CN113240531A - 一种数据处理方法和装置 - Google Patents
一种数据处理方法和装置 Download PDFInfo
- Publication number
- CN113240531A CN113240531A CN202110510366.3A CN202110510366A CN113240531A CN 113240531 A CN113240531 A CN 113240531A CN 202110510366 A CN202110510366 A CN 202110510366A CN 113240531 A CN113240531 A CN 113240531A
- Authority
- CN
- China
- Prior art keywords
- underwriting
- data
- risk
- policy
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 96
- 238000012502 risk assessment Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 238000003058 natural language processing Methods 0.000 claims description 27
- 238000003745 diagnosis Methods 0.000 claims description 24
- 201000010099 disease Diseases 0.000 claims description 14
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 14
- 238000013210 evaluation model Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013499 data model Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开数据处理方法和装置，涉及人工智能技术领域。该方法一具体实施方式包括接收业务系统发送的保单数据处理请求，提取保单数据处理请求非结构化源数据的单据要素，从数据库中获取保单数据处理请求结构化源数据的单据要素，整合非结构化数据源的单据要素和结构化数据源的单据要素，生成全量保单内容数据；调用核保匹配组件，判断全量保单内容数据是否匹配得到对应的标准配置信息，若是则基于标准配置信息得到核保结论返回至业务系统；若否则基于风险评估模型对全量保单内容数据处理得到风险评估等级，通过核保知识图谱得到风险因子，将风险评估等级和风险因子返回至业务系统。从而，本发明能够解决现有核保数据处理效率低，局限性大的问题。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种数据处理方法和装置。
背景技术
投保人向保险公司投保，保险公司需要针对被保险人目前的各方面情况进行审核，得出核保结论，如：标准体承保，非标体承保，拒保。其中非标体承保包括：除外，加费，延迟承保等。保险公司审核被保险人与投保人等信息的过程，称之为核保。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
现有核保的方案有三种：人工核保、核保规则自动匹配核保和基于保单图像数据的智能核保。其中，人工核保方法，需要有专业核保背景的员工对保单相关数据人工进行逐一审核，核保工作量巨大，对于某些被保人的风险点，不同核保人的判读结果不一样，得到的核保结论也不一致。核保规则自动匹配核保方法，是将保单的被保人及投保人各种信息与已有核保规则进行匹配，自动给出核保结论，因为核保规则要完全匹配才能通过标准体承保，与核保规则稍有不同就将投保单判为非标体，需要人工进一步审核。因此，核保规则自动匹配核保法在减少人工工作量上仍然存在局限性，且无法给出明确结论。基于保单图像数据的智能核保方法，采集保单的图像数据，获取目标投保单的内容数据，利用人工智能核保模型对目标投保单的内容数据进行处理，得到目标核保单的核保结果。这种核保方法依赖保单的相关图像信息为标准化模板或固定样式，且给出的核保结论，没有显示得到该结论的判断或推导依据。
发明内容
有鉴于此，本发明实施例提供一种数据处理方法和装置，能够解决现有核保数据处理效率低，局限性大的问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种数据处理方法，包括接收业务系统发送的保单数据处理请求，基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素，以及从数据库中获取所述保单数据处理请求对应的结构化源数据的单据要素，以整合非结构化数据源的单据要素和结构化数据源的单据要素，生成全量保单内容数据；调用预设的核保匹配组件，根据预设的核保规则判断所述全量保单内容数据是否匹配得到对应的标准配置信息，若是则基于所述标准配置信息得到核保结论并返回至业务系统；若否则基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级，且通过预设的核保知识图谱得到风险因子，将风险评估等级和风险因子作为核保结论返回至业务系统。
可选地，基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素的单据要素，包括：
获取所述保单数据处理请求对应的非结构化源数据，通过OCR算法进行文本检测得到文本区域，以对文本区域进行文本识别得到文本数据，进而提取单据要素。
可选地，对文本区域进行文本识别得到文本数据，进而提取单据要素，包括：
对文本区域进行文本识别得到文本数据，进而通过自然语言处理算法和领域词典提取单据要素。
可选地，通过自然语言处理算法和领域词典提取单据要素之后，包括：
获取所述单据要素中的诊断结果信息，判断所述诊断结果信息是否确定为疾病类型，若是则直接输出所述单据要素；若否则基于所述诊断结果信息进行患病概率评估，以将通过自然语言处理算法和领域词典提取的单据要素与患病概率评估结果输出。
可选地，基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级之前，包括：
从预设的风险数据库中获取历史全量保单内容数据，对预设的机器学习模型进行训练，以得到风险评估模型；其中，风险数据库为配置的核保风险数据模型结构。
可选地，通过预设的核保知识图谱得到风险因子之前，包括：
从预设的风险数据库中获取历史全量保单内容数据，确定保单实体，抽取关系数据进行知识融合，以构建基于各个相关维度属性的核保知识图谱。
可选地，包括：
通过预设的核保应用服务接口，实时进行风险数据库的增量更新。
可选地，将风险评估等级和风险因子作为核保结论，包括：
根据所述风险评估等级判断是否承保，若是则根据预设的非标体核保规则，对风险因子进行匹配，以得到承保策略返回至业务系统；若否则将拒保作为核保结论返回至业务系统。
另外，本发明还提供了一种数据处理装置，包括获取模块，用于接收业务系统发送的保单数据处理请求，基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素，以及从数据库中获取所述保单数据处理请求对应的结构化源数据的单据要素，以整合非结构化数据源的单据要素和结构化数据源的单据要素，生成全量保单内容数据；
处理模块，用于调用预设的核保匹配组件，根据预设的核保规则判断所述全量保单内容数据是否匹配得到对应的标准配置信息，若是则基于所述标准配置信息得到核保结论并返回至业务系统；若否则基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级，且通过预设的核保知识图谱得到风险因子，将风险评估等级和风险因子作为核保结论返回至业务系统。
可选地，获取模块基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素的单据要素，包括：
获取所述保单数据处理请求对应的非结构化源数据，通过OCR算法进行文本检测得到文本区域，以对文本区域进行文本识别得到文本数据，进而提取单据要素。
可选地，获取模块对文本区域进行文本识别得到文本数据，进而提取单据要素，包括：
对文本区域进行文本识别得到文本数据，进而通过自然语言处理算法和领域词典提取单据要素。
可选地，获取模块通过自然语言处理算法和领域词典提取单据要素之后，包括：
获取所述单据要素中的诊断结果信息，判断所述诊断结果信息是否确定为疾病类型，若是则直接输出所述单据要素；若否则基于所述诊断结果信息进行患病概率评估，以将通过自然语言处理算法和领域词典提取的单据要素与患病概率评估结果输出。
可选地，处理模块基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级之前，包括：
从预设的风险数据库中获取历史全量保单内容数据，对预设的机器学习模型进行训练，以得到风险评估模型；其中，风险数据库为配置的核保风险数据模型结构。
可选地，处理模块通过预设的核保知识图谱得到风险因子之前，包括：
从预设的风险数据库中获取历史全量保单内容数据，确定保单实体，抽取关系数据进行知识融合，以构建基于各个相关维度属性的核保知识图谱。
可选地，处理模块，还用于：
通过预设的核保应用服务接口，实时进行风险数据库的增量更新。
可选地，处理模块将风险评估等级和风险因子作为核保结论，包括：
根据所述风险评估等级判断是否承保，若是则根据预设的非标体核保规则，对风险因子进行匹配，以得到承保策略返回至业务系统；若否则将拒保作为核保结论返回至业务系统。
另外，本申请还提供了一种电子设备，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述的数据处理方法。
另外，本申请还提供了一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现如上述的数据处理方法。
上述发明中的一个实施例具有如下优点或有益效果：本发明利用标准核保模型、风险评估模型以及核保知识图谱，通过智能数据采集功能，对不同情况的目标保单的内容数据进行多种自动处理，并自动得到核保结论，以及展示核保结论的判断依据，从而降低核保成本，提高核保效率、核保的准确率以及核保结论的一致性，同时进一步提高核保准确率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明第一实施例的数据处理方法的主要流程的示意图；
图2是根据本发明实施例的单据元素识别与提取的示意图；
图3是根据本发明实施例的核保风险评估模型训练示意图；
图4是根据本发明实施例的健康风险评估结果的示意图；
图5是根据本发明实施例的健康报告示意图；
图6是根据本发明实施例的家庭成员病史的示意图；
图7是根据本发明第二实施例的数据处理方法的主要流程的示意图；
图8是根据本发明第二实施例的智能核保的主要流程的示意图；
图9是根据本发明实施例的数据处理装置的主要模块的示意图；
图10是本发明实施例可以应用于其中的示例性系统架构图；
图11是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例的数据处理方法的主要流程的示意图，如图1所示，所述数据处理方法包括：
步骤S101，接收业务系统发送的保单数据处理请求，基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素，以及从数据库中获取所述保单数据处理请求对应的结构化源数据的单据要素，以整合非结构化数据源的单据要素和结构化数据源的单据要素，生成全量保单内容数据。
在实施例中，基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素的单据要素，具体的实施过程包括：获取所述保单数据处理请求对应的非结构化源数据，通过OCR算法进行文本检测得到文本区域，以对文本区域进行文本识别得到文本数据，进而提取单据要素。较佳的，对文本区域进行文本识别得到文本数据，进而通过自然语言处理算法和领域词典提取单据要素。其中，OCR是指对文本资料进行扫描后对图像文件进行分析处理，获取文字及版面信息的过程。自然语言处理算法是指让计算机接受用户自然语言形式的输入，并在内部通过人类所定义的算法进行加工、计算等系列操作，以模拟人类对自然语言的理解，并返回用户所期望的结果。
值得说明的是，如图2所示，如果保单数据处理请求中的保单数据既包括结构化数据也包括非结构化数据，则对结构化数据直接从数据库中提取对应的单据要素，对非结构化数据通过OCR算法进行文本检测得到文本区域，以对文本区域进行文本识别得到文本数据，提取单据要素。然后，再将通过结构化数据得到的单据要素与通过非结构化数据得到的单据要素进行整合，得到全量保单内容数据即最终能够进行后续步骤处理的单据要素。
优选地，利用智能OCR技术从影像中进行文本检测，得到若干文本区域，并对文本区域进行文本识别得到文本数据。之后基于预设的配置规则剔除无用数据，对有用的文本数据智能处理(如自然语言处理NLP及领域词典)提取核保所需的单据要素。
进一步地实施例，通过自然语言处理算法和领域词典提取单据要素之后可以获取所述单据要素中的诊断结果信息，判断所述诊断结果信息是否确定为疾病类型，若是则直接输出所述单据要素；若否则基于所述诊断结果信息进行患病概率评估，以将通过自然语言处理算法和领域词典提取的单据要素与患病概率评估结果(例如患某疾病的概率信息等)输出。也就是说，本发明可以通过对非结构化源数据的处理得到历史患病情况，即实现了健康告知，使得全量保单内容数据进行核保时更为准确。
其中，基于所述诊断结果信息进行患病概率评估的时候，可以根据历史具有所述诊断结果信息的用户的患病情况确定患病概率评估结果。
可以看出，本发明该实施例自动化采集投保单、体检报告、收入证明等形式各异的单据影像数据(非结构化数据)，以及融合保单的各种其他结构化内容数据(投保信息)直接提取源数据。在单据要素智能识别与提取模块中，通过人工智能自然语言处理NLP、领域词典等技术的应用，解决体检报告、收入证明等无固定格式的影像资料的业务要素智能提取的难题(不依赖固定模板和样式)，实现了影像结构化，数据资产增值。
步骤S102，调用预设的核保匹配组件，根据预设的核保规则判断所述全量保单内容数据是否匹配得到对应的标准配置信息，若是则基于所述标准配置信息得到核保结论并返回至业务系统；若否则基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级，且通过预设的核保知识图谱得到风险因子，将风险评估等级和风险因子作为核保结论返回至业务系统。
在实施例中，本发明通过核保匹配组件对于核保客户进行标准体与非标准体识别，并分别调用对应的核保模型得出核保结论。
作为一些实施例，基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级之前，可以对风险评估模型进行训练，具体的实施过程包括：从预设的风险数据库中获取历史全量保单内容数据，对预设的机器学习模型进行训练，以得到风险评估模型；其中，风险数据库为配置的核保风险数据模型结构。如图3所示，用历史全量保单内容数据训练并调优风险评估模型。新的保单数据处理请求经过处理生成的全量保单内容数据(即单据要素例如客户信息、投保记录、体检记录、病史记录等等)输入到风险智能评估模型后，将得到被保人风险评估等级。
也就是说，基于AI机器学习技术(例如线性回归、支持向量机、朴素贝叶斯等等)，将核保人员的风险评估经验沉淀到风险评估模型中，解决人工核保时核保结论可能不一致的问题，并且能大幅减少人工核保工作量，提高核保效率。
另外，通过预设的核保知识图谱得到风险因子之前，可以对核保知识图谱进行训练，具体的实施过程包括：从预设的风险数据库中获取历史全量保单内容数据，确定保单实体，抽取关系数据进行知识融合，以构建基于各个相关维度属性的核保知识图谱。
例如，从历史全量保单内容数据的全量保单实体(如投保人，受益人，医疗结构，疾病名称等)中抽取各种关系(亲属关系，投保关系，理赔关系，诊疗关系等)，进行知识融合(如实体消歧与链接，以及知识合并)，从而构建基于客户的各个相关维度属性的展示，图4所示健康风险评估结果，如图5所示健康报告，图6所示家庭成员病史。也就是说，核保知识图谱以风险数据库为数据源，通过知识建模，基于图谱呈现AI风险评估等级及相关风险因子，作为核保决策的依据展现，也就是说，与客户相关联的各个维度都会影响该客户的核保结果。另外，基于知识图谱呈现核保结论便于人工校正风险评估模型判别偏差，不断优化提高核保准确率。例如间隔一段时间就对风险评估模型进行校正。
需要说明的是，对核保风险评估相关的历史全量保单内容数据进行离线采集和加工处理，通过ETL方式一次性初始化风险数据库。而风险数据库迭代更新方式是通过预设的核保应用服务接口，实时进行风险数据库的增量更新。其中，ETL为Extraction-Transformation-Loading的缩写，中文名为数据抽取、转换和加载。
也就是说，风险数据库为一套标准的核保风险数据模型结构，不受业务系统的变更而影响。数据模型以保险客户为中心，刻画个人核保风险相关要素为目标，用于个人核保风险智能评估模型的数据来源及核保知识图谱构建与更新。并且可以记录智能模型评估结果和人工反馈结果，为模型评估和模型持续迭代学习提供数据基础。
作为另一些实施例，将风险评估等级和风险因子作为核保结论时，还可以根据所述风险评估等级判断是否承保(例如根据等级配置信息高于三级的则拒保。)。根据判断结果，若是则根据预设的非标体核保规则，对风险因子进行匹配，以得到承保策略返回至业务系统；若否则将拒保作为核保结论返回至业务系统。例如：承保策略可以包括增加保费、延长保险生效时间等等
综上所述，本发明为减少人工审核工作量，提高核保效率，并消除因核保人员主观判断导致核保结论不一致的问题，基于AI机器学习技术，通过历史保单的各种数据训练并调优风险评估模型，让计算机成为风险评估专家，提供智能核保结论。并且，为解决体检报告、收入证明等无固定格式的影像资料的业务要素智能提取的难题(不依赖固定模板和样式)，本发明设计应用人工智能NLP、领域词典等技术，对从影像数据中提取的文本数据先做NER(命名实体识别)，从而提取核保所需的关键要素信息(如标准化体检结论描述)，最终使得影像结构化，数据资产增值，提高风险智能评估模型判别准确率，进一步减少人工工作量，提高核保效率。另外，构建了核保知识图谱，返回智能核保结论的同时，基于图谱呈现核保结论的依据，便于人工校正模型判别偏差，不断优化风险智能评估模型，提高核保准确率。
如图7和图8，本发明所述数据处理方法第二实施例的具体实施过程包括：
从数据库中提取已有投保信息、以及通过OCR算法对单据影像识别，整合生成全量保单内容数据。该已有投保信息包括但不限于来自结构化数据源的投保人/被保人基本信息(如年龄，体重，投保产品等)。通过OCR算法对单据影像识别则是，通过NLP(自然语言处理)提取识别的重要核保要素数据，以及获取重要核保要素数据中的诊断结果信息，判断诊断结果信息是否确定为疾病类型，若是则直接输出所述重要核保要素数据；若否则基于诊断结果信息进行患病概率评估，以将通过自然语言处理算法和领域词典提取的重要核保要素数据与患病概率评估结果输出。例如：标准化体检结论，得到患某种疾病的概率。
调用预设的核保匹配组件，根据预设的核保规则判断所述全量保单内容数据是否匹配得到对应的标准配置信息，对于结论为标准体(即符合标准配置信息)则基于预设的标准核保规则直接生成承保或者拒保的核保结论并返回业务系统。对于结论为非标准体(即不符合标准配置信息)，进一步通过智能核保应用进行自动核保，并将智能审核的结论返回业务系统，并且将得出该核保结论的依据(风险因子)以知识图谱的形式展现。
其中，智能核保应用如图8所示，将全量保单内容数据发送至风险评估模型得到风险评估等级，同时通过核保知识图谱构建核保图谱实例得到风险因子。智能核保应用以统一的服务接口向业务系统返回智能核保结论，并展示核保结论的依据即风险因子。
图9是根据本发明实施例的数据处理装置的主要模块的示意图，如图9所示，所述数据处理装置包括获取模块901和处理模块902。其中，获取模块901接收业务系统发送的保单数据处理请求，基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素，以及从数据库中获取所述保单数据处理请求对应的结构化源数据的单据要素，以整合非结构化数据源的单据要素和结构化数据源的单据要素，生成全量保单内容数据；处理模块902调用预设的核保匹配组件，根据预设的核保规则判断所述全量保单内容数据是否匹配得到对应的标准配置信息，若是则基于所述标准配置信息得到核保结论并返回至业务系统；若否则基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级，且通过预设的核保知识图谱得到风险因子，将风险评估等级和风险因子作为核保结论返回至业务系统。
在一些实施例中，获取模块901基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素的单据要素，包括：
获取所述保单数据处理请求对应的非结构化源数据，通过OCR算法进行文本检测得到文本区域，以对文本区域进行文本识别得到文本数据，进而提取单据要素。
在一些实施例中，获取模块901对文本区域进行文本识别得到文本数据，进而提取单据要素，包括：
对文本区域进行文本识别得到文本数据，进而通过自然语言处理算法和领域词典提取单据要素。
在一些实施例中，获取模块901通过自然语言处理算法和领域词典提取单据要素之后，包括：
获取所述单据要素中的诊断结果信息，判断所述诊断结果信息是否确定为疾病类型，若是则直接输出所述单据要素；若否则基于所述诊断结果信息进行患病概率评估，以将通过自然语言处理算法和领域词典提取的单据要素与患病概率评估结果输出。
在一些实施例中，处理模块902基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级之前，包括：
从预设的风险数据库中获取历史全量保单内容数据，对预设的机器学习模型进行训练，以得到风险评估模型；其中，风险数据库为配置的核保风险数据模型结构。
在一些实施例中，处理模块902通过预设的核保知识图谱得到风险因子之前，包括：
从预设的风险数据库中获取历史全量保单内容数据，确定保单实体，抽取关系数据进行知识融合，以构建基于各个相关维度属性的核保知识图谱。
在一些实施例中，处理模块902，还用于：
通过预设的核保应用服务接口，实时进行风险数据库的增量更新。
在一些实施例中，处理模块902将风险评估等级和风险因子作为核保结论，包括：
根据所述风险评估等级判断是否承保，若是则根据预设的非标体核保规则，对风险因子进行匹配，以得到承保策略返回至业务系统；若否则将拒保作为核保结论返回至业务系统。
需要说明的是，在本发明所述数据处理方法和所述数据处理装置在具体实施内容上具有相应关系，故重复内容不再说明。
图10示出了可以应用本发明实施例的数据处理方法或数据处理装置的示例性系统架构1000。
如图10所示，系统架构1000可以包括终端设备1001、1002、1003，网络1004和服务器1005。网络1004用以在终端设备1001、1002、1003和服务器1005之间提供通信链路的介质。网络1004可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备1001、1002、1003通过网络1004与服务器1005交互，以接收或发送消息等。终端设备1001、1002、1003上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备1001、1002、1003可以是具有数据处理屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器1005可以是提供各种服务的服务器，例如对用户利用终端设备1001、1002、1003所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的数据处理方法一般由服务器1005执行，相应地，计算装置一般设置于服务器1005中。
应该理解，图10中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图11，其示出了适于用来实现本发明实施例的终端设备的计算机系统1100的结构示意图。图11示出的终端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11所示，计算机系统1100包括中央处理单元(CPU)1101，其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM1103中，还存储有计算机系统1100操作所需的各种程序和数据。CPU1101、ROM1102以及RAM1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
以下部件连接至I/O接口1105：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(CRT)、液晶数据处理器(LCD)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111，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1110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部分1108。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元(CPU)1101执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机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。而在本发明中，计算机可读的信号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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机可读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、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块和处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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，使得该设备包括接收业务系统发送的保单数据处理请求，基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素，以及从数据库中获取所述保单数据处理请求对应的结构化源数据的单据要素，以整合非结构化数据源的单据要素和结构化数据源的单据要素，生成全量保单内容数据；调用预设的核保匹配组件，根据预设的核保规则判断所述全量保单内容数据是否匹配得到对应的标准配置信息，若是则基于所述标准配置信息得到核保结论并返回至业务系统；若否则基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级，且通过预设的核保知识图谱得到风险因子，将风险评估等级和风险因子作为核保结论返回至业务系统
根据本发明实施例的技术方案，能够解决现有核保数据处理效率低，局限性大的问题。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (17)
1.一种数据处理方法，其特征在于，包括：
接收业务系统发送的保单数据处理请求，基于预设的识别模型提取所述保单数据处理请求对应的非结构化源数据的单据要素，以及从数据库中获取所述保单数据处理请求对应的结构化源数据的单据要素，以整合非结构化数据源的单据要素和结构化数据源的单据要素，生成全量保单内容数据；
调用预设的核保匹配组件，根据预设的核保规则判断所述全量保单内容数据是否匹配得到对应的标准配置信息，若是则基于所述标准配置信息得到核保结论并返回至业务系统；若否则基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级，且通过预设的核保知识图谱得到风险因子，将风险评估等级和风险因子作为核保结论返回至业务系统。
2.根据权利要求1所述的方法，其特征在于，基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素，包括：
获取所述保单数据处理请求对应的非结构化源数据，通过OCR算法进行文本检测得到文本区域，以对文本区域进行文本识别得到文本数据，进而提取单据要素。
3.根据权利要求2所述的方法，其特征在于，对文本区域进行文本识别得到文本数据，进而提取单据要素，包括：
对文本区域进行文本识别得到文本数据，进而通过自然语言处理算法和领域词典提取单据要素。
4.根据权利要求3所述的方法，其特征在于，通过自然语言处理算法和领域词典提取单据要素之后，包括：
获取所述单据要素中的诊断结果信息，判断所述诊断结果信息是否确定为疾病类型，若是则直接输出所述单据要素；若否则基于所述诊断结果信息进行患病概率评估，以将通过自然语言处理算法和领域词典提取的单据要素与患病概率评估结果输出。
5.根据权利要求1所述的方法，其特征在于，基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级之前，包括：
从预设的风险数据库中获取历史全量保单内容数据，对预设的机器学习模型进行训练，以得到风险评估模型；其中，风险数据库为配置的核保风险数据模型结构。
6.根据权利要求1所述的方法，其特征在于，通过预设的核保知识图谱得到风险因子之前，包括：
从预设的风险数据库中获取历史全量保单内容数据，确定保单实体，抽取关系数据进行知识融合，以构建基于各个相关维度属性的核保知识图谱。
7.根据权利要求5或6所述的方法，其特征在于，包括：
通过预设的核保应用服务接口，实时进行风险数据库的增量更新。
8.根据权利要求1所述的方法，其特征在于，将风险评估等级和风险因子作为核保结论，包括：
根据所述风险评估等级判断是否承保，若是则根据预设的非标体核保规则，对风险因子进行匹配，以得到承保策略返回至业务系统；若否则将拒保作为核保结论返回至业务系统。
9.一种数据处理装置，其特征在于，包括：
获取模块，用于接收业务系统发送的保单数据处理请求，基于预设的识别模型提取所述保单数据处理请求对应的非结构化源数据的单据要素，以及从数据库中获取所述保单数据处理请求对应的结构化源数据的单据要素，以整合非结构化数据源的单据要素和结构化数据源的单据要素，生成全量保单内容数据；
处理模块，用于调用预设的核保匹配组件，根据预设的核保规则判断所述全量保单内容数据是否匹配得到对应的标准配置信息，若是则基于所述标准配置信息得到核保结论并返回至业务系统；若否则基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级，且通过预设的核保知识图谱得到风险因子，将风险评估等级和风险因子作为核保结论返回至业务系统。
10.根据权利要求9所述的装置，其特征在于，获取模块基于预设的识别模型，提取所述保单数据处理请求对应的非结构化源数据的单据要素，包括：
获取所述保单数据处理请求对应的非结构化源数据，通过OCR算法进行文本检测得到文本区域，以对文本区域进行文本识别得到文本数据，进而提取单据要素。
11.根据权利要求10所述的装置，其特征在于，获取模块对文本区域进行文本识别得到文本数据，进而提取单据要素，包括：
对文本区域进行文本识别得到文本数据，进而通过自然语言处理算法和领域词典提取单据要素。
12.根据权利要求11所述的方法，其特征在于，获取模块通过自然语言处理算法和领域词典提取单据要素之后，包括：
获取所述单据要素中的诊断结果信息，判断所述诊断结果信息是否确定为疾病类型，若是则直接输出所述单据要素；若否则基于所述诊断结果信息进行患病概率评估，以将通过自然语言处理算法和领域词典提取的单据要素与患病概率评估结果输出。
13.根据权利要求9所述的装置，其特征在于，处理模块基于预设的风险评估模型对所述全量保单内容数据进行处理得到风险评估等级之前，包括：
从预设的风险数据库中获取历史全量保单内容数据，对预设的机器学习模型进行训练，以得到风险评估模型；其中，风险数据库为配置的核保风险数据模型结构。
14.根据权利要求7所述的装置，其特征在于，处理模块通过预设的核保知识图谱得到风险因子之前，包括：
从预设的风险数据库中获取历史全量保单内容数据处理，确定保单实体，抽取关系数据进行知识融合，以构建基于各个相关维度属性的核保知识图谱。
15.根据权利要求13或14所述的装置，其特征在于，处理模块，还用于：
通过预设的核保应用服务接口，实时进行风险数据库的增量更新。
16.一种电子设备，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1-8中任一所述的方法。
17.一种计算机可读介质，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1-8中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110510366.3A CN113240531A (zh) | 2021-05-11 | 2021-05-11 | 一种数据处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110510366.3A CN113240531A (zh) | 2021-05-11 | 2021-05-11 | 一种数据处理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113240531A true CN113240531A (zh) | 2021-08-10 |
Family
ID=77133336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110510366.3A Pending CN113240531A (zh) | 2021-05-11 | 2021-05-11 | 一种数据处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240531A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BE1029657B1 (nl) * | 2022-01-24 | 2023-02-28 | Allianz Benelux | Computer geïmplementeerde werkwijze voor het verlenen van een verzekeringspolis |
| WO2024013369A1 (en) * | 2022-07-14 | 2024-01-18 | Swiss Reinsurance Company Ltd. | Automated, parameter-pattern-driven, data mining system based on customizable chain of machine-learning-structures providing an automated data-processing pipeline, and method thereof |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7966203B1 (en) * | 2009-02-27 | 2011-06-21 | Millennium Information Services | Property insurance risk assessment using application data |
| 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 |
| CN110852894A (zh) * | 2019-11-04 | 2020-02-28 | 泰康保险集团股份有限公司 | 保险核保方法及装置、计算机存储介质、电子设备 |
| CN111179095A (zh) * | 2018-11-09 | 2020-05-19 | 天津幸福生命科技有限公司 | 基于健康风险评估的核保方法、系统、设备及存储介质 |
| CN111539834A (zh) * | 2020-04-21 | 2020-08-14 | 慧择保险经纪有限公司 | 一种预核保方法及装置 |
| CN112150298A (zh) * | 2020-09-28 | 2020-12-29 | 建信金融科技有限责任公司 | 数据处理方法、系统、设备及可读介质 |
-
2021
- 2021-05-11 CN CN202110510366.3A patent/CN113240531A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7966203B1 (en) * | 2009-02-27 | 2011-06-21 | Millennium Information Services | Property insurance risk assessment using application data |
| CN111179095A (zh) * | 2018-11-09 | 2020-05-19 | 天津幸福生命科技有限公司 | 基于健康风险评估的核保方法、系统、设备及存储介质 |
| 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 |
| CN110852894A (zh) * | 2019-11-04 | 2020-02-28 | 泰康保险集团股份有限公司 | 保险核保方法及装置、计算机存储介质、电子设备 |
| CN111539834A (zh) * | 2020-04-21 | 2020-08-14 | 慧择保险经纪有限公司 | 一种预核保方法及装置 |
| CN112150298A (zh) * | 2020-09-28 | 2020-12-29 | 建信金融科技有限责任公司 | 数据处理方法、系统、设备及可读介质 |
Non-Patent Citations (2)
| Title |
|---|
| 崔超英 * |
| 王剑等: "基于概率神经网络的核保风险分析模型", 《上海大学学报(自然科学版)》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BE1029657B1 (nl) * | 2022-01-24 | 2023-02-28 | Allianz Benelux | Computer geïmplementeerde werkwijze voor het verlenen van een verzekeringspolis |
| WO2024013369A1 (en) * | 2022-07-14 | 2024-01-18 | Swiss Reinsurance Company Ltd. | Automated, parameter-pattern-driven, data mining system based on customizable chain of machine-learning-structures providing an automated data-processing pipeline, and method thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110020660B (zh) | 使用人工智能（ai）技术的非结构化过程的完整性评估 | |
| US11170179B2 (en) | Systems and methods for natural language processing of structured documents | |
| CN110264330B (zh) | 信用指标计算方法、装置、计算机可读存储介质 | |
| CN112150298B (zh) | 数据处理方法、系统、设备及可读介质 | |
| US11720615B2 (en) | Self-executing protocol generation from natural language text | |
| US11681817B2 (en) | System and method for implementing attribute classification for PII data | |
| US20190139147A1 (en) | Accuracy and speed of automatically processing records in an automated environment | |
| CN113742492B (zh) | 保险方案生成方法、装置、电子设备及存储介质 | |
| CN113240531A (zh) | 一种数据处理方法和装置 | |
| CN113270197A (zh) | 一种基于人工智能的健康预测方法、系统及存储介质 | |
| KR20220006447A (ko) | 인공지능 보험 설계 서버 | |
| CN112597775A (zh) | 信贷风险预测方法及装置 | |
| CN113407677A (zh) | 评估咨询对话质量的方法、装置、设备和存储介质 | |
| CN107766498B (zh) | 用于生成信息的方法和装置 | |
| CN111143394B (zh) | 知识数据处理方法、装置、介质及电子设备 | |
| CN115858886A (zh) | 数据处理方法、装置、设备及可读存储介质 | |
| CN109859060B (zh) | 风险确定方法、装置、介质及电子设备 | |
| US11144998B2 (en) | Dynamic provisioning of data exchanges based on detected relationships within processed image data | |
| CN112950359B (zh) | 一种用户识别方法和装置 | |
| JP6828209B1 (ja) | 医務査定支援装置、医務査定支援方法および医務査定支援プログラム | |
| CN111179096A (zh) | 医疗数据审核方法、装置、电子设备及计算机可读介质 | |
| CN112131292A (zh) | 一种变更数据的结构化处理方法和装置 | |
| CN114298845A (zh) | 一种理赔票据处理方法和装置 | |
| CN114417045A (zh) | 基于神经网络保险案件抽检方法、系统、设备及存储介质 | |
| CN115080744A (zh) | 一种数据处理的方法和装置 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Yao Qin Inventor after: Fan Xinsheng Inventor after: Zhao Haifeng Inventor after: Yang Fan Inventor after: Lai Yuan Inventor after: Zhao Qin Inventor after: Jiang An Inventor after: Lin Zhinong Inventor after: Zeng Qiang Inventor after: Zheng Zhiyuan Inventor after: Wu Ben Inventor after: Tao Jun Inventor after: Cheng Junhua Inventor before: Zhao Qin Inventor before: Lin Zhinong Inventor before: Wu Ben Inventor before: Tao Jun Inventor before: Cheng Junhua Inventor before: Fan Xinsheng Inventor before: Zhao Haifeng Inventor before: Yang Fan Inventor before: Lai Yuan |
|
| CB03 | Change of inventor or designer information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230518 Address after: 200120, 29th to 33rd floors, China Construction Bank Building, No. 99 Yincheng Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: CCB Life Insurance Co.,Ltd. Address before: 12 / F, 15 / F, No. 99, Yincheng Road, Shanghai pilot Free Trade Zone, 200120 Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210810 |