CN114519647A - 基于图分析的保险理赔方法、装置、设备及存储介质 - Google Patents

基于图分析的保险理赔方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114519647A
CN114519647A CN202210141442.2A CN202210141442A CN114519647A CN 114519647 A CN114519647 A CN 114519647A CN 202210141442 A CN202210141442 A CN 202210141442A CN 114519647 A CN114519647 A CN 114519647A
Authority
CN
China
Prior art keywords
case
node
graph
settlement
target
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
Application number
CN202210141442.2A
Other languages
English (en)
Inventor
赵知纬
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.)
Ping An Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China 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 Ping An Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN202210141442.2A priority Critical patent/CN114519647A/zh
Publication of CN114519647A publication Critical patent/CN114519647A/zh
Pending legal-status Critical Current

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种基于图分析的保险理赔方法，包括：分别提取多个理赔案件中的多个案件属性；利用每个理赔案件作为父节点，利用每个案件信息的多个案件属性作为子节点绘制案件图；将相同的子节点进行连接，并配置每个子节点对应的连接权重；获取待分析案件，提取待分析案件的目标属性，根据目标属性与连接权重对案件图进行图卷积分析，得到特征向量；根据特征向量计算待分析案件的理赔可信度，根据理赔可信度选取预设理赔方案对待分析案件进行理赔。此外，本发明还涉及区块链技术，案件信息可存储于区块链的节点。本发明还提出一种基于图分析的保险理赔装置、设备及介质。本发明可以提高选取的保单理赔方案与保单之间的匹配性。

Description

基于图分析的保险理赔方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于图分析的保险理赔方法、装置、电子设备及计算机可读存储介质。
背景技术
随着人们保险意识的增强，越来越多的人们选择购买保险来对人生、财产等标的进行保护，在保单的核验及理赔等业务中需要进行严格管控风险(如，带病投保、冒名住院、假冒代办等)，以降低潜在损失。
目前业务风控一般经过信息核对、内容审核等过程，以选取合适的理赔方案对用户进行理赔，但由于保险业务复杂度的增加，需要进行核对及审核的数据越来越多，例如，保险的理赔案件中，需要核对的信息包括用户姓名、年龄、理赔类型、理赔金额等诸多数据，导致核对过程中容易发生错误，且在理赔过程中，若仅依赖单个保单的数据对理赔方案进行选取，会造成选取的理赔方案与保单的内容的匹配程度不高，因此，基于上述原因，现有的理赔方法中，最终选取的保单理赔方案与保单的匹配性较低。
发明内容
本发明提供一种基于图分析的保险理赔方法、装置及计算机可读存储介质，其主要目的在于解决选取的保单理赔方案与保单的匹配性较低的问题。
为实现上述目的，本发明提供的一种基于图分析的保险理赔方法，包括：
获取用户的多个理赔案件的案件信息，分别提取每个所述案件信息中的多个案件属性；
利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图；
将每个父节点中相同的子节点进行连接，并配置所述案件图内每个子节点对应的连接权重；
获取待分析案件，提取所述待分析案件的目标属性，根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量；
根据所述特征向量计算所述待分析案件的理赔可信度，根据所述理赔可信度选取预设理赔方案对所述待分析案件进行理赔。
可选地，所述分别提取每个所述案件信息中的多个案件属性，包括：
获取预设的多个案件属性字段，从所述多个案件属性字段中逐个选取其中一个案件属性字段为目标字段；
将所述目标字段作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
将每个所述目标字段对应的决策树并行拼接为决策树模型；
利用所述决策树模型对每个所述案件信息进行筛选，得到多个案件属性。
可选地，所述利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图，包括：
获取每个理赔案件的案件摘要，将所述案件摘要转换为案件向量；
逐个选取一个理赔案件为目标案件，将所述目标案件对应的案件向量映射至预设的坐标系内，得到案件坐标，并将所述案件坐标作为所述目标案件对应的父节点；
将所述目标案件的每个案件属性转换为属性向量，将所述属性向量映射至所述预设坐标系内，得到属性坐标，并将所述属性坐标作为所述目标案件的子节点；
汇集每个所述理赔案件的父节点和子节点，得到案件图。
可选地，所述将每个父节点中相同的子节点进行连接，包括：
逐个从所述父节点中选取其中一个父节点为目标父节点；
逐个从所述目标父节点中选取其中一个子节点为目标子节点；
将所述目标子节点在除所述目标父节点之外的父节点内进行检索，并将所述目标子节点与被检索到的子节点进行连接。
可选地，所述配置所述案件图内每个子节点对应的连接权重，包括：
将所属案件图内与其他子节点不存在连接关系的子节点的连接权重设置为负无穷；
逐个从所属案件图内与其他子节点存在连接关系的子节点内选取一个子节点为待配置节点；
获取所述待配置节点对应的属性向量，以及获取与所属待配置节点存在连接关系的其他子节点对应的属性向量；
将所述待配置节点对应的属性向量以及与所属待配置节点存在连接关系的其他子节点对应的属性向量拼接为连接向量；
利用预设的权重算法根据所述连接向量计算所述待配置节点对应的连接权重，并将所述连接权重设置为所述待配置节点的连接权重。
可选地，所述根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量，包括：
选取所述案件图中与所述目标属性对应的子节点的属性向量，按照行向量方式对所述属性向量进行堆叠，得到案件矩阵；
根据所述连接权重对所述案件矩阵进行卷积处理，得到卷积特征；
利用预设激活函数对所述卷积特征进行激活处理，得到特征向量。
可选地，所述根据所述特征向量计算所述待分析案件的理赔可信度，包括：
对所述特征向量进行归一化处理，得到归一化向量；
计算所述归一化向量与预设的置信度向量之间的距离值，并确定所述距离值为所述待分析案件的理赔可信度。
为了解决上述问题，本发明还提供一种基于图分析的保险理赔装置，所述装置包括：
属性提取模块，用于获取用户的多个理赔案件的案件信息，分别提取每个所述案件信息中的多个案件属性；
案件图绘制模块，用于利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图；
权重配置模块，用于将每个父节点中相同的子节点进行连接，并配置所述案件图内每个子节点对应的连接权重；
特征分析模块，用于获取待分析案件，提取所述待分析案件的目标属性，根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量；
理赔分析模块，用于根据所述特征向量计算所述待分析案件的理赔可信度，根据所述理赔可信度选取预设理赔方案对所述待分析案件进行理赔。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于图分析的保险理赔方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于图分析的保险理赔方法。
本发明实施例能够对用户的多个理赔案件的案件信息进行分析，通过绘制包含该多个理赔案件的案件图，并在所述案件图中标记不同案件之间的连接关系与权重，进而通过对待分析案件与所述案件图的图卷积处理，得到特征向量，进而根据该特征向量计算并选取理赔方案进行理赔，实现了结合多个理赔案件信息的多元化分析，提升了选取出的理赔方案与待分析案件的匹配程度。因此本发明提出的基于图分析的保险理赔方法、装置、电子设备及计算机可读存储介质，可以解决选取的保单理赔方案与保单的匹配性较低的问题。
附图说明
图1为本发明一实施例提供的基于图分析的保险理赔方法的流程示意图；
图2为本发明一实施例提供的绘制案件图的流程示意图；
图3为本发明一实施例提供的配置连接权重的流程示意图；
图4为本发明一实施例提供的基于图分析的保险理赔装置的功能模块图；
图5为本发明一实施例提供的实现所述基于图分析的保险理赔方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于图分析的保险理赔方法。所述基于图分析的保险理赔方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于图分析的保险理赔方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于图分析的保险理赔方法的流程示意图。在本实施例中，所述基于图分析的保险理赔方法包括：
S1、获取用户的多个理赔案件的案件信息，分别提取每个所述案件信息中的多个案件属性。
本发明实施例中，所述案件信息是指用户在历史时间内已经产生的多个理赔案件的相关信息，例如，用户姓名、年龄、理赔类型、理赔金额等数据。
详细地，可利用具有数据抓取功能的计算机语句(如java语句、python语句等)从预先确定的数据存储区域内抓取预先存储的案件信息，其中，所述数据存储区域包括但不限于数据库、区块链节点、网络缓存。
本发明其中一个实际应用场景中，由于所述案件信息内可能包含大量的数据，但并非每一个数据均可用于进行理赔分析，因此，可对所述案件信息进行筛选，得到每个案件信息中的多个案件属性，以减少需要分析的数据量，提高进行理赔分析的精确度，其中，所述案件属性包括但不限于用户性别、用户职业、用户住址、用户年龄、案件类型、理赔金额。
本发明实施例中，所述分别提取每个所述案件信息中的多个案件属性，包括：
获取预设的多个案件属性字段，从所述多个案件属性字段中逐个选取其中一个案件属性字段为目标字段；
将所述目标字段作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
将每个所述目标字段对应的决策树并行拼接为决策树模型；
利用所述决策树模型对每个所述案件信息进行筛选，得到多个案件属性。
示例性地，所述决策函数可以为：
Figure BDA0003506553490000061
其中，f(x)为所述决策函数的输出值，x为所述决策函数的参数，g(y)为所述决策函数的输入值。
详细地，可从所述产品特中逐个选取其中一个特征为目标字段，利用该目标字段对所述决策函数的参数x进行赋值，并将赋值后的决策函数作为决策条件生成如下决策树：
当所述决策树的输入值g(y)与所述决策树的参数x相同时，该决策树输出值f(x)＝α；
当所述决策树的输入至g(y)与所述决策树的参数x不相同时，该决策树输出值f(x)＝β。
本发明实施例中，可利用并联的形式将每一个目标字段对应的决策树进行汇集，得到决策树模型，进而利用所述决策树模型对每个所述案件信息进行筛选，得到多个案件属性。
S2、利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图。
本发明其中一个实际应用场景中，由于每个理赔案件中均包含多个案件属性，且不同案件之中，可能存在部分相同的案件属性，因此，可根据所述案件信息绘制包含每个理赔案件的案件图，以便于后续对不同的案件进行分析。
本发明实施例中，参图2所示，所述利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图，包括：
S21、获取每个理赔案件的案件摘要，将所述案件摘要转换为案件向量；
S22、逐个选取一个理赔案件为目标案件，将所述目标案件对应的案件向量映射至预设的坐标系内，得到案件坐标，并将所述案件坐标作为所述目标案件对应的父节点；
S23、将所述目标案件的每个案件属性转换为属性向量，将所述属性向量映射至所述预设坐标系内，得到属性坐标，并将所述属性坐标作为所述目标案件的子节点；
S24、汇集每个所述理赔案件的父节点和子节点，得到案件图。
详细地，所述案件摘要可由所述用户预先上传，所述案件摘要用于标识每个理赔案件的关键内容。
具体地，可利用具有向量转换功能的人工智能模型将所述案件摘要转换为案件向量，其中，所述人工智能模型包括但不限于NLP(Natuarl Language Processing，自然语言处理)模型、HMM(Hidden Markov Model，隐马尔科夫模型)。
本发明实施例中，可将所述案件向量映射至预设的坐标系内，进而确定该案件向量的案件坐标为所述目标案件对应的父节点。
进一步地，所述将所述目标案件的每个案件属性转换为属性向量的步骤，与将所述案件摘要转换为案件向量的步骤一致，在此不做赘述。
S3、将每个父节点中相同的子节点进行连接，并配置所述案件图内每个子节点对应的连接权重。
本发明实施例中，由于所述案件图中包含多个理赔案件对应的父节点与子节点，因此，为了更好地对不同理赔案件之间的关联关系进行分析，可将每个理赔案件对应的父节点内相同的子节点进行连接，并配置所述案件图内每个节点对应的连接权重。
本发明实施例中，所述将每个父节点中相同的子节点进行连接，包括：
逐个从所述父节点中选取其中一个父节点为目标父节点；
逐个从所述目标父节点中选取其中一个子节点为目标子节点；
将所述目标子节点在除所述目标父节点之外的父节点内进行检索，并将所述目标子节点与被检索到的子节点进行连接。
例如，存在父节点A和父节点B，其中，父节点A中包含子节点a、子节点b和子节点c；父节点B中包含子节点a、子节点d和子节点e，可知，父节点A中的子节点a也可在父节点B内被检索到，因此，可将节点A中的子节点a与节点B中的子节点a进行连接。
进一步地，由于每个理赔案件对应的父节点中包含多个子节点，且不同的子节点对应的案件属性不一致，因此，为了实现对利用该案件图对后续案件的分析，可配置所述案件图中每个节点对应的连接权重。
本发明实施例中，参图3所示，所述配置所述案件图内每个子节点对应的连接权重，包括：
S31、将所属案件图内与其他子节点不存在连接关系的子节点的连接权重设置为负无穷；
S32、逐个从所属案件图内与其他子节点存在连接关系的子节点内选取一个子节点为待配置节点；
S33、获取所述待配置节点对应的属性向量，以及获取与所属待配置节点存在连接关系的其他子节点对应的属性向量；
S34、将所述待配置节点对应的属性向量以及与所属待配置节点存在连接关系的其他子节点对应的属性向量拼接为连接向量；
S35、利用预设的权重算法根据所述连接向量计算所述待配置节点对应的连接权重，并将所述连接权重设置为所述待配置节点的连接权重。
详细地，当某个子节点与其他所有子节点之间均不存在连接关系时，可将该子节点的连接权重设置为负无穷，以避免该节点在后续分析中对分析结果产生影响。
具体地，当某个子节点与其他子节点之间存在连接关系时，可获取该子节点，以及与该子节点具有连接关系的子节点对应的属性向量，并将所述属性向量进行拼接，得到该子节点与其他具有相关关系的子节点对应的连接向量。
例如，父节点A中的子节点a与父节点B中的子节点a具有连接关系，其中，父节点A中的子节点a对应的属性向量为x，父节点B中的子节点a对应的属性向量为y，则可将x和y两个向量首尾相连拼接在一起，得到父节点A中的子节点a与父节点B中的子节点a对应的连接向量xy。
进一步地，所述利用预设的权重算法根据所述连接向量计算所述待配置节点对应的连接权重，包括：
利用如下权重算法根据所述连接向量计算所述待配置节点对应的连接权重：
wC＝Relu(μ·C)
其中，wC为所述待配置节点对应的连接权重，C为所述连接向量，μ为预设参数，Relu为预设激活函数。
S4、获取待分析案件，提取所述待分析案件的目标属性，根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量。
本发明实施例中，所述待分析案件可以为该用户新产生的理赔案件，所述提取所述待分析案件的目标属性的步骤，与S1中分别提取每个所述案件信息中的多个案件属性的步骤一致，在此不做赘述。
进一步地，为了利用所述案件图对所述待分析案件的内容进行分析，可根据所述目标属性与所述连接权重，对所述案件图进行图卷积处理，得到所述待分析案件的特征向量，其中，所述特征向量可用于标识所述待分析案件的案件特征。
本发明实施例中，所述根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量，包括：
选取所述案件图中与所述目标属性对应的子节点的属性向量，按照行向量方式对所述属性向量进行堆叠，得到案件矩阵；
根据所述连接权重对所述案件矩阵进行卷积处理，得到卷积特征；
利用预设激活函数对所述卷积特征进行激活处理，得到特征向量。
详细地，由于所述案件图中的不同节点可能对应着不同的向量，为了实现对所述案件图中所有向量的联合分析，可选取所述案件图中与所述目标属性对应的子节点的属性向量，并将选取的属性向量进行堆叠拼接，得到案件矩阵。
具体地，由于所述案件矩阵内的向量对应的节点之间可能存在一定的连接关系，因此，为了实现对该案件图进行精确地特征提取，可按照每个节点对应的连接权重对该案件矩阵进行卷积处理，以得到该案件矩阵对应的卷积特征。
本发明实施例中，所述根据所述连接权重对所述案件矩阵进行卷积处理，得到卷积特征，包括：
利用如下卷积算法根据所述连接权重对所述案件矩阵进行卷积处理，得到卷积特征：
Figure BDA0003506553490000091
其中，F为所述卷积特征，E为所述案件矩阵，W为所述连接权重，
Figure BDA0003506553490000092
为所述连接权重组成的方形矩阵。
进一步地，可利用预设的激活函数对所述卷积特征进行激活处理，得到特征向量，以实现对所述卷积特征的维度降低，便于提升后续利用所述特征向量进行理赔分析的效率。
详细地，所述激活函数包括但不限于sigmoid激活函数、softmax激活函数、relu激活函数。
S5、根据所述特征向量计算所述待分析案件的理赔可信度，根据所述理赔可信度选取预设理赔方案对所述待分析案件进行理赔。
本发明实施例中，可对所述特征向量进行分析计算，以实现根据所述特征向量确定所述待分析案件的理赔可信度，进而根据所述理赔可信度选取对应的理赔方案对所述待分析案件进行理赔。
本发明实施例中，所述根据所述特征向量计算所述待分析案件的理赔可信度，包括：
对所述特征向量进行归一化处理，得到归一化向量；
计算所述归一化向量与预设的置信度向量之间的距离值，并确定所述距离值为所述待分析案件的理赔可信度。
详细地，可利用softmax方法对所述特征向量进行归一化处理，得到归一化向量，通过归一化处理，可实现对所述特征向量维度的限定，以便于提升理赔分析结果的精确度。
具体地，所述置信度向量为预先获取的向量，可利用余弦距离算法、欧式距离算法等具有距离值计算功能的算法计算所述归一化向量与预设的置信度向量之间的距离值，进而确定所述距离值为所述待分析案件的理赔可信度。
本发明实施例中，可根据所述理赔置信度选取预设的理赔方案，进而利用选取的理赔方案对所述待分析案件进行理赔。
例如，预先设定的理赔方案包括方案A和方案B，其中，方案A的对应的理赔可信度为0～100的区间内，方案B对应的理赔可信度为100～∞，则当所述待分析案件的理赔可信度为80时，选取方案A对所述待分析案件进行理赔，当所述待分析案件的理赔可信度为800时，选取方案B对所述待分析案件进行理赔。
本发明实施例能够对用户的多个理赔案件的案件信息进行分析，通过绘制包含该多个理赔案件的案件图，并在所述案件图中标记不同案件之间的连接关系与权重，进而通过对待分析案件与所述案件图的图卷积处理，得到特征向量，进而根据该特征向量计算并选取理赔方案进行理赔，实现了结合多个理赔案件信息的多元化分析，提升了选取出的理赔方案与待分析案件的匹配程度。因此本发明提出的基于图分析的保险理赔方法，可以解决选取的保单理赔方案与保单的匹配性较低的问题。
如图4所示，是本发明一实施例提供的基于图分析的保险理赔装置的功能模块图。
本发明所述基于图分析的保险理赔装置100可以安装于电子设备中。根据实现的功能，所述基于图分析的保险理赔装置100可以包括属性提取模块101、案件图绘制模块102、权重配置模块103、特征分析模块104及理赔分析模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述属性提取模块101，用于获取用户的多个理赔案件的案件信息，分别提取每个所述案件信息中的多个案件属性；
所述案件图绘制模块102，用于利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图；
所述权重配置模块103，用于将每个父节点中相同的子节点进行连接，并配置所述案件图内每个子节点对应的连接权重；
所述特征分析模块104，用于获取待分析案件，提取所述待分析案件的目标属性，根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量；
所述理赔分析模块105，用于根据所述特征向量计算所述待分析案件的理赔可信度，根据所述理赔可信度选取预设理赔方案对所述待分析案件进行理赔。
详细地，本发明实施例中所述基于图分析的保险理赔装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于图分析的保险理赔方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于图分析的保险理赔方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于图分析的保险理赔程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于图分析的保险理赔程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于图分析的保险理赔程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于图分析的保险理赔程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取用户的多个理赔案件的案件信息，分别提取每个所述案件信息中的多个案件属性；
利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图；
将每个父节点中相同的子节点进行连接，并配置所述案件图内每个子节点对应的连接权重；
获取待分析案件，提取所述待分析案件的目标属性，根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量；
根据所述特征向量计算所述待分析案件的理赔可信度，根据所述理赔可信度选取预设理赔方案对所述待分析案件进行理赔。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元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机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取用户的多个理赔案件的案件信息，分别提取每个所述案件信息中的多个案件属性；
利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图；
将每个父节点中相同的子节点进行连接，并配置所述案件图内每个子节点对应的连接权重；
获取待分析案件，提取所述待分析案件的目标属性，根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量；
根据所述特征向量计算所述待分析案件的理赔可信度，根据所述理赔可信度选取预设理赔方案对所述待分析案件进行理赔。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于图分析的保险理赔方法，其特征在于，所述方法包括：
获取用户的多个理赔案件的案件信息，分别提取每个所述案件信息中的多个案件属性；
利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图；
将每个父节点中相同的子节点进行连接，并配置所述案件图内每个子节点对应的连接权重；
获取待分析案件，提取所述待分析案件的目标属性，根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量；
根据所述特征向量计算所述待分析案件的理赔可信度，根据所述理赔可信度选取预设理赔方案对所述待分析案件进行理赔。
2.如权利要求1所述的基于图分析的保险理赔方法，其特征在于，所述分别提取每个所述案件信息中的多个案件属性，包括：
获取预设的多个案件属性字段，从所述多个案件属性字段中逐个选取其中一个案件属性字段为目标字段；
将所述目标字段作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
将每个所述目标字段对应的决策树并行拼接为决策树模型；
利用所述决策树模型对每个所述案件信息进行筛选，得到多个案件属性。
3.如权利要求1所述的基于图分析的保险理赔方法，其特征在于，所述利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图，包括：
获取每个理赔案件的案件摘要，将所述案件摘要转换为案件向量；
逐个选取一个理赔案件为目标案件，将所述目标案件对应的案件向量映射至预设的坐标系内，得到案件坐标，并将所述案件坐标作为所述目标案件对应的父节点；
将所述目标案件的每个案件属性转换为属性向量，将所述属性向量映射至所述预设坐标系内，得到属性坐标，并将所述属性坐标作为所述目标案件的子节点；
汇集每个所述理赔案件的父节点和子节点，得到案件图。
4.如权利要求1所述的基于图分析的保险理赔方法，其特征在于，所述将每个父节点中相同的子节点进行连接，包括：
逐个从所述父节点中选取其中一个父节点为目标父节点；
逐个从所述目标父节点中选取其中一个子节点为目标子节点；
将所述目标子节点在除所述目标父节点之外的父节点内进行检索，并将所述目标子节点与被检索到的子节点进行连接。
5.如权利要求1所述的基于图分析的保险理赔方法，其特征在于，所述配置所述案件图内每个子节点对应的连接权重，包括：
将所属案件图内与其他子节点不存在连接关系的子节点的连接权重设置为负无穷；
逐个从所属案件图内与其他子节点存在连接关系的子节点内选取一个子节点为待配置节点；
获取所述待配置节点对应的属性向量，以及获取与所属待配置节点存在连接关系的其他子节点对应的属性向量；
将所述待配置节点对应的属性向量以及与所属待配置节点存在连接关系的其他子节点对应的属性向量拼接为连接向量；
利用预设的权重算法根据所述连接向量计算所述待配置节点对应的连接权重，并将所述连接权重设置为所述待配置节点的连接权重。
6.如权利要求1所述的基于图分析的保险理赔方法，其特征在于，所述根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量，包括：
选取所述案件图中与所述目标属性对应的子节点的属性向量，按照行向量方式对所述属性向量进行堆叠，得到案件矩阵；
根据所述连接权重对所述案件矩阵进行卷积处理，得到卷积特征；
利用预设激活函数对所述卷积特征进行激活处理，得到特征向量。
7.如权利要求6所述的基于图分析的保险理赔方法，其特征在于，所述根据所述特征向量计算所述待分析案件的理赔可信度，包括：
对所述特征向量进行归一化处理，得到归一化向量；
计算所述归一化向量与预设的置信度向量之间的距离值，并确定所述距离值为所述待分析案件的理赔可信度。
8.一种基于图分析的保险理赔装置，其特征在于，所述装置包括：
属性提取模块，用于获取用户的多个理赔案件的案件信息，分别提取每个所述案件信息中的多个案件属性；
案件图绘制模块，用于利用每个所述理赔案件作为父节点，以及利用每个所述案件信息的多个案件属性作为子节点绘制案件图；
权重配置模块，用于将每个父节点中相同的子节点进行连接，并配置所述案件图内每个子节点对应的连接权重；
特征分析模块，用于获取待分析案件，提取所述待分析案件的目标属性，根据所述目标属性与所述连接权重对所述案件图进行图卷积分析，得到特征向量；
理赔分析模块，用于根据所述特征向量计算所述待分析案件的理赔可信度，根据所述理赔可信度选取预设理赔方案对所述待分析案件进行理赔。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于图分析的保险理赔方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于图分析的保险理赔方法。
CN202210141442.2A 2022-02-16 2022-02-16 基于图分析的保险理赔方法、装置、设备及存储介质 Pending CN114519647A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210141442.2A CN114519647A (zh) 2022-02-16 2022-02-16 基于图分析的保险理赔方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210141442.2A CN114519647A (zh) 2022-02-16 2022-02-16 基于图分析的保险理赔方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114519647A true CN114519647A (zh) 2022-05-20

Family

ID=81599815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210141442.2A Pending CN114519647A (zh) 2022-02-16 2022-02-16 基于图分析的保险理赔方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114519647A (zh)

Similar Documents

Publication Publication Date Title
CN114979120B (zh) 数据上传方法、装置、设备及存储介质
CN113961473A (zh) 数据测试方法、装置、电子设备及计算机可读存储介质
CN113806434A (zh) 大数据处理方法、装置、设备及介质
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN113656690A (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN114398557A (zh) 基于双画像的信息推荐方法、装置、电子设备及存储介质
CN113886708A (zh) 基于用户信息的产品推荐方法、装置、设备及存储介质
CN113868529A (zh) 知识推荐方法、装置、电子设备及可读存储介质
CN115238670A (zh) 信息文本抽取方法、装置、设备及存储介质
CN113434542B (zh) 数据关系识别方法、装置、电子设备及存储介质
CN117155771B (zh) 一种基于工业物联网的设备集群故障溯源方法及装置
CN114187096A (zh) 基于用户画像的风险评估方法、装置、设备及存储介质
CN116741358A (zh) 问诊挂号推荐方法、装置、设备及存储介质
CN113869455B (zh) 无监督聚类方法、装置、电子设备及介质
CN113419951B (zh) 人工智能模型优化方法、装置、电子设备及存储介质
CN114881153A (zh) 基于多任务联合的疾病类别分析方法、装置、设备及介质
CN114518993A (zh) 基于业务特征的系统性能监控方法、装置、设备及介质
CN115098644A (zh) 图像与文本匹配方法、装置、电子设备及存储介质
CN115082736A (zh) 垃圾识别分类方法、装置、电子设备及存储介质
CN114780688A (zh) 基于规则匹配的文本质检方法、装置、设备及存储介质
CN114219367A (zh) 用户评分方法、装置、设备及存储介质
CN114519647A (zh) 基于图分析的保险理赔方法、装置、设备及存储介质
CN113704411B (zh) 基于词向量的相似客群挖掘方法、装置、设备及存储介质
CN116522105B (zh) 基于云计算的数据一体化搭建的方法、装置、设备及介质
CN113191455B (zh) 边缘计算盒子选举方法、装置、电子设备及介质

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