轨道电路故障诊断方法
CN110991551A (zh) * 2019-12-13 2020-04-10 北京百度网讯科技有限公司 样本处理方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN111626874B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
WO2019196546A1 (zh) 确定业务请求事件的风险概率的方法及装置
WO2020077895A1 (zh) 签约意向判断方法、装置、计算机设备和存储介质
CN112507936B (zh) 图像信息审核方法、装置、电子设备及可读存储介质
WO2021174944A1 (zh) 基于目标对象活跃度的消息推送方法及相关设备
WO2022126963A1 (zh) 基于客户应答语料的客户画像方法及其相关设备
CN111507470A (zh) 一种异常账户的识别方法及装置
CN111966886A (zh) 对象推荐方法、对象推荐装置、电子设备及存储介质
US20230245485A1 (en) Multimodal multitask machine learning system for document intelligence tasks
CN114265967A (zh) 一种敏感数据安全等级标注方法及装置
CN113807940B (zh) 信息处理和欺诈行为识别方法、装置、设备及存储介质
CN112528315A (zh) 识别敏感数据的方法和装置
CN111651552A (zh) 结构化信息确定方法、装置和电子设备
CN112668482A (zh) 人脸识别训练方法、装置、计算机设备及存储介质
CN114971294A (zh) 数据采集方法、装置、设备及存储介质
WO2023024408A1 (zh) 用户特征向量确定方法、相关设备及介质
CN113887214A (zh) 基于人工智能的意愿推测方法、及其相关设备
CN115983982A (zh) 信贷风险识别方法、装置、设备及计算机可读存储介质
WO2023284516A1 (zh) 基于知识图谱的信息推荐方法、装置、设备、介质及产品
CN115809930A (zh) 基于数据融合匹配的反欺诈分析方法、装置、设备及介质
CN111626874A (zh) 理赔数据处理方法、装置、设备及存储介质
CN112507912B (zh) 一种识别违规图片的方法及装置
CN115099875A (zh) 基于决策树模型的数据分类方法及相关设备
CN113988878A (zh) 一种基于图数据库技术的反欺诈方法及系统
CN116843432B (zh) 一种基于地址文本信息的反欺诈方法和装置
CN114840686B (zh) 基于元数据的知识图谱构建方法、装置、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
GR01 Patent grant
GR01 Patent grant