CN114298848A - 核查保单的方法、装置、设备和计算机可读介质 - Google Patents
核查保单的方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN114298848A CN114298848A CN202111599728.7A CN202111599728A CN114298848A CN 114298848 A CN114298848 A CN 114298848A CN 202111599728 A CN202111599728 A CN 202111599728A CN 114298848 A CN114298848 A CN 114298848A
- Authority
- CN
- China
- Prior art keywords
- user
- checked
- disease
- vector
- policy
- 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
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了核查保单的方法、装置、设备和计算机可读介质,涉及计算机技术领域。该方法的一具体实施方式包括:提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。该实施方式能够降低核保保单的失误率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种核查保单的方法、装置、设备和计算机可读介质。
背景技术
在核查保单的过程中涉及预测用户未来可能发生的疾病,以确定是否核保成功。目前,主要是以用户的体检指标、医院病历等信息为基础,人工判断某一种疾病的发生风险。
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:由于预测疾病风险的准确性较差,进而导致核保保单的失误率较高。
发明内容
有鉴于此,本发明实施例提供一种核查保单的方法、装置、设备和计算机可读介质,能够降低核保保单的失误率。
为实现上述目的,根据本发明实施例的一个方面,提供了一种核查保单的方法,包括:
提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;
根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;
从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;
基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;
按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。
所述提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵,包括:
提取待核查用户的历史保单理赔数据中的疾病组合,以国际疾病分类标准为基础确定每种疾病的向量;
依据所述每种疾病的向量构建每种疾病的权重向量,并将每种疾病的所述权重向量按行排列,得到所述疾病影响矩阵。
所述根据所述疾病影响矩阵,确定所述待核查用户的影响疾病,包括:
所述待核查用户的历史疾病向量与所述疾病影响矩阵相乘后,与所述疾病影响矩阵的差为影响矩阵,并根据所述影响矩阵中元素值确定所述待核查用户的影响疾病。
所述基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,包括:
基于所述待核查用户的理赔向量中用户特征向量和历史疾病向量,以及其他用户的匹配向量中用户特征向量和历史疾病向量,计算所述待核查用户与所述其他用户的向量距离,以在所述其他用户中确定与所述待核查用户的相似用户。
所述在所述其他用户中确定与所述待核查用户的相似用户,包括:
按照所述向量距离从小到大的顺序,在所述其他用户中选择预设相似数量的用户或选择预设比例的用户,作为与所述待核查用户的相似用户。
所述按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单,包括:
按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单是否异常。
所述按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单,包括:
按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单以确定是否需要发送提醒信息。
根据本发明实施例的第二方面,提供了一种核查保单的装置,包括:
提取模块,用于提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;
疾病模块,用于根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;
构建模块,用于从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;
相似模块,用于基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;
核查模块,用于按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。
根据本发明实施例的第三方面,提供了一种核查保单的电子设备,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上述的方法。
根据本发明实施例的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述的方法。
上述发明中的一个实施例具有如下优点或有益效果:提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。一方面,基于历史保单理赔数据确定影响疾病;另一方面,从相似用户的角度确定理赔时间。按照影响疾病和理赔时间能够提高核查的准确性,进而降低核实保单的失误率。
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是根据本发明实施例的核查保单的方法的主要流程的示意图;
图2是根据本发明实施例的建立疾病影响矩阵的流程示意图;
图3是根据本发明实施例的获取权重向量的示意图;
图4是根据本发明实施例的得到疾病影响矩阵的示意图;
图5是根据本发明实施例的向用户发送提醒信息的界面示意图;
图6是根据本发明实施例的核查保单异常的界面示意图;
图7是根据本发明实施例的核查保单的装置的主要结构的示意图;
图8是根据本发明实施例的核查保单的装置的应用示意图;
图9是本发明实施例可以应用于其中的示例性系统架构图;
图10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。
目前,核查保单过程中涉及预测用户未来可能发生的疾病,主要是以用户的体检指标、医院病历等信息为基础,针对单一疾病建立数据模型,预测某一种疾病的风险。
以体检与病历数据作为预测基础的技术,对于数据获取的完整性要求高、结构化数据获取的难度大,很难根据已有数据质量给出准确率较高的预测结果。而且,对于不同的疾病需要训练不同的模型,工作量大,不同疾病的预测结果也无法整合,应用流程复杂。更重要的是,模型预测的结果仅是某种疾病发生概率的高低,没有发病关键时间节点的提示,对核查保单的决策参考价值有一定的限制。因此,导致核保保单的失误率较高。
为了解决降低核保保单的失误率,可以采用以下本发明实施例中的技术方案。
参见图1,图1是根据本发明实施例的核查保单的方法主要流程的示意图,以疾病影响矩阵一次性确定多种影响疾病,继而实现核查保单。如图1所示,具体包括以下步骤:
S101、提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵。
在本发明实施例中,可以采用移动终端、个人电脑或服务器的一种或多种设备中实现。如,在移动终端设置有APP,通过APP的客户端能够直接获知核查保单的结果。当然,客户端还可以设置在个人电脑和服务器中。
作为一个示例,健康管理服务人员通过客户端,获取待核查用户的核查保单结果,助力其完成健康管理方案制定与健康管理服务开展。将核查保单结果嵌入理赔系统的自动核赔规则中,支持智慧理赔决策。
在本发明实施例中,将核查保单的所属用户称为待核查用户,即待核查用户是有待核查保单的用户。作为一个示例,待核查用户需要购买重疾险,为了避免不必要的损失,保险工作人员需要针对该待核查用户进行核查保单。
具体地,提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵。对于待核查用户需要从数据服务器中获取历史保单理赔数据,进而基于历史保单理赔数据中的疾病组合,建立疾病影响矩阵。疾病影响矩阵用于表征用户已有疾病对于用户的影响。由于历史保单理赔数据中的疾病组合的不同,因而每个待核查用户的疾病影响矩阵是不同的。
参见图2,图2是根据本发明实施例的建立疾病影响矩阵的流程示意图,具体包括以下步骤:
S201、提取待核查用户的历史保单理赔数据中的疾病组合,以国际疾病分类标准为基础确定每种疾病的向量。
从历史理赔数据库中提取待核查用户的疾病组合数据,以国际疾病分类标准(ICD)为基础,每个疾病组合D[d]形成对应的疾病的向量V,且
向量V的维度n等于国际疾病分类标准划分的疾病数量。
也就是说,疾病的向量是基于国际疾病分类标准得到的参数。国际疾病分类标准能够准确描述疾病,不会受到核查人员的个人影响,因而疾病的向量能够充分表征待核查用户的疾病。
S202、依据每种疾病的向量构建每种疾病的权重向量,并将每种疾病的权重向量按行排列,得到疾病影响矩阵。
计算疾病d的权重向量时,需要从疾病的向量集合{V}中筛选出V[d]=1的向量Vd构成疾病d的向量集{Vd}。
作为一个示例,在ICD标准中疾病数量为n种,对某一个历史理赔数据的疾病组合[疾病1,疾病2,疾病4]来说,对应疾病的向量V就是(1,1,0,1,0,……),其中V是n维。
集合{Vd}中的向量个数numd,则可以将疾病d对应的权重向量Wd表示为:
Wd=∑Vd/numd 公式2
参见图3,图3是根据本发明实施例的获取权重向量的示意图。图3中左图是n维的向量V,中图是疾病d的向量集{Vd},右图是疾病d对应的权重向量。
作为一个示例,计算疾病1的权重时,则需要从待核查用户的历史保单理赔数据的向量V中,选出第1维度的值为1的向量,构成向量集。该向量集中向量的个数就是历史保单理赔数据中所有符合条件的向量个数,进而基于所有维度的值为1的向量,构成{Vd},最终得到每种疾病的权重向量。
也就是说,依据每种疾病的向量得到每种疾病的权重向量。作为一个示例,在历史保单理赔数据中疾病{V}中元素为0的向量,权重向量为0;在历史保单理赔数据中疾病{V}中元素为1的向量,所对应的权重向量,是该疾病的为1元素之和与numd的比值。如:疾病3的为1的元素之和为3,numd为10,则疾病3的权重向量是0.3。
对每个疾病的权重向量按行排列,整合后得到疾病影响矩阵。
参见图4,图4是根据本发明实施例的得到疾病影响矩阵的示意图。左图是n维疾病的权重向量Wd,右图是整合Wd得到疾病影响矩阵T。T是n*n维矩阵。
在图2的实施例中,利用历史保单理赔数据中的多种疾病,通过矩阵表征,继而利用疾病影响矩阵表征待核查用户的多种已有疾病。
S102、根据疾病影响矩阵,确定待核查用户的影响疾病。
疾病影响矩阵能够体现已有疾病的影响。那么,进而根据疾病影响矩阵和待核查用户的历史疾病向量,确定待核查用户的影响疾病。其中,待核查用户的历史疾病向量用于表征待核查用户的已有疾病。
具体地,待核查用户的历史疾病向量Vc,是按照ICD标准中疾病数量n种整理得到的向量。其中,待核查用户患有该种疾病,则该疾病对应元素为1;未患有该种疾病,则该疾病对应元素为0。其次,待核查用户的历史疾病向量与疾病影响矩阵相乘得到Vc *。Vc *代表未来可能患有对应疾病的风险,风险值越大,患病可能越大。
ΔR=Vc *-Vc=Vc·T-Vc 公式3
ΔR中的元素值直接反映出疾病演化的倾向与风险高低。即,待核查用户的历史疾病向量与疾病影响矩阵相乘后,与疾病影响矩阵的差为影响矩阵ΔR,并影响矩阵中元素值确定待核查用户的影响疾病。
作为一个示例,对于待核查用户c,首先将待核查用户历史疾病整理为Vc。然后,对待核查用户的疾病影响矩阵与Vc相乘得到Vc *。并计算Vc *与Vc的差值,得到ΔR。
需要说明的是,疾病影响矩阵是n*n的矩阵,第i列表示疾病i对其他疾病的影响权重即贡献率。对于待核查用户来说,历史疾病向量是1*n,已患疾病对应的元素为1,其他未患疾病对应的元素为0。
待核查用户的历史疾病向量与疾病影响矩阵相乘,得到的向量是1*n,再与疾病影响矩阵做差,得到影响矩阵ΔR。在影响矩阵中,其他疾病维度对应的元素值会从0变成新的风险值,风险值不为0,表示未来可能患对应疾病,风险值越大,患病可能越大。
S103、从历史保单理赔数据中提取用户特征向量和待核查用户的历史疾病向量,构建待核查用户的理赔向量。
一般来说,疾病的发展需要一段时间。购买保单后的一段时间内发病,则按照保单理赔。在获知待核查用户的疾病影响矩阵之后,需要构建待核查用户的理赔向量以获知保单的理赔时间。
具体来说,从历史保单理赔数据中提取用户特征向量和待核查用户的历史疾病向量,构建待核查用户的理赔向量。即,基于从数据库中获取的用户特征构建用户特征向量F,进而结合待核查用户的历史疾病向量Vc,建立待核查用户的理赔向量P(F,Vc)。作为一个示例,用户特征向量中包括多个维度的用户参数,如:年龄、性别、身高和体重等。
S104、基于待核查用户的理赔向量,确定与待核查用户的相似用户,以将相似用户的平均理赔时间间隔作为待核查用户的理赔时间。
可以通过与待核查用户的相似用户,确定待核查用户的理赔时间。具体来说,待核查用户以理赔向量表征,类似地,其他用户也可以以匹配向量表征。与待核查用户的理赔向量特征不同,匹配向量包括用户特征向量、历史疾病向量和理赔时间。即:匹配向量Q(F,Vc,KT),KT代表理赔时间,KT为本次理赔与下次理赔时间间隔天数。若仅有一次理赔,则KT为无穷大。
基于待核查用户的理赔向量,确定与待核查用户的相似用户,以将相似用户的平均理赔时间间隔作为待核查用户的理赔时间。也就是说,将相似用户作为桥梁,将相似用户的平均理赔时间间隔作为待核查用户的理赔时间。
在本发明的一个实施例中,基于待核查用户的理赔向量与其他用户的匹配向量的向量距离,确定与待核查用户的相似用户。即,按照理赔向量中的F和Vc,以及匹配向量中的F和Vc之间的向量距离,确定与待核查用户的相似用户。相应地,向量距离越小,则待核查用户与其他用户的相似性越大。作为一个示例,选择最小向量距离对应的用户,作为待核查用户的相似用户。
即,基于待核查用户的理赔向量中用户特征向量和历史疾病向量,以及其他用户的匹配向量中用户特征向量和历史疾病向量,计算待核查用户与其他用户的向量距离,以在其他用户中确定与待核查用户的相似用户。
在本发明的一个实施例中,为了提高相似用户的准确性,可以按照预设相似数量和向量距离,确定与待核查用户的相似用户。即,按照向量距离从小到大的顺序,在其他用户中选择预设相似数量的用户或选择预设比例的用户,作为与待核查用户的相似用户。
作为一个示例,按照向量距离从小到大的顺序,确定20个用户。预设相似数量为10,可以将前10个用户均作为待核查用户的相似用户。上述10个相似用户的平均理赔时间,作为待核查用户的理赔时间。作为另一个示例,将向量距离为前10%的用户作为相似用户。上述相似用户的平均理赔时间,作为待核查用户的理赔时间。
S105、按照影响疾病和待核查用户的理赔时间,核查待核查用户的保单。
在获知待核查用户的影响疾病和理赔时间后,可以着手核查保单。作为一个示例,按照影响疾病查询理赔时间阈值,若理赔时间阈值小于待核查用户的理赔时间,则判断待核查用户的保单未通过核查;若理赔时间阈值大于等于待核查用户的理赔时间,则判断待核查用户的保单通过核查。
在本发明的一个实施例中,按照影响疾病和待核查用户的理赔时间,核查待核查用户的保单是否异常。也就是说,从影响疾病和理赔时间两个角度出发,实现判断待核查用户的保单是否异常。在判断发生异常的情况下,可以以文字标注、颜色标识和提示信息的方式提醒。
在本发明的一个实施例中,按照影响疾病和待核查用户的理赔时间,核查待核查用户的保单以确定是否需要发送提醒信息。在核查待核查用户的保单过程中,影响疾病在待核查用户的理赔时间发生的可能性较大,那么可以基于核查结果确定是否向待核查用户发送提醒信息。
作为一个示例,核查结果为通过审核的情况下,说明影响疾病对于用户的影响不大,则无需发送提醒信息;核查结果为未通过审核的情况下,说明影响疾病对于用户的影响较大,为了提醒用户及时就医和改变生活习惯,可以向用户发送提醒信息。
在上述实施例中,提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。一方面,基于历史保单理赔数据确定影响疾病;另一方面,从相似用户的角度确定理赔时间。按照影响疾病和理赔时间能够提高核查的准确性,进而降低核实保单的失误率。
下面结合具体事例,示例性说明本发明实施例中的技术方案。
在历史保单理赔数据的数据库中,获取用户A的用户信息和已患疾病信息。用户A的用户信息{年龄,性别,职业,地区……},已患疾病信息[疾病1]。
用户A的历史疾病向量是VA=(1,0,0,0,…)。
用户A的用户特征向量FA=(49,1,0,0,1,0,…)
其中,第1列为[年龄-数值变量-49]、第2列为[性别女-01变量-是]、第3列为[性别男-01变量-否]等。
用户A的理赔向量BA(VA,FA)=(49,1,0,0,1,0,…,1,0,0,0,…)。
按照S101和S102确定用户A的影响疾病,用户A的疾病影响矩阵为:
ΔRA=VA *-VA=VA·T-VA=(1,0,0.5,0,…)-(1,0,0,0,…)=(0,0,0.5,0,…)
第3列值0.5,其余列为0,说明疾病3风险最大。用BA确定用户A的相似用户,进而获知理赔时间为108天。
参见表1,表1中是用户A的相似用户的匹配向量、与用户A的向量举例、理赔时间间隔的示意表。
表1
基于影响疾病:高风险疾病3,理赔时间:108天,核查用户A的保单。此外,还可以设定对应的健康管理计划,如疾病3对应的饮食禁忌、需要关注的健康指标等,并参考关键时间预测结果确定健康管理效果反馈时间与监测方案,前端展示给用户的界面如图5所示。
参见图5,图5是根据本发明实施例的向用户发送提醒信息的界面示意图。图5中包括针对疾病3的饮食计划、运动计划、健康检测和其他tips。
下面结合另一个具体事例,示例性说明本发明实施例中的技术方案。
用户B在时间t理赔出险后报案,结合历史保单理赔数据实施本发明实施例的技术方案,获知影响疾病是:疾病3,理赔时间是108天。
同时调取客户B本次报案提供的疾病组合,并计算本次出险与历史最近时间出险的时间间隔,本次疾病组合为疾病2和疾病4,理赔时间为40天。
通过核查保单的分析数据:疾病3,理赔时间是108天,以及出险数据:病2和疾病4,理赔时间为40天,初步判断用户B本次报案较为异常。通过理赔系统向核赔人员发送客户理赔疾病异常风险提示信息。
参见图6,图6是根据本发明实施例的核查保单异常的界面示意图。图6中包括三个用户的报案信息。用户B经上述分析判断为异常。在提示信息中标注:疾病异常风险,请注意。
本发明实施例通过深入挖掘历史保单理赔数据的价值,通过建立疾病影响矩阵和相似度计算,对于有既往病史的用户可以预测疾病在未来关键时间节点的演化结果,在加强保险公司健康管理服务与智慧理赔战略落地方面都有很大助力。
另外,疾病影响矩阵的维度构建和更新与WHO制定的国际疾病分类标准ICD中的疾病种类保持一致,可直接形成标准,同时也能作为技术能力向外输出。
从业务层面看,应用于客户健康管理服务与智慧理赔中。(1)通过预测客户未来疾病变化情况,协助制定客户健康管理方案,完善公司健康管理平台功能,提升客户体验;(2)在理赔时嵌入自动核赔规则,通过预测结果与客户实际报案对比,降低理赔成本,实现智慧理赔,助力智慧两核战略发展。
参见图7,图7是根据本发明实施例的核查保单的装置的主要结构的示意图,核查保单的装置可以实现核查保单的方法,如图7所示,核查保单的装置具体包括:
提取模块701,用于提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;
疾病模块702,用于根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;
构建模块703,用于从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;
相似模块704,用于基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;
核查模块705,用于按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。
参见图8,图8是根据本发明实施例的核查保单的装置的应用示意图。图8中理赔系统数据服务器用于存储历史保单理赔数据。
基础数据加工服务器包括提取模块701,通过数据专用网,从理赔系统数据服务器获取历史保单理赔数据。数据训练模型服务器包括疾病模块702和构建模块703。预测计算服务器包括相似模块704和核查模块705。Web服务器用于将核查结果通过服务专用网发送至结果实时通信服务器。
也就是说,图7中的装置可以在图8中的服务器中实现。
在本发明的一个实施例中,提取模块701,具体用于提取待核查用户的历史保单理赔数据中的疾病组合,确定每种疾病的向量;
依据所述每种疾病的向量,建立所述疾病影响矩阵。
在本发明的一个实施例中,疾病模块702,具体用于根据所述疾病影响矩阵和所述待核查用户的历史疾病向量,确定所述待核查用户的影响疾病。
在本发明的一个实施例中,相似模块704,具体用于基于所述待核查用户的理赔向量与其他用户的匹配向量的向量距离,确定与所述待核查用户的相似用户。
在本发明的一个实施例中,相似模块704,具体用于按照预设相似数量和所述向量距离,确定与所述待核查用户的相似用户。
在本发明的一个实施例中,核查模块705,具体用于按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单是否异常。
在本发明的一个实施例中,核查模块705,具体用于按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单以确定是否需要发送提醒信息。
图9示出了可以应用本发明实施例的核查保单的方法或核查保单的装置的示例性系统架构900。
如图9所示,系统架构900可以包括终端设备901、902、903,网络904和服务器905。网络904用以在终端设备901、902、903和服务器905之间提供通信链路的介质。网络904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901、902、903通过网络904与服务器905交互,以接收或发送消息等。终端设备901、902、903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901、902、903可以是具有显示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905可以是提供各种服务的服务器,例如对用户利用终端设备901、902、903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核查保单的方法一般由服务器905执行,相应地,核查保单的装置一般设置于服务器905中。
应该理解,图9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10,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1000的结构示意图。图10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10所示,计算机系统1000包括中央处理单元(CPU)1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。在RAM 1003中,还存储有系统1000操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;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部分1007;包括硬盘等的存储部分1008;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1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,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1010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1008。
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1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(CPU)1001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:一种处理器包括提取模块、疾病模块、构建模块、相似模块和核查模块。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,例如,提取模块还可以被描述为“用于提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵”。
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:
提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;
根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;
从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;
基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;
按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。
根据本发明实施例的技术方案,提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。一方面,基于历史保单理赔数据确定影响疾病;另一方面,从相似用户的角度确定理赔时间。按照影响疾病和理赔时间能够提高核查的准确性,进而降低核实保单的失误率。
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 (10)
1.一种核查保单的方法,其特征在于,包括:
提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;
根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;
从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;
基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;
按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。
2.根据权利要求1所述核查保单的方法,其特征在于,所述提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵,包括:
提取待核查用户的历史保单理赔数据中的疾病组合,以国际疾病分类标准为基础确定每种疾病的向量;
依据所述每种疾病的向量构建每种疾病的权重向量,并将每种疾病的所述权重向量按行排列,得到所述疾病影响矩阵。
3.根据权利要求1所述核查保单的方法,其特征在于,所述根据所述疾病影响矩阵,确定所述待核查用户的影响疾病,包括:
所述待核查用户的历史疾病向量与所述疾病影响矩阵相乘后,与所述疾病影响矩阵的差为影响矩阵,并根据所述影响矩阵中元素值确定所述待核查用户的影响疾病。
4.根据权利要求1所述核查保单的方法,其特征在于,所述基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,包括:
基于所述待核查用户的理赔向量中用户特征向量和历史疾病向量,以及其他用户的匹配向量中用户特征向量和历史疾病向量,计算所述待核查用户与所述其他用户的向量距离,以在所述其他用户中确定与所述待核查用户的相似用户。
5.根据权利要求4所述核查保单的方法,其特征在于,所述在所述其他用户中确定与所述待核查用户的相似用户,包括:
按照所述向量距离从小到大的顺序,在所述其他用户中选择预设相似数量的用户或选择预设比例的用户,作为与所述待核查用户的相似用户。
6.根据权利要求1所述核查保单的方法,其特征在于,所述按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单,包括:
按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单是否异常。
7.根据权利要求1所述核查保单的方法,其特征在于,所述按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单,包括:
按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单以确定是否需要发送提醒信息。
8.一种核查保单的装置,其特征在于,包括:
提取模块,用于提取待核查用户的历史保单理赔数据中的疾病组合,建立疾病影响矩阵;
疾病模块,用于根据所述疾病影响矩阵,确定所述待核查用户的影响疾病;
构建模块,用于从所述历史保单理赔数据中提取用户特征向量和所述待核查用户的历史疾病向量,构建待核查用户的理赔向量;
相似模块,用于基于待核查用户的理赔向量,确定与所述待核查用户的相似用户,以将所述相似用户的平均理赔时间间隔作为所述待核查用户的理赔时间;
核查模块,用于按照所述影响疾病和所述待核查用户的理赔时间,核查所述待核查用户的保单。
9.一种核查保单的电子设备,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111599728.7A CN114298848A (zh) | 2021-12-24 | 2021-12-24 | 核查保单的方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111599728.7A CN114298848A (zh) | 2021-12-24 | 2021-12-24 | 核查保单的方法、装置、设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114298848A true CN114298848A (zh) | 2022-04-08 |
Family
ID=80969247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111599728.7A Pending CN114298848A (zh) | 2021-12-24 | 2021-12-24 | 核查保单的方法、装置、设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114298848A (zh) |
-
2021
- 2021-12-24 CN CN202111599728.7A patent/CN114298848A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109545317B (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
CN111144658B (zh) | 医疗风险预测方法、装置、系统、存储介质与电子设备 | |
US20140006044A1 (en) | System and method for preparing healthcare service bundles | |
CN110349039B (zh) | 投诉风险评估方法、系统、计算机设备及可读存储介质 | |
CN110008979A (zh) | 异常数据预测方法、装置、电子设备及计算机存储介质 | |
EP4027348A2 (en) | Affinity prediction method and apparatus, method and apparatus for training affinity prediction model, device and medium | |
CN110766184A (zh) | 订单量预测方法和装置 | |
CN111861487A (zh) | 金融交易数据处理方法、欺诈行为的监测方法和装置 | |
CN113361959A (zh) | 一种银行业务集中运营成熟度的计算方法和装置 | |
CN114219596B (zh) | 一种基于决策树模型的数据处理方法及相关设备 | |
CN112734352A (zh) | 一种基于数据维度的单据审核方法和装置 | |
CN112163154B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN117934154A (zh) | 交易风险预测方法、模型训练方法、装置、设备、介质和程序产品 | |
CN112259215A (zh) | 问诊请求处理方法、装置和设备 | |
CN117114901A (zh) | 基于人工智能的投保数据处理方法、装置、设备及介质 | |
CN114864037B (zh) | 医疗辅具推荐方法及装置、可读存储介质及电子设备 | |
CN111145907A (zh) | 体检数据处理方法、装置、介质及电子设备 | |
CN113987186B (zh) | 一种基于知识图谱生成营销方案的方法和装置 | |
CN114298848A (zh) | 核查保单的方法、装置、设备和计算机可读介质 | |
CN112288117A (zh) | 目标客户的成交概率预测方法、装置与电子设备 | |
CN114266501A (zh) | 医院运营指标的自动预测和根因分析方法及系统 | |
CN114298825A (zh) | 还款积极度评估方法及装置 | |
CN114066513A (zh) | 一种用户分类的方法和装置 | |
CN114723239A (zh) | 一种多方协同建模方法、装置、设备、介质及程序产品 | |
CN113643140A (zh) | 确定医保支出影响因素的方法、装置、设备和介质 |
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 |