CN115759758A - 风险评估方法、装置、设备及存储介质 - Google Patents
风险评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115759758A CN115759758A CN202211619582.2A CN202211619582A CN115759758A CN 115759758 A CN115759758 A CN 115759758A CN 202211619582 A CN202211619582 A CN 202211619582A CN 115759758 A CN115759758 A CN 115759758A
- Authority
- CN
- China
- Prior art keywords
- data
- result
- preset
- text
- risk assessment
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种风险评估方法,该方法包括获取待识别文件,对待识别文件进行识别,得到识别数据;对所有识别数据进行过滤,得到与各识别数据对应的目标数据;获取预设风险评估模型,通过预设风险评估模型对所有目标数据进行风险评估,得到与各目标数据对应的初步评估结果;将初步评估结果反馈至预设评估方,并接收预设评估方对初步评估结果进行数据校验的数据校验结果;在数据校验结果表征初步评估结果无误时,将初步评估结果确定为风险评估结果。本发明通过预设风险评估模型对目标数据进行评估,并对初步评估结果进行校验,减少了人力投入成本和客观因素的影响,增加了风险评估效率,以及提高了风险评估的准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种风险评估方法、装置、设备及存储介质。
背景技术
随着科技的不断发展,企业的业务也相应实现快速发展,业务中存在的风险也越来越多,为了能有效的减少高风险业务,对业务进行风险评估显得极其重要。
现有技术中,风险评估往往是通过人工方式评估的,对风险评估人员的评估效率、专业性、正确性提出了很高的要求,且人工方式评估相当耗时,以及容易出错,从而影响了风险的效率以及准确性。例如在保险赔付流程中,业务员在完成该节点的相关操作后,手动提交给下一个节点,继续进行下一阶段的处理流程,上述需要进行多个节点的确认,其过程操作繁琐,且各环节之间流转耗时较长,评估效率低,且各环节均需要依靠人工经验进行判断评估,易出错。
发明内容
本发明实施例提供一种风险评估方法、装置、设备及存储介质,以解决现有技术中风险评估的效率低以及准确性低的问题。
一种风险评估方法,包括:
获取待识别文件,对所述待识别文件进行识别,得到识别数据;
对所有所述识别数据进行过滤,得到与所述各识别数据对应的目标数据;
获取预设风险评估模型,通过所述预设风险评估模型对所有所述目标数据进行风险评估,得到与各所述目标数据对应的初步评估结果;
将所述将所述初步评估结果发送至预设评估方,并接收预设评估方对所述初步评估结果进行数据校验的数据校验结果;
在所述数据校验结果表征初步评估结果无误时,将所述初步评估结果确定为风险评估结果。
一种风险评估装置,包括:
数据识别模块,用于获取待识别文件,对所述待识别文件进行识别,得到识别数据;
数据过滤模块,用于对所有所述识别数据进行过滤,得到与各所述识别数据对应的目标数据;
风险评估模块,用于获取预设风险评估模型,通过所述预设风险评估模型对所有所述目标数据进行风险评估,得到与各所述目标数据对应的初步评估结果;
数据校验模块,用于将所述初步评估结果发送至预设评估方,并接收预设评估方反馈的对所述初步评估结果进行数据校验的数据校验结果;
结果确定模块,用于在所述数据校验结果表征初步评估结果无误时,将所述初步评估结果确定为风险评估结果。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述风险评估方法。
一种计算机可读存储介质,所述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上述风险评估方法。
本发明提供一种风险评估方法、装置、计算机设备及存储介质,该方法5通过分别对各待识别文件进行识别,从而实现了对与各待识别文件对应的识别数据的获取。再分别对所有识别数据进行过滤,从而实现了对识别数据中无关数据(如符号等)的删除,以及实现了对目标数据的确定,进而提高了后续风险评估的准确性。通过预设风险评估模型对目标数据进行评估,从而
实现了对初步评估结果的获取,进而减少了人力投入成本和客观因素的影响,0以及提高了风险评估的效率。通过将初步评估结果反馈至预设评估方校验,
并在初步评估结果无误时,得到风险评估结果,实现了对风险评估结果的获取,从而确保了初步评估结果的准确性,进而提高了风险评估结果的准确性。
附图说明
5为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中风险评估方法的应用环境示意图;
图2是本发明一实施例中风险评估方法的流程图;
图3是本发明一实施例中风险评估方法步骤S30的流程图;
图4是本发明一实施例中风险评估方法步骤S302的流程图;
图5是本发明一实施例中风险评估装置的原理框图;
图6是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的风险评估方法,该风险评估方法可应用如图1所示的应用环境中。具体地,该风险评估方法应用在风险评估装置中,该风险评估装置包括如图1所示的客户端和服务器,客户端与服务器通过网络进行通信,用于解决现有技术中风险评估的效率低以及准确性低的问题。其中,该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。客户端又称为用户端,是指与服务器相对应,为客户提供分类服务的程序。客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备上。
在一实施例中,如图2所示,提供一种风险评估方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
S10:获取待识别文件,对所述待识别文件进行识别,得到识别数据。
可理解地,待识别文件为需要进行风险识别的用户递交与的与本次识别相关的影像或文档等内容,比如,若需要进行投保风险评估,则待识别文件即为保险有关的证明信息,如身份证明或病例等相关的影像和文档等。若需要判断一个应用程序的已注册用户是否具有将不再使用该应用程序的风险,则该待识别文件可以为其登录、访问或购买等的一切使用文件信息等。
具体地,获取至少一个用户上传的待识别文件,对所有待识别文件进行边缘检测,也即在对证明信息进行拍照时,经常会将周围环境拍摄进去,在对待识别文件进行识别之前,要对待识别文件的边缘进行检测,对待识别文件中目标识别区域进行确定,得到待识别区域。通过光学字符识别(Optical Character Recognition,OCR)技术对待识别区域的文字或图像进行识别,也即对待识别区域的内容进行二值化处理,增强文本信息。通过预设文本检测算法对待识别区域的内容进行检测,也即可以CTPN算法或TextBoxes及TextBoxes++,亦或者EAST算法进行内容检测,得到文本检测结果。根据文本检测结果对待识别文件进行内容识别,也即在待识别文件上运行滑动CNN,以提取待识别文件的特征,将所得特征序列输入到推叠在CNN顶部的LSTM进行特征序列的编码,使用注意力机制进行解码,并输出标签序列,从而得到与各待识别文件对应的识别数据。
S20:对所有所述识别数据进行过滤,得到与所述各识别数据对应的目标数据。
可理解地,目标数据为对识别数据进行停用词和语气词等词过滤得到的。
具体地,在得到所有识别数据之后,对各个识别数据中的内容进行划分,也即通过预设的方法对各个识别数据进行切词处理,从而得到与各识别数据对应的待处理字词。其次通过预设的词性编码表对所有待处理字词进行词性标注,即给每个词或者词语打词类标签。并基于词性标注对各识别数据中的待处理字词进行实体识别,即对各识别数据中的实体信息进行提取,得到与待处理字词对应的实体识别结果。然后对与各识别数据对应的实体识别结果进行字词过滤,即将实体识别结果中的无关字词(停用词和语气词等字词)进行过滤删除,从而得到与各识别数据对应的目标数据。
S30,获取预设风险评估模型,通过所述预设风险评估模型对所有所述目标数据进行风险评估,得到与各所述目标数据对应的初步评估结果。
可理解地,预设风险评估模型为用于对目标数据是否存在风险进行评估,该预设风险评估模型为基于大量历史数据(正确的数据和错误的数据)训练得到的。
具体地,在得到目标数据之后,调取预设风险评估模型,将与各识别数据对应的目标数据输入到预设风险评估模型中,通过将所有与各识别数据对应的目标数据与预设风险评估模型中的历史数据进行相似度判断,从而确定与各目标数据对应的文本匹配值。其中,预设风险评估模型包括正向文本匹配模块和负向文本匹配模块,首先对各目标数据进行扫描划分,将各个目标数据划分为一个一个的文本字词,其次将与各个目标数据对应的所有文本字词分别输入到正向文本匹配模块和负向文本匹配模块。通过将文本字词与正向文本匹配模块和负向文本匹配模块中的历史数据进行相似度匹配,得到与文本字词对应的正向文本匹配值以及负向文本匹配值,然后并将同一个目标数据对应的所有文本字词的正向文本匹配值以及负向文本匹配值进行求和,得到与各目标数据对应的初步评估结果。
S40:将所述将所述初步评估结果发送至预设评估方,并接收预设评估方对所述初步评估结果进行数据校验的数据校验结果。
S50,在所述数据校验结果表征初步评估结果无误时,将所述初步评估结果确定为风险评估结果。
可理解地,数据校验结果为用于表征初步评估结果是否正确的结果。风险评估结果为对待识别文件风险评估得到的。
具体地,在得到初步评估结果之后,将初步评估结果发送到预设评估方,由预设评估方检测初步评估结果是否正确,得到数据校验结果。数据校验结果包括表征初步评估结果无误的数据校验结果和表征初步评估结果有误的数据校验结果,也即表征初步评估结果无误的数据校验结果代表预设风险评估模型预测的初步评估结果正确,表征初步评估结果有误的数据校验结果代表预设风险评估模型预测的初步评估结果错误,并将表征校验成功的数据校验结果从预设评估方发送到服务器中。进一步地,当检测到数据校验结果表征初步评估结果有误时,从预设评估方获取修改的初步评估结果,并对预设风险评估模型进行更新,并通过更新风险评估模型对目标数据进行评估,以及对新的初步评估结果进行校验。当检测到数据校验结果表征初步评估结果无误时,将初步评估结果确定为风险评估结果。
在本发明实施例中的一种风险评估方法,该方法通过分别对各待识别文件进行识别,从而实现了对与各待识别文件对应的识别数据的获取。再分别对所有识别数据进行过滤,从而实现了对识别数据中无关数据(如符号等)的删除,以及实现了对目标数据的确定,进而提高了后续风险评估的准确性。通过预设风险评估模型对目标数据进行评估,从而实现了对初步评估结果的获取,进而减少了人力投入成本和客观因素的影响,以及提高了风险评估的效率。通过将初步评估结果反馈至预设评估方校验,并在初步评估结果无误时,得到风险评估结果,实现了对风险评估结果的获取,从而确保了初步评估结果的准确性,进而提高了风险评估结果的准确性。
在一实施例中,步骤S20中,也即对所有所述识别数据进行过滤,得到与所述各识别数据对应的目标数据,包括:
S201,对所述识别数据进行切词处理,得到所述识别数据中的至少一个待处理字词。
可理解地,待处理字词为对所述目标数据切分后的结果,切词结果为切分后得到的待处理字词,有向无环图为无回路、有方向的图。
具体地,在得到识别数据之后,通过中文分词算法对识别数据进行切词处理,根据上下文特征的联系将识别数据进行全切分路径选择切词,得到与识别数据对应的至少一个待处理字词,全切分路径选择切词过程为将所有可能的切词结果全部列出来,从中选择最佳的切分路径,并将所有的切词结果组成有向无环图,可以通过将切词结果作为节点,词和词之间的边赋予权重,找到权重和最小的路径即为最终结果,比如可以通过词频作为权重,找到一条总词频最大的路径即可认为是最佳路径。
S202,对所述待处理字词进行词性标注以及实体识别,得到与所述待处理字词对应的实体识别结果。
可理解地,实体识别模型可以通过采用有标签的文本对如基于神经网络构建的模型进行有监督训练得到,词性标注为给字词设置词类标签,实体识别为从目标数据中提取出实体信息的过程,实体识别结果为从目标数据中提取出的实体信息。
具体地,通过词性编码表对所有待处理字词进行词性标注,给每个词或者词语打词类标签,如形容词、动词、名词等,可以让待处理字词在后面的处理中融入更多有用的信息,将对每个待处理字词进行词性标注后的识别数据输入到实体识别模型中,通过实体识别模型对识别数据进行实体识别,如根据各个待处理字词的词性辅助确定每一待处理字词的实体类型,进而将实体类型确定为实体识别结果,即根据上下文特征、句子及字词的词性之间的联系,从给定的目标数据中抽取重要的实体信息,比如时间、地点、人物等等,时间即可以为时间实体、地点即可以为地点实体,人物例如可以为姓名实体等。
S203,根据与各所述待处理字词对应的实体识别结果,对所述识别数据5进行字词过滤,得到目标数据。
具体地,在得到与各待处理字词对应的实体识别结果后,通过预先设定好的词典库对所有实体识别结果中的停用词和语气词等噪音词语进行过滤,即对识别数据中的噪音词进行过滤删除,将过滤后得到的所有实体识别结果
整理成所述目标数据。其中,停用词删除是根据具体场景来决定的,比如在0一些情感分析的目标数据中,因为语气词、感叹号对表示语气程度、感情色彩有一定的意义,所以是应该保留的。
本发明实施例通过切词处理实现了对识别数据进行分词,通过词性编码表实现了对待处理字词进行词性标注,通过实体识别实现了对识别数据中实
体信息的提取,通过过滤处理实现了对文本中没有作用的字词进行删除,进5一步提高了后续风险评估的准确性。
在一实施例中,如图3所示,如所述步骤S30中,也即通过所述预设风险评估模型对所有所述目标数据进行风险评估,得到与各所述目标数据对应的初步评估结果,包括:
S301,对所述目标数据进行扫描划分,得到目标数据中的至少一个文本0字词。
可理解地,目标数据中包括至少一个文本字词,文本字词为对目标数据进行划分后得到的字词。
具体地,在得到目标数据之后,对目标数据的内容进行扫描,即从左上角开始,逐步从左到右,从上到下的扫描,并将目标数据对应的内容划分成一行一行的内容。再根据连通域分析方法对所有所述目标数据中的内容进行等宽度的切分,得到一块一块的切分区域,并对切分区域内的目标数据进行字符对齐处理,得到与目标数据对应的文本字词。
S302,将所述文本字词输入至所述预设风险评估模型中,确定与所述文本字词对应的正向文本匹配值以及负向文本匹配值。
可理解地,预设风险评估模型中包括正向文本匹配模块和负向文本匹配模块,将历史数据中正确的数据输入到正向文本匹配模块进行训练,得到正向文本匹配模块,将历史数据中错误的数据输入到负向文本匹配模型进行训练,得到负向文本匹配模块,零文本匹配值为文本字词与预设风险评估模型中的文本字词的相似度超过预设阈值或未匹配时的匹配值。
具体地,在得到文本字词后,将所有文本字词输入至预设风险评估模型中,通过预设风险评估模型对文本字词进行相似度匹配判断,分别得到正向欧式距离和负向欧式距离,并通过正向欧式距离与预设的正向距离阈值进行比较,当正向欧式距离小于正向距离阈值时,确定与正向欧式距离对应的文本字词的匹配值为正向文本匹配值。负向欧式距离与预设的负向距离阈值进行比较,当负向欧式距离小于负向距离阈值时,确定与负向欧式距离对应的文本字词的匹配值为负向文本匹配值。其中,当正向欧氏距离大于或等于正向距离阈值或负向欧氏距离大于或等于欧氏距离阈值时,确定出文本字词对应的匹配值为零文本匹配值,当文本字词与预设风险评估模型中的文本字词未匹配时,即预设风险评估模型中未记录该文本字词,则将该文本字词对应的匹配值确定为零文本匹配值,并将零文本匹配值划分到正向文本匹配值中。
S303,将所述目标数据中所有所述文本字词对应的所述正向文本匹配值和所述负向文本匹配值之和记录为与所述目标数据对应的文本匹配值。
S304,根据与所述目标数据对应的文本匹配值,确定所述初步评估结果。
可理解地,文本匹配值为预设风险评估模型对目标数据的评估结果。初步评估结果用于表征目标数据是否存在风险的评估结果。
具体地,在得到与文本字词对应的正向文本匹配值以及负向文本匹配值之后,将目标数据中所有文本字词对应的正向文本匹配值和负向文本匹配值进行求和计算,将所有的正向文本匹配值和负向文本匹配值相加得到一个匹配值,将匹配值确定为与目标数据对应的文本匹配值。获取预设评估阈值,将与目标数据对应的文本匹配值和预设评估阈值进行比较,当文本匹配值大于或等于预设评估阈值时,得到表征不存在风险的初步评估结果。当文本匹配值小于预设评估阈值时,得到表征存在风险的初步评估结果。
在一实施例中,例如一个目标数据中包括五个文本字词,五个文本字词分别的文本匹配值为正向文本匹配值为1、负向文本匹配值为-1、负向文本匹配值为-1、正向文本匹配值为1、正向文本匹配值为1,对目标数据的文本匹配值进行计算,得到文本匹配值为1,其中,一个文本字词的正向文本匹配值为1,则这个文本字词的负向文本匹配值为0,即一个文本字词不可能既符合正向文本匹配模块,又符合负向文本匹配模块。
本发明实施例通过对目标数据进行扫描划分,实现了对文本字词的获取。通过预设风险评估模型对文本字词进行识别,实现了对文本字词的匹配值计算。通过对所有文本字词的匹配值进行计算,实现了对目标数据的文本匹配值的获取,提高了风险评估的准确性以及效率。
在一实施例中,如图4所示,所述步骤S302中,即将所述文本字词输入至所述预设风险评估模型中,确定与所述文本字词对应的正向文本匹配值以及负向文本匹配值,包括:
S3021,将所述文本字词输入至所述正向文本匹配模块,以确定与所述文本字词对应的正向欧式距离,并根据所述正向欧式距离确定与所述文本字词对应的正向文本匹配值。
可理解地,正向欧式距离为目标数据与正向文本匹配模块中文本的相似度,正向距离阈值为预设的目标数据与正向文本匹配模块中文本的相似度。
具体地,在得到文本字词之后,将所有文本字词输入到正向文本匹配模块中,通过计算文本字词与正向文本匹配模块之间的欧式距离,即计算两者之间的相似度,从而确定出与文本字词对应的正向欧式距离。获取预设的正向距离阈值,并将正向欧式距离与预设的正向距离阈值进行比较大小,当正向欧式距离小于预设的正向距离阈值时,确定与正向欧式距离对应的文本字词的匹配值为正向文本匹配值,即根据正向欧式距离确定与文本字词对应的正向文本匹配值为1。当正向欧氏距离大于或等于预设的正向距离阈值时,确定出与正向欧式距离对应的文本字词的匹配值为零文本匹配值,并将零文本匹配值划分到正向文本匹配值中。
S3022,将所述文本字词输入至所述负向文本匹配模块,以确定与所述文本字词对应的负向欧式距离,并根据所述负向欧式距离确定与所述文本字词对应的负向文本匹配值。
可理解地,负向欧式距离为目标数据与负向文本匹配模块中文本的相似度,负向距离阈值为预设的所述目标数据与负向文本匹配模块中文本的相似度。
具体地,将所有文本字词输入到负向文本匹配模块中,通过计算文本字词与负向文本匹配模块之间的欧式距离,即计算两者之间的相似度,从而确定出与文本字词对应的负向欧式距离。获取预设的负向距离阈值,并将负向欧式距离与预设的负向距离阈值进行比较大小,当负向欧式距离小于预设的负向距离阈值时,确定与负向欧式距离对应的文本字词的匹配值为负向文本匹配值,即根据负向欧式距离确定与所述文本字词对应的负向文本匹配值为-1。当负向欧氏距离大于或等于预设的负向距离阈值时,确定与负向欧式距离对应的文本字词的匹配值为零文本匹配值,并将零文本匹配值划分到正向文本匹配值中。
本发明实施例通过正向文本匹配模块对文本字词进行评估,实现了对文本字词的正向文本匹配值的确定。通过负向文本匹配模块对文本字词进行评估,实现了对文本字词的负向文本匹配值的确定,进一步提高了风险评估的准确性,以及提升了风险评估的效率。
在一实施例中,步骤S40中,即接收客户端对所述初步评估结果进行数据校验的数据校验结果,包括:
S401,在所述数据校验结果表征初步评估结果有误时,获取更新校验数据;所述更新校验数据是所述客户端对有误的所述初步评估结果进行修改得到。
S402,根据所述更新校验数据对所述预设风险评估模型进行更新处理,得到更新风险评估模型,并将所述目标数据输入至所述更新风险评估模型,得到更新评估结果。
可理解地,更新校验数据为客户端对有误的初步评估结果进行修改得到的数据。更新风险评估模型为通过更新校验数据对预设风险评估模型进行更新后得到的模型。更新评估结果为通过更新风险评估模型对目标数据进行处理得到的。
具体地,在得到初步评估结果之后,对表征初步评估结果有误的数据校验结果进行确定,预设评估方对与表征初步评估结果有误的数据校验结果对应的初步评估结果进行修改,并将修改后的数据确定为更新校验数据。将更新校验数据输入到预设风险评估模型中,通过更新校验数据对预设风险评估模型进行更新处理,即对预设风险评估模型中的权重参数进行更新,即可得到更新风险评估模型。通过将目标数据重新输入到更新风险评估模型中,通过更新风险评估模型对目标数据进行评估处理,也即重新计算目标数据和更新风险评估模型中文本的相似度,从而得到更新评估结果。
S403,将所述更新评估结果和所述更新校验数据进行匹配,得到数据匹配结果。
S404,在所述数据匹配结果表征匹配成功时,将所述更新评估结果确定为所述风险评估结果。
可理解地,数据匹配结果为用于表征更新评估结果和更新校验数据之间是否相同的结果。风险评估结果为对目标数据进行评估得到的。
具体地,在得到更新评估结果之后,将更新评估结果和更新校验数据进行匹配,当更新评估结果和更新校验数据相同时,确认匹配成功,得到表征匹配成功的数据匹配结果。当更新评估结果和更新校验数据不同时,确认匹配失败,得到表征匹配失败的数据匹配结果,并将表征匹配失败的数据匹配结果发送到客户端,对工作人员进行提示。工作人员对更新评估结果进行修改,并将修改后的数据重新输入到更新风险评估模型,对更新风险评估模型进行更新,得到新的更新风险评估模型,将目标数据输入新的更新风险评估模型进行评估处理。具体过程与上述步骤S401至S402相同,在此不在赘述。进一步地,对表征匹配成功的数据匹配结果进行确定,得到表征匹配成功的数据匹配结果对应的更新评估结果,并将更新评估结果确定为风险评估结果。
本发明实施例通过在数据校验结果表征初步评估结果有误时,对初步评估结果进行修改,实现了对更新校验数据的获取。通过更新校验数据对预设
风险评估模型进行更新处理,得到更新风险评估模型,将目标数据输入到更5新风险评估模型,实现了对更新评估结果的确定。通过将更新评估结果和更新校验数据进行匹配,实现了对数据匹配结果的获取。通过将更新评估结果确定为风险评估结果,提高了对风险评估的准确性。
在一实施例中,步骤S40中,即将所述初步评估结果发送至预设评估方,
并接收预设评估方反馈的对所述初步评估结果进行数据校验的数据校验结0果,还包括:
S405,将所述初步评估结果发送至与所述待识别文件关联的预设评估方,接收所述预设评估方反馈的数据校验结果;所述数据校验结果是预设评估方通过预设功能对所述初步评估结果进行排序后,再根据风险评估因素对所述初步评估结果进行数据校验生成的。
5可理解地,预设功能为提前设置的移动功能。风险评估因素为与该保险相关的数据信息,如某种疾病保险,则风险评估因素为与该疾病相关的药物数据信息;如车祸保险,则风险评估因素为与该车险相关的评估数据信息。
具体地,获取与待识别文件关联的预设评估方,并将将所述初步评估结果发送至与所述待识别文件关联的预设评估方,预设评估方通过界面的预设0功能对初步评估结果进行排序,也即预设评估方可以根据与各个初步评估结果对应的数据类型和文本匹配值的大小对初步评估结果进行排序,如病例类、身份信息类以及票据类通过移动按钮对各个初步评估结果进行排序,从而得到与所有初步评估结果对应的评估排序结果。进一步地,调取与该待识别文件相关的风险评估因素,并将风险评估因素输入到界面的输入框中,根据输入的风险评估因素对初步评估结果进行校验,也即将风险评估因素和目标数据进行比较,当风险评估因素包括目标数据时,得到表征初步评估结果无误的数据校验结果,并将表征初步评估结果无误的数据校验结果传输到服务端。当风险评估因素不包括目标数据时,得到表征初步评估结果有误的数据校验结果,并对初步评估结果进行修改。如初步评估结果表征目标数据正确,当得到表征初步评估结果有误的数据校验结果时,则将表征目标数据正确的初步评估结果修改为表征目标数据错误的初步评估结果,或者将表征目标数据错误的初步评估结果修改为表征目标数据正确的初步评估结果,从而得到更新校验数据,并将更新后的更新校验数据传输到服务端。其中,当数据类型检测到错误时,通过预设的类型按钮对该目标数据的数据类型进行修改,从而得到更新校验数据。
本发明实施例通过预设功能对初步评估结果进行排序,从而实现了对评估排序结果的获取,进而方便后续对初步评估结果的快速校验。通过风险评估因素对初步评估结果进行校验,从而实现了对数据校验结果的获取,进而确保了初步评估结果的准确性,以及提升了人工审核的效率。通过对表征校验失败的初步评估结果进行修改,从而提高了后续风险评估的准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执的行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种风险评估装置,该风险评估装置与上述实施例中风险评估方法一一对应。如图5所示,该风险评估装置包括数据识别模块10、数据过滤模块20、风险评估模块30、数据校验模块40和结果确定模块50。各功能模块详细说明如下:
数据识别模块10,用于获取待识别文件,对所述待识别文件进行识别,得到识别数据;
数据过滤模块20,用于对所有所述识别数据进行过滤,得到与各所述识别数据对应的目标数据;
风险评估模块30,用于获取预设风险评估模型,通过所述预设风险评估模型对所有所述目标数据进行风险评估,得到与各所述目标数据对应的初步评估结果;
数据校验模块40,用于将所述初步评估结果发送至预设评估方,并接收预设评估方反馈的对所述初步评估结果进行数据校验的数据校验结果;
结果确定模块50,用于在所述数据校验结果表征初步评估结果无误时,将所述初步评估结果确定为风险评估结果。
在一实施例中,所述数据过滤模块20包括:
切词单元,用于对所述识别数据进行切词处理,得到所述识别数据中的至少一个待处理字词;
标注单元,用于对所述待处理字词进行词性标注以及实体识别,得到与所述待处理字词对应的实体识别结果;
过滤单元,用于根据与各所述待处理字词对应的实体识别结果,对所述识别数据进行字词过滤,得到目标数据。
在一实施例中,所述风险评估模块30包括:
划分单元,用于对所述目标数据进行扫描划分,得到所述目标数据中的至少一个文本字词;
评估单元,用于将所述文本字词输入至所述预设风险评估模型中,确定与所述文本字词对应的正向文本匹配值以及负向文本匹配值;
计算单元,用于将所述目标数据中所有所述文本字词对应的所述正向文本匹配值和所述负向文本匹配值之和记录为与所述目标数据对应的文本匹配值;
结果确定单元,用于根据与所述目标数据对应的文本匹配值,确定所述初步评估结果。
在一实施例中,所述评估单元包括:
正向评估单元,用于将所述文本字词输入至所述正向文本匹配模块,以确定与所述文本字词对应的正向欧式距离,并根据所述正向欧式距离确定与所述文本字词对应的正向文本匹配值;
负向评估单元,用于将所述文本字词输入至所述负向文本匹配模块,以确定与所述文本字词对应的负向欧式距离,并根据所述负向欧式距离确定与所述文本字词对应的负向文本匹配值。
在一实施例中,所述数据校验模块40包括:
数据更新单元,用于在所述数据校验结果表征初步评估结果有误时,获取更新校验数据;所述更新校验数据是所述客户端对有误的所述初步评估结果进行修改得到;
模型更新单元,用于根据所述更新校验数据对所述预设风险评估模型进行更新处理,得到更新风险评估模型,并将所述目标数据输入至所述更新风险评估模型,得到更新评估结果;
匹配单元,用于将所述更新评估结果和所述更新校验数据进行匹配,得到数据匹配结果;
评估结果确定单元,用于在所述数据匹配结果表征匹配成功时,将所述更新评估结果确定为所述风险评估结果。
在一实施例中,所述数据校验模块40还包括:
校验结果单元,用于将所述初步评估结果发送至与所述待识别文件关联的预设评估方,接收所述预设评估方反馈的数据校验结果;所述数据校验结果是预设评估方通过预设功能对所述初步评估结果进行排序后,再根据风险评估因素对所述初步评估结果进行数据校验生成的。
关于风险评估装置的具体限定可以参见上文中对于风险评估方法的限定,在此不再赘述。上述风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储上述实施例中风险评估方法所用到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种风险评估方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述风险评估方法。
在一个实施例中,提供了一种计算机可读存储介质,所述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上述风险评估方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围内。
Claims (10)
1.一种风险评估方法,其特征在于,包括:
获取待识别文件,对所述待识别文件进行识别,得到识别数据;
对所有所述识别数据进行过滤,得到与各所述识别数据对应的目标数据;
获取预设风险评估模型,通过所述预设风险评估模型对所有所述目标数据进行风险评估,得到与各所述目标数据对应的初步评估结果;
将所述初步评估结果发送至预设评估方,并接收预设评估方反馈的对所述初步评估结果进行数据校验的数据校验结果;
在所述数据校验结果表征初步评估结果无误时,将所述初步评估结果确定为风险评估结果。
2.如权利要求1所述的风险评估方法,其特征在于,所述对所有所述识别数据进行过滤,得到与所述各识别数据对应的目标数据,包括:
对所述识别数据进行切词处理,得到所述识别数据中的至少一个待处理字词;
对所述待处理字词进行词性标注以及实体识别,得到与所述待处理字词对应的实体识别结果;
根据与各所述待处理字词对应的实体识别结果,对所述识别数据进行字词过滤,得到目标数据。
3.如权利要求1所述的风险评估方法,其特征在于,所述通过所述预设风险评估模型对所有所述目标数据进行风险评估,得到与各所述目标数据对应的初步评估结果,包括:
对所述目标数据进行扫描划分,得到所述目标数据中的至少一个文本字词;
将所述文本字词输入至所述预设风险评估模型中,确定与所述文本字词对应的正向文本匹配值以及负向文本匹配值;
将所述目标数据中所有所述文本字词对应的所述正向文本匹配值和所述负向文本匹配值之和记录为与所述目标数据对应的文本匹配值;
根据与所述目标数据对应的文本匹配值,确定所述初步评估结果。
4.如权利要求3所述的风险评估方法,其特征在于,所述预设风险评估模型包括正向文本匹配模块和负向文本匹配模块;
所述确定与所述文本字词对应的正向文本匹配值以及负向文本匹配值,包括:
将所述文本字词输入至所述正向文本匹配模块,以确定与所述文本字词对应的正向欧式距离,并根据所述正向欧式距离确定与所述文本字词对应的正向文本匹配值;
将所述文本字词输入至所述负向文本匹配模块,以确定与所述文本字词对应的负向欧式距离,并根据所述负向欧式距离确定与所述文本字词对应的负向文本匹配值。
5.如权利要求1所述的风险评估方法,其特征在于,所述接收客户端对所述初步评估结果进行数据校验的数据校验结果,还包括:
在所述数据校验结果表征初步评估结果有误时,获取更新校验数据;所述更新校验数据是所述客户端对有误的所述初步评估结果进行修改得到;
根据所述更新校验数据对所述预设风险评估模型进行更新处理,得到更新风险评估模型,并将所述目标数据输入至所述更新风险评估模型,得到更新评估结果;
将所述更新评估结果和所述更新校验数据进行匹配,得到数据匹配结果;
在所述数据匹配结果表征匹配成功时,将所述更新评估结果确定为所述风险评估结果。
6.如权利要求1所述的风险评估方法,其特征在于,所述将所述初步评估结果发送至预设评估方,并接收预设评估方反馈的对所述初步评估结果进行数据校验的数据校验结果,包括:
将所述初步评估结果发送至与所述待识别文件关联的预设评估方,接收所述预设评估方反馈的数据校验结果;所述数据校验结果是预设评估方通过预设功能对所述初步评估结果进行排序后,再根据风险评估因素对所述初步评估结果进行数据校验生成的。
7.一种风险评估装置,其特征在于,包括:
数据识别模块,用于获取待识别文件,对所述待识别文件进行识别,得到识别数据;
数据过滤模块,用于对所有所述识别数据进行过滤,得到与各所述识别数据对应的目标数据;
风险评估模块,用于获取预设风险评估模型,通过所述预设风险评估模型对所有所述目标数据进行风险评估,得到与各所述目标数据对应的初步评估结果;
数据校验模块,用于将所述初步评估结果发送至预设评估方,并接收预设评估方反馈的对所述初步评估结果进行数据校验的数据校验结果;
结果确定模块,用于在所述数据校验结果表征初步评估结果无误时,将所述初步评估结果确定为风险评估结果。
8.如权利要求7所述的风险评估装置,其特征在于,所述数据校验模块,包括:
校验结果单元,用于将所述初步评估结果发送至与所述待识别文件关联的预设评估方,接收所述预设评估方反馈的数据校验结果;所述数据校验结果是预设评估方通过预设功能对所述初步评估结果进行排序后,再根据风险评估因素对所述初步评估结果进行数据校验生成的。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述风险评估方法。
10.一种计算机可读存储介质,所述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6任一项所述风险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211619582.2A CN115759758A (zh) | 2022-12-15 | 2022-12-15 | 风险评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211619582.2A CN115759758A (zh) | 2022-12-15 | 2022-12-15 | 风险评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115759758A true CN115759758A (zh) | 2023-03-07 |
Family
ID=85346252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211619582.2A Pending CN115759758A (zh) | 2022-12-15 | 2022-12-15 | 风险评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759758A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117634873A (zh) * | 2023-11-15 | 2024-03-01 | 中国人寿保险股份有限公司江苏省分公司 | 一种评估保险行业销售人员风险的系统和方法 |
-
2022
- 2022-12-15 CN CN202211619582.2A patent/CN115759758A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117634873A (zh) * | 2023-11-15 | 2024-03-01 | 中国人寿保险股份有限公司江苏省分公司 | 一种评估保险行业销售人员风险的系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522304B (zh) | 异常对象识别方法及装置、存储介质 | |
CN110569341B (zh) | 配置聊天机器人的方法、装置、计算机设备和存储介质 | |
CN108256591B (zh) | 用于输出信息的方法和装置 | |
CN109816200B (zh) | 任务推送方法、装置、计算机设备和存储介质 | |
WO2018166116A1 (zh) | 车损识别方法、电子装置及计算机可读存储介质 | |
CN111343162B (zh) | 系统安全登录方法、装置、介质及电子设备 | |
CN111191568A (zh) | 翻拍图像识别方法、装置、设备及介质 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN111666932B (zh) | 单据审核方法、装置、计算机设备及存储介质 | |
CN112418167A (zh) | 图像的聚类方法、装置、设备和存储介质 | |
CN111753090A (zh) | 基于rpa及ai的文档审核方法、装置、设备及介质 | |
CN112699923A (zh) | 文档分类预测方法、装置、计算机设备及存储介质 | |
CN115759758A (zh) | 风险评估方法、装置、设备及存储介质 | |
CN109584081A (zh) | 用于处理数据的系统和方法 | |
CN112288584B (zh) | 保险报案处理方法、装置、计算机可读介质及电子设备 | |
CN110858176A (zh) | 代码质量评估方法、装置、系统及存储介质 | |
CN111507850A (zh) | 核保方法及相关装置、设备 | |
CN113705559B (zh) | 基于人工智能的文字识别方法及装置、电子设备 | |
CN115294505A (zh) | 风险物体检测及其模型的训练方法、装置及电子设备 | |
CN112019532B (zh) | 基于移动互联网和生物认证的信息管理方法及云服务平台 | |
CN113326536A (zh) | 应用程序的合规性判别方法和装置 | |
US11037008B2 (en) | System and method for automatically detecting and repairing biometric crosslinks | |
EP4165564A1 (en) | Methods and systems for matching and optimizing technology solutions to requested enterprise products | |
CN113239126A (zh) | 一种基于bor方法的业务活动信息标准化方案 | |
CN111091354A (zh) | 基于大数据的不动产信息处理系统 |
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 |