CN116468563A - 理赔事项智能反馈方法、装置、设备及其存储介质 - Google Patents

理赔事项智能反馈方法、装置、设备及其存储介质 Download PDF

Info

Publication number
CN116468563A
CN116468563A CN202310426789.6A CN202310426789A CN116468563A CN 116468563 A CN116468563 A CN 116468563A CN 202310426789 A CN202310426789 A CN 202310426789A CN 116468563 A CN116468563 A CN 116468563A
Authority
CN
China
Prior art keywords
case
user
settlement
intention
preset
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
CN202310426789.6A
Other languages
English (en)
Inventor
罗嘉欣
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 Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty 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 Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202310426789.6A priority Critical patent/CN116468563A/zh
Publication of CN116468563A publication Critical patent/CN116468563A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Technology Law (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请实施例属于人工智能技术领域，应用于理赔数据反馈领域中，涉及一种理赔事项智能反馈方法、装置、设备及其存储介质，包括启动IM场景下预设的理赔查询引擎；根据理赔查询引擎获取用户输入字段；识别出当前理赔案件的理赔状态节点；根据理赔状态节点和预设的意图识别模型，识别出用户查询意图；基于用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给用户。通过NLP意图识别技术和IM即时通讯场景，将理赔案件查询的高频问题分流给机器人解决，有效降低理赔员人工角色工作沟通成本，自动化识别出用户意图和当前的案件状态节点，实时给出有效反馈方案，无需经过重复的人工查询/校验等繁琐动作，提升解答效率。

Description

理赔事项智能反馈方法、装置、设备及其存储介质
技术领域
本申请涉及人工智能技术领域，尤其涉及一种理赔事项智能反馈方法、装置、设备及其存储介质。
背景技术
目前为了平台用户的千人千面差异化体验，全平台各模块均有涉及根据用户业务状态，推荐相关功能服务的需求。但问题在这些状态均存在各业务模块，每个应用方(如搜索、享服务、在线客服)均需要调用多个业务方获取用户状态，容易出现超时和性能问题。
以理赔业务模块为例，目前的理赔案件咨询所采用的方式主要为人工坐席进行理赔解答的形式，极易造成坐席繁忙或者因坐席人员的情绪化给客户带来解答效率较低的服务体验，而且，目前也有存在意图识别方式，其目的是在通过的过程中，通过接受客户的对话文本，给坐席人员提供回复策略，但是这种方式还是通过人工坐席转述话术的方式告知客户，并未实质减少人工的工作量。因此，现有技术在理赔员在进行理赔案件咨询解答时，还存在人工工作量消耗较大，且解答效率较低的问题。
发明内容
本申请实施例的目的在于提出一种理赔事项智能反馈方法、装置、设备及其存储介质，以解决现有技术在理赔员在进行理赔案件咨询解答时，还存在人工工作量消耗较大，且解答效率较低的问题。
为了解决上述技术问题，本申请实施例提供一种理赔事项智能反馈方法，采用了如下所述的技术方案：
一种理赔事项智能反馈方法，包括下述步骤：
根据预设的启动指令，启动IM场景下预设的理赔查询引擎；
根据所述理赔查询引擎获取用户输入字段；
根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点；
根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；
基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。
进一步的，所述根据预设的启动指令，启动IM场景下理赔查询引擎的步骤，具体包括：
在用户打开预设的APP后，启动预设的业务模块监测组件；
根据所述业务模块监测组件监测所述用户是否对预设的理赔业务模块进行了点击；
若所述用户对所述理赔业务模块进行了点击，则根据预设的触发器触发启动IM场景下理赔查询引擎，并在所述APP内同时跳转至所述理赔查询引擎对应的搜索页面。
进一步的，所述根据所述理赔查询引擎获取用户输入字段的步骤，具体包括：
在跳转至所述理赔查询引擎对应的搜索页面时，启动预设的用户输入监测组件；
根据所述用户输入监测组件监测所述用户是否在所述搜索页面预设的搜索框内进行了字段输入；
若所述用户在所述搜索页面预设的搜索框内进行了字段输入，则启动预设的读秒组件，获取所述用户的输入间隔时间；
若基于所述读秒组件，获取到当前输入间隔时间大于预设的间隔时间阈值，则默认所述用户已输入完毕，获取所述搜索框中的所有字段作为所述用户输入字段。
进一步的，在执行所述根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点的步骤之前，所述方法还包括：
判断所述用户输入字段是否为理赔单号信息；
若所述用户输入字段非为理赔单号信息，则根据预设的在线案件理赔库和所述用户输入字段判断当前用户是否有在线理赔案件；
若所述当前用户有在线理赔案件或所述用户输入字段为理赔单号信息，则根据所述在线案件理赔库和所述用户输入字段获取所述理赔案件信息表。
进一步的，在执行所述根据所述在线案件理赔库和所述用户输入字段获取所述理赔案件信息表的步骤之后，所述方法还包括：
根据所述理赔案件信息表，判断所述用户涉及的理赔案件的案件类别，其中，所述案件类别包括车险理赔案件和非车险理赔案件；
若所述用户仅涉及一个理赔案件，将所述理赔案件作为目标理赔案件，并判断所述目标理赔案件的案件类别；
若所述用户涉及多个理赔案件，则在预设的展示界面以列表形式展示出所述多个理赔案件的简介信息，供所述用户进行点击选择目标理赔案件，接收用户的点击选择指令，基于所述点击选择指令确定目标理赔案件，并判断所述目标理赔案件的案件类别。
进一步的，在执行所述判断所述目标理赔案件的案件类别的步骤之后，所述方法还包括：
若所述理赔案件的案件类别为车险理赔案件，则启动所述意图识别模型中的车险理赔意图识别组件；
若所述理赔案件的案件类别为非车险理赔案件，则启动所述意图识别模型中的非车险理赔意图识别组件。
进一步的，所述理赔状态节点包括未填写领款信息、未开启支付授权、未上传理赔相关材料、理赔审核中、待补充理赔相关材料、待确认赔款信息、理赔支付中和理赔支付退回，且每一个理赔状态节点都预先对应所述意图识别模型中特定的高频意图信息，所述根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图的步骤，具体包括：
若所述理赔案件为车险理赔案件，获取所述车险理赔案件对应的理赔状态节点，则根据所述理赔状态节点和所述车险理赔意图识别组件，识别所述用户的查询意图；
若所述理赔案件为非车险理赔案件，获取所述非车险理赔案件对应的理赔状态节点，则根据所述理赔状态节点和所述非车险理赔意图识别组件，识别所述用户的查询意图。
为了解决上述技术问题，本申请实施例还提供一种理赔事项智能反馈装置，采用了如下所述的技术方案：
一种理赔事项智能反馈装置，包括：
查询引擎启动模块，用于根据预设的启动指令，启动IM场景下预设的理赔查询引擎；
输入字段获取模块，用于根据所述理赔查询引擎获取用户输入字段；
理赔状态节点识别模块，用于根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点；
用户查询意图识别模块，用于根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；
理赔反馈数据发送模块，用于基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的理赔事项智能反馈方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述所述的理赔事项智能反馈方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例所述理赔事项智能反馈方法，根据预设的启动指令，启动IM场景下预设的理赔查询引擎；根据所述理赔查询引擎获取用户输入字段，其中，所述用户输入字段至少包括保险单号信息、理赔单号信息、保险标的物标识信息中的任一信息；根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点，其中，所述理赔案件信息表中包括所述保险单号信息、理赔单号信息、保险标的物标识信息以及当前理赔案件的理赔状态节点信息；根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。通过人工智能NLP意图识别技术和IM即时通讯场景相结合，将理赔案件查询的高频问题分流给机器人解决，有效降低理赔员人工角色工作沟通成本，自动化识别出用户意图和当前的案件状态节点，实时给出有效反馈方案，无需经过重复的人工查询/校验等繁琐动作，提升解答效率。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图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是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的理赔事项智能反馈方法的一个实施例的流程图；
图3根据本申请的理赔事项智能反馈装置的一个实施例的结构示意图；
图4是图3所示模块304的一种具体实施例的结构示意图；
图5根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103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、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的理赔事项智能反馈方法一般由服务器/终端设备执行，相应地，理赔事项智能反馈装置一般设置于服务器/终端设备中。
应该理解，图1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。
为了便于理解，先介绍用户IBS(Internet Business System)定位，所述用户IBS定位以平安好车主APP为例，用户IBS定位指的是通过安装有平安好车主APP的手机端进行定位，通过定位筛选出特定地理范围内车辆服务商家的定位功能。
继续参考图2，示出了根据本申请的理赔事项智能反馈方法的一个实施例的流程图。所述的理赔事项智能反馈方法，包括以下步骤：
步骤201，根据预设的启动指令，启动IM场景下预设的理赔查询引擎。
本实施例中，所述根据预设的启动指令，启动IM场景下理赔查询引擎的步骤，具体包括：在用户打开预设的APP后，启动预设的业务模块监测组件；根据所述业务模块监测组件监测所述用户是否对预设的理赔业务模块进行了点击；若所述用户对所述理赔业务模块进行了点击，则根据预设的触发器触发启动IM场景下理赔查询引擎，并在所述APP内同时跳转至所述理赔查询引擎对应的搜索页面。
本实施例中，所述IM(InstantMessaging)场景指的是人机即时通讯对话场景，常见的包括客户坐席通话，智能机器人在线客服等。所述预设的APP可以为平安好车主APP，所述业务模块监测组件用于监测所述平安好车主APP里的业务金刚区，即每个金刚区对应一个业务模块，通过监测金刚区里所有的业务模块，识别用户是否对预设的理赔业务模块进行了点击。
步骤202，根据所述理赔查询引擎获取用户输入字段，其中，所述用户输入字段至少包括保险单号信息、理赔单号信息、保险标的物标识信息中的任一信息。
本实施例中，所述根据所述理赔查询引擎获取用户输入字段的步骤，具体包括：在跳转至所述理赔查询引擎对应的搜索页面时，启动预设的用户输入监测组件；根据所述用户输入监测组件监测所述用户是否在所述搜索页面预设的搜索框内进行了字段输入；若所述用户在所述搜索页面预设的搜索框内进行了字段输入，则启动预设的读秒组件，获取所述用户的输入间隔时间；若基于所述读秒组件，获取到当前输入间隔时间大于预设的间隔时间阈值，则默认所述用户已输入完毕，获取所述搜索框中的所有字段作为所述用户输入字段。
本实施例中，所述用户输入监测组件，具体的，可以为平安好车主APP中的输入框监测组件，用于对用户的输入操作进行监测，采用读秒组件判断用户是否输入完成，能够及时的拉取用户输入字段，相应的，还可以采用提交按钮的方式替代读秒组件，若识别出用户进行了点击提交，获取提交信息中的输入字段作为用户输入字段。
步骤203，根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点，其中，所述理赔案件信息表中包括所述保险单号信息、理赔单号信息、保险标的物标识信息以及当前理赔案件的理赔状态节点信息。
本实施例中，在执行所述根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点的步骤之前，所述方法还包括：判断所述用户输入字段是否为理赔单号信息；若所述用户输入字段非为理赔单号信息，则根据预设的在线案件理赔库和所述用户输入字段判断当前用户是否有在线理赔案件；若所述当前用户有在线理赔案件或所述用户输入字段为理赔单号信息，则根据所述在线案件理赔库和所述用户输入字段获取所述理赔案件信息表。
在用户输入之后，会先根据输入信息进行识别判断，判断是否存在理赔案件，若不存在理赔案件，则通过相应的反馈话术表单筛选出反馈字段，并发送给所述用户。
若存在理赔案件，则从所述在线案件理赔库中获取到理赔案件信息表，其中，所述在线案件理赔库汇聚了所有的历史理赔案件信息和正在进行申报的理赔案件信息。
本实施例中，在执行所述根据所述在线案件理赔库和所述用户输入字段获取所述理赔案件信息表的步骤之后，所述方法还包括：根据所述理赔案件信息表，判断所述用户涉及的理赔案件的案件类别，其中，所述案件类别包括车险理赔案件和非车险理赔案件；若所述用户仅涉及一个理赔案件，将所述理赔案件作为目标理赔案件，并判断所述目标理赔案件的案件类别；若所述用户涉及多个理赔案件，则在预设的展示界面以列表形式展示出所述多个理赔案件的简介信息，供所述用户进行点击选择目标理赔案件，接收用户的点击选择指令，基于所述点击选择指令确定目标理赔案件，并判断所述目标理赔案件的案件类别。
通过所述理赔案件信息表，判断所述用户涉及的理赔案件的案件类别，根据案件类别选用不同的意图识别组件，避免了对每个理赔案件都采用全数据量的意图识别模型进行识别，相应的进行分类别，每个案件类别仅使用其对应的意图识别组件和相关数据进行意图识别，提高意图识别的效率
本实施例中，在执行所述判断所述目标理赔案件的案件类别的步骤之后，所述方法还包括：若所述理赔案件的案件类别为车险理赔案件，则启动所述意图识别模型中的车险理赔意图识别组件；若所述理赔案件的案件类别为非车险理赔案件，则启动所述意图识别模型中的非车险理赔意图识别组件。
步骤204，根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件。
本实施例中，所述理赔状态节点包括未填写领款信息、未开启支付授权、未上传理赔相关材料、理赔审核中、待补充理赔相关材料、待确认赔款信息、理赔支付中和理赔支付退回，且每一个理赔状态节点都预先对应所述意图识别模型中特定的高频意图信息。
本实施例中，所述根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图的步骤，具体包括：若所述理赔案件为车险理赔案件，获取所述车险理赔案件对应的理赔状态节点，则根据所述理赔状态节点和所述车险理赔意图识别组件，识别所述用户的查询意图；若所述理赔案件为非车险理赔案件，获取所述非车险理赔案件对应的理赔状态节点，则根据所述理赔状态节点和所述非车险理赔意图识别组件，识别所述用户的查询意图。
通过预先将每个理赔状态节点都预先对应所述意图识别模型中特定的高频意图信息，保证了在筛选时，在获取到理赔状态节点时，自动获取到高频意图信息，有效降低理赔员人工角色工作沟通成本。
步骤205，基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。
本申请根据预设的启动指令，启动IM场景下预设的理赔查询引擎；根据所述理赔查询引擎获取用户输入字段，其中，所述用户输入字段至少包括保险单号信息、理赔单号信息、保险标的物标识信息中的任一信息；根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点，其中，所述理赔案件信息表中包括所述保险单号信息、理赔单号信息、保险标的物标识信息以及当前理赔案件的理赔状态节点信息；根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。通过人工智能NLP意图识别技术和IM即时通讯场景相结合，将理赔案件查询的高频问题分流给机器人解决，有效降低理赔员人工角色工作沟通成本，自动化识别出用户意图和当前的案件状态节点，实时给出有效反馈方案，无需经过重复的人工查询/校验等繁琐动作，提升解答效率。
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。
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、机器人技术、生物识别技术、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。
本申请实施例中，通过人工智能NLP意图识别技术和IM即时通讯场景相结合，将理赔案件查询的高频问题分流给机器人解决，有效降低理赔员人工角色工作沟通成本，自动化识别出用户意图和当前的案件状态节点，实时给出有效反馈方案，无需经过重复的人工查询/校验等繁琐动作，提升解答效率。
进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种理赔事项智能反馈装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例所述的理赔事项智能反馈装置300包括：查询引擎启动模块301、输入字段获取模块302、理赔状态节点识别模块303、用户查询意图识别模块304和理赔反馈数据发送模块305。其中：
查询引擎启动模块301，用于根据预设的启动指令，启动IM场景下预设的理赔查询引擎；
输入字段获取模块302，用于根据所述理赔查询引擎获取用户输入字段，其中，所述用户输入字段至少包括保险单号信息、理赔单号信息、保险标的物标识信息中的任一信息；
理赔状态节点识别模块303，用于根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点，其中，所述理赔案件信息表中包括所述保险单号信息、理赔单号信息、保险标的物标识信息以及当前理赔案件的理赔状态节点信息；
用户查询意图识别模块304，用于根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；
理赔反馈数据发送模块305，用于基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。
在本申请的一些具体的实施方式中，所述的理赔事项智能反馈装置300还包括第一监测模块，所述第一监测模块包括预设的业务模块监测组件，用于监测所述用户是否对预设的理赔业务模块进行了点击。
在本申请的一些具体的实施方式中，所述的理赔事项智能反馈装置300还包括触发器模块，所述触发器模块用于第一监测模块识别出所述用户对所述理赔业务模块进行了点击后，触发启动IM场景下理赔查询引擎，并在所述APP内同时跳转至所述理赔查询引擎对应的搜索页面。
在本申请的一些具体的实施方式中，所述的理赔事项智能反馈装置300还包括第二监测模块，所述第二监测模块包括预设的用户输入监测组件，用于监测所述用户是否在所述搜索页面预设的搜索框内进行了字段输入。
在本申请的一些具体的实施方式中，所述的理赔事项智能反馈装置300还包括读秒识别模块，所述读秒识别模块包括预设的读秒组件，用于获取所述用户的输入间隔时间；还用于若基于所述读秒组件，获取到当前输入间隔时间大于预设的间隔时间阈值，则默认所述用户已输入完毕，获取所述搜索框中的所有字段作为所述用户输入字段。
在本申请的一些具体的实施方式中，所述的理赔事项智能反馈装置300还包括在线理赔案件识别模块，所述在线理赔案件识别模块用于判断所述用户输入字段是否为理赔单号信息；还用于若所述用户输入字段非为理赔单号信息，则根据预设的在线案件理赔库和所述用户输入字段判断当前用户是否有在线理赔案件；还用于若所述当前用户有在线理赔案件或所述用户输入字段为理赔单号信息，则根据所述在线案件理赔库和所述用户输入字段获取所述理赔案件信息表。
在本申请的一些具体的实施方式中，所述的理赔事项智能反馈装置300还包括列表展示模块，所述列表展示模块用于若所述用户涉及多个理赔案件，则在预设的展示界面以列表形式展示出所述多个理赔案件的简介信息，供所述用户进行点击选择目标理赔案件。
在本申请的一些具体的实施方式中，所述的理赔事项智能反馈装置300还包括理赔案件类型识别模块，所述理赔案件类型识别模块用于根据所述理赔案件信息表，判断所述用户涉及的理赔案件的案件类别；还用于接收用户的点击选择指令，基于所述点击选择指令确定目标理赔案件，并判断所述目标理赔案件的案件类别。
继续参考图4，图4是图3所示模块304的一种具体实施例的结构示意图，所述的用户查询意图识别模块304包括车险理赔案件意图识别子模块401和非车险理赔案件意图识别子模块402，其中：
所述车险理赔案件意图识别子模块401，用于若所述理赔案件为车险理赔案件，获取所述车险理赔案件对应的理赔状态节点，则根据所述理赔状态节点和所述车险理赔意图识别组件，识别所述用户的查询意图；
所述非车险理赔案件意图识别子模块402，用于若所述理赔案件为非车险理赔案件，获取所述非车险理赔案件对应的理赔状态节点，则根据所述理赔状态节点和所述非车险理赔意图识别组件，识别所述用户的查询意图。
本申请根据预设的启动指令，启动IM场景下预设的理赔查询引擎；根据所述理赔查询引擎获取用户输入字段，其中，所述用户输入字段至少包括保险单号信息、理赔单号信息、保险标的物标识信息中的任一信息；根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点，其中，所述理赔案件信息表中包括所述保险单号信息、理赔单号信息、保险标的物标识信息以及当前理赔案件的理赔状态节点信息；根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。通过人工智能NLP意图识别技术和IM即时通讯场景相结合，将理赔案件查询的高频问题分流给机器人解决，有效降低理赔员人工角色工作沟通成本，自动化识别出用户意图和当前的案件状态节点，实时给出有效反馈方案，无需经过重复的人工查询/校验等繁琐动作，提升解答效率。
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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图5，图5为本实施例计算机设备基本结构框图。
所述计算机设备5包括通过系统总线相互通信连接存储器5a、处理器5b、网络接口5c。需要指出的是，图中仅示出了具有组件5a-5c的计算机设备5，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器5a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、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器5a可以是所述计算机设备5的内部存储单元，例如该计算机设备5的硬盘或内存。在另一些实施例中，所述存储器5a也可以是所述计算机设备5的外部存储设备，例如该计算机设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器5a还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中，所述存储器5a通常用于存储安装于所述计算机设备5的操作系统和各类应用软件，例如理赔事项智能反馈方法的计算机可读指令等。此外，所述存储器5a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器5b在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器5b通常用于控制所述计算机设备5的总体操作。本实施例中，所述处理器5b用于运行所述存储器5a中存储的计算机可读指令或者处理数据，例如运行所述理赔事项智能反馈方法的计算机可读指令。
所述网络接口5c可包括无线网络接口或有线网络接口，该网络接口5c通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
本实施例提出的计算机设备，属于人工智能技术领域。本申请根据预设的启动指令，启动IM场景下预设的理赔查询引擎；根据所述理赔查询引擎获取用户输入字段，其中，所述用户输入字段至少包括保险单号信息、理赔单号信息、保险标的物标识信息中的任一信息；根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点，其中，所述理赔案件信息表中包括所述保险单号信息、理赔单号信息、保险标的物标识信息以及当前理赔案件的理赔状态节点信息；根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。通过人工智能NLP意图识别技术和IM即时通讯场景相结合，将理赔案件查询的高频问题分流给机器人解决，有效降低理赔员人工角色工作沟通成本，自动化识别出用户意图和当前的案件状态节点，实时给出有效反馈方案，无需经过重复的人工查询/校验等繁琐动作，提升解答效率。
本申请还提供了另一种实施方式，即提供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可读指令，所述计算机可读指令可被处理器执行，以使所述处理器执行如上述的理赔事项智能反馈方法的步骤。
本实施例提出的计算机可读存储介质，属于人工智能技术领域。本申请根据预设的启动指令，启动IM场景下预设的理赔查询引擎；根据所述理赔查询引擎获取用户输入字段，其中，所述用户输入字段至少包括保险单号信息、理赔单号信息、保险标的物标识信息中的任一信息；根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点，其中，所述理赔案件信息表中包括所述保险单号信息、理赔单号信息、保险标的物标识信息以及当前理赔案件的理赔状态节点信息；根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。通过人工智能NLP意图识别技术和IM即时通讯场景相结合，将理赔案件查询的高频问题分流给机器人解决，有效降低理赔员人工角色工作沟通成本，自动化识别出用户意图和当前的案件状态节点，实时给出有效反馈方案，无需经过重复的人工查询/校验等繁琐动作，提升解答效率。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种理赔事项智能反馈方法，其特征在于，包括下述步骤：
根据预设的启动指令，启动IM场景下预设的理赔查询引擎；
根据所述理赔查询引擎获取用户输入字段；
根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点；
根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；
基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。
2.根据权利要求1所述的理赔事项智能反馈方法，其特征在于，所述根据预设的启动指令，启动IM场景下理赔查询引擎的步骤，具体包括：
在用户打开预设的APP后，启动预设的业务模块监测组件；
根据所述业务模块监测组件监测所述用户是否对预设的理赔业务模块进行了点击；
若所述用户对所述理赔业务模块进行了点击，则根据预设的触发器触发启动IM场景下理赔查询引擎，并在所述APP内同时跳转至所述理赔查询引擎对应的搜索页面。
3.根据权利要求2所述的理赔事项智能反馈方法，其特征在于，所述根据所述理赔查询引擎获取用户输入字段的步骤，具体包括：
在跳转至所述理赔查询引擎对应的搜索页面时，启动预设的用户输入监测组件；
根据所述用户输入监测组件监测所述用户是否在所述搜索页面预设的搜索框内进行了字段输入；
若所述用户在所述搜索页面预设的搜索框内进行了字段输入，则启动预设的读秒组件，获取所述用户的输入间隔时间；
若基于所述读秒组件，获取到当前输入间隔时间大于预设的间隔时间阈值，则默认所述用户已输入完毕，获取所述搜索框中的所有字段作为所述用户输入字段。
4.根据权利要求1所述的理赔事项智能反馈方法，其特征在于，在执行所述根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点的步骤之前，所述方法还包括：
判断所述用户输入字段是否为理赔单号信息；
若所述用户输入字段非为理赔单号信息，则根据预设的在线案件理赔库和所述用户输入字段判断当前用户是否有在线理赔案件；
若所述当前用户有在线理赔案件或所述用户输入字段为理赔单号信息，则根据所述在线案件理赔库和所述用户输入字段获取所述理赔案件信息表。
5.根据权利要求4所述的理赔事项智能反馈方法，其特征在于，在执行所述根据所述在线案件理赔库和所述用户输入字段获取所述理赔案件信息表的步骤之后，所述方法还包括：
根据所述理赔案件信息表，判断所述用户涉及的理赔案件的案件类别，其中，所述案件类别包括车险理赔案件和非车险理赔案件；
若所述用户仅涉及一个理赔案件，将所述理赔案件作为目标理赔案件，并判断所述目标理赔案件的案件类别；
若所述用户涉及多个理赔案件，则在预设的展示界面以列表形式展示出所述多个理赔案件的简介信息，供所述用户进行点击选择目标理赔案件，接收用户的点击选择指令，基于所述点击选择指令确定目标理赔案件，并判断所述目标理赔案件的案件类别。
6.根据权利要求5所述的理赔事项智能反馈方法，其特征在于，在执行所述判断所述目标理赔案件的案件类别的步骤之后，所述方法还包括：
若所述理赔案件的案件类别为车险理赔案件，则启动所述意图识别模型中的车险理赔意图识别组件；
若所述理赔案件的案件类别为非车险理赔案件，则启动所述意图识别模型中的非车险理赔意图识别组件。
7.根据权利要求1或6所述的理赔事项智能反馈方法，其特征在于，所述理赔状态节点包括未填写领款信息、未开启支付授权、未上传理赔相关材料、理赔审核中、待补充理赔相关材料、待确认赔款信息、理赔支付中和理赔支付退回，且每一个理赔状态节点都预先对应所述意图识别模型中特定的高频意图信息，所述根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图的步骤，具体包括：
若所述理赔案件为车险理赔案件，获取所述车险理赔案件对应的理赔状态节点，则根据所述理赔状态节点和所述车险理赔意图识别组件，识别所述用户的查询意图；
若所述理赔案件为非车险理赔案件，获取所述非车险理赔案件对应的理赔状态节点，则根据所述理赔状态节点和所述非车险理赔意图识别组件，识别所述用户的查询意图。
8.一种理赔事项智能反馈装置，其特征在于，包括：
查询引擎启动模块，用于根据预设的启动指令，启动IM场景下预设的理赔查询引擎；
输入字段获取模块，用于根据所述理赔查询引擎获取用户输入字段；
理赔状态节点识别模块，用于根据预设的理赔案件信息表和所述用户输入字段，识别出当前理赔案件的理赔状态节点；
用户查询意图识别模块，用于根据所述理赔状态节点和预设的意图识别模型，识别出用户查询意图，其中，所述意图识别模型中涵盖了理赔业务领域中用户查询时的所有高频意图信息，识别功能由NLP自然语言识别技术实现，所述意图识别模型包括车险理赔意图识别组件和非车险理赔意图识别组件；
理赔反馈数据发送模块，用于基于所述用户查询意图和预设的反馈话术表单，筛选出理赔反馈数据发送给所述用户。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的理赔事项智能反馈方法的步骤。
10.一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上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的理赔事项智能反馈方法的步骤。
CN202310426789.6A 2023-04-12 2023-04-12 理赔事项智能反馈方法、装置、设备及其存储介质 Pending CN116468563A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310426789.6A CN116468563A (zh) 2023-04-12 2023-04-12 理赔事项智能反馈方法、装置、设备及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310426789.6A CN116468563A (zh) 2023-04-12 2023-04-12 理赔事项智能反馈方法、装置、设备及其存储介质

Publications (1)

Publication Number Publication Date
CN116468563A true CN116468563A (zh) 2023-07-21

Family

ID=87180338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310426789.6A Pending CN116468563A (zh) 2023-04-12 2023-04-12 理赔事项智能反馈方法、装置、设备及其存储介质

Country Status (1)

Country Link
CN (1) CN116468563A (zh)

Similar Documents

Publication Publication Date Title
CN117094729A (zh) 请求处理方法、装置、计算机设备及存储介质
CN116934283A (zh) 一种员工权限配置方法、装置、设备及其存储介质
CN116661936A (zh) 页面数据的处理方法、装置、计算机设备及存储介质
CN117251228A (zh) 功能管理方法、装置、计算机设备及存储介质
CN116483425A (zh) 微服务灰度发版方法、装置、设备及其存储介质
CN115794545A (zh) 运维数据的自动化处理方法及其相关设备
CN115292580A (zh) 数据查询方法、装置、计算机设备及存储介质
CN116468563A (zh) 理赔事项智能反馈方法、装置、设备及其存储介质
CN116431913A (zh) 车主业务推文智能推荐方法、装置、设备及其存储介质
CN117853163A (zh) 一种权益资源获取控制方法、装置、设备及其存储介质
CN117370558A (zh) 一种数据整合方法、装置、设备及其存储介质
CN117390241A (zh) 数据展示方法、装置、计算机设备及存储介质
CN117851055A (zh) 一种任务调度方法、装置、设备及其存储介质
CN117112383A (zh) 基于人工智能的性能分析方法、装置、设备及存储介质
CN116860644A (zh) 自动化测试方法、装置、计算机设备及存储介质
CN117395310A (zh) 任务处理方法、装置、计算机设备及存储介质
CN118035124A (zh) 用例生成方法、装置、计算机设备及存储介质
CN117290597A (zh) 基于人工智能的信息推送方法、装置、设备及存储介质
CN117057935A (zh) 基于领域设计的数据处理方法、装置、设备及其存储介质
CN117874814A (zh) 一种数据清洗方法、装置、设备及其存储介质
CN117273958A (zh) 基于规则引擎的核保数据处理方法、装置、设备及介质
CN117291732A (zh) 信息查询方法、装置、计算机设备及存储介质
CN116932090A (zh) 工具包加载方法、装置、计算机设备及存储介质
CN117333266A (zh) 潜在风险行为处理方法、装置、计算机设备及存储介质
CN116842011A (zh) 血缘关系分析方法、装置、计算机设备及存储介质

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