CN114841819A - 理赔方案的确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了理赔方案的确定方法、装置、电子设备及存储介质，涉及保险信息技术领域。具体实现方案为：获取当前理赔方案的受保对象的基本信息和赔付规则信息；根据该基本信息从历史数据中确定对应的理赔案例；根据该理赔案例和该赔付规则信息，计算得到该当前赔付数据；在该当前赔付数据符合预期值的情况下，将该当前理赔方案作为目标理赔方案。采用上述方案，可以从历史数据中筛选具备较高参考价值的理赔案例，再结合当前的赔付规则进行计算，得到最准确的赔付数据，从而根据赔付数据确定合理的目标理赔方案，该方案不依赖与人工，确定过程快速、高效，结果可信度高。

Description

理赔方案的确定方法、装置、电子设备及存储介质

技术领域

本公开涉及保险信息技术领域，尤其涉及一种理赔方案的确定方法、装置、电子设备及存储介质。

背景技术

在设计保险产品时，往往需要针对每一个用户的特点与当前状况进行理赔方案的制定，并估算新制定的理赔方案是否满足赔付要求。相关技术中，该步骤高度依赖人工：报价人员需要先从数据库中找到该企业之前的历史保险数据，然后结合经验涉及具体的赔付方案，并对赔付结果进行预估。这种方法不但需要花费大量的时间在历史数据的检索、读取，而且，还会因为历史数据选取不准确或者人工预估偏差而导致理赔方案设计不合理，蕴含极大的风险。

发明内容

本公开提供了一种用于理赔方案的确定方法、装置、电子设备以及存储介质。

根据本公开的一方面，提供了一种理赔方案的确定方法，包括：

获取当前理赔方案的受保对象的基本信息和赔付规则信息；根据该基本信息从历史数据中确定对应的理赔案例；根据该理赔案例和该赔付规则信息，计算得到该当前赔付数据；在该当前赔付数据符合预期值的情况下，将该当前理赔方案作为目标理赔方案。

根据本公开的另一方面，提供了一种理赔方案的确定装置，包括：

获取模块，用于获取当前理赔方案的受保对象的基本信息和赔付规则信息；

案例确定模块，用于根据该基本信息从历史数据中确定对应的理赔案例；

计算模块，用于根据该理赔案例和该赔付规则信息，计算得到该当前赔付数据；

第一方案模块，用于在该当前赔付数据符合预期值的情况下，将该当前理赔方案作为目标理赔方案。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。

采用本方案，可以从历史数据中筛选具备较高参考价值的理赔案例，再结合当前的赔付规则进行计算，得到最准确的赔付数据，从而根据赔付数据确定合理的目标理赔方案，该方案不依赖与人工，确定过程快速、高效，结果可信度高。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开一实施例的理赔方案的确定方法的流程示意图；

图2是根据本公开另一实施例的理赔方案的确定方法的流程示意图；

图3是根据本公开一实施例的理赔方案数据输入方法的流程示意图；

图4是根据本公开一实施例的理算方式的流程示意图；

图5是根据本公开一实施例的理赔方案的确定装置的结构示意图；

图6是根据本公开另一实施例的理赔方案的确定装置的结构示意图；

图7用来实现本公开实施例的理赔方案的确定方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分，并不是限定顺序的意思，或者限定只有两个的意思，例如，第一特征和第二特征，是指代有两类/两个特征，第一特征可以为一个或多个，第二特征也可以为一个或多个。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

本公开实施例提供一种理赔方案的确定方法，如图1所示，该方法包括：

步骤S101：获取当前理赔方案的受保对象的基本信息和赔付规则信息；

步骤S102：根据该基本信息从历史数据中确定对应的理赔案例；

步骤S103：根据该理赔案例和该赔付规则信息，计算得到该当前赔付数据；

步骤S104：在该当前赔付数据符合预期值的情况下，将该当前理赔方案作为目标理赔方案。

一示例中，步骤S101中的当前理赔方案也叫待预测理赔方案，其中的受保对象即是投保人，投保人可以是个人，也可以是团体，基础信息指的是描述受保对象特征性质的各项数据。如是个人，受保对象的基本信息可以是投保人的年龄、性别、职业等基本信息；如果受保对象是团体，基本信息可以是团体的企业类型、人数、男女比例、具体职业等。赔付规则信息指的是理赔方案中的各项理赔细节信息，比如约定的保额、免赔额、赔付比、赔付次数等等。

接下来，步骤S102中，根据基本信息，在历史数据中筛选出相关的理赔案例作为基础理算数据，理赔案例是申报理赔或者已经得到赔付的案例材料，比如医生诊断证明、医院收费的发票等等，上述理赔案例对应的用户对象需要和受保对象存在一定的共性，以至于利用该理赔案例计算得到的赔付数据具备较高的参考价值。理赔案例的具体范围可以根据实际情况进行灵活设定，可以获取某一同类用户一年中所有的申请报销单据作为理赔案例，也可以获得进五年的相关单据作为理赔案例。

然后，步骤S103中，基于理赔案例，用当前理赔方案中的赔付规则信息去计算，即对历史中的理赔案例赋予新的当前理赔方案，得到具体的赔付数据，这里的赔付数据包括赔付率、保费占比等等。

最后，步骤S104中，将得到的赔付数据与预期的赔付数据进行比对，如果赔付数据符合预期范围，就可以认为当前的理赔方案符合要求，可以作为成熟的目标理赔方案报给客户。

当然，也可以按照实际情况微微调整赔付规则信息内的各项参数，并利用上述方案计算得到对应的赔付数据，观察参数变化的情况下对实际赔付数据的影响，从而得到合理且最佳的目标理赔方案。

在对保险理赔方案进行预估的过程中，现有技术一般是直接找类似用户的赔付规则，直接套用或者稍微改动，但是，这种方法很难做道满足受保用户的个性化需求，也容易造成赔付结果数据不满足要求。采用上述示例，不是采用历史中的赔付规则，而是找到具有参考价值的理赔案例，然后拿这些理赔案例作为历算数据，赋予新的赔付规则，进行理算得到具体的赔付数据，然后通过该赔付数据是否合理确定目标理赔方案。这种方法预测出的赔付数据不依赖于人工的经验估算，可以高效生成合理的理赔方案，得到较为准确的预测结果，预测结果的可信度也很高。

本公开实施例提供另一种理赔方案的确定方法，如图2所示，该方法包括：

步骤S201：获取当前理赔方案的受保对象的基本信息和赔付规则信息；

步骤S202：根据该基本信息从历史数据中确定对应的理赔案例；

步骤S203：根据该理赔案例和该赔付规则信息，计算得到该当前赔付数据；

步骤S204：在该当前赔付数据符合预期值的情况下，将该当前理赔方案作为目标理赔方案；

步骤S205：在该当前赔付数据不符合该预期值的情况下，调整该赔付规则信息，根据调整后的赔付规则信息确定目标理赔方案。

其中，上述步骤S201-S204与步骤S101-S104的具体实施方式类似，此处不再赘述。

一示例中，步骤S205中在当前赔付数据不符合该预期值的情况下，调整当前赔付规则中的各项参数，然后仍采用步骤S202中获得的理赔案例，结合调整后的赔付规则进行理算，得到新的赔付数据，再与预期值进行比对；重复操作，直到赔付数据满足预期值。在调整的过程中，可以基于理算方式，计算得到赔付规则里各参数的调整范围，然后在该调整范围中进行调整。如果得到了多个调整结果，还可以采取BI(Business Inteligience)可视化的方式，以报表的形式比对多个赔付规则及其对应的赔付数据，以使相关人员可以更加直观、清晰地选取最优的方案。采用上述示例，可以在赔付不符合预期的情况下，灵活调整相关参数，最终得到理赔数据满足预设的理赔方案。

一实施例中，步骤S205还可以具体包括如下步骤：

根据所述当前赔付数据与该预期值的比对结果，调整该赔付规则信息中的不同参数，得到多个调整后的赔付规则信息；

根据该多个调整后的赔付规则信息和该理赔案例，分别计算得到对应的多个调整后赔付数据；

比对该多个调整后赔付数据，确定目标理赔方案。

采用上述步骤，可以先根据当前赔付数据与预期值之间的差距，确定赔付规则中的那些参数需要调整，调整范围是多少；或者直接给出最佳赔付比率或最佳赔付次数作为参考；在给出的调整范围内，对参数进行灵活调整，得到多个调整后的赔付规则信息。比如，当前赔付规则中，普通门诊赔付比例是50％，住院的赔付比例是30％，通过计算得知，该规则对应的赔付数据不符合要求，如要符合要求，普通门诊赔付比例要降至40％，或将住院的赔付比例降至10％。基于此，可以调整相关的参数得到多个调整后的赔付规则信息，然后沿用上述步骤S202中从历史数据中获得的理赔案例，根据调整后不同的赔付规则得到不同的赔付数据，通过比对这些不同的赔付数据，从中选出最优的赔付数据及其对应的赔付规则得到目标理赔方案。筛选的过程中，也可以利用BI可视化的方式，进行横向比对，便于筛选。采用上述该实施例，可以在合理的范围内同时选择多个调整方案，通过横向比对选择出最佳的方案作为目标理赔方案。不需要人工进行无目标的调整和重复的计算，可以大大提升理赔工作的整体效率。

一实施例中，上述步骤S102或S202具体包括：

根据该基本信息从历史数据中确定对应的多个参考对象；在该多个参考对象中确定与该受保对象相似程度符合条件的参考对象；获取该符合条件的参考对象的理赔案例。

具体地，先从历史数据中筛选出与受保对象存在共性的对象作为参考对象，比如受保对象为100人左右的互联网公司，男女比例是9:1，那么，110人左右，男女比例不明的互联网公司可以作为参考对象，100人左右的进出口公司也可以作为参考对象。据此选出多个与受保对象存在共性的参考对象。然后，从多个参考对象中选出相似度符合条件的参考对象。在这里，可以通过将相似度量化的方式进行筛选，比如，对于团体受保对象，受保对象的人数、男女比例、行业类型均作为受保对象的属性，每个属性都被提前赋予一个权重，这些权重值可以根据不同的保险方案灵活设置。然后，基于受保对象和参考对象存在“共性”的属性以及对应的权重，将相似程度量化。通过预先设置的相似程度阈值，得到符合阈值的参考对象，即是符合条件的参考对象。然后，根据赔付规则或预测需求，获取符合条件的参考对象的相关理赔案例，比如，要预测一年之内的赔付数据，即获取一年之内的理赔案例。通过上述方式，可以根据当前方案的相关信息，灵活选定参考对象，从而从历史数据中选出覆盖最全面、内容最准确的理赔案例。而且，还可以避免因人工提取系统数据造成的数据泄露风险。

一示例中，上述步骤“根据该基本信息从历史数据中确定对应的多个参考对象”可以具体包括：根据该基本信息确定出该受保对象的多个属性；从历史数据中确定多个参考对象，每个参考对象的多个属性与该受保对象的多个属性至少有部分重合。具体实施时，可以通过人工输入或智能读取的方式，从受保对象的基本信息中得到多个具体的属性，比如行业属性、年龄属性(主要指年龄分布区间)、男女比例属性等等。得到受保对象的多个属性后，与历史数据中包括的海量用户中，查找属性有重合的参考对象。重合是指属性值或者属性范围相同或相似，可以理解为属性之间具备“共性”。比如“年龄属性”中，年龄在15～20岁之间就算年龄属性重合，重合的定义可以根据实际情况灵活确定。一般而言，受保对象可能有N个属性，历史数据中的每个用户有M个属性，在N和M之间至少有一个属性重合的情况下，就可以将该用户作为参考对象。

一示例中，假如要为一家新的教培行业的公司进行理赔方案的设计，该公司规模在100人，这个在历史数据中没有同规模、同行业的数据，但是数据库中有上万人数规模的教培行业数据，可以从这个公司里边通过某些属性条件筛选100人(比如通过性别、年龄等)然后将其作为参考对象，得到相应的理赔案例；也可以将数据库中规模100的其他行业公司作为参考对象。通过上述方案，可以灵活地选择最贴近受保对象的多个用户作为参考对象，使得基于该参考对象计算得到的赔付数据最准确。

一示例中，赔付规则信息可以包括责任信息和特别约定。其中，责任信息包括门诊责任、住院责任、意外责任等，责任信息可以是一个或多个，属于常规的保险方案内容；特别约定是额外补充的方案内容，比如“牙科最多赔付3次”这种在常规保险项目之外的信息。特别约定可以关联到责任信息，当“特别约定”和“责任信息”有冲突时，特别约定优先于责任信息。

具体地，上述步骤S101或S201中获取当前理赔方案的受保对象信息和赔付信息时，一般是采取手动输入的方式，如图3所示，一般先输入当前理赔方案的基本信息，基本信息至少包括受保对象信息，还可以包括其余基本信息，比如理赔公司、理赔类型等等。

一示例中，可以根据输入的基本信息，自动生成对应的责任信息和特别约定的备选选项，通过选择的方式完成输入，这样可以防止遗漏并提高输入效率；一示例中，也可以全部通过手动输入的方式完成责任信息和特别约定的输入。在此示例中，当前理赔方案的基本信息、责任信息和特别约定的输入顺序不被限定。

一示例中，在进行特别约定输入的时候，也可以结合“模板化”的输入方式，保证输入过程便捷、方便，且无遗漏。

将基本信息和赔付规则信息输入完毕之后，可以从历史数据中找到对应的理赔案例。如果理赔案例覆盖不够，可以通过调整“相似度”的阈值，将相似度较低的理赔案例也归纳进来，以保证数据覆盖性高。然后进行数据汇总拼接，即是将历史中的理赔案例和当前方案中的新的赔付规则信息汇总，计算得到当前赔付数据。

现有技术中的理赔预测通常只基于常规责任，本公开中将赔付规则分为常规责任信息和特别约定，智能化输入，可以更好地结合实际中理赔场景，保证之后利用赔付规则计算得到的赔付数据更加准确。

一实施例中，上述步骤S103或S203中计算得到当前赔付数据的步骤具体包括：获取该理赔案例的票据信息和/或病例信息；根据基本赔付规则和/或特别赔付规则生成理算规则，其中，该基本赔付规则根据该常规责任信息得到，该特别赔付规则根据该特别约定信息得到；基于该票据信息和/或病例信息，利用该理算规则计算得到该当前赔付数据。具体地，如图4所示，在计算之前需要先获得基础数据，比如找同行业同规模的保障方案在之前一年内的所有用户发起的所有票据信息、病例信息等等，作为基础理算数据。然后，确定常规责任信息和特别约定信息，根据常规责任信息得到基本赔付规则、根据特别约定信息得到特别赔付规则，综合基本赔付规则和特别赔付规则生成理算规则(理算方式)，需要强调的是，这里的理算规则可能包括不止一个理算方式，比如包括年免赔理算、次理赔理算、分段次免理算、津贴理算等等。然后，根据不同的理算方式进行具体理算，得到理算结果；如果有多个理算方式，可以并行计算，最后将理算结果汇总，得到当前赔付数据。采用上述方案，可以结合常规责任信息和特别约定信息进行精准的理算，得到可信度高的赔付数据。

总的来说，上述任一种理赔方案的确定方法中，先在历史数据中挖掘出相关的理赔案例作为基础理算数据，再为该基础理算数据赋予当前待评测的赔付规则信息，该赔付规则信息中包括责任信息(保额，免赔额，赔付比)和特约信息(如就诊医院，赔付次数，是否医保结算等等)。理赔案例和赔付规则信息都是对赔付数据结果影响很大的因素，通过上述方式进行选择可以保证理赔案例和赔付规则信息最优，得到最准确的赔付数据，且能比较精准地评估责任和特约变化对赔付数据(主要是赔付率)的影响。

如图5所示，本公开的实施例中提供一种理赔方案的确定装置500，该装置包括：

获取模块501，用于获取当前理赔方案的受保对象的基本信息和赔付规则信息；

案例确定模块502，用于根据所述基本信息从历史数据中确定对应的理赔案例；

计算模块503，用于根据所述理赔案例和所述赔付规则信息，计算得到所述当前赔付数据；

第一方案模块504，用于在所述当前赔付数据符合预期值的情况下，将所述当前理赔方案作为目标理赔方案。

如图6所示，本公开的实施例中提供另一种理赔方案的确定装置600，该装置包括：

获取模块601，用于获取当前理赔方案的受保对象的基本信息和赔付规则信息；

案例确定模块602，用于根据所述基本信息从历史数据中确定对应的理赔案例；

计算模块603，用于根据所述理赔案例和所述赔付规则信息，计算得到所述当前赔付数据；

第一方案模块604，用于在所述当前赔付数据符合预期值的情况下，将所述当前理赔方案作为目标理赔方案；

第二方案模块605，用于在所述当前赔付数据不符合所述预期值的情况下，调整所述赔付规则信息，根据调整后的赔付规则信息确定目标理赔方案。

一示例中，第二方案模块用于：

根据所述当前赔付数据与所述预期值的比对结果，调整所述赔付规则信息中的不同参数，得到多个调整后的赔付规则信息；

根据所述多个调整后的赔付规则信息和所述理赔案例，分别计算得到对应的多个调整后赔付数据；

比对所述多个调整后赔付数据，确定目标理赔方案。

上述任一装置中，所述案例确定模块用于：

根据所述基本信息从历史数据中确定对应的多个参考对象；

在所述多个参考对象中确定与所述受保对象相似程度符合条件的参考对象；

获取所述符合条件的参考对象的理赔案例。

上述任一装置示例中，所述根据所述基本信息从历史数据中确定对应的多个参考对象，包括：

根据所述基本信息确定出所述受保对象的多个属性；

从历史数据中确定多个参考对象，每个参考对象的多个属性与所述受保对象的多个属性至少有部分重合。

上述任一装置示例中，所述赔付规则信息包括常规责任信息和/或特别约定信息。

上述任一装置示例中，计算模块用于：

获取所述理赔案例的票据信息和/或病例信息；

根据基本赔付规则和/或特别赔付规则生成理算规则，其中，所述基本赔付规则根据所述常规责任信息得到，所述特别赔付规则根据所述特别约定信息得到；

基于所述票据信息和/或病例信息，利用所述理算规则计算得到所述当前赔付数据。

本公开实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如理赔方案的确定方法。例如，在一些实施例中，理赔方案的确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的理赔方案的确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行理赔方案的确定方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (16)

1.一种理赔方案的确定方法，包括：

获取当前理赔方案的受保对象的基本信息和赔付规则信息；

根据所述基本信息从历史数据中确定对应的理赔案例；

根据所述理赔案例和所述赔付规则信息，计算得到所述当前赔付数据；

在所述当前赔付数据符合预期值的情况下，将所述当前理赔方案作为目标理赔方案。

2.根据权利要求1所述的方法，还包括：

在所述当前赔付数据不符合所述预期值的情况下，调整所述赔付规则信息，根据调整后的赔付规则信息确定目标理赔方案。

3.根据权利要求2所述的方法，其中，所述调整所述赔付规则信息，根据调整后的赔付规则信息确定目标理赔方案，包括：

根据所述当前赔付数据与所述预期值的比对结果，调整所述赔付规则信息中的不同参数，得到多个调整后的赔付规则信息；

根据所述多个调整后的赔付规则信息和所述理赔案例，分别计算得到对应的多个调整后赔付数据；

比对所述多个调整后赔付数据，确定目标理赔方案。

4.根据权利要求1或2任一项所述的方法，其中，所述根据所述基本信息从历史数据中确定对应的理赔案例，包括：

根据所述基本信息从历史数据中确定对应的多个参考对象；

在所述多个参考对象中确定与所述受保对象相似程度符合条件的参考对象；

获取所述符合条件的参考对象的理赔案例。

5.根据权利要求4所述的方法，其中，所述根据所述基本信息从历史数据中确定对应的多个参考对象，包括：

根据所述基本信息确定出所述受保对象的多个属性；

从历史数据中确定多个参考对象，每个参考对象的多个属性与所述受保对象的多个属性至少有部分重合。

6.根据权利要求1或2任一项所述的方法，其中，所述赔付规则信息包括常规责任信息和/或特别约定信息。

7.根据权利要求6所述的方法，其中，所述根据所述理赔案例和所述赔付规则信息，计算得到所述当前赔付数据，包括：

获取所述理赔案例的票据信息和/或病例信息；

根据基本赔付规则和/或特别赔付规则生成理算规则，其中，所述基本赔付规则根据所述常规责任信息得到，所述特别赔付规则根据所述特别约定信息得到；

基于所述票据信息和/或病例信息，利用所述理算规则计算得到所述当前赔付数据。

8.一种理赔方案的确定装置，包括：

获取模块，用于获取当前理赔方案的受保对象的基本信息和赔付规则信息；

案例确定模块，用于根据所述基本信息从历史数据中确定对应的理赔案例；

计算模块，用于根据所述理赔案例和所述赔付规则信息，计算得到所述当前赔付数据；

第一方案模块，用于在所述当前赔付数据符合预期值的情况下，将所述当前理赔方案作为目标理赔方案。

9.根据权利要求8所述的装置，包括：

第二方案模块，用于在所述当前赔付数据不符合所述预期值的情况下，调整所述赔付规则信息，根据调整后的赔付规则信息确定目标理赔方案。

10.根据权利要求9所述的装置，其中，所述第二方案模块用于：

根据所述当前赔付数据与所述预期值的比对结果，调整所述赔付规则信息中的不同参数，得到多个调整后的赔付规则信息；

根据所述多个调整后的赔付规则信息和所述理赔案例，分别计算得到对应的多个调整后赔付数据；

比对所述多个调整后赔付数据，确定目标理赔方案。

11.根据权利要求8或9任一项所述的装置，其中，所述案例确定模块用于：

根据所述基本信息从历史数据中确定对应的多个参考对象；

在所述多个参考对象中确定与所述受保对象相似程度符合条件的参考对象；

获取所述符合条件的参考对象的理赔案例。

12.根据权利要求11所述的装置，其中，所述根据所述基本信息从历史数据中确定对应的多个参考对象，包括：

根据所述基本信息确定出所述受保对象的多个属性；

从历史数据中确定多个参考对象，每个参考对象的多个属性与所述受保对象的多个属性至少有部分重合。

13.根据权利要求8或9任一项所述的装置，其中，所述赔付规则信息包括常规责任信息和/或特别约定信息。

14.根据权利要求13所述的装置，其中，所述计算模块用于：

获取所述理赔案例的票据信息和/或病例信息；

根据基本赔付规则和/或特别赔付规则生成理算规则，其中，所述基本赔付规则根据所述常规责任信息得到，所述特别赔付规则根据所述特别约定信息得到；

基于所述票据信息和/或病例信息，利用所述理算规则计算得到所述当前赔付数据。

15.一种电子设备，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指令，所述指令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权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

Images