CN117649305A - 个性化理赔微服务管理方法、装置、设备及存储介质 - Google Patents
个性化理赔微服务管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117649305A CN117649305A CN202410048671.9A CN202410048671A CN117649305A CN 117649305 A CN117649305 A CN 117649305A CN 202410048671 A CN202410048671 A CN 202410048671A CN 117649305 A CN117649305 A CN 117649305A
- Authority
- CN
- China
- Prior art keywords
- preset
- service management
- settlement
- keyword
- learning model
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 176
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims description 47
- 230000006870 function Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000003999 initiator Substances 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/0895—Weakly supervised learning, e.g. semi-supervised or self-supervised learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及信息管理技术领域,公开了一种个性化理赔微服务管理方法、装置、设备及存储介质,所述方法包括基于理赔服务数据库和半监督学习模型,生成理赔服务管理页面;在接收到点击操作的情况下确定当前用户需求;提取需求关键词,并将需求关键词与UI控件关键词进行匹配;将与需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为目标理赔功能页面。通过上述方式,本申请根据预设理赔服务数据库与预设半监督学习模型,生成与用户交互的预设理赔服务管理页面,提取当前用户需求的需求关键词,并将其与预设UI控件关键词进行匹配,确定预设理赔服务管理页面,节约了用户理赔时间,提高了理赔效率。
Description
技术领域
本申请涉及信息管理技术领域,尤其涉及一种个性化理赔微服务管理方法、装置、设备及存储介质。
背景技术
随着互联网发展,金融行业需要打破行业传统的约束,建立起在互联网+时代的创新模式,保险行业亦需要通过传统模式的创新来进行内部改革和自我突破。由于目前大力发展新型保险业务,对于大量增长的小额、巨量的保险业务,对理赔流程、支付周期、理赔成本都提出了非常高的要求。因此如何节约用户理赔时间,提高理赔效率成为了亟需解决的问题。
发明内容
本申请提供了一种个性化理赔微服务管理方法、装置、设备及存储介质,以节约用户理赔时间,提高理赔效率。
第一方面,本申请提供了一种个性化理赔微服务管理方法,所述方法包括:
基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;
在接收到当前用户的点击操作的情况下,解析所述点击操作,确定当前用户需求;
提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配;
将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理。
进一步地,基于预设理赔服务数据库和预设监督学习模型,生成至少一个预设理赔服务管理页面之前,包括:
获取历史理赔服务数据;
对各所述历史理赔服务数据进行聚类处理,生成聚类结果;
基于所述聚类结果,生成所述预设理赔服务数据库。
进一步地,基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面之前,包括:
将各所述历史理赔服务数据作为训练集;
通过初始学习模型对所述训练集进行训练,生成训练结果;
基于所述训练结果对所述初始学习模型进行调参,并将调参后的所述初始学习模型确定为所述预设半监督学习模型。
进一步地,基于所述训练结果对所述初始学习模型进行调参,并将调参后的所述初始学习模型确定为所述预设半监督学习模型,包括:
添加各所述历史理赔服务数据的人工标签;
通过所述初始学习模型对所述训练集中各所述历史理赔服务数据进行分类,生成训练标签;
基于所述人工标签和所述训练标签,对所述初始学习模型进行调参以生成所述预设半监督学习模型。
进一步地,提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配,包括:
对各所述预设UI控件关键词进行编码,生成预设特征编码库;
对所述需求关键词进行编码,生成目标特征编码;
计算所述目标特征编码与所述预设特征编码库中各预设编码之间的相似度,并将各所述相似度进行筛选,生成相似度列表;
根据所述相似度列表,将所述需求关键词与各预设UI控件关键词进行匹配。
进一步地,将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理,包括:
将所述相似度列表中最大的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面。
进一步地,将各所述相似度进行筛选,生成相似度列表,包括:
将各所述相似度与预设相似度阈值进行比较;
保留不小于所述预设相似度阈值的相似度,生成所述相似度列表。
第二方面,本申请还提供了一种个性化理赔微服务管理装置,所述装置包括:
理赔服务管理页面生成模块,用于基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;
当前用户需求确定模块,用于在接收到当前用户的点击操作的情况下,解析所述点击操作,确定当前用户需求;
关键词匹配模块,用于提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配;
目标理赔功能页面确定模块,用于将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理。
第三方面,本申请还提供了一种计算机设备,所述计算机设备包括存储器和处理器;所述存储器用于存储计算机程序;所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如上述的个性化理赔微服务管理方法。
第四方面,本申请还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,所述计算机程序被处理器执行时使所述处理器实现如上述的个性化理赔微服务管理方法。
本申请公开了一种个性化理赔微服务管理方法、装置、设备及存储介质,所述个性化理赔微服务管理方法包括基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;在接收到当前用户的点击操作的情况下,解析所述点击操作,确定当前用户需求;提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配;将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理。通过上述方式,本申请根据预设理赔服务数据库与预设半监督学习模型,生成与用户交互的预设理赔服务管理页面,提取当前用户需求的需求关键词,并将其与预设UI控件关键词进行匹配,确定预设理赔服务管理页面,节约了用户理赔时间,提高了理赔效率。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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是本申请的第一实施例提供的一种个性化理赔微服务管理方法的示意流程图;
图2是本申请的第二实施例提供的一种个性化理赔微服务管理方法的示意流程图;
图3为本申请的实施例提供的一种个性化理赔微服务管理装置的示意性框图;
图4为本申请的实施例提供的一种计算机设备的结构示意性框图。
实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
本申请的实施例提供了一种个性化理赔微服务管理方法、装置、设备及存储介质。其中,该个性化理赔微服务管理方法可以应用于服务器中,根据预设理赔服务数据库与预设半监督学习模型,生成与用户交互的预设理赔服务管理页面,并根据当前用户的点击操作,解析得到用户需求,根据用户需求从预设理赔服务管理页面中确定目标理赔功能页面。其中,该服务器可以为独立的服务器,也可以为服务器集群。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参阅图1,图1是本申请的第一实施例提供的一种个性化理赔微服务管理方法的示意流程图。该个性化理赔微服务管理方法可应用于服务器中,用于根据预设理赔服务数据库与预设半监督学习模型,生成与用户交互的预设理赔服务管理页面,提取当前用户需求的需求关键词,并将其与预设UI控件关键词进行匹配,确定预设理赔服务管理页面,节约了用户理赔时间,提高了理赔效率。
如图1所示,该个性化理赔微服务管理方法具体包括步骤S10至步骤S40。
步骤S10、基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;
步骤S20、在接收到当前用户的点击操作的情况下,解析所述点击操作,确定当前用户需求;
步骤S30、提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配;
步骤S40、将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理。
预设理赔服务管理页面存在多个UI控件,UI控件可以体现为预设理赔服务管理页面中各按键。不同UI控件对应着不同的理赔服务管理页面。预设理赔服务管理页面包括报案信息管理页面、代理商月报管理页面、异常保单管理页面、出险类型管理页面、图形类型管理页面、方案组信息管理页面、理赔状态管理页面、短信发送查询页面、处理报案人员管理页面、音视频通话管理页面、理赔组管理页面。
进入到首页理赔信息管理界面中,用户选择界面中的报案信息列表,待处理任务池,代理商月报管理,异常保单管理,出险类型管理,图片类型管理,方案组信息管理,理赔状态管理.,短信上行查询,短信发送查询,短信配置管理,客服经理配置,邮件发送查询,数据下载管理.,处理报案人员管理,备注类型管理,方案组赔付信息,音视频通话,音视频接听管理,理赔组管理功能按钮即可进行操作。
在报案信息列表界面中,用户进行输入报案号,出险类型,立案金额,出险结束时间,未决状态,站点编号等信息,选择界面中的搜索功能按钮即可查看报案信息列表信息,包括报案号,出险人名称,报案人电话,出险时间,理赔员,客服经理。
在代理商月报管理界面中,用户进行输入公司名称,客服经理,业务员,月份信息,选择界面中的生成月报功能按钮,即可查看相应的月度报表列表信息,其中包括公司名称,月份,客服经理,业务员,文件,创建时间信息。
在异常保单管理界面中,用户进行输入报案号,员工姓名,身份证号,报案人,报案电话信息,选择界面中的搜索功能按钮,即可查看相应的异常保单管理信息,其中包括报案号,出险人名称,报案人电话,出险时间,修改时间,操作信息。
在出险类型管理界面中,用户进行输入类型名称,选择搜索功能按钮即可查看相应的出险类型管理信息,其中包括图形类型编码,图形类型名称,接口图片类型编码,接口图片类型名称,邮寄说明,是否必选,序号信息。
在图形类型管理界面中,用户进行输入类型名称,选择是否必选,点击搜索功能按钮即可查看相应的图片类型管理信息,其中包括接口图片类型编码,接口图片类型名称,是否必,序号,图片类型编码,图片类型名称,邮寄说明信息。
在方案组信息管理界面中,用户进行输入产品名称,方案组号,方案编号,是否增减等信息,点击搜索功能按钮即可查看相应的方案组信息管理信息,其中包括方案组号,产品名称,产品编号,方案名称,方案编号,产品分类,保单状态,保单结束时间,站点,创建人,创建时间信息。
在理赔状态管理界面中,用户进行输入后台状态信息,点击搜索功能按钮即可查看相应的理赔状态管理信息,其中包括状态编码,后台状态名称,状态说明,是否发送短信,是否发横板消息信息信息。
在短信发送查询界面中,用户进行输入手机号,报案号,选择发送状态信息,点击搜索功能按钮即可查看相应的短信发送查询信息,其中包括手机号码,报案号,案件状态,发送状态,发送时间,操作人信息。
在处理报案人员管理界面中,用户进行输入用户名,姓名信息,点击搜索功能按钮即可查看相应的处理报案人员管理信息,其中包括用户名,姓名,性别,是否可用,创建人,创建时间信息。
在音视频通话界面中,用户进行输入手机号,是否接通,类型,站点,报案号信息,选择搜索功能按钮即可查看详细的音视频通话信息,其中包括发起人身份证,发起人手机号,发起人类型,发起人站点,接收人身份证,开始时间,结束时间,是否接通,报案号,状态信息。
在理赔组管理界面中,用户进行输入报案组名信息,点击搜索功能按钮即可查看相应的理赔组管理信息,其中包括报案组名称,省份,是否可用,创建人,创建时间信息。
本实施例公开了一种个性化理赔微服务管理方法、装置、设备及存储介质,所述个性化理赔微服务管理方法包括基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;在接收到当前用户的点击操作的情况下,解析所述点击操作,确定当前用户需求;提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配;将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理。通过上述方式,本申请根据预设理赔服务数据库与预设半监督学习模型,生成与用户交互的预设理赔服务管理页面,提取当前用户需求的需求关键词,并将其与预设UI控件关键词进行匹配,确定预设理赔服务管理页面,节约了用户理赔时间,提高了理赔效率。
请参阅图2,图2是本申请的第二实施例提供的一种个性化理赔微服务管理方法的示意流程图。该个性化理赔微服务管理方法可应用于服务器中,用于根据预设理赔服务数据库与预设半监督学习模型,生成与用户交互的预设理赔服务管理页面,提取当前用户需求的需求关键词,并将其与预设UI控件关键词进行匹配,确定预设理赔服务管理页面,节约了用户理赔时间,提高了理赔效率。
基于图1所示实施例,本实施例如图2所示,步骤S10之前包括步骤S01至步骤S03。
步骤S01、获取历史理赔服务数据;
步骤S02、对各所述历史理赔服务数据进行聚类处理,生成聚类结果;
步骤S03、基于所述聚类结果,生成所述预设理赔服务数据库。
在一个实施例中,将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。
根据若干数量的历史理赔服务数据进行聚类,将全部的历史理赔服务数据分为一定数量的服务数据类型(即与上述实施例中各理赔服务管理页面相对应),并将这些服务数据类型展示在用户互动界面上,以供用户根据不同的用户需求点击UI控件,进入对应的目标理赔功能页面。
示例性的,例如,历史理赔服务数据包括投保人姓名、被保人姓名、投保人与被保人关系、被保人性别、被保人年龄、被保人申请理赔记录以及被保人信用记录。经相关性计算可以得出被保人年龄、被保人申请理赔记录以及被保人信用记录与理赔产品具有相关关系,则将被保人年龄、被保人申请理赔记录以及被保人信用记录作为关键信息与最终购买的理财产品存储到数据库中。
本实施例公开了一种个性化理赔微服务管理方法、装置、设备及存储介质,所述个性化理赔微服务管理方法包括获取历史理赔服务数据;对各所述历史理赔服务数据进行聚类处理,生成聚类结果;基于所述聚类结果,生成所述预设理赔服务数据库基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;响应于用户点击操作,在各预设理赔服务管理页面中确定目标理赔功能页面以实现理赔服务管理。通过上述方式,根据预设理赔服务数据库与预设半监督学习模型,生成与用户交互的预设理赔服务管理页面,提取当前用户需求的需求关键词,并将其与预设UI控件关键词进行匹配,确定预设理赔服务管理页面,节约了用户理赔时间,提高了理赔效率。
基于图2所示实施例,本实施例中,步骤S10之前还包括:
将各所述历史理赔服务数据作为训练集;
通过初始学习模型对所述训练集进行训练,生成训练结果;
基于所述训练结果对所述初始学习模型进行调参,并将调参后的所述初始学习模型确定为所述预设半监督学习模型。
进一步地,基于所述训练结果对所述初始学习模型进行调参,并将调参后的所述初始学习模型确定为所述预设半监督学习模型,包括:
添加各所述历史理赔服务数据的人工标签;
通过所述初始学习模型对所述训练集中各所述历史理赔服务数据进行分类,生成训练标签;
基于所述人工标签和所述训练标签,对所述初始学习模型进行调参以生成所述预设半监督学习模型。
基于图1所示实施例,本实施例中,步骤S30包括:
对各所述预设UI控件关键词进行编码,生成预设特征编码库;
对所述需求关键词进行编码,生成目标特征编码;
计算所述目标特征编码与所述预设特征编码库中各预设编码之间的相似度,并将各所述相似度进行筛选,生成相似度列表;
根据所述相似度列表,将所述需求关键词与各预设UI控件关键词进行匹配。
进一步地,将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理,包括:
将所述相似度列表中最大的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面。
在一个实施例中,通过现有的文本匹配模型,对需求关键词与UI控件关键词进行匹配,确定与需求关键词相匹配的UI控件关键词。
需求关键词与UI控件关键词的匹配过程,可以通过计算各UI控件关键词与需求关键词的相似度,并将相似度最高且超过预设阈值的UI控件关键词确定为与需求关键词相匹配的关键词,则对应的预设理赔服务管理页面即为目标理赔功能页面。
在一个实施例中,相似度计算可以是皮尔森相关系数计算法、斯皮尔曼相关系数计算法以及肯德尔相关系数计算法。
在一个实施例中,还可以通过计算置信度,确定与需求关键词相匹配的UI控件关键词。
具体地,在一个实施例中,置信水平用来表示样本统计值的精确度,它是指样本统计值落在参数值某一正负区间内的概率。置信区间是指由样本统计量所构造的总体参数的估计区间。在统计学中,一个概率样本的置信区间(Confidence interval)是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度。
基于上述实施例,本实施例中,将各所述相似度进行筛选,生成相似度列表,包括:
将各所述相似度与预设相似度阈值进行比较;
保留不小于所述预设相似度阈值的相似度,生成所述相似度列表。
请参阅图3,图3是本申请的实施例提供一种个性化理赔微服务管理装置的示意性框图,该个性化理赔微服务管理装置用于执行前述的个性化理赔微服务管理方法。其中,该个性化理赔微服务管理装置可以配置于服务器。
如图3所示,该个性化理赔微服务管理装置,包括:
理赔服务管理页面生成模块410,用于基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;
当前用户需求确定模块420,用于在接收到当前用户的点击操作的情况下,解析所述点击操作,确定当前用户需求;
关键词匹配模块430,用于提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配;
目标理赔功能页面确定模块440,用于将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理。
进一步地,所述个性化理赔微服务管理装置还包括:
历史理赔服务数据获取模块,用于获取历史理赔服务数据;
聚类模块,用于对各所述历史理赔服务数据进行聚类处理,生成聚类结果;
预设理赔服务数据库生成模块,用于基于所述聚类结果,生成所述预设理赔服务数据库。
进一步地,所述个性化理赔微服务管理装置还包括:
训练集确定模块,用于将各所述历史理赔服务数据作为训练集;
训练结果生成模块,用于通过初始学习模型对所述训练集进行训练,生成训练结果;
预设半监督学习模型生成模块,用于基于所述训练结果对所述初始学习模型进行调参,并将调参后的所述初始学习模型确定为所述预设半监督学习模型。
进一步地,所述预设半监督学习模型生成模块,包括:
人工标签添加单元,用于添加各所述历史理赔服务数据的人工标签;
训练标签生成单元,用于通过所述初始学习模型对所述训练集中各所述历史理赔服务数据进行分类,生成训练标签;
调参单元,用于基于所述人工标签和所述训练标签,对所述初始学习模型进行调参以生成所述预设半监督学习模型。
进一步地,所述关键词匹配模块430,包括:
预设特征编码库生成单元,用于对各所述预设UI控件关键词进行编码,生成预设特征编码库;
目标特征编码生成单元,用于对所述需求关键词进行编码,生成目标特征编码;
相似度列表生成单元,用于计算所述目标特征编码与所述预设特征编码库中各预设编码之间的相似度,并将各所述相似度进行筛选,生成相似度列表;
关键词匹配单元,用于根据所述相似度列表,将所述需求关键词与各预设UI控件关键词进行匹配。
进一步地,所述目标理赔功能页面确定模块440,包括:
目标理赔功能页面确定单元,用于将所述相似度列表中最大的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面。
进一步地,所述相似度列表生成单元包括:
相似度阈值比较子单元,用于将各所述相似度与预设相似度阈值进行比较;
相似度列表生成子单元,用于保留不小于所述预设相似度阈值的相似度,生成所述相似度列表。
需要说明的是,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,上述描述的装置和各模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
上述的装置可以实现为一种计算机程序的形式,该计算机程序可以在如图4所示的计算机设备上运行。
请参阅图4,图4是本申请的实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器。
参阅图4,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种个性化理赔微服务管理方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种个性化理赔微服务管理方法。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
应当理解的是,处理器可以是中央处理单元 (Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中,在一个实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;
在接收到当前用户的点击操作的情况下,解析所述点击操作,确定当前用户需求;
提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配;
将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理。
在一个实施例中,基于预设理赔服务数据库和预设监督学习模型,生成至少一个预设理赔服务管理页面之前,用于实现:
获取历史理赔服务数据;
对各所述历史理赔服务数据进行聚类处理,生成聚类结果;
基于所述聚类结果,生成所述预设理赔服务数据库。
在一个实施例中,基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面之前,用于实现:
将各所述历史理赔服务数据作为训练集;
通过初始学习模型对所述训练集进行训练,生成训练结果;
基于所述训练结果对所述初始学习模型进行调参,并将调参后的所述初始学习模型确定为所述预设半监督学习模型。
在一个实施例中,基于所述训练结果对所述初始学习模型进行调参,并将调参后的所述初始学习模型确定为所述预设半监督学习模型,用于实现:
添加各所述历史理赔服务数据的人工标签;
通过所述初始学习模型对所述训练集中各所述历史理赔服务数据进行分类,生成训练标签;
基于所述人工标签和所述训练标签,对所述初始学习模型进行调参以生成所述预设半监督学习模型。
在一个实施例中,提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配,用于实现:
对各所述预设UI控件关键词进行编码,生成预设特征编码库;
对所述需求关键词进行编码,生成目标特征编码;
计算所述目标特征编码与所述预设特征编码库中各预设编码之间的相似度,并将各所述相似度进行筛选,生成相似度列表;
根据所述相似度列表,将所述需求关键词与各预设UI控件关键词进行匹配。
在一个实施例中,将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理,用于实现:
将所述相似度列表中最大的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面。
在一个实施例中,将各所述相似度进行筛选,生成相似度列表,用于实现:
将各所述相似度与预设相似度阈值进行比较;
保留不小于所述预设相似度阈值的相似度,生成所述相似度列表。
本申请的实施例中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存储有计算机程序,所述计算机程序中包括程序指令,所述处理器执行所述程序指令,实现本申请实施例提供的任一项个性化理赔微服务管理方法。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种个性化理赔微服务管理方法,其特征在于,包括:
基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;
在接收到当前用户的点击操作的情况下,解析所述点击操作,确定当前用户需求;
提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配;
将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理。
2.根据权利要求1所述的个性化理赔微服务管理方法,其特征在于,所述基于预设理赔服务数据库和预设监督学习模型,生成至少一个预设理赔服务管理页面之前,包括:
获取历史理赔服务数据;
对各所述历史理赔服务数据进行聚类处理,生成聚类结果;
基于所述聚类结果,生成所述预设理赔服务数据库。
3.根据权利要求2所述的个性化理赔微服务管理方法,其特征在于,所述基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面之前,包括:
将各所述历史理赔服务数据作为训练集;
通过初始学习模型对所述训练集进行训练,生成训练结果;
基于所述训练结果对所述初始学习模型进行调参,并将调参后的所述初始学习模型确定为所述预设半监督学习模型。
4.根据权利要求3所述的个性化理赔微服务管理方法,其特征在于,所述基于所述训练结果对所述初始学习模型进行调参,并将调参后的所述初始学习模型确定为所述预设半监督学习模型,包括:
添加各所述历史理赔服务数据的人工标签;
通过所述初始学习模型对所述训练集中各所述历史理赔服务数据进行分类,生成训练标签;
基于所述人工标签和所述训练标签,对所述初始学习模型进行调参以生成所述预设半监督学习模型。
5.根据权利要求1所述的个性化理赔微服务管理方法,其特征在于,所述提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配,包括:
对各所述预设UI控件关键词进行编码,生成预设特征编码库;
对所述需求关键词进行编码,生成目标特征编码;
计算所述目标特征编码与所述预设特征编码库中各预设编码之间的相似度,并将各所述相似度进行筛选,生成相似度列表;
根据所述相似度列表,将所述需求关键词与各预设UI控件关键词进行匹配。
6.根据权利要求5所述的个性化理赔微服务管理方法,其特征在于,所述将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理,包括:
将所述相似度列表中最大的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面。
7.根据权利要求5或6中任一项所述的个性化理赔微服务管理方法,其特征在于,所述将各所述相似度进行筛选,生成相似度列表,包括:
将各所述相似度与预设相似度阈值进行比较;
保留不小于所述预设相似度阈值的相似度,生成所述相似度列表。
8.一种个性化理赔微服务管理装置,其特征在于,包括:
理赔服务管理页面生成模块,用于基于预设理赔服务数据库和预设半监督学习模型,生成至少一个预设理赔服务管理页面;
当前用户需求确定模块,用于在接收到当前用户的点击操作的情况下,解析所述点击操作,确定当前用户需求;
关键词匹配模块,用于提取所述当前用户需求中的需求关键词,并将所述需求关键词与各所述预设理赔服务管理页面的预设UI控件关键词进行匹配;
目标理赔功能页面确定模块,用于将与所述需求关键词相匹配的预设UI控件关键词对应的预设理赔服务管理页面确定为所述目标理赔功能页面以实现理赔服务管理。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至7中任一项所述的个性化理赔微服务管理方法。
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存储有计算机程序,所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的个性化理赔微服务管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410048671.9A CN117649305A (zh) | 2024-01-12 | 2024-01-12 | 个性化理赔微服务管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410048671.9A CN117649305A (zh) | 2024-01-12 | 2024-01-12 | 个性化理赔微服务管理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117649305A true CN117649305A (zh) | 2024-03-05 |
Family
ID=90047980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410048671.9A Pending CN117649305A (zh) | 2024-01-12 | 2024-01-12 | 个性化理赔微服务管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117649305A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110648241A (zh) * | 2019-08-14 | 2020-01-03 | 中国平安财产保险股份有限公司 | 一种基于微服务架构的理赔处理方法及装置 |
CN112307305A (zh) * | 2020-11-20 | 2021-02-02 | 支付宝(杭州)信息技术有限公司 | 服务组件前置处理方法、装置及设备 |
CN113268233A (zh) * | 2021-04-26 | 2021-08-17 | 众安信息技术服务有限公司 | 一种页面生成方法、装置、计算机设备及存储介质 |
CN113343105A (zh) * | 2021-06-29 | 2021-09-03 | 深圳海天力电子商务有限公司 | 一种关键词页面管理系统、方法、设备以及计算机可读存储介质 |
CN114817697A (zh) * | 2021-01-29 | 2022-07-29 | 腾讯科技(深圳)有限公司 | 标签信息的确定方法、装置、电子设备以及存储介质 |
CN115049508A (zh) * | 2022-06-17 | 2022-09-13 | 支付宝(杭州)信息技术有限公司 | 页面生成方法、装置、电子设备及存储介质 |
CN115826819A (zh) * | 2022-12-26 | 2023-03-21 | 深圳市千岩科技有限公司 | 业务菜单索引展示方法及其装置、设备、介质、产品 |
CN116911572A (zh) * | 2023-08-28 | 2023-10-20 | 平安健康保险股份有限公司 | 页面自动化装配方法、系统、计算机设备及存储介质 |
CN117369926A (zh) * | 2023-10-13 | 2024-01-09 | 中国联合网络通信集团有限公司 | 基于微服务的菜单管理方法、装置、设备和存储介质 |
-
2024
- 2024-01-12 CN CN202410048671.9A patent/CN117649305A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110648241A (zh) * | 2019-08-14 | 2020-01-03 | 中国平安财产保险股份有限公司 | 一种基于微服务架构的理赔处理方法及装置 |
CN112307305A (zh) * | 2020-11-20 | 2021-02-02 | 支付宝(杭州)信息技术有限公司 | 服务组件前置处理方法、装置及设备 |
CN114817697A (zh) * | 2021-01-29 | 2022-07-29 | 腾讯科技(深圳)有限公司 | 标签信息的确定方法、装置、电子设备以及存储介质 |
CN113268233A (zh) * | 2021-04-26 | 2021-08-17 | 众安信息技术服务有限公司 | 一种页面生成方法、装置、计算机设备及存储介质 |
CN113343105A (zh) * | 2021-06-29 | 2021-09-03 | 深圳海天力电子商务有限公司 | 一种关键词页面管理系统、方法、设备以及计算机可读存储介质 |
CN115049508A (zh) * | 2022-06-17 | 2022-09-13 | 支付宝(杭州)信息技术有限公司 | 页面生成方法、装置、电子设备及存储介质 |
CN115826819A (zh) * | 2022-12-26 | 2023-03-21 | 深圳市千岩科技有限公司 | 业务菜单索引展示方法及其装置、设备、介质、产品 |
CN116911572A (zh) * | 2023-08-28 | 2023-10-20 | 平安健康保险股份有限公司 | 页面自动化装配方法、系统、计算机设备及存储介质 |
CN117369926A (zh) * | 2023-10-13 | 2024-01-09 | 中国联合网络通信集团有限公司 | 基于微服务的菜单管理方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492772B (zh) | 生成信息的方法和装置 | |
CN112613917B (zh) | 基于用户画像的信息推送方法、装置、设备及存储介质 | |
CN107862425B (zh) | 风控数据采集方法、设备、系统及可读存储介质 | |
CN111814472B (zh) | 文本识别方法、装置、设备及存储介质 | |
CN110310020B (zh) | 基于数据分析的项目方案管理方法、相关装置及存储介质 | |
CN111190946A (zh) | 报告生成方法、装置、计算机设备和存储介质 | |
CN112116273A (zh) | 一种员工查询行为风险监测方法、装置、设备及存储介质 | |
CN114064872B (zh) | 对话数据信息的智能存储方法、装置、设备及介质 | |
CN109697155B (zh) | It系统性能评估方法、装置、设备及可读存储介质 | |
US9141686B2 (en) | Risk analysis using unstructured data | |
CN113595886A (zh) | 即时通讯消息的处理方法、装置、电子设备及存储介质 | |
CN113468886A (zh) | 工单处理方法、装置及计算机设备 | |
US20190385079A1 (en) | Correcting bias in supervised machine learning data | |
CN117649305A (zh) | 个性化理赔微服务管理方法、装置、设备及存储介质 | |
CN113157948A (zh) | 非结构化数据的审计方法、电子设备及存储介质 | |
CN113901817A (zh) | 文档分类方法、装置、计算机设备和存储介质 | |
CN109885710B (zh) | 基于差分演化算法的用户画像刻画方法及服务器 | |
CN113688206A (zh) | 基于文本识别的趋势分析方法、装置、设备及介质 | |
CN113297358A (zh) | 数据处理方法、装置、服务器和计算机可读存储介质 | |
CN113434404B (zh) | 校验灾备系统可靠性的自动化业务验证方法及装置 | |
CN117112846B (zh) | 一种多信息源证照信息管理方法、系统及介质 | |
CN115858583A (zh) | 任务数据的处理方法、装置和服务器 | |
CN116702789A (zh) | 语义分析方法、装置、计算机设备以及存储介质 | |
CN117407420A (zh) | 数据构建方法、装置、计算机设备及存储介质 | |
CN113076352A (zh) | 审计方法、电子设备及存储介质 |
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 |