CN115994829A - 核保方法、装置、设备以及存储介质 - Google Patents
核保方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN115994829A CN115994829A CN202111223511.6A CN202111223511A CN115994829A CN 115994829 A CN115994829 A CN 115994829A CN 202111223511 A CN202111223511 A CN 202111223511A CN 115994829 A CN115994829 A CN 115994829A
- Authority
- CN
- China
- Prior art keywords
- examination
- node
- target
- result
- graph network
- 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
本申请公开了一种核保方法、装置、设备以及存储介质,属于计算机技术领域。通过本申请实施例提供的技术方案,在进行核保时,能够获取目标对象的相关信息,基于该相关信息来生成目标图网络,由于目标图网络包括多个与该目标对象相关的节点,那么目标图网络也就能够完整的反映目标对象的情况,通过对目标图网络进行处理就能够得到目标对象的核保结果,核保过程无需人工参与,减少了耗费的人力和物力,降低了核保成本。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种核保方法、装置、设备以及存储介质。
背景技术
随着时代的进步,越来越多的用户会购买保险来抵御风险。用户在购买保险时,保险人需要基于用户(投保人)提供的信息进行核保,其中,核保是指保险人在对投保的标的信息全面掌握、核实的基础上,对可保风险进行评判与分类,进而决定是否承保、以什么样的条件承保的过程。
相关技术中,保险人在进行核保时,往往是将用户提供的信息发送给核保人员,由核保人员对该信息进行人工核保。但是,人工核保需要耗费较多的人力和物力,导致核保的成本较高。
发明内容
本申请实施例提供了一种核保方法、装置、设备以及存储介质,可以降低核保的成本。所述技术方案如下:
一方面,提供了一种核保方法,所述方法包括:
获取目标对象的体检报告,所述体检报告包括检查项目以及所述检查项目对应的检查结果;
基于所述目标对象的体检报告,生成目标图网络,所述目标图网络包括所述检查项目对应的检查项目节点、所述检查结果对应的检查结果节点、所述检查结果对应的所述目标对象的身体状态节点以及边,所述边用于连接相互关联的节点;
基于所述目标图网络,获取所述目标对象的核保结果。
一方面,提供了一种核保装置,所述装置包括:
体检报告获取模块,用于获取目标对象的体检报告,所述体检报告包括检查项目以及所述检查项目对应的检查结果;
图网络生成模块,用于基于所述目标对象的体检报告,生成目标图网络,所述目标图网络包括所述检查项目对应的检查项目节点、所述检查结果对应的检查结果节点、所述检查结果对应的所述目标对象的身体状态节点以及边,所述边用于连接相互关联的节点;
核保结果获取模块,用于基于所述目标图网络,获取所述目标对象的核保结果。
在一种可能的实施方式中,所述图网络生成模块,用于执行下述任一项:
从所述目标对象的体检报告中获取所述检查项目以及所述检查项目对应的检查结果;从所述检查结果中获取第一命名实体,所述第一命名实体用于描述所述目标对象的身体状态;基于所述检查项目、所述检查结果以及所述第一命名实体,生成所述目标图网络;
从所述目标对象的体检报告中获取所述检查项目以及所述检查项目对应的检查结果;从所述检查结果中获取所述第一命名实体和对应的第二命名实体,所述第二命名实体用于描述对应的第一命名实体的属性;基于所述检查项目、所述检查结果、所述第一命名实体以及对应的第二命名实体,生成所述目标图网络。
在一种可能的实施方式中,所述图网络生成模块,用于对所述检查结果进行命名实体识别,得到所述第一命名实体和多个第二命名实体;获取所述第一命名实体在所述检查结果中的第一位置信息,以及所述多个第二命名实体在所述检查结果中的第二位置信息;基于所述第一位置信息和所述第二位置信息,从所述多个第二命名实体中获取与所述第一命名实体对应的第二命名实体。
在一种可能的实施方式中,所述装置还包括权重确定模块,用于对于任一检查结果节点和对应的身体状态节点,获取所述身体状态节点对应的文本在所述检查结果节点对应的文本中的词频;获取所述身体状态节点对应的文本在语料库中的逆向文件频率,所述语料库包括多个文本文件;基于所述词频和所述逆向文件频率,确定连接所述检查结果节点和所述身体状态节点的边的权重;对于任一检查项目节点和任一身体状态节点,在所述检查项目节点和所述身体状态节点之间存在边的情况下,将连接所述检查项目节点和所述身体状态节点的边的权重设置为目标数值。
在一种可能的实施方式中,所述核保结果获取模块,用于对所述目标图网络中的多个节点进行编码,得到各个所述节点对应的节点特征;基于所述边的权重,获取所述目标图网络的邻接矩阵和度矩阵;将所述多个节点的节点特征、所述目标图网络的邻接矩阵和度矩阵输入核保模型,通过所述核保模型对所述多个节点的节点特征、所述目标图网络的邻接矩阵和度矩阵进行图卷积,得到所述目标图网络的图网络特征;对所述图网络特征进行全连接和归一化,输出所述目标对象的核保结果。
在一种可能的实施方式中,所述核保结果获取模块,用于执行下述任一项:
对所述目标图网络中的多个节点进行嵌入编码,得到各个所述节点对应的节点特征;
对所述目标图网络中的多个节点进行语义编码,得到各个所述节点对应的节点特征。
在一种可能的实施方式中,所述核保结果获取模块,用于通过所述核保模型,采用所述度矩阵对所述邻接矩阵进行正则化,得到所述邻接矩阵的正则矩阵;采用所述核保模型的卷积权重,对所述邻接矩阵的正则矩阵以及所述多个节点的节点特征进行处理,得到所述目标图网络的图网络特征。
在一种可能的实施方式中,所述装置还包括:
模型参数调整模块,用于获取多个样本对象的体检报告以及所述多个样本对象的历史核保结果;基于所述多个样本对象的体检报告,生成各个所述样本对象的样本图网络;将各个所述样本对象的样本图网络输入所述核保模型,通过所述核保模型输出各个所述样本对象的预测核保结果;基于各个所述样本对象的预测核保结果和对应的历史核保结果,调整所述核保模型的模型参数。
一方面,提供了一种计算机设备,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条计算机程序,所述计算机程序由所述一个或多个处理器加载并执行以实现所述核保方法。
一方面,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中存储有至少一条计算机程序,所述计算机程序由处理器加载并执行以实现所述核保方法。
一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括程序代码,该程序代码存储在计算机可读存储介质中,计算机设备的处理器从计算机可读存储介质读取该程序代码,处理器执行该程序代码,使得该计算机设备执行上述核保方法。
通过本申请实施例提供的技术方案,在进行核保时,能够获取目标对象的体检报告,基于该体检报告来生成目标图网络,由于目标图网络包括检查项目节点、检查结果节点以及身体状态节点,那么目标图网络也就能够完整的反映目标对象的身体情况,通过对目标图网络进行处理就能够得到目标对象的核保结果,核保过程无需人工参与,减少了耗费的人力和物力,降低了核保成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是相关技术中的核保流程的示意图;
图2是本申请实施例提供的一种核保方法的实施环境的示意图;
图3是本申请实施例提供的一种核保方法的流程图;
图4是本申请实施例提供的一种核保方法的流程图;
图5是本申请实施例提供的一种界面示意图;
图6是本申请实施例提供的一种界面示意图;
图7是本申请实施例提供的一种界面示意图;
图8是本申请实施例提供的一种节点特征的提取方法示意图;
图9是本申请实施例提供的一种确定核保结果的示意图;
图10是本申请实施例提供的一种核保模型训练方法的流程图;
图11是本申请实施例提供的一种核保模型的结构示意图;
图12是本申请实施例提供的一种核保装置的结构示意图;
图13是本申请实施例提供的一种终端的结构示意图;
图14是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式做进一步的详细描述。
本申请中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分,应理解,“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系,也不对数量和执行顺序进行限定。
本申请中术语“至少一个”是指一个或多个,“多个”的含义是指两个或两个以上,例如,多个人脸图像是指两个或两个以上的人脸图像。
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。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识子模型使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
云技术中的医疗云(Medical Cloud)是指在云计算、移动技术、多媒体、4G通信、大数据、以及物联网等新技术基础上,结合医疗技术,使用“云计算”来创建医疗健康服务云平台,实现了医疗资源的共享和医疗范围的扩大。因为云计算技术的运用于结合,医疗云提高医疗机构的效率,方便居民就医。像现在医院的预约挂号、电子病历、医保等都是云计算与医疗领域结合的产物,医疗云还具有数据安全、信息共享、动态扩展、布局全局的优势。示例性的,本申请实施例提供的核保模型部署在医疗健康服务云平台上。
语义特征:用于表示文本所表达语义的特征,不同的文本可以对应于相同的语义特征,例如文本“今天天气怎么样”和文本“今天天气如何”可以对应于同一个语义特征。计算机设备可以将文本中的字符映射为字符向量,根据字符之间的关系,对字符向量进行组合和运算,得到文本的语义特征。例如计算机设备可以采用编解码器的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)。
归一化处理:将取值范围不同的数列映射到(0,1)区间上,便于数据的处理。在一些情况下,归一化后的数值可以直接被实现为概率。
嵌入编码(Embedded Coding):嵌入编码在数学上表示一个对应关系,即通过一个函数F将X空间上的数据映射到Y空间上,其中该函数F是单射函数,映射的结果是结构保存,单射函数表示映射后的数据与映射前的数据唯一对应,结构保存表示映射前数据的大小关系后映射后数据的大小关系相同,例如映射前存在数据X1以及X2,映射后得到X1对应的Y1以及X2对应的Y2。若映射前的数据X1>X2,那么相应地,映射后的数据Y1大于Y2。对于词语来说,就是将词语映射到另外一个空间,便于后续的机器学习和处理。
图卷积神经网络(Graph Convolutional Network,GCN):图卷积神经网络是一种深度学习网络,与传统的卷积神经网络(Convolutional Neural Network,CNN)不同的是,图卷积神经网络可适用于图网络中。
本申请实施例中体检报告的获取必须得到用户的充分授权后才能使用。
相关技术中存在通过接收前端发送的体检报告生成结构化的电子体检报告,再获取电子体检报告中的体检信息以及保险单中的险种,之后利用预先设定好的每个险种的评定规则以及每个疾病的判断规则去比对电子体检报告,根据比对结果生成对应的核保结果。图1是相关技术提供的一个核保实例,该核保实例基于乳腺癌家族史来进行判断,从图1中可以看出,相关技术中针对性别、年龄、病史对应的规则来比对电子体检报告,以得到最终的核保结果。
经过分析,相关技术存在下述问题:
1.相关技术的可扩展性极差:所有险种和疾病的判断规则和标准都必须预先人工设定好,不同的保险公司之前大概率存在不同核保规则的情况,因此相关技术就需要反复添加、删除、修改判断规则,造成大量的重复工作,造成核保系统的可扩展性极差。
2.相关技术的预测性能不能达到现实要求:由于保险公司内险种的差异以及不同险种的数据量的差异,核保结论预测模型在训练阶段往往难以获得大量有效数据,造成模型难以很好的拟合核保规则,从而造成模型性能欠佳。并且由于类别不平衡等数据问题,模型会偏向于预测某一种核保结论,进一步降低模型性能;另外,在实际业务中也出现由于体检报告的书写不规范导致很多信息冗余地出现在多个检查项目之中,这也对核保模型的训练预测造成了干扰。
3.相关技术严重依赖标注数据用作训练,而现实场景下标注数据量又十分有限:由于保险数据的高度隐私性和数据量的稀缺性,往往有标注的训练数据是比较少的并且现有的技术只能利用到标注数据而无法充分地利用这少量的标注数据,因此相关技术的性能也收到了极大的制约。
图2是本申请实施例提供的一种核保方法的实施环境示意图,参见图2,该实施环境中可以包括终端210和服务器240。
终端210通过无线网络或有线网络与服务器240相连。可选地,终端210是智能手机、平板电脑、笔记本电脑、台式计算机、智能手表等,但并不局限于此。终端210安装和运行有支持核保结果显示的应用程序。
服务器240是独立的物理服务器,或者是多个物理服务器构成的服务器集群或者分布式系统,或者是提供云服务、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、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。服务器240为终端210上运行的应用程序提供后台服务。
本领域技术人员可以知晓,上述终端的数量可以更多或更少。比如上述终端仅为一个,或者上述终端为几十个或几百个,或者更多数量,此时上述实施环境中还包括其他终端。本申请实施例对终端的数量和设备类型不加以限定。
在介绍完本申请实施例的实施环境之后,下面对本申请实施例的应用场景进行介绍,在下述说明过程中,终端也即是上述实施环境中的终端210,服务器也即是上述实施环境中的服务器240。本申请实施例提供的核保方法能够应用在投保人购买各类商业医疗保险的场景下,比如应用在投保人购买重疾险的场景下,或者应用在投保人购买住院险的场景下,或者应用在投保人购买门诊险的场景下,本申请实施例对此不做限定,这里的投保人也即是目标对象。
在投保人购买重疾险的场景下,投保人向保险人提供近期的体检报告,保险人对投保人提供的体检报告进行验证,保险人也即是提供保险服务的公司。在一些实施例中,投保人通过终端向服务器上传体检报告,服务器对该体检报告进行验证。比如,终端上运行有该保险人提供的应用程序,投保人通过该应用程序来向服务器上传体检报告,服务器接收该体检报告,对该体检报告进行验证。该终端是投保人使用的终端,该服务器是保险人提供的服务器或者是保险人关联的云服务的服务器。验证通过之后,保险人基于本申请实施例提供的技术方案,对保险人提供的体检报告进行处理,生成体检报告对应的目标图网络。保险人通过服务器对目标图网络进行处理,得到该投保人的核保结果,服务器将该核保结果发送给投保人使用的终端,终端将该核保结果展示给投保人,该核保结果用于指示该投保人是否能够购买该重疾险以及购买该重疾险所需的费用。核保过程无需核保人员参与,服务器基于投保人的体检报告就能够快速确定核保结果,核保的效率较高。
在一些实施例中,该终端为保险公司为投保人提供的投保终端,投保人到达保险公司之后,能够通过该投保终端来上传体检报告,该投保终端能够对该体检报告进行验证,以确定该体检报告是否为该投保人的体检报告以及该体检报告的真实性。验证通过之后,该投保终端能够将该体检报告上传至服务器,由服务器基于该体检报告生成目标图网络,对该目标图网络进行处理,得到该投保人的核保结果。服务器将该投保人的核保结果发送给该核保终端,由该核保终端将该核保结果展示给该核保人。
需要说明的是,上述说明是以投保人购买重疾险的场景为例进行说明的,对于投保人购买住院险的场景以及投保人购买门诊险等其他场景来说,实现过程与购买重疾险属于同一发明构思,实现过程参见上述描述,在此不再赘述。
本申请实施例提供的核保方法既能够由终端执行,也能够由服务器执行,或者由终端和服务器配合执行,也即是由终端手机体检报告,将体检报告上传至服务器,服务器接收体检报告,基于体检报告获取核保结果,本申请实施例对此不做限定。
在介绍完本申请实施例的实施环境和应用场景之后,下面对本申请实施例提供的核保方法进行说明。
图3是本申请实施例提供的一种核保方法的流程图,参见图3,以执行主体为服务器为例,方法包括:
301、服务器获取目标对象的体检报告,该体检报告包括检查项目以及该检查项目对应的检查结果。
其中,目标对象也即是想要购买保险的投保人,检查项目对应的检查结果能够反映目标对象的身体状况。在一些实施例中,体检报告中的检查项目以检查项目标题的形式存在,比如,“影像学检查-腿部核磁共振”也即是一个检查项目,检查结果以文字的形式存在,比如,“阴性”为一个检查结果。
302、服务器基于该目标对象的体检报告,生成目标图网络,该目标图网络包括该检查项目对应的检查项目节点、该检查结果对应的检查结果节点、该检查结果对应的该目标对象的身体状态节点以及边,该边用于连接相互关联的节点。
其中,目标图网络能够反映检查项目节点、检查结果节点以及身体状态节点之间的关系,这种关系通过节点之间的边来体现。若两个节点之间存在边,那么也就表示这两个节点之间存在关联关系,比如,对于一个检查项目节点“影像学检查-腿部核磁共振”和一个检测结果节点“阴性”,在该检查项目节点“影像学检查-腿部核磁共振”和该检测结果节点“阴性”之间存在边的情况下,表示该检查结果节点“阴性”是通过该检查项目节点“影像学检查-腿部核磁共振”对应的检查项目得到的。目标图网络中的边具有权重,权重用于反映相连的两个节点之间的相关程度,权重越高,则两个节点之间的相关程度越高;权重越低,则两个节点之间的相关程度越低。
303、服务器基于该目标图网络,获取该目标对象的核保结果。
其中,核保结果用于指示是否对目标对象进行承保、承保的范围以及承保的费用,由于目标图网络是基于目标对象的体检报告生成的,也就能够较为准确地反映目标对象的身体状况,基于目标图网络确定的核保结果也就更为准确。
通过本申请实施例提供的技术方案,在进行核保时,能够获取目标对象的体检报告,基于该体检报告来生成目标图网络,由于目标图网络包括检查项目节点、检查结果节点以及身体状态节点,那么目标图网络也就能够完整的反映目标对象的身体情况,通过对目标图网络进行处理就能够得到目标对象的核保结果,核保过程无需人工参与,减少了耗费的人力和物力,降低了核保成本。
上述步骤301-303是对本申请实施例提供的技术方案的简单说明,下面将结合一些例子,对本申请实施例提供的核保方法进行更加详细说明,参见图4,方法包括:
401、终端获取目标对象的体检报告,该体检报告包括检查项目以及该检查项目对应的检查结果。
其中,体检报告为一个电子文档,该电子文档中记载了检查项目以及检查项目对应的检查结果,检查项目用于指示目标对象体检时采用的检查手段,比如“抽血”和“核磁共振”就是两个检查项目,也即是两个检查手段,不同的检查项目能够从不同维度反映目标对象的身体状态。体检报告中检查项目的数量为多个,多个检查项目能够更加准确地获取目标对象的身体状态。每个检查项目对应于一个检查结果,该检查结果能够反映目标对象的身体状态。参见图5,提供了一个体检报告的示意图,该体检报告500包括多个检查项目501,每个检查项目501下方显示有对应的检查结果502。
在一种可能的实施方式中,终端显示第一界面,该第一界面用于获取体检报告。响应于在该第一界面上的操作,终端通过该目标应用程序获取该目标对象的体检报告。
在这种实施方式下,终端能够通过目标应用程序来获取体检报告,人机交互的效率较高。
下面将通过几个例子对上述实施方式进行更加清楚的说明。
例1、终端运行目标应用程序,该目标应用程序上登录有该目标对象的用户账号,该目标应用程序为保险人(保险公司)提供的应用程序。终端显示该目标应用程序的第二界面,该第二界面也被称为该目标应用程序的主界面。响应于在该第二界面上的操作,终端显示第一界面,该第一界面上显示有体检报告上传控件。响应于对该体检报告上传控件的点击操作,终端显示体检报告选择界面,该体检报告选择界面上显示有候选的至少一个体检报告。响应于对该至少一个体检报告的选择操作,将被选中的体检报告确定为该目标对象的体检报告。
需要说明的是,该体检报告选择界面中展示的体检报告,既可以是终端上存储的体检报告,也可以是终端从云端获取的体检报告,比如终端能够与体检报告服务器相连,该体检报告服务器维护有体检报告数据库,该体检报告数据库中存储有多个对象的体检报告。响应于对该体检报告上传控件的点击操作,终端向该体检报告服务器发送体检报告获取请求,该体检报告获取请求携带有该目标对象的用户账号。该体检报告服务器接收到该体检报告获取请求之后,从该体检报告获取请求中获取该目标对象的用户账号,基于该目标对象的用户账号在体检报告数据库中进行查询,得到该目标对象的至少一个体检报告,该目标对象的不同体检报告为该目标对象的不同体检机构或者不同时间的体检报告。该体检报告服务器将该目标对象的至少一个体检报告发送给终端,由终端将该目标对象的至少一个体检报告展示在体检报告选择界面中。在一些实施例中,该体检报告服务器为体检机构的服务器,该体检机构为该保险公司认定的体检机构。
比如,终端为用户使用的手机、平板等用户设备,该用户既可以是目标对象,也可以是目标对象的亲属。终端运行目标应用程序,该目标应用程序上登录有该目标对象的用户账号,终端显示该目标应用程序的第二界面,该第二界面用于介绍不同类型的保险以及提供不同类型的保险的购买入口,该购买入口也即是一个购买控件。响应于对该第二界面上任一购买入口的点击操作,终端将该第二界面切换为第一界面,在第一界面中显示对应保险的详细介绍、投保须知以及体检报告上传控件。响应于对该体检报告上传控件的点击操作,终端显示体检报告选择界面,该体检报告选择界面上显示有该目标对象的至少一个体检报告。响应于对该至少一个体检报告的选择操作,将被选中的体检报告确定为该目标对象的体检报告。
参见图6,终端显示目标应用程序的第二界面601,该第二界面601中显示有多个购买控件。响应于对多个购买控件中的购买控件602的点击操作,终端将该第二界面601切换为第一界面603,该第一界面601上显示有体检报告上传控件604。响应于对体检报告上传控件604的点击操作,终端显示体检报告选择界面606,该体检报告选择界面606上显示有该目标对象的至少一个体检报告。响应于对体检报告606的点击操作,将被选中的体检报告606确定为该目标对象的体检报告。
例2、终端运行目标应用程序,该目标应用程序为保险人(保险公司)提供的应用程序。终端显示该目标应用程序的第二界面,该第二界面也被称为该目标应用程序的主界面。响应于在该第二界面上的操作,终端显示第一界面,该第一界面上显示有身份验证控件。响应于对该身份验证控件的点击操作,终端显示身份验证界面,该身份验证界面用于验证该目标对象的身份。响应于通过该身份验证界面对该目标对象的身份验证通过,终端获取该目标对象的体检报告。
比如,终端为目标对象使用的手机、平板等用户设备,或者为保险公司提供的核保终端。终端运行目标应用程序,显示该目标应用程序的第二界面,该第二界面用于介绍不同类型的保险以及提供不同类型的保险的购买入口,该购买入口也即是一个购买控件。响应于对该第二界面上任一购买入口的点击操作,终端将该第二界面切换为第一界面,在第一界面中显示对应保险的详细介绍、投保须知以及身份验证控件。响应于对该身份验证控件的点击操作,终端显示身份验证界面,该身份验证界面包括身份信息输入区域或者人脸验证控件。在该身份验证界面包括身份信息输入区域的情况下,目标对象能够在该身份信息输入区域中输入身份信息,该身份信息用于标识目标对象的身份,该身份信息输入区域包括身份验证控件。响应于对身份验证控件的点击操作,终端基于目标对象在身份信息输入区域中输入的身份信息进行验证,响应于验证通过,终从体检报告服务器上获取该目标对象的体检报告。在该身份验证界面包括人脸验证控件的情况下,响应于对该人脸验证控件的点击操作,终端采集目标对象的人脸图像,终端对该人脸图像进行验证。响应于人脸图像验证通过,终端从体检报告服务器上获取该目标对象的体检报告。
例3、终端与扫描设备电性连接,终端运行目标应用程序,该目标应用程序为保险人(保险公司)提供的应用程序。终端显示该目标应用程序的第二界面,响应于再改第二界面。响应于在该第二界面上的操作,终端显示第一界面,该第一界面上显示有扫描控件。响应于对该扫描控件的点击操作,终端控制扫描设备启动扫描。终端将扫描设备获取的文件确定为该目标对象的体检报告。
比如,终端为保险公司提供的核保终端,该核保终端与扫描设备电性连接。终端应用目标应用程序,显示该目标应用程序的第二界面,该第二界面用于介绍不同类型的保险以及提供不同类型的保险的购买入口,该购买入口也即是一个购买控件。响应于对该第二界面上任一购买入口的点击操作,终端将该第二界面切换为第一界面,在第一界面中显示对应保险的详细介绍、投保须知以及扫描控件。用户将纸质的体检报告放在扫描设备中,响应于对该扫描控件的点击操作,终端控制该扫描设备开始工作,获取纸质的体检报告对应的扫描图像。在终端控制扫描设备进行工作时,还能够提示用户进行翻页等操作。终端获取纸质的体检报告的扫描图像后,能够将该扫描图像转化为文本,比如通过OCR(OpticalCharacter Recognition,光学字符识别)将该扫描图像转化为文本,该文本也即是该目标对象的体检报告。
402、终端将该目标对象的体检报告发送给服务器。
在一种可能的实施方式中,终端显示第三界面,该第三界面包括体检报告发送控件,其中,第三界面既可以是与第一界面相同的界面,也可以是与第一界面不同的界面,本申请实施例对此不做限定。响应于对该体检报告发送控件的点击操作,终端将该目标对象的体检报告发送给服务器。
在这种实施方式下,终端在第三界面上为用户提供体检报告发送控件,用户通过该体检报告发送控件能够控制终端将该目标对象的体检报告发送给服务器,人机交互的效率较高。
举例来说,参见图7,终端显示第三界面701,该第三界面701包括体检报告发送控件702。响应于对该体检报告发送控件702的点击操作,终端将该目标对象的体检报告发送给服务器。
在一种可能的实施方式下,响应于获取到该目标对象的体检报告,终端将该目标对象的体检报告发送给服务器。也即是,终端在获取到目标对象的体检报告之后,能够直接将该目标对象的体检报告发送给服务器,无需用户手动操作。
403、服务器接收该目标对象的体检报告。
404、服务器基于该目标对象的体检报告,生成目标图网络,该目标图网络包括该检查项目对应的检查项目节点、该检查结果对应的检查结果节点、该检查结果对应的该目标对象的身体状态节点以及边,该边用于连接相互关联的节点。
在一些实施例中,该目标对象的身体状态节点也被称为疾病节点。
在一种可能的实施方式中,服务器从该目标对象的体检报告中获取该检查项目以及该检查项目对应的检查结果。服务器从该检查结果中获取第一命名实体,该第一命名实体用于描述该目标对象的身体状态。服务器基于该检查项目、该检查结果以及该第一命名实体,生成该目标图网络。
为了对上述实施方式进行更加清楚的说明,下面分为三个部分对上述实施方式进行说明。
第一部分、服务器从该目标对象的体检报告中获取该检查项目以及该检查项目对应的检查结果。
在一种可能的实施方式中,服务器对该目标对象的体检报告进行模板匹配,从该体检报告中确定出多个检查项目。服务器将该体检报告中各个检查项目的下方的文本获取为各个检查项目对应的检查结果。
举例来说,服务器上存储有多个检查项目的模板,服务器能够定时更新该多个检查项目的模板,以保证该多个检查项目的模板能够覆盖最新的检查项目。服务器采用该多个检查项目的模板在该目标对象的体检报告中进行匹配,得到该体检报告中的多个检查项目。服务器将该体检报告中各个检查项目下方的文本获取为该检查项目对应的检查结果。在一些实施例中,服务器从该体检报告中获取检查项目以及检查项目对应的检查结果后,能够基于获取到的检查项目和对应的检查结果生成键值对,其中,键值对的键为检查项目,值为检查项目对应的检查结果。服务器通过将检查项目以及检查项目对应的检查结果处理为键值对,有助于后续的查询。
比如,服务器能够将该目标对象的体检报告处理为以下形式:
体检报告_异常汇总_复检建议_阴阳性_值:/;
体检报告_异常汇总_总检建议_阴阳性_值:/;
体检报告_异常汇总_总检意见_阴阳性_值:/;
体检报告_异常汇总_总检结论_阴阳性_值:/;
体检报告_影像学检查_CT_阴阳性_值:/;
体检报告_影像学检查_MRI_原名_值:MRI;
体检报告_影像学检查_MRI_结构化_脏器_椎管_值:局部狭窄;
体检报告_影像学检查_MRI_结构化_脏器_椎间盘_值:颈3.4、颈4.5、颈5.6、颈6.7椎间盘向后突出;
体检报告_影像学检查_放射线检查_其他部位X片_值:/;
体检报告_影像学检查_放射线检查_胸部_值:/;
体检报告_影像学检查_放射线检查_腰椎_值:/。
其中,CT全称为Computed Tomography,即电子计算机断层扫描,MRI的全称为Magnetic Resonance Imaging,即核磁共振成像,上述“/”表示对应的值不存在。“体检报告_影像学检查_MRI_结构化_脏器_椎管_值”为一个检查项目或者叫检查项标题,对应的“局部狭窄”为检查结果或者叫检查项内容。
第二部分、服务器从该检查结果中获取第一命名实体,该第一命名实体用于描述该目标对象的身体状态。
在一些实施例中,第一命名实体也被称为疾病实体,疾病实体对应于一种疾病,疾病实体为对应疾病的名称。
在一种可能的实施方式中,服务器对该检查结果进行命名实体识别,得到该检查结果中的第一命名实体,也即是服务器对该检查见过进行命名实体识别,得到该检查结果中的疾病实体,比如,对于检查结果“入院诊断:1.慢性肾脏病,5期2.代谢性酸中毒3.电解质紊乱4.贫血”来说,服务器对该检查结果进行命名实体识别之后能够得到“慢性肾脏病”、“代谢性酸中毒”、“电解质素乱”以及“贫血”四个第一命名实体,该四个第一命名实体也就能够描述该目标对象的身体状态。
下面通过两个例子对上述实施方式进行说明。
例1、服务器对该检查结果进行分词,得到该检查结果对应的多个参考词。服务器将该多个参考词在知识文本库中进行查询,将查询到的参考词确定为第一命名实体,其中,知识文本库包括疾病实体字典以及疾病实体知识图谱,疾病实体字典和疾病实体知识图谱中均存储有多个第一命名实体。
比如,服务器以固定间隔对该检查结果进行分词,得到包含相同字符数量的多个参考词。服务器将多个参考词分别在知识文本库中进行查询,当确定出多个参考词中任一参考词与知识文本库中的任一词相同时,服务器将该参考词确定为第一命名实体。
例2、服务器采用不同方式对该检查结果进行分词,得到不同方式分别对应的多个参考词序列,每个参考词序列包括该检查结果中的多个参考词,同一参考词序列中不同参考词的字符数量相同,且不同参考词序列中的参考词的字符数量不同。响应于属于不同参考词序列的多个参考词分别与知识文本库中的多个词相同,服务器将属于不同参考词序列的多个参考词中字符数量最多的参考词获取为第一命名实体。
第三部分、服务器基于该检查项目、该检查结果以及该第一命名实体,生成该目标图网络。
在一种可能的实施方式中,服务器基于该检查项目生成检查项目节点,基于该检查结果生成检查结果节点,基于该第一命名实体生成身体状态节点。服务器在检查项目节点和对应的检查结果节点之间生成边,在检查项目节点和对应的身体状态节点之间生成边,得到该目标图网络。在该目标图网络中,身体状态节点通过连接检查项目节点与对应的检查结果节点相连,以此来区分不同检查项目同时查出同一种疾病的情况。一个检查结果节点可能对应于多个身体状态节点,表示一个检查项目查出多种疾病,一个身体状态节点对应于一种疾病。相应地,一个身体状态节点也可能与多个检查结果节点相连,表示多个检查项目均查出该身体状态节点对应的疾病。
举例来说,身体状态节点(如“贫血”)可能在一份体检报告的多个检查项目中均有体现,因此在目标图网络上“贫血”节点可能会通过不同检查项目节点与多个检查结果节点(即包含“贫血”的检查项目)相连,但是不同检查结果节点与“贫血”的关系却不一样,例如有些检查项目是诊断报告,有些是超声报告,因此利用检查项目节点(例如“体检报告_影像学检查”)来桥接身体状态节点和对应的检查结果节点。
下面对该目标图网络边的权重的确定方法进行说明。
在一种可能的实施方式中,对于任一检查结果节点和对应的身体状态节点,服务器获取该身体状态节点对应的文本在该检查结果节点对应的文本中的词频。服务器获取该身体状态节点对应的文本在语料库中的逆向文件频率,该语料库包括多个文本文件。服务器基于该词频和该逆向文件频率,确定连接该检查结果节点和该身体状态节点的边的权重。
其中,词频(Term Frequency,TF)是指该身体状态节点对应的文本在检查结果节点对应的文本中的出现次数除以检查结果对应的文本的总词数,逆向文件频率(InverseDocument Frequency,IDF)是指语料库中包含该身体状态节点对应的文本的文件数量除以该语料库中全部文件的数量。
在一些实施例中,该检查结果节点和对应的身体状态节点之间边的权重通过下述公式(1)来表示:
Aij=TF-IDFij (1)
其中,i为身体状态节点的编号,j为检查结果节点的编号,Aij为编号为i的身体状态节点和编号为j的检查结果节点之间边的权重。
在一种可能的实施方式中,对于任一检查项目节点和任一身体状态节点,在该检查项目节点和该身体状态节点之间存在边的情况下,服务器将连接该检查项目节点和该身体状态节点的边的权重设置为目标数值。
其中,目标数值由技术人员根据实际情况进行设置,比如设置为1。
在一些实施例中,该检查项目节点和该身体状态节点之间边的权重通过下述公式(2)来表示:
Aik=1,e(i,k)∈E
其中,Aik为编号为i的身体状态节点和编号为k的检查项目节点之间边的权重,e(i,k)表示编号为i的身体状态节点和编号为k的检查项目节点之间边,E表示该目标图网络中边的集合。
下面对该步骤404的另一种实施方式进行说明。
在一种可能的实施方式中,服务器从该目标对象的体检报告中获取该检查项目以及该检查项目对应的检查结果。服务器从该检查结果中获取该第一命名实体和对应的第二命名实体,该第二命名实体用于描述对应的第一命名实体的属性。服务器基于该检查项目、该检查结果、该第一命名实体以及对应的第二命名实体,生成该目标图网络。
为了对这种实施方式进行更加清楚的说明,下面分为三个部分对上述实施方式进行说明。
第一部分、服务器从该目标对象的体检报告中获取该检查项目以及该检查项目对应的检查结果。
在一种可能的实施方式中,服务器对该目标对象的体检报告进行模板匹配,从该体检报告中确定出多个检查项目。服务器将该体检报告中各个检查项目的下方的文本获取为各个检查项目对应的检查结果。
举例来说,服务器上存储有多个检查项目的模板,服务器能够定时更新该多个检查项目的模板,以保证该多个检查项目的模板能够覆盖最新的检查项目。服务器采用该多个检查项目的模板在该目标对象的体检报告中进行匹配,得到该体检报告中的多个检查项目。服务器将该体检报告中各个检查项目下方的文本获取为该检查项目对应的检查结果。在一些实施例中,服务器从该体检报告中获取检查项目以及检查项目对应的检查结果后,能够基于获取到的检查项目和对应的检查结果生成键值对,其中,键值对的键为检查项目,值为检查项目对应的检查结果。服务器通过将检查项目以及检查项目对应的检查结果处理为键值对,有助于后续的查询。
第二部分、服务器从该检查结果中获取该第一命名实体和对应的第二命名实体,该第二命名实体用于描述对应的第一命名实体的属性。
在一些实施例中,第一命名实体也被称为疾病实体,疾病实体对应于一种疾病,疾病实体为对应疾病的名称。第二命名实体用于描述对应第一命名实体的属性,表示第一命名实体对应疾病的严重程度,比如,对于第一命名实体“肾脏病”来说,对应的第二命名实体可能为“慢性”和“五期”,“慢性”和“五期”也就能够描述“肾脏病”的严重程度。
在一种可能的实施方式中,服务器对该检查结果进行命名实体识别,得到该第一命名实体和多个第二命名实体。服务器获取该第一命名实体在该检查结果中的第一位置信息,以及该多个第二命名实体在该检查结果中的第二位置信息。服务器基于该第一位置信息和该第二位置信息,从该多个第二命名实体中获取与该第一命名实体对应的第二命名实体。
其中,该第一命名实体在该检查结果中的第一位置信息是指该第一命名实体在该检查结果中的绝对位置,也即是该第一命名实体在该检查结果中是从第几个字符开始,第几个字符结束。相应地,第二命名实体在该检查结果中的第二位置信息是指该第二命名实体在该检查结果中的绝对位置,也即是该第二命名实体在该检查结果中是从第几个字符开始,第几个字符结束。
下面通过两个例子对上述实施方式进行说明。
例1、服务器对该检查结果进行分词,得到该检查结果对应的多个参考词。服务器将该多个参考词在知识文本库和属性文本库中进行查询,将在知识文本库中查询到的参考词确定为第一命名实体,将在属性文本库中查询到的参考词确定为第二命名实体,其中,知识文本库包括疾病实体字典以及疾病实体知识图谱,疾病实体字典和疾病实体知识图谱中均存储有多个第一命名实体,属性文本库中存储有多个第二命名实体。
比如,服务器以固定间隔对该检查结果进行分词,得到包含相同字符数量的多个参考词。服务器将多个参考词分别在知识文本库中进行查询,当确定出多个参考词中任一参考词与知识文本库中的任一词相同时,服务器将该参考词确定为第一命名实体。服务器将多个参考词分别在属性文本库中进行查询,当确定出多个参考词中任一参考词与属性文本库中的任一词相同时,服务器将该参考词确定为第二命名实体。服务器获取第一命名实体在该检查结果中的第一位置信息,以及多个第二命名实体在该检查结果中的第二位置信息。响应于该多个第二命名实体中任一第二命名实体的第二位置信息与该第一位置信息之间符合目标条件,将该第二命名实体确定为与该第一命名实体对应的第二命名实体,其中,第二位置信息与该第一位置信息之间符合目标条件是指,第二位置信息与该第一位置信息之间的差异信息符合差异信息条件,也即是该第二位置信息与该第一位置信息之间的差值小于或等于差值阈值,该差值阈值由技术人员根据实际情况进行设置,本申请实施例对此不做限定。
例2、服务器采用不同方式对该检查结果进行分词,得到不同方式分别对应的多个参考词序列,每个参考词序列包括该检查结果中的多个参考词,同一参考词序列中不同参考词的字符数量相同,且不同参考词序列中的参考词的字符数量不同。响应于属于不同参考词序列的多个参考词分别与知识文本库中的多个词相同,服务器将属于不同参考词序列的多个参考词中字符数量最多的参考词获取为第一命名实体。响应于属于不同参考词序列的多个参考词分别与属性文本库中的多个词相同,服务器将属于不同参考词序列的多个参考词中字符数量最多的参考词获取为第二命名实体。服务器获取第一命名实体在该检查结果中的第一位置信息,以及多个第二命名实体在该检查结果中的第二位置信息。响应于该多个第二命名实体中任一第二命名实体的第二位置信息与该第一位置信息之间符合目标条件,将该第二命名实体确定为与该第一命名实体对应的第二命名实体,其中,第二位置信息与该第一位置信息之间符合目标条件是指,第二位置信息与该第一位置信息之间的差异信息符合差异信息条件,也即是该第二位置信息与该第一位置信息之间的差值小于或等于差值阈值,该差值阈值由技术人员根据实际情况进行设置,本申请实施例对此不做限定。
第三部分、服务器基于该检查项目、该检查结果、该第一命名实体以及对应的第二命名实体,生成该目标图网络。
在一种可能的实施方式中,服务器基于该检查项目生成检查项目节点,基于该检查结果生成检查结果节点,基于该第一命名实体生成身体状态节点,基于第二命名实体生成属性节点。服务器在检查项目节点和对应的检查结果节点之间生成边,在检查项目节点和对应的身体状态节点之间生成边,在身体状态节点和对应的属性节点之间生成边,得到该目标图网络。其中,属性节点只会与身体状态节点相连,当然,一些身体状态节点也可能没有相连的属性节点。
下面对该目标图网络边的权重的确定方法进行说明。
在一种可能的实施方式中,对于任一检查结果节点和对应的身体状态节点,获取该身体状态节点对应的文本在该检查结果节点对应的文本中的词频。服务器获取该身体状态节点对应的文本在语料库中的逆向文件频率,该语料库包括多个文本文件。服务器基于该词频和该逆向文件频率,确定连接该检查结果节点和该身体状态节点的边的权重。
这种实施方式参见上述对公式(1)的描述,在此不再赘述。
在一种可能的实施方式中,对于任一检查项目节点和任一身体状态节点,在该检查项目节点和该身体状态节点之间存在边的情况下,服务器将连接该检查项目节点和该身体状态节点的边的权重设置为目标数值。
这种实施方式参见上述对公式(2)的描述,在此不再赘述。
在一种可能的实施方式中,对于任一身体状态节点和任一属性节点,服务器在该身体状态节点和该属性节点之间存在边的情况下,将连接该身体状态节点和该属性节点的边的权重设置为目标数值。
在一些实施例中,该身体状态节点和该属性节点之间边的权重通过下述公式(3)来表示:
Aim=1,e(i,m)∈E
其中,Aim为编号为i的身体状态节点和编号为m的属性节点之间边的权重,e(i,m)表示编号为i的身体状态节点和编号为m的属性节点之间边,E表示该目标图网络中边的集合。
405、服务器基于该目标图网络,获取该目标对象的核保结果。
在一种可能的实施方式中,服务器对该目标图网络中的多个节点进行编码,得到各个节点对应的节点特征。服务器基于该边的权重,获取该目标图网络的邻接矩阵和度矩阵。服务器将该多个节点的节点特征、该目标图网络的邻接矩阵和度矩阵输入核保模型,通过该核保模型对该多个节点的节点特征、该目标图网络的邻接矩阵和度矩阵进行图卷积,得到该目标图网络的图网络特征。对该图网络特征进行全连接和归一化,输出该目标对象的核保结果。
为了对上述实施方式进行更加清楚的说明,下面将分为四个部分对上述实施方式进行说明。
第一部分、服务器对该目标图网络中的多个节点进行编码,得到各个节点对应的节点特征。
在一种可能的实施方式中,服务器对该目标图网络中的多个节点进行嵌入编码,得到各个节点对应的节点特征。
其中,服务器对该目标图网络中多个节点进行嵌入编码(Embedded Coding),也即是将该目标图网络中各个节点对应的文本映射为向量,该向量能够表示各个节点的节点特征,嵌入编码对应的语言模型为word2vec(词到向量)。在一些实施例中,该向量被称为各个节点的节点特征向量,嵌入编码能够将相同的文本映射为同一个向量,将不同的文本映射为不同的向量。在一些实施例中,服务器对该目标图网络中的多个节点进行嵌入编码,得到各个节点对应的节点特征之后,能够以矩阵的形式来存储各个节点的节点特征,比如,服务器能够将多个节点特征进行编号,按照编号的顺序将多个节点特征存储在矩阵中,矩阵的每一行存储一个节点特征,每个节点特征所在行的序号为该节点特征的编号,这样便于后续查询。
在一种可能的实施方式中,服务器对该目标图网络中的多个节点进行语义编码,得到各个节点对应的节点特征。
在一些实施例中,服务器能够通过一个语义特征提取模型来对多个节点进行语义编码,得到各个节点对应的节点特征,该语义特征提取模型可以为编解码器的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)模型、医疗BERT模型(MedBERT,Medicine BERT)、轻型BERT(A Lite BERT,ALBERT)模型等,本申请实施例对此不做限定。在一些实施例中,服务器对该目标图网络中的多个节点进行语义编码,得到各个节点对应的节点特征之后,能够以矩阵的形式来存储各个节点的节点特征,比如,服务器能够将多个节点特征进行编号,按照编号的顺序将多个节点特征存储在矩阵中,矩阵的每一行存储一个节点特征,每个节点特征所在行的序号为该节点特征的编号,这样便于后续查询。
参见图8,服务器获取该目标对象的体检报告801之后,基于该体检报告801,生成目标图网络802。服务器对该目标图网络802中的多个节点进行编码,得到各个节点对应的节点特征。
第二部分、服务器基于该边的权重,获取该目标图网络的邻接矩阵和度矩阵。
其中,邻接矩阵为一个方阵,邻接矩阵的行数和列数均与该目标图网络中节点的数量相同,邻接矩阵的每一行对应于一个节点,每一列也对应于一个节点。邻接矩阵为由数字0和数字N构成的矩阵,N为对应边的权重,0表示对应的两个节点之间不存在边,这里的对应的两个节点是指,邻接矩阵中0所在行对应的节点和列对应的节点。
在一种可能的实施方式中,服务器生成初始邻接矩阵,该初始邻接矩阵的行数和列数均与目标图网络中节点的数量相同。服务器根据目标图网络中多个节点之间边的情况,在该初始邻接矩阵中填充数字0或N,得到该目标图网络的邻接矩阵。其中,在该目标图网络中任两个节点之间不存在边的情况下,服务器在该两个节点在该初始邻接矩阵中的对应位置上填充数字0。在该目标图网络中任两个节点之间存在边的情况下,服务器在该两个节点在该初始邻接矩阵中的对应位置上填充数字N,也即是填充该两个节点之间边的权重。服务器根据该目标图网络中多个节点与其他节点之间边的数量,生成该目标图网络的度矩阵,该度矩阵用于表示各个节点与多少个节点之间存在边。
第三部分、服务器将该多个节点的节点特征、该目标图网络的邻接矩阵和度矩阵输入核保模型,通过该核保模型对该多个节点的节点特征、该目标图网络的邻接矩阵和度矩阵进行图卷积,得到该目标图网络的图网络特征。
其中,该核保模型的结构和训练方法参见步骤407之后的步骤901-904。
在一种可能的实施方式中,服务器通过该核保模型,采用该度矩阵对该邻接矩阵进行正则化,得到该邻接矩阵的正则矩阵。服务器采用该核保模型的卷积权重,对该邻接矩阵的正则矩阵以及该多个节点的节点特征进行处理,得到该目标图网络的图网络特征。其中,该核保模型的卷积权重可以为一个,也可以为多个,若该核保模型的卷积权重为一个,也就表示该核保模型具有一个卷积层,若该核保模型的卷积权重为多个,也就表示该核保模型具有多个卷积层,本申请实施例对于该核保模型具有的卷积层的数量不做限定。
在一些实施例中,服务器能够通过下述公式(4),采用该度矩阵对该邻接矩阵进行正则化,得到该邻接矩阵的正则矩阵:
服务器通过下述公式(5)来采用该核保模型的卷积权重,对该邻接矩阵的正则矩阵以及该多个节点的节点特征进行处理,得到该目标图网络的图网络特征。
其中,G为该目标图网络的图网络特征,Relu为残差函数,X为节点特征,W0为该目标图网络的第一个卷积层的卷积权重,W1为该目标图网络的第二个卷积层的卷积权重。
第四部分、服务器通过该核保模型对该图网络特征进行全连接和归一化,输出该目标对象的核保结果。
结合上述第三部分,服务器能够通过下述公式(6)来通过该核保模型对该图网络特征进行全连接和归一化,输出该目标对象的核保结果。
Z=softmax(FF(G)) (6)
其中,Z为该目标对象的核保结果,softmax为归一化函数,FF为全连接函数。
406、服务器将该目标对象的核保结果发送给终端。
407、终端显示该核保结果。
其中,核保结果包括五个:承保、加费、除外、拒保和其他,承保表示该目标对象能够购买对应的保险服务,加费表示该目标对象购买对应的保险服务时需要增加保费,除外是指该目标对象购买对应的保险服务时需要剔除某个类型的疾病,比如对于该目标对象未来患有疾病A的情况不做承保,拒保表示该目标对象不能购买对应的保险服务,其他为其他情况。
参见图9,服务器对目标图网络进行处理,得到该目标图网络的图网络特征901,对该图网络特征901进行全连接和归一化,将该图网络特征901映射为5个核保结果。在一些实施例中,上述步骤401-407所示的核保方法,也被称为智能核保。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
在实验过程中,设计了一个简单的基线模型作为对比,该基线模型是将体检报告预处理得到的检查项目和检查结果用语言模型(word2vec或者MedBERT)进行建模得到节点特征向量,将节点特征向量经过分类器得到核保结果。
实验采用了8000条数据,分类任务为5分类任务,5分类任务对应于上述5个核保结果,实验结果如下表1所示:
表1
模型 | Precision | Recall | F1 |
基线模型 | 0.31 | 0.40 | 0.34 |
核保模型 | 0.59 | 0.48 | 0.49 |
从上述表1可以看出本申请所提出的核保模型相比较基线模型有明显的性能提升,其中,Precision(准确率)、Recall召回率以及F1(F1测度)分数均有不同程度的提升,特别是F1分数提升了44%,证明了通过对体检报告进行建图并用图卷积神经网络进行预测的可行性。
通过本申请实施例提供的技术方案,在进行核保时,能够获取目标对象的体检报告,基于该体检报告来生成目标图网络,由于目标图网络包括检查项目节点、检查结果节点以及身体状态节点,那么目标图网络也就能够完整的反映目标对象的身体情况,通过对目标图网络进行处理就能够得到目标对象的核保结果,核保过程无需人工参与,减少了耗费的人力和物力,降低了核保成本。
对于保险公司来说,本申请实施例提供的技术方案可以提高保险公司核保效率和准确率,极大降低人力成本和时间成本。对于投保人而言,本申请实施例提供的技术方案简化了投保流程,减少投保人的奔波,实时响应投保人需求。在未来,也可以帮助保险公司快速搭建“核保+保全”的一站式服务,使得保险业务的智能化水平进一步提高。
下面对上述步骤405中描述的核保模型的结构和训练方法进行说明,参见图10,该核保模型的训练方法包括:
1001、服务器获取多个样本对象的体检报告以及该多个样本对象的历史核保结果。
其中,历史核保结果也即是保险公司的核保人员通过人工核保得到的核保结果,在训练该核保模型时,历史核保结果作为对应样本对象的体检报告的标签,训练该核保模型的目的就是使得将该样本对象的体检报告输入该核保模型之后,该核保模型输出的核保结果与对应的历史核保结果尽可能接近。
1002、服务器基于该多个样本对象的体检报告,生成各个样本对象的样本图网络。
其中,服务器基于该多个样本对象的体检报告,生成各个样本对象的样本图网络的方法,与上述步骤404中基于该目标对象的体检报告,生成目标图网络的方法属于同一发明构思,实现过程参见上述步骤404的描述,在此不再赘述。
1003、服务器将各个样本对象的样本图网络输入该核保模型,通过该核保模型输出各个样本对象的预测核保结果。
其中,服务器将各个样本对象的样本图网络输入该核保模型,通过该核保模型输出各个样本对象的预测核保结果的方法与上述步骤405中基于该目标图网络,获取该目标对象的核保结果的方法属于同一发明构思,实现过程参见上述步骤405的描述,在此不再赘述。
下面对该核保模型的结构进行说明。
参见图11,该核保模型1100包括图卷积层1101、残差层1102、全连接层1103和归一化层1104。在一些实施例中,该核保模型1100中图卷积层1101的数量为两个,图卷积层用于对输入的数据进行图卷积。残差层1102位于第二个图卷积层中,用于对数据进行残差连接,防止数据在图卷积过程中发生丢失。全连接层1103用于对数据进行全连接处理,归一化层1104用于对数据进行归一化处理。
需要说明的是,图11是该核保模型的一种可能的结构,在其他实施例中,该核保模型也可以为其他结构,本申请实施例对此不做限定。
1004、服务器基于各个样本对象的预测核保结果和对应的历史核保结果,调整该核保模型的模型参数。
在一种可能的实施方式中,服务器基于各个样本对象和预测核保结果和对应的历史核保结果,构建二分类交叉熵损失函数和交叉熵误差损失函数。服务器基于该二分类交叉熵损失函数和交叉熵误差损失函数对该核保模型的模型参数进行调整,也即是对该核保模型进行训练,其中,二分类交叉熵损失函数为有监督训练的损失函数,交叉熵误差损失函数为半监督训练的损失函数,通过这种有监督训练结合半监督训练的方式,对样本数据(多个样本对象的体检报告以及该多个样本对象的历史核保结果)进行更加充分地利用,提高该核保模型的训练效果。
举例来说,服务器构建如下述公式(7)所示的二分类交叉熵损失函数以及如下述公式(8)所示的交叉熵误差损失函数。
L1=-∑kyk logZ′k+(1-yk)log(1-Z′k) (7)
其中,L1为二分类交叉熵损失函数,k为样本对象的体检报告的编号,yk为编号为k的历史核保结果,Z′k为编号为k的预测核保结果。
其中,L2为交叉熵误差损失函数,l和f为样本对象的体检报告的编号,F为样本对象的体检报告的数量,yl为某个历史核保结果对应的所有体检报告,Ylf为编号为lf的历史核保结果,Zlf为编号为lf的预测核保结果。
图12是本申请实施例提供的一种核保装置结构示意图,参见图12,装置包括:体检报告获取模块1201、图网络生成模块1202以及核保结果获取模块1203。
体检报告获取模块1201,用于获取目标对象的体检报告,所述体检报告包括检查项目以及所述检查项目对应的检查结果;
图网络生成模块1202,用于基于所述目标对象的体检报告,生成目标图网络,所述目标图网络包括所述检查项目对应的检查项目节点、所述检查结果对应的检查结果节点、所述检查结果对应的所述目标对象的身体状态节点以及边,所述边用于连接相互关联的节点;
核保结果获取模块1203,用于基于所述目标图网络,获取所述目标对象的核保结果。
在一种可能的实施方式中,所述图网络生成模块1202,用于执行下述任一项:
从所述目标对象的体检报告中获取所述检查项目以及所述检查项目对应的检查结果;从所述检查结果中获取第一命名实体,所述第一命名实体用于描述所述目标对象的身体状态;基于所述检查项目、所述检查结果以及所述第一命名实体,生成所述目标图网络;
从所述目标对象的体检报告中获取所述检查项目以及所述检查项目对应的检查结果;从所述检查结果中获取所述第一命名实体和对应的第二命名实体,所述第二命名实体用于描述对应的第一命名实体的属性;基于所述检查项目、所述检查结果、所述第一命名实体以及对应的第二命名实体,生成所述目标图网络。
在一种可能的实施方式中,所述图网络生成模块1202,用于对所述检查结果进行命名实体识别,得到所述第一命名实体和多个第二命名实体;获取所述第一命名实体在所述检查结果中的第一位置信息,以及所述多个第二命名实体在所述检查结果中的第二位置信息;基于所述第一位置信息和所述第二位置信息,从所述多个第二命名实体中获取与所述第一命名实体对应的第二命名实体。
在一种可能的实施方式中,所述装置还包括权重确定模块,用于对于任一检查结果节点和对应的身体状态节点,获取所述身体状态节点对应的文本在所述检查结果节点对应的文本中的词频;获取所述身体状态节点对应的文本在语料库中的逆向文件频率,所述语料库包括多个文本文件;基于所述词频和所述逆向文件频率,确定连接所述检查结果节点和所述身体状态节点的边的权重;对于任一检查项目节点和任一身体状态节点,在所述检查项目节点和所述身体状态节点之间存在边的情况下,将连接所述检查项目节点和所述身体状态节点的边的权重设置为目标数值。
在一种可能的实施方式中,所述核保结果获取模块1203,用于对所述目标图网络中的多个节点进行编码,得到各个所述节点对应的节点特征;基于所述边的权重,获取所述目标图网络的邻接矩阵和度矩阵;将所述多个节点的节点特征、所述目标图网络的邻接矩阵和度矩阵输入核保模型,通过所述核保模型对所述多个节点的节点特征、所述目标图网络的邻接矩阵和度矩阵进行图卷积,得到所述目标图网络的图网络特征;对所述图网络特征进行全连接和归一化,输出所述目标对象的核保结果。
在一种可能的实施方式中,所述核保结果获取模块1203,用于执行下述任一项:
对所述目标图网络中的多个节点进行嵌入编码,得到各个所述节点对应的节点特征;
对所述目标图网络中的多个节点进行语义编码,得到各个所述节点对应的节点特征。
在一种可能的实施方式中,所述核保结果获取模块1203,用于通过所述核保模型,采用所述度矩阵对所述邻接矩阵进行正则化,得到所述邻接矩阵的正则矩阵;采用所述核保模型的卷积权重,对所述邻接矩阵的正则矩阵以及所述多个节点的节点特征进行处理,得到所述目标图网络的图网络特征。
在一种可能的实施方式中,所述装置还包括:
模型参数调整模块,用于获取多个样本对象的体检报告以及所述多个样本对象的历史核保结果;基于所述多个样本对象的体检报告,生成各个所述样本对象的样本图网络;将各个所述样本对象的样本图网络输入所述核保模型,通过所述核保模型输出各个所述样本对象的预测核保结果;基于各个所述样本对象的预测核保结果和对应的历史核保结果,调整所述核保模型的模型参数。
需要说明的是:上述实施例提供的核保装置在基于体检报告进行核保时,仅以上述各功能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模块完成,即将计算机设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的核保装置与核保方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
通过本申请实施例提供的技术方案,在进行核保时,能够获取目标对象的体检报告,基于该体检报告来生成目标图网络,由于目标图网络包括检查项目节点、检查结果节点以及身体状态节点,那么目标图网络也就能够完整的反映目标对象的身体情况,通过对目标图网络进行处理就能够得到目标对象的核保结果,核保过程无需人工参与,减少了耗费的人力和物力,降低了核保成本。
本申请实施例提供了一种计算机设备,用于执行上述方法,该计算机设备可以实现为终端或者服务器,下面先对终端的结构进行介绍:
图13是本申请实施例提供的一种终端的结构示意图。该终端1300可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能手表等,但并不局限于此。
通常,终端1300包括有:一个或多个处理器1301和一个或多个存储器1302。
处理器1301可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1301还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1302中的非暂态的计算机可读存储介质用于存储至少一个计算机程序,该至少一个计算机程序用于被处理器1301所执行以实现本申请中方法实施例提供的核保方法。
在一些实施例中,终端1300还可选包括有:外围设备接口1303和至少一个外围设备。处理器1301、存储器1302和外围设备接口1303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1303相连。具体地,外围设备包括:射频电路1304、显示屏1305、摄像头组件1306、音频电路1307、定位组件1308和电源1309中的至少一种。
外围设备接口1303可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器1301和存储器1302。在一些实施例中,处理器1301、存储器1302和外围设备接口1303被集成在同一芯片或电路板上;在一些其他实施例中,处理器1301、存储器1302和外围设备接口1303中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路1304用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1304将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路1304包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。
显示屏1305用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1305是触摸显示屏时,显示屏1305还具有采集在显示屏1305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1301进行处理。此时,显示屏1305还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。
摄像头组件1306用于采集图像或视频。可选地,摄像头组件1306包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。
音频电路1307可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器1301进行处理,或者输入至射频电路1304以实现语音通信。
定位组件1308用于定位终端1300的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。
电源1309用于为终端1300中的各个组件进行供电。电源1309可以是交流电、直流电、一次性电池或可充电电池。
在一些实施例中,终端1300还包括有一个或多个传感器1310。该一个或多个传感器1310包括但不限于:加速度传感器1311、陀螺仪传感器1312、压力传感器1313、指纹传感器1314、光学传感器1315以及接近传感器1316。
加速度传感器1311可以检测以终端1300建立的坐标系的三个坐标轴上的加速度大小。
陀螺仪传感器1312可以终端1300的机体方向及转动角度,陀螺仪传感器1312可以与加速度传感器1311协同采集用户对终端1300的3D动作。
压力传感器1313可以设置在终端1300的侧边框和/或显示屏1305的下层。当压力传感器1313设置在终端1300的侧边框时,可以检测用户对终端1300的握持信号,由处理器1301根据压力传感器1313采集的握持信号进行左右手识别或快捷操作。当压力传感器1313设置在显示屏1305的下层时,由处理器1301根据用户对显示屏1305的压力操作,实现对UI界面上的可操作性控件进行控制。
指纹传感器1314用于采集用户的指纹,由处理器1301根据指纹传感器1314采集到的指纹识别用户的身份,或者,由指纹传感器1314根据采集到的指纹识别用户的身份。
光学传感器1315用于采集环境光强度。在一个实施例中,处理器1301可以根据光学传感器1315采集的环境光强度,控制显示屏1305的显示亮度。
接近传感器1316用于采集用户与终端1300的正面之间的距离。
本领域技术人员可以理解,图13中示出的结构并不构成对终端1300的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
上述计算机设备还可以实现为服务器,下面对服务器的结构进行介绍:
图14是本申请实施例提供的一种服务器的结构示意图,该服务器1400可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(Central Processing Units,CPU)1401和一个或多个的存储器1402,其中,所述一个或多个存储器1402中存储有至少一条计算机程序,所述至少一条计算机程序由所述一个或多个处理器1401加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器1400还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器1400还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括计算机程序的存储器,上述计算机程序可由处理器执行以完成上述实施例中的核保方法。例如,该计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括程序代码,该程序代码存储在计算机可读存储介质中,计算机设备的处理器从计算机可读存储介质读取该程序代码,处理器执行该程序代码,使得该计算机设备执行上述核保方法。
在一些实施例中,本申请实施例所涉及的计算机程序可被部署在一个计算机设备上执行,或者在位于一个地点的多个计算机设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算机设备上执行,分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链系统。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
上述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种核保方法,其特征在于,所述方法包括:
获取目标对象的体检报告,所述体检报告包括检查项目以及所述检查项目对应的检查结果;
基于所述目标对象的体检报告,生成目标图网络,所述目标图网络包括所述检查项目对应的检查项目节点、所述检查结果对应的检查结果节点、所述检查结果对应的所述目标对象的身体状态节点以及边,所述边用于连接相互关联的节点;
基于所述目标图网络,获取所述目标对象的核保结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标对象的体检报告,生成目标图网络包括下述任一项:
从所述目标对象的体检报告中获取所述检查项目以及所述检查项目对应的检查结果;从所述检查结果中获取第一命名实体,所述第一命名实体用于描述所述目标对象的身体状态;基于所述检查项目、所述检查结果以及所述第一命名实体,生成所述目标图网络;
从所述目标对象的体检报告中获取所述检查项目以及所述检查项目对应的检查结果;从所述检查结果中获取所述第一命名实体和对应的第二命名实体,所述第二命名实体用于描述对应的第一命名实体的属性;基于所述检查项目、所述检查结果、所述第一命名实体以及对应的第二命名实体,生成所述目标图网络。
3.根据权利要求2所述的方法,其特征在于,所述从所述检查结果中获取第一命名实体和对应的第二命名实体包括:
对所述检查结果进行命名实体识别,得到所述第一命名实体和多个第二命名实体;
获取所述第一命名实体在所述检查结果中的第一位置信息,以及所述多个第二命名实体在所述检查结果中的第二位置信息;
基于所述第一位置信息和所述第二位置信息,从所述多个第二命名实体中获取与所述第一命名实体对应的第二命名实体。
4.根据权利要求1所述的方法,其特征在于,所述边的权重确定方法包括:
对于任一检查结果节点和对应的身体状态节点,获取所述身体状态节点对应的文本在所述检查结果节点对应的文本中的词频;获取所述身体状态节点对应的文本在语料库中的逆向文件频率,所述语料库包括多个文本文件;基于所述词频和所述逆向文件频率,确定连接所述检查结果节点和所述身体状态节点的边的权重;
对于任一检查项目节点和任一身体状态节点,在所述检查项目节点和所述身体状态节点之间存在边的情况下,将连接所述检查项目节点和所述身体状态节点的边的权重设置为目标数值。
5.根据权利要求1所述的方法,其特征在于,所述基于所述目标图网络,获取所述目标对象的核保结果包括:
对所述目标图网络中的多个节点进行编码,得到各个所述节点对应的节点特征;
基于所述边的权重,获取所述目标图网络的邻接矩阵和度矩阵;
将所述多个节点的节点特征、所述目标图网络的邻接矩阵和度矩阵输入核保模型,通过所述核保模型对所述多个节点的节点特征、所述目标图网络的邻接矩阵和度矩阵进行图卷积,得到所述目标图网络的图网络特征;对所述图网络特征进行全连接和归一化,输出所述目标对象的核保结果。
6.根据权利要求5所述的方法,其特征在于,所述对所述目标图网络中的多个节点进行编码,得到各个所述节点对应的节点特征包括下述任一项:
对所述目标图网络中的多个节点进行嵌入编码,得到各个所述节点对应的节点特征;
对所述目标图网络中的多个节点进行语义编码,得到各个所述节点对应的节点特征。
7.根据权利要求5所述的方法,其特征在于,所述通过所述核保模型对所述多个节点的节点特征、所述目标图网络的邻接矩阵和度矩阵进行图卷积,得到所述目标图网络的图网络特征包括:
通过所述核保模型,采用所述度矩阵对所述邻接矩阵进行正则化,得到所述邻接矩阵的正则矩阵;采用所述核保模型的卷积权重,对所述邻接矩阵的正则矩阵以及所述多个节点的节点特征进行处理,得到所述目标图网络的图网络特征。
8.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取多个样本对象的体检报告以及所述多个样本对象的历史核保结果;
基于所述多个样本对象的体检报告,生成各个所述样本对象的样本图网络;
将各个所述样本对象的样本图网络输入所述核保模型,通过所述核保模型输出各个所述样本对象的预测核保结果;
基于各个所述样本对象的预测核保结果和对应的历史核保结果,调整所述核保模型的模型参数。
9.一种核保装置,其特征在于,所述装置包括:
体检报告获取模块,用于获取目标对象的体检报告,所述体检报告包括检查项目以及所述检查项目对应的检查结果;
图网络生成模块,用于基于所述目标对象的体检报告,生成目标图网络,所述目标图网络包括所述检查项目对应的检查项目节点、所述检查结果对应的检查结果节点、所述检查结果对应的所述目标对象的身体状态节点以及边,所述边用于连接相互关联的节点;
核保结果获取模块,用于基于所述目标图网络,获取所述目标对象的核保结果。
10.一种计算机设备,其特征在于,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条计算机程序,所述计算机程序由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求8任一项所述的核保方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条计算机程序,所述计算机程序由处理器加载并执行以实现如权利要求1至权利要求8任一项所述的核保方法。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至权利要求8任一项所述的核保方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111223511.6A CN115994829A (zh) | 2021-10-20 | 2021-10-20 | 核保方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111223511.6A CN115994829A (zh) | 2021-10-20 | 2021-10-20 | 核保方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115994829A true CN115994829A (zh) | 2023-04-21 |
Family
ID=85993043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111223511.6A Pending CN115994829A (zh) | 2021-10-20 | 2021-10-20 | 核保方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115994829A (zh) |
-
2021
- 2021-10-20 CN CN202111223511.6A patent/CN115994829A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147457A (zh) | 图文匹配方法、装置、存储介质及设备 | |
KR20220064395A (ko) | 이미지들 및 전문 지식으로부터 피부 상태들을 수집하고 식별하기 위한 시스템 | |
US20220059200A1 (en) | Deep-learning systems and methods for medical report generation and anomaly detection | |
Li et al. | Edge detection algorithm of cancer image based on deep learning | |
WO2023015935A1 (zh) | 一种体检项目推荐方法、装置、设备及介质 | |
CN113742483A (zh) | 文档分类的方法、装置、电子设备和存储介质 | |
CN112257578B (zh) | 人脸关键点检测方法、装置、电子设备及存储介质 | |
CN112419326B (zh) | 图像分割数据处理方法、装置、设备及存储介质 | |
US11557140B2 (en) | Model-independent confidence values for extracted document information using a convolutional neural network | |
Rainio et al. | Evaluation metrics and statistical tests for machine learning | |
CN113094476A (zh) | 基于自然语言处理风险预警方法、系统、设备及介质 | |
CN111091010A (zh) | 相似度确定、网络训练、查找方法及装置和存储介质 | |
Veerashetty et al. | Manhattan distance-based histogram of oriented gradients for content-based medical image retrieval | |
CN115757692A (zh) | 一种数据处理方法及其装置 | |
CN114418124A (zh) | 生成图神经网络模型的方法、装置、设备及存储介质 | |
CN117112829B (zh) | 医疗数据跨模态检索方法、装置和相关设备 | |
US20210397905A1 (en) | Classification system | |
Dong et al. | A motor bearing fault diagnosis method based on multi-source data and one-dimensional lightweight convolution neural network | |
Kim et al. | Fostering transparent medical image AI via an image-text foundation model grounded in medical literature | |
Srinivasa Rao et al. | Fault signal recognition in power distribution system using deep belief network | |
CN117557331A (zh) | 一种产品推荐方法、装置、计算机设备及存储介质 | |
Qasem et al. | Extreme learning machine for credit risk analysis | |
US20240028831A1 (en) | Apparatus and a method for detecting associations among datasets of different types | |
KR102145858B1 (ko) | 문서 이미지로부터 인식된 용어를 표준화하기 위한 방법 | |
CN114757247A (zh) | 分类预测模型的训练方法、分类预测方法、装置和设备 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40089562 Country of ref document: HK |