JP7206072B2 - 改善された要求ハンドリング - Google Patents

Description

本発明は、自然言語テキスト入力列を含む要求を処理するコンピューター実施方法及び関連するシステムの技術分野に関し、上記要求は、好ましくは、保険金請求に関する。

特許文献1は、保険契約者（policyholder：保険証券保持者）によって保険者（insurer：保険会社）にもたらされた証券関連情報の虚偽（misrepresentation）を検出する方法を記載しており、ここでは、この情報は、保険契約者に提供される保険適用範囲のために支払われるべき保険料額を求めるのに保険者によって用いられ、この方法は、予測モデルを用いて処理する複数の保険証券を選択することと、選択された証券ごとに、選択された証券に関連して保険契約者によって提供された証券関連情報から変数を導出することと、選択された証券ごとに、証券の導出された変数を予測モデルに適用して、保険契約者によってもたらされた虚偽情報の相対尤度を示すモデルスコア又は証券上の保険料の予測調整を生成することとを含む。本質的に、特許文献1は、誤解釈（misinterpretation）を検出することを対象にしており、保険金請求等の（通常の）要求の査定には不十分であり及び／又は過度に複雑である。

特許文献2は、不正(fraud)検出方法を記述しており、この方法は、保険者、保証人、金融機関、及び支払者のうちの一者に対してなされる請求又は取引のサンプルセットに関するデータを取得することと、セット内の請求又は取引を引き起こす請求、サブミッション、請求人、事故及び取引のうちの少なくとも1つに関する外部データを取得することと、少なくとも1つのデータ処理デバイスを少なくとも部分的に用いて、上記データ及び外部データから、これらのデータ内のパターンを発見するのに有用な変数のセットを特定することと、少なくとも1つのデータ処理デバイスを用いて、変数のセットにおける、上記請求又は取引の正常プロファイルを示すパターン、上記請求又は取引の異例プロファイルを示すパターン、及び上記請求又は取引における不正の高い傾向を示すパターンのうちの少なくとも1つを発見することと、プロファイルのうちの少なくとも1つに、サンプルセット内には存在しない新たな請求を割り当てることと、アクションの調査過程の基礎として、ユーザーに、特定された潜在的に不正の新たな請求を出力することとを含む。したがって、特許文献2は、不正検出を対象としており、請求の記述等の（通常の）要求の実際のハンドリングの手段を欠いている。

要求ハンドリング及び／又は保険金請求に関する更なる文献として、特許文献3、特許文献4、特許文献5、特許文献6、特許文献7、特許文献8、特許文献9及び特許文献10が挙げられる。ここでも同様に、提案されたシステム及び方法は、通常の要求のハンドリングの十分な手段を欠き、及び／又は、過度に複雑である。

国際公開第01/13295号 米国特許出願公開第2014/0058763号 米国特許出願公開第2009/0265193号 米国特許出願公開第2003/0145124号 米国特許出願公開第2002/0128883号 米国特許出願公開第2008/0255887号 国際公開第2012/075442号 国際公開第2001/080128号 米国特許出願公開第2007/0226018号 米国特許出願公開第2011/0035238号

本発明は、上記で言及された問題のうちの少なくともいくつかを解決しようとするものである。

第1の態様において、本発明は、請求項1に記載の、ユーザーデバイスを用いてユーザーによってもたらされた要求のカテゴリーを求めるコンピューター実施方法を提供する。

第2の態様によれば、本発明は、請求項13に記載のシステムを提供する。

第3の態様において、本発明は、請求項14に記載の使用に関する。

更に別の態様によれば、本発明は、請求項15に記載のコンピュータープログラム製品を提供する。

本発明の重要な利点は、本発明が、ユーザーが自然言語テキスト列を用いて要求を入力することを可能にすることで、このユーザーに対する負担を低減することができるということである。このテキスト列に基づいて、本発明により、例えば、テキスト列が、ユーザーによってもたらされた保険金請求に関する場合がある要求のカテゴリーを一義的に導出するのに十分な情報を提供する場合に非常に迅速な応答が可能になる。他方、本発明により、カテゴリーを十分な確定度で帰属させることができない場合に人間のオペレーターの介入を選択的に要求することが可能になる。このことは、ユーザーに、人間のオペレーターの勤務時間外にも、及び／又は人間のオペレーターの介入を体系的に必要とすることもなく、要求ハンドリングを行う手段を提供するので、有益である。

本発明が画像処理に及ぶ好ましい一実施形態において、ユーザーの負担は、要求が1つ以上の画像としてサブミットされることを可能にすることによって、更に低減される。これにより、例えば、ユーザーが用紙上で要求を作成し、その後、自然言語テキスト列が検出されることを可能にするOCR及びパターン検出に依拠して、任意選択でコンテキスト関連画像とともに、この用紙の写真をサブミットすることが可能になる。

本発明の別の利点は、自然言語処理、好ましい一実施形態では、機械学習等の適切な技法の有利な統合にある。これにより、要求ハンドリングの自動化に関するいくつかの保護手段を組み込むことが可能になる。これは、詳細な説明及び従属請求項において論述される種々の好ましい実施形態にも関する。

本発明の一例示の実施形態のフローチャートである。 本発明の一例示の実施形態のフローチャートである。 単一モデルの一例示の実施形態に関するフローチャートである。 2モデルの一例示の実施形態に関するフローチャートである。 本発明による一例示の方法の図である。

本発明は、コンピューター実施方法、システム、コンピュータープログラム製品、及びコンピューター実施方法の使用に関する。以下において、本発明が詳細に記載され、本発明の実施形態が論述され、本発明が例示によって示される。

本明細書の関連において、「システム」及び「コンピューターシステム」という用語は、交換可能に用いられる。

本明細書において、CNNという頭字語は、機械学習技法である畳み込みニューラルネットワークを指す。「画像」という用語は、デジタル写真、スクリーンショット又はデジタルドローイング又はこれらの任意の組み合わせを指し、PNG、JPEG、GIF、TIFF、EPS、EMF又はPDF等の任意のピクセルベース又はベクトルベースのファイルフォーマットにおけるものとすることができる。

「保険契約者」は、保険者から保険証券を取得する法主体である。保険契約者は、法人とすることもできるし、個人とすることもできる。要求が保険金請求に関するものである場合、この保険金請求は、該保険契約者に関するものであることが想定される。保険契約者は、生命、健康、生活、財産、又は収益性等の喪失のリスク等の、或る特定のリスクに晒されることを最小限にすることを望むが、これらのリスクに対して、1つ以上の対応する「保険証券」、又は端的には、1つ以上の「証券」が存在し、例えば、生命保険、健康保険、就業不能所得補償保険（disability insurance）、住宅保険及び自動車保険、並びに賠償責任保険（liability insurance）がある。

証券によってカバーされるリスクは、従業員、子供、及び保険契約者の管理下若しくは監督下にあるものと一般的に理解される他の者等の人物に対するリスクとして、又は同様に保険契約者の管理下、所有下若しくは監督下にある財産に対するリスクとして生じる場合がある。保険契約者及び／又はこの保険契約者の管理下又は監督下にある人物は、一般的に、保険契約者、この保険契約者の管理下若しくは監督下にある人物、又は第三者に対する損害をもたらし得る活動に関与する。保険契約者は、保険契約者から直接被るもの、又は、（保険がない場合において）保険契約者に対してなされる請求をもたらすものであるこれらの損害が、代理による、保険者に対する請求となるように、保険者から保険を購入する。保険者は、証券の条項に従って請求者を補償することによって活動を保証する。各証券の範囲は、或る特定の適用範囲によって決定される。

本発明の一例示の実施形態において、要求は、保険金請求に関する。このような場合における重要な事項は、保険金請求、すなわち、該保険金請求に関するリスクが、保険契約者によって保持されている与えられた一証券又は複数の証券の組み合わせによってカバーされるか否かである。証券情報は、該証券情報に含まれる複数の保険変数の観点から上記少なくとも1つの証券の適用範囲を特徴付ける。保険変数は、この証券に関するものであり、例えば、物体、人物又はアクションに対する参照とすることができる。これは、例えば、自動車保険の場合における自動車等の物体、従業員若しくは子供等の人物若しくはその人物に対する関係者、又は、例えば、自動車保険に関する「運転」及び「駐車」等のアクションに関わるものであり得る。

要求が保険金請求であるものに関する実施形態に対して、本明細書の種々の時点において、保険契約者は保険金請求をもたらす人物でもあることが明言される一方、別の実施形態では、これは、保険代理人等の別の人物によっても行われる場合がある。これに関連して、「保険契約者デバイス」は、ユーザー入力とスクリーンとを備える一般的なデバイスを指す。これによって、デバイスは、保険契約者とは異なる第2の人物が所有するものとすることができ、上記保険契約者と異なりかつ上記第2の人物と異なる第3の人物を、ユーザー入力の手段を使用し、及び／又はスクリーン上に情報を読み出すユーザーとすることができる。保険契約者デバイスは、任意のコンピューティングデバイスに関わるものとすることができる。非限定的な例示のリストとして、デスクトップ、ラップトップ、タブレット、スマートフォン、スマートウォッチ、サーバー、スーパーコンピューター、計算機、音楽プレーヤー、ゲームコンソール等が挙げられる。

「ユーザー入力の手段」は、保険契約者等のユーザーによるコンピューティングデバイスへの入力を提供するように構成される任意のデバイスを指す。この入力は、様式によって限定されず、タイピング、音声録音及びビデオ録画を包含することができる。入力は、離散的及び／又は連続的なものとすることができる。入力は、直接的又は間接的なものとすることができる。好ましい一実施形態において、入力は、手動でタイプアウトされるテキストを含む。代替的な一実施形態において、入力は、声に出して発されて、音声－テキスト変換及び関連するよく知られた方法を用いてテキストに変換された語句を含む。ユーザー入力の手段の非限定的な例示のリストとして、キーボード、タッチスクリーン、コンピューターマウス、カメラ、スキャナー、ジョイスティック、マイクロフォン、ライトペン、トラックボール、プロジェクトキーボード、ゲームコントローラー、カードリーダー等が挙げられる。

発明の概要の部分において記載されたいくつかの態様に従って、本発明は、コンピューター実施方法、システム、本発明によるシステムにおける本発明によるコンピューター実施方法の使用、本発明によるコンピューター実施方法の使用を提供する。当業者であれば、本コンピューター実施方法がサーバー及びユーザーデバイスが実行するように構成することができるステップを含むことと、コンピュータープログラム製品がこれに応じた命令を含むこととが理解されるであろう。当業者であれば、当該システムがコンピューター実施方法のステップを実行するように構成されることが更に理解されるであろう。したがって、本明細書において、本発明の異なる態様同士の間で区別はなされず、本開示の各要素は、本発明の異なる態様の各々に関するものとすることができる。

好ましい一実施形態では、要求、好ましくはステップ（h）が否定である場合にステップ（i）において上記第2の請求の記述を上記受信することは、上記ユーザー、好ましくは、上記保険契約者への、上記要求、好ましくは上記第2の請求の記述を要求するための的を絞った質問を生成することを含み、該的を絞った質問を該生成することは、上記変数、好ましくは保険変数に関する欠落した値を求めるために上記値リストを処理することに基づくものであり、上記的を絞った質問は、該欠落した値を標的としている。的を絞った質問を上記生成することにより、値リストによって表されるように、既に収集された情報に更なる情報を効率的に追加することが可能になるので、このことは有利である。

別の実施形態によれば、自然言語テキスト列を処理すること、好ましくは、ステップ（e）において該処理することは、自然言語処理に基づくものであり、ここで、任意選択で、上記的を絞った質問を上記生成することは、自然言語処理に関するものである。このことにより、ユーザー、好ましくは保険契約者が、形式化されたパラメーターではなく直観的な文を入力することが可能であることで、このユーザーが要求の記述、好ましくは請求の記述を入力することが容易になるので、このことは有利である。

更に別の実施形態では、上記証券情報は、決定木を含み、ここで、上記複数の保険変数は、該複数の保険変数に基づいて上記保険金請求を査定するために該決定木に関するものであり、少なくともステップ（j）において上記生成することは、該決定木に基づくものであり、任意選択で、ステップ（f）において上記マッピングすること、及び／又は、ステップ（h）において上記処理することは、該決定木に基づくものである。このことにより、保険者に直観的なツールが与えられ、本発明がより管理し易いものとなるので、このことは有利である。決定木の使用は、保険金請求の査定において一般的であり、したがって、保険契約者による段階的な情報の提供により、保険金請求を完全に指定すること、及び／又は、保険金請求が証券によってカバーされるか否かを判断することを可能にすることができる。このような決定木は、コンピューターシステムにおいて使用することができるが、他の方法において使用することもできる。

別の好ましい実施形態では、ステップ（h）において、上記保険金請求を一義的に導出することができるか否かを上記判断することは、信頼度インジケーターが所定の信頼度閾値を超えるか否かを判断することを含む。先進的な機械学習技法を含む、好ましくはステップ（h）において用いることができる本方法に鑑みて、バイナリ決定によって厳格に機能するのではなく、信頼度閾値、例えば、90%の信頼度又は95%の信頼度を許容することが有利である場合がある。さらに、このような信頼度閾値を組み込むことにより、保険者が、本発明の与えられた実施形態の全体性能に基づいて構成することができるパラメーターが与えられる。信頼度閾値をより低く設定することにより、保険契約者にとってユーザーエクスペリエンスがより速くなるものの、査定の正確度がより低くなる場合がある一方で、信頼度閾値をより高く設定することにより、保険契約者にとってユーザーエクスペリエンスがより複雑なものとなることと引き換えに、査定の正確度がより高くなる場合がある。

更に別の実施形態では、上記請求の記述は、テキスト列と1つ以上の請求詳細値とを含み、ここで、該請求詳細値は、上記保険契約者の身元及び／又は上記保険契約者によって保持される上記少なくとも1つの証券の詳細に関するものである。保険契約者が保険金請求をカバーする証券について明確な知識を有する場合、例えば、典型的な自動車損傷及び自動車保険の場合、このことは特に有利である。このような場合、保険契約者は、保険金請求が関する証券の詳細を、請求の記述に含むことができる。

好ましい一実施形態によれば、ステップ（i）は、ステップ（h）が否定である場合、補助基準に対する上記値リストの評価を伴い、ここで、該評価が肯定であることにより、上記査定が人間の請求処理担当者の介入が必要であることを示すことがもたらされる。このことにより、ジョブスケジューラーが効果的に実施され、ここで、或る特定のジョブ、通常、比較的複雑なジョブが人間の請求処理担当者に渡され、他のジョブ、通常、比較的明確なジョブは、自動的に、本発明に従ってハンドリングされるので、このことは有利である。

別の好ましい実施形態では、ステップ（i）は、ステップ（h）が否定である場合、反復計数（counter：カウンター）の、所定の最大値との比較を伴い、ここで、ステップ（d）へ上記ジャンプすることにより該反復計数が1単位だけ増加され、上記所定の最大値を超えた場合、上記第2の請求の記述は受信されず、ここで、該超えることにより、好ましくは、上記査定が、該査定が未決定であることを示すこと、及び／又は、上記査定が、人間の請求処理担当者の介入が必要であることを示すことがもたらされる。このような一実施形態は、請求ハンドリングプロセスが、保険契約者にとって過度に複雑となることを防ぎ、例えば、或る特定の少数の反復、好ましくは10回未満の反復、例えば、2回、3回、4回、又は5回の反復の後、人間の請求処理担当者の介入をトリガーすることができるので、このような一実施形態は有利である。

本発明の一実施形態によれば、上記査定は、人間の請求処理担当者の介入が必要であることを示し、ここで、該介入が実行されることにより、上記証券情報の更新がもたらされる。このような一実施形態は、タスクが実行されているか否かとは無関係に更新を実行するのではなく、タスクの実行中に証券情報を更新することによって、進行中の請求をハンドリングするジョブを、保険契約者のエクスペリエンス及びサービス性能を改善するという全体的な狙いに有利に組み合わせる。

別の好ましい実施形態では、ステップ（e）において上記テキスト列を上記処理すること、及び／又は、ステップ（f）において上記マッピングすること、及び／又は、ステップ（h）において上記処理すること、及び／又は、ステップ（j）において上記生成すること、及び／又は、任意選択で、上記的を絞った質問を上記生成することは、少なくとも部分的に、以下のもの、すなわち、フィッシャーの線形判別、ロジスティック回帰、ナイーブベイズ分類器、又はパーセプトロン等の線形分類器；サポートベクトルマシン；二次分類器；k最近傍等のカーネル推定方法；ブースティング；ランダムフォレスト等の決定木ベースの技法；高速及び深層学習を含むニューラルネットワーク；学習ベクトル量子化；ベイジアン手順、判別分析（線形、二次）；Word2vec、WordRank、FastText、WordNet；自然言語処理；強化／適応／アクティブ学習；潜在的ディリクレ配分法（latent Dirichlet allocation）；非負値行列因子分解；t-SNEクラスタリング、のうちの1つ以上に基づくものである。このような実施形態は、有利には、適切な方法でベーシックな機械学習技法及び先進的な機械学習技法の双方を組み込むようにして、本発明の潜在能力を高める。

更に別の実施形態では、ステップ（j）において生成された上記査定に関する通知が、上記保険契約者デバイスに送信され、上記スクリーン上に表示される。このような一実施形態は、保険契約者にとってのユーザーエクスペリエンスの改善につながる場合があり、この保険契約者は、保険金請求の適用範囲に関して直ちに通知を受け、場合によっては更なるステップに進む。

好ましい一実施形態では、上記証券情報は、過去の保険金請求に関する履歴記録を、好ましくはそれらの過去の保険金請求の査定とともに含む。このような実施形態では、ステップ（e）において上記テキスト列を処理すること、及び／又は、ステップ（f）において上記マッピングすること、及び／又は、ステップ（h）において上記処理すること、及び／又は、ステップ（j）において上記生成すること、及び／又は、任意選択で上記的を絞った質問を上記生成することは、少なくとも部分的に、上記履歴記録に基づくものである。このような実施形態は、本明細書において列挙された上記ベーシックな機械学習技法及び先進的な機械学習技法と組み合わされると特に有利であり、なぜなら、このことにより、これらの技法の潜在能力をより広範に高めることが可能になるためである。

好ましい一実施形態では、上記第2のモデルが関する上記機械学習モデル、及び／又は、上記複数の構成単語（320）を上記識別すること（32）、及び／又は、上記要求ベクトル（340）を上記求めること（34）、及び／又は、上記類似度値（351）を上記求めること（35）は、少なくとも部分的に、以下のもの、すなわち、フィッシャーの線形判別、ロジスティック回帰、ナイーブベイズ分類器、又はパーセプトロン等の線形分類器；サポートベクトルマシン；二次分類器；k最近傍等のカーネル推定方法；ブースティング；ランダムフォレスト等の決定木ベースの技法；高速及び深層学習を含むニューラルネットワーク；学習ベクトル量子化；ベイジアン手順、判別分析（線形、二次）；Word2vec、WordRank、FastText、WordNet；自然言語処理；強化／適応／アクティブ学習；潜在的ディリクレ配分法；非負値行列因子分解；t-SNEクラスタリング、のうちの1つ以上に基づくものである。

本発明は、その全ての態様において、その適応的な性質において有利であり、1つ以上の請求の記述に基づいて、保険金請求についての完全な情報を反復的に構築することを可能にする。これによって、「保険金請求」は、保険の分野における専門家又は精通した者によって形成されるような、実際の保険金請求を指す。これは、一般的には専門家ではなく及び／又は一般的には証券の詳細に精通していない保険契約者による保険金請求の説明に関わるものである「請求の記述」とは対照的である。これに起因して、請求の記述は、保険請求の識別に必須である情報を欠いている場合がある。さらに、請求の記述は、補助情報、及び／又は、保険金請求の識別に関連性のない及び／又は必須ではない自然言語要素を含む場合がある。

本発明の重要な利点は、本発明により、もはや、保険契約者が保険金請求を単一のステージで完全に指定する必要がなくなることで、この保険契約者の負担を低減することができることである。保険契約者によってもたらされたテキスト列に基づいて、本発明は、テキスト列が、保険契約者によってもたらされた請求の記述から保険金請求を一義的に導出するのに十分な情報を提供する場合、非常に高速な応答を可能にする。他方、本発明により、保険契約者が、保険金請求についての十分な情報が構築されるまで更なる入力を反復的に提供することが可能になる。保険契約者にとって、これにより、保険金請求のより良好かつ効率的な査定がもたらされる。保険者にとって、これは、保険契約者に、営業時間外にも、及び／又は人間の請求処理担当者の介入を体系的に必要とすることもなく、請求をハンドリングする手段を提供するので、これは有益である。

更なる態様では、本発明は、人間の請求処理担当者によって決定木を更新するために、好ましくは本発明によるシステムを用いて、本発明によるコンピューター実施方法の使用を提供し、ここで、上記決定木は、証券情報に含まれ、複数の保険変数が、該複数の保険変数に基づいて保険金請求を査定するために上記決定木に関するものであり、上記保険金請求の査定を生成することは、上記決定木に基づくものである。この使用は、適切な決定木の生成に独自に寄与することができるので、この使用は有利である。決定木の使用は、保険金請求の査定に一般的であり、したがって、保険契約者による段階的な情報の提供により、保険金請求を完全に指定すること及び／又は保険金請求が証券によってカバーされるか否かを判断することを可能にすることができる。このような決定木は、コンピューターシステムにおいて使用することができるが、他の方法において使用することもできる。したがって、本発明は、人間の請求処理担当者による改善された決定木の開発に、そのような改善された決定木をその機能の一部として提供するコンピューター実施方法を用いて、寄与することができる。

本発明の別の利点は、自然言語処理及び決定木等の適切な技法の有利な統合にある。これは、詳細な説明及び従属請求項において論述される種々の好ましい実施形態にも関する。

本発明の範囲を制限することを意図されていない更なる態様によれば、本発明は、以下の項目1～15に関する。

1．保険契約者によって保険者にもたらされる保険金請求の査定を生成するコンピューター実施方法であって、該方法は、
（a）データベースと、プロセッサと、有形の不揮発性メモリと、該プロセッサに命令するために該メモリ上に存在するプログラムコードとを提供するステップであって、該データベースは、上記保険契約者によって保持される少なくとも1つの証券に関する証券情報を含み、該証券情報は、該証券情報に含まれる複数の保険変数の面で上記少なくとも1つの証券の適用範囲を特徴付け、上記複数の保険変数は、好ましくは、上記証券情報に含まれる決定木に関するものである、ステップと、
（b）プロセッサと、ユーザー入力の手段と、スクリーンとを備える保険契約者デバイスを提供するステップと、
（c）上記保険契約者デバイスのユーザー入力の上記手段を介して保険契約者からの上記保険金請求を記述する請求の記述を受信するステップであって、上記請求の記述は、テキスト列と、任意選択で1つ以上の請求詳細値とを含む、ステップと、
（d）上記保険契約者デバイスから上記サーバーに上記請求の記述を送信するステップと、
（e）上記請求の記述に含まれる上記テキスト列を処理するステップであって、該処理するステップは、好ましくは自然言語処理に基づくものであり、該処理するステップは、上記テキスト列からの1つ以上のエンティティの抽出を伴う、ステップと、
（f）上記1つ以上のエンティティを上記保険変数の値にマッピングして、上記保険変数のマッピングされた値を取得するステップと、
（g）上記マッピングされた値を値リストに追加するステップと、
（h）上記値リストを処理して、上記保険金請求を上記値リストから一義的に導出することができるか否かを判断するステップと、
（i）ステップ（h）が否定である場合、上記保険契約者デバイスのユーザー入力の上記手段を介して、保険契約者から上記保険金請求を記述する第2の請求の記述を受信するステップであって、該第2の請求の記述は、第2のテキスト列と1つ以上の任意選択の更なる請求詳細値とを含み、請求の記述として上記第2の請求の記述を用いてステップ（d）にジャンプし、ステップ（h）が肯定である場合、ステップ（j）に進む、ステップと、
（j）上記値リストに基づいて上記保険金請求の上記査定を生成するステップであって、該査定は、該保険金請求が上記少なくとも1つの証券によってカバーされるか否かの表示を少なくとも含む、ステップと、
を含む、コンピューター実施方法。

2．ステップ（h）が否定である場合にステップ（i）において第2の請求の記述を上記受信することは、上記第2の請求の記述を要求するために、上記保険契約者への的を絞った質問を生成することを含み、該的を絞った質問を該生成することは、上記保険変数に関する欠落した値を求めるために上記値リストを処理することに基づくものであり、上記的を絞った質問は、上記欠落した値を標的としている、項目1に記載のコンピューター実施方法。

3．ステップ（e）において上記処理することは、自然言語処理に基づくものであり、任意選択で、上記的を絞った質問を上記生成することは、自然言語処理に関するものである、項目1又は2に記載のコンピューター実施方法。

4．上記証券情報は、決定木を含み、上記複数の保険変数は、該複数の保険変数に基づいて上記保険金請求を査定するために該決定木に関するものであり、少なくともステップ（j）において上記生成することは、該決定木に基づくものであり、任意選択で、ステップ（f）において上記マッピングすること、及び／又は、ステップ（h）において上記処理することは、該決定木に基づくものである、項目1～3に記載のコンピューター実施方法。

5．ステップ（h）において上記保険金請求を一義的に導出することができるか否かを上記判断することは、信頼度インジケーターが所定の信頼度閾値を超えるか否かを判断することを含む、項目1～4に記載のコンピューター実施方法。

6．上記請求の記述は、テキスト列と1つ以上の請求詳細値とを含み、該請求詳細値は、上記保険契約者の身元及び／又は上記保険契約者によって保持される上記少なくとも1つの証券の詳細に関するものである、項目1～5に記載のコンピューター実施方法。

7．ステップ（i）は、ステップ（h）が否定である場合、補助基準に対する上記値リストの評価を伴い、該評価が肯定であることにより、上記査定が人間の請求処理担当者の介入が必要であることを示すことがもたらされる、項目1～6に記載のコンピューター実施方法。

8．ステップ（i）は、ステップ（h）が否定である場合、反復計数の、所定の最大値との比較を伴い、ステップ（d）へ上記ジャンプすることにより該反復計数が1単位だけ増加され、上記所定の最大値を超えた場合、上記第2の請求の記述は受信されず、該超えることにより、好ましくは、上記査定が、該査定が未決定であることを示すこと、及び／又は、上記査定が、人間の請求処理担当者の介入が必要であることを示すことがもたらされる、項目1～7に記載のコンピューター実施方法。

9．上記査定は、人間の請求処理担当者の介入が必要であることを示し、該介入が実行されることにより、上記証券情報の更新がもたらされる、項目7又は8に記載のコンピューター実施方法。

10．ステップ（e）において上記テキスト列を上記処理すること、及び／又は、ステップ（f）において上記マッピングすること、及び／又は、ステップ（h）において上記処理すること、及び／又は、ステップ（j）において上記生成すること、及び／又は、任意選択で、上記的を絞った質問を上記生成することは、少なくとも部分的に、以下のもの、すなわち、フィッシャーの線形判別、ロジスティック回帰、ナイーブベイズ分類器、又はパーセプトロン等の線形分類器；サポートベクトルマシン；二次分類器；k最近傍等のカーネル推定方法；ブースティング；ランダムフォレスト等の決定木ベースの技法；高速及び深層学習を含むニューラルネットワーク；学習ベクトル量子化；ベイジアン手順、判別分析（線形、二次）；Word2vec、WordRank、FastText、WordNet；自然言語処理；強化／適応／アクティブ学習；潜在的ディリクレ配分法；非負値行列因子分解；t-SNEクラスタリング、のうちの1つ以上に基づくものである、項目1～9に記載のコンピューター実施方法。

11．ステップ（j）において生成された上記査定に関する通知が、上記保険契約者デバイスに送信され、上記スクリーン上に表示される、項目1～10に記載のコンピューター実施方法。

12．保険契約者によって保険者にもたらされる保険金請求の査定を生成するシステムであって、該システムは、
データベースと、プロセッサと、有形の不揮発性メモリと、該プロセッサに命令するために該メモリ上に存在するプログラムコードとを含むサーバーであって、該データベースは、上記保険契約者によって保持される少なくとも1つの証券に関する証券情報を含み、該証券情報は、該証券情報に含まれる複数の保険変数の面で上記少なくとも1つの証券の適用範囲を特徴付け、上記複数の保険変数は、好ましくは、上記証券情報に含まれる決定木に関するものである、サーバーと、
プロセッサと、ユーザー入力の手段と、スクリーンとを備える保険契約者デバイスと、
を備え、
該システムは、以下のステップ（c）～（j）、すなわち、
（c）上記保険契約者デバイスのユーザー入力の上記手段を介して保険契約者からの上記保険金請求を記述する請求の記述を受信するステップであって、上記請求の記述は、テキスト列と、任意選択で1つ以上の請求詳細値とを含む、ステップと、
（d）上記保険契約者デバイスから上記サーバーに上記請求の記述を送信するステップと、
（e）上記請求の記述に含まれる上記テキスト列を、自然言語処理を用いて処理するステップであって、該処理するステップは、上記テキスト列からの1つ以上のエンティティの抽出を伴う、ステップと、
（f）上記1つ以上のエンティティを上記保険変数の値にマッピングして、上記保険変数のマッピングされた値を取得するステップと、
（g）上記マッピングされた値を値リストに追加するステップと、
（h）上記値リストを処理して、上記保険金請求を上記値リストから一義的に導出することができるか否かを判断するステップと、
（i）ステップ（h）が否定である場合、上記保険契約者デバイスのユーザー入力の上記手段を介して、保険契約者から上記保険金請求を記述する第2の請求の記述を受信するステップであって、該第2の請求の記述は、第2のテキスト列と1つ以上の任意選択の更なる請求詳細値とを含み、ステップ（d）にジャンプし、ステップ（h）が肯定である場合、ステップ（j）に進む、ステップと、
（j）上記値リストに基づいて上記保険金請求の上記査定を生成するステップであって、該査定は、該保険金請求がカバーされるか否かの表示を少なくとも含む、ステップと、
を実行するように構成される、システム。

13．項目12に記載のシステムにおける、項目1～11に記載のコンピューター実施方法の使用。

14．決定木が、証券情報に含まれ、複数の保険変数は、該複数の保険変数に基づいて保険金請求を査定するために該決定木に関するものであり、上記保険金請求の査定を上記生成することは、該決定木に基づくものである、好ましくは項目12に記載のシステムを用いて、人間の請求処理担当者によって決定木を更新する、項目9～11に記載のコンピューター実施方法の使用。

15．保険契約者によって保険者にもたらされる保険金請求の査定を生成するコンピュータープログラム製品であって、該コンピュータープログラム製品は、プロセッサと、ユーザー入力の手段と、スクリーンとを備える保険契約者デバイス上で実行される命令を含み、該コンピュータープログラム製品は、
ユーザー入力の上記手段を介して保険契約者からの上記保険金請求を記述する請求の記述を受信することであって、上記請求の記述は、テキスト列と、任意選択で1つ以上の請求詳細値とを含むことと、
上記サーバーに上記請求の記述を送信することと、
上記サーバーから的を絞った質問を受信することであって、該的を絞った質問は、第2の請求の記述を要求するために上記保険契約者に意図されたものであり、該的を絞った質問を上記生成することは、上記保険変数に関する欠落した値に基づくものであり、該的を絞った質問は、該欠落した値を標的としていることと、
上記的を絞った質問に応答して、ユーザー入力の上記手段を介して上記保険契約者から第2の請求の記述を受信することと、
上記サーバーに上記第2の請求の記述を送信することと、
任意選択で、上記サーバーから1つ以上の更なる的を絞った質問を受信し、上記保険契約者から1つ以上の更なる請求の記述を受信し、該1つ以上の更なる請求の記述を上記サーバーに送信することと、
上記サーバーから通知を受信することであって、該通知は、上記保険金請求の上記査定に関するものであり、上記査定は、上記請求の記述、上記第2の請求の記述、及び任意選択で上記1つ以上の更なる請求の記述に基づくものであることと、
を行う命令を含む、コンピュータープログラム製品。

本発明は、本発明を更に説明し、本発明の範囲を制限することは意図されず、これを制限するものと解釈されるべきでもない、以下の非限定的な例示によって更に記載される。

例
例1：例示の方法
図5は、本発明による一例示の方法の図500を示している。本方法により、保険契約者（この例ではクライアントと称される）によって保険者（この例では代理人と称される）にもたらされる保険金請求の査定を生成することが可能になる。本方法は、この例では人工知能（AI）と称される機械学習を伴う。

第1のステップ1において、保険金請求は、請求の記述の形式で、ユーザー、すなわちクライアント又は代理人によって記述される。この請求の記述は、ユーザーデバイス（クライアントデバイス又は代理人デバイス）に入力され、保険金請求の査定をハンドリングするサーバーにサブミットされる（6）。

第2のステップ2（「AIステージ1」とも称される）において、1つ以上の機械学習アルゴリズムが請求の記述に適用される。このステージの目的は、請求の記述に基づいて、この保険金請求が受理されるべきか、拒否されるべきか、又は第2の請求の記述の形式でより多くの情報が必要とされるか否かを判断することである。これには、所定の保険変数にマッピングすることができる1つ以上のエンティティを取得するために、自然言語処理を用いて請求の記述に含まれるテキスト列を処理することが含まれることが好ましい。このマッピングされた値は、値リストに追加される。本方法は、マッピングの品質を改善するために履歴保険データへのアクセスを有することが好ましい。この履歴データは、請求に至った状況の記述と、与えられた請求の記述が受理されたのか、拒否されたのか、又はより多くの情報の要求に至ったのかに関して請求処理担当者によって行われた判断とを含む。

第2のステップ2の結果とは無関係に、保険金請求は、精査のために人間の請求処理担当者に提示される（図示せず）。代替的な一実施形態では、対応する通知を、ユーザー（すなわち、クライアント／代理人）に直ちに送信することができる（図示せず）。

第2のステップ2の結果が、更なる情報が要求されるべきであるというものであった場合、請求の記述及び対応する値リストは、第3のステップ3（「AIステージ2」とも称される）に持ち越される（7）。このステージの目的は、第2の請求の記述及び任意選択で更なる請求の記述を回収するために的を絞った質問を生成するとともにユーザーとインタラクトすること（図示せず）である。したがって、この目的は、より多くの保険金請求を受理又は拒否することを設定しようと試みると同時に、過度に多くの質問でユーザーに過剰な負担を与えることのないようにすることである。

第2のステップ2の結果とは無関係に、保険金請求は、最終精査のために人間の請求処理担当者に転送される（図示せず）。代替的な一実施形態では、対応する通知を、ユーザー（すなわち、クライアント／代理人）に直ちに送信することができる（図示せず）。

第3のステップ3の結果が、与えられた保険金請求を識別することができないというものであった場合、請求の記述及び対応する値リストは、第4のステップ4に持ち越され（8）、ここで、人間の請求処理担当者が介入する。このステップにおいて、人間の請求処理担当者は、残りの未決定の保険金請求を解決することができる。これによって、人間の請求処理担当者は、AIアルゴリズムによって取られた判断を変更することができる。最終ステータスが確定された保険金請求ごとに、対応する通知がユーザー（すなわち、クライアント／代理人）に送信される（図示せず）。

第2のステップ2又は第3のステップ3においてAIアルゴリズムによって取られた判断が第4のステップ4において請求処理担当者によって不適当とみなされた場合は常に、この情報が取り込まれて、第5のステップ5（「AIステージ3」とも称される）にこれを持ち越すことによって（9）、即座にモデルによって考慮に入れられる。これにより、証券情報の更新に至ることができ、例えば、AIアルゴリズムが、人間の干渉から学習して契約における変更に適応することを可能にすることができる。これらの更新は、第2のステージ2及び第3のステージ3にフィードバックされる（10）。

例2：第1の例示のインタラクション
本例は、例1による方法の関連における、保険契約者、又は等価的にはユーザーとのインタラクションを示しており、ここで、証券は、自動車保険に関わるものである。以下の表は、インタラクションの生じ得るコンテンツを示している。したがって、「証券x」は、証券の任意の名前である。

例3：第2の例示のインタラクション
この第3の例は、例1及び例2による方法の関連における、保険契約者、又は等価的にはユーザーとの別のインタラクションを示しており、ここで、証券は、自動車保険に関わるものである。この例では、人間の請求処理担当者が契約の変更のために介入しており、したがって、ここで、契約は、自動車の損傷も受理するが破壊行為はもはやカバーしない。以下の表は、対応するインタラクションを示している。

例4：一般的なワークフローの例
図1は、一例示の実施形態によるワークフロー100を示している。このワークフローは、保険金請求を処理するシステムに関わるものである。請求の記述に基づいて、システムは、カテゴリー化を提案する。その場合、このカテゴリー化は、計算して1つ以上の出力信号を生成するのに用いられる。このカテゴリー化は、ツリー状構造を辿る。このカテゴリー化パスは、請求の記述のテキスト、又はそのテキストの派生物によって規定される。システムは、2つのメインコンポーネント、すなわち、モデル1（15）及びモデル2（16）を有する。これらのモデルは、各々1つのカテゴリーを割り当てて、一致プロトコル17を通して渡すことによって出力信号を生成するように協働する。信号18は、請求に対して支払いを行う等のアクション、及び／又は、「貴方の請求は貴方の保険によってカバーされます」等の、モバイルデバイス上のメッセージ、及び／又は、他の任意の関連する出力とすることができる。

本発明の第1のメインコンポーネントは、モデル15、16からなる。これらのモデルは、到来請求テキストのカテゴリーへの置き換えを行う。本発明は、2つのモデルに限定されず、2つのモデルより多い、例えば、3つのモデル、4つのモデル、4つ以上のモデル、5つ以上のモデルに拡張することができる。第2のメインコンポーネントは、一致プロトコルモジュール17である。このモジュールは、モデル出力（カテゴリー）を単一の出力（カテゴリー）に統合する。証券一致プロトコル（agreement policy protocol）は、別個のモデルのカテゴリーが単一のカテゴリーに統合される方法を書き出す人間の専門家によって規定されることが好ましい。最後のメインコンポーネントは、信号18である。信号は、人間の専門家によって規定されるスキーマである、カテゴリーにリンクされるアクションである。人間の専門家は、本発明の他のコンポーネントに影響を与えることなく、任意の時点で介入し、スキーマを変更することができる。例えば、保険証券の契約条件が変更される場合、この変更は、それぞれのカテゴリーにリンクされる信号を変更することによってシステムに反映することができる。

例5：特定のワークフローの例
図2は、別の例示の実施形態によるワークフロー200を示している。これは、システムの一例示の実施形態に関連して記載されるが、本発明による方法の一実施形態に等価的に関することができる。カテゴリー化への入力は、実際の人物（被保険者等又は保険代理人等の仲介人）によって生成することができる、請求の記述21である。この請求の記述は、種々の方法、すなわち、とりわけ、タイプ入力、音声入力（及び音声対テキスト技法を用いてテキストに変換される）、手書き入力（及びOCR技法を用いてテキストに変換される）を用いて入力することができる。到来請求の隣に、事前にカテゴリー化された請求の記述のレポジトリ22が存在する。到来請求21及び請求のレポジトリ22の双方は、以下のステップ23、24を通して渡される。

テキストは、任意選択の前処理ステップ23を通る。前処理ステップにおける好ましい動作は、スペリング訂正及び又はステミング（stemming）又はレンマ化（lemmatization）である。

事前にカテゴリー化された請求は、システムのボキャブラリーを構築するのに用いられる。このボキャブラリー内の単語は、とりわけ、Word2vec、Doc2vec、GloVe、WordRank、FastText、Wordnet、潜在的ディリクレ配分法、特異値分解、非負値行列因子分解、単語出現頻度逆文書出現頻度統計（term frequency-inverse document frequency statistic）のような技法及びアルゴリズムを用いる数値ベクトル等の密低次元分布表現に変換される。いくつかの技法の組み合わせも可能である。このボキャブラリーは、フィードバックループにおいて更新され、それにより、システムは、新たな単語及びそれらの表現を学習することができるようになっている。次に、入力の請求の記述は、そのベクトル表現がシステムボキャブラリーから取り出される構成単語に分解される。これらの構成単語ベクトルは、ベクトル演算を用いて合成されて、請求全体の分散ベクトル表現が形成される（24）。

請求を表現するこの数値ベクトルを用いて、請求を、この請求が属する（サブ）カテゴリーにマッピングすることである分類が行われる。この分類は、いくつかの技法によって実行することができる（25）。好ましい一実施形態では、モデル1は、距離測定及び／又は類似度測定、より好ましくはコサイン類似度、すなわち、

に依拠する。

このモデルは、到来請求をレポジトリ内の請求と比較する。これにより、システムに、コールドスタート問題を回避するという利点がもたらされる。理論的には、システムが機能するのに、（サブ）カテゴリー当たりに単一の事前にカテゴリー化された請求のみが必要とされる。結果として、付加的なカテゴリーを、複雑でなく簡単に追加することができる。好ましい一実施形態では、距離／類似度ベースのモデル1は、モデル2によって表される補間技法と組み合わせられることが有利であり、このモデル2は、好ましくは、複雑な関連性を学習するのに特に適していることがわかっている、畳み込みニューラルネットワーク（CNN）等の深層学習技法である。

これらのモデルは、第1の保護手段を提供する。これらの保護手段は、システムがそのカテゴリー化について不確定である場合、請求を（例えば、「不確定」として）フラグ付けする。CNNは、カテゴリーごとに確定度レベルを返す組み込み技法を有し、ここで、或る閾値を、CNNがこの閾値よりも高い確定度を有する場合にのみカテゴリー化システムが或る特定のカテゴリーを予測するように、或る特定の確定度レベルに設定することができる。コサイン類似度を用いて、この効果は、最も近い事前にカテゴリー化された請求を見つけるのみでなく、N個の最も近い請求を見つけることによって達成することができる。これらの事前にカテゴリー化された請求が異なるカテゴリーを有する場合、到来請求が「不確定」としてフラグ付けされる。用いられる閾値を、「不確定」とフラグ付けされた請求の正確度と量との間のトレードオフに従って最適化することができる。より高い正確度を要求することにより、人間の専門家によってハンドリングされる必要がある「不確定」な請求がより多くなる。

一致プロトコルは、第2の保護手段26を提供する。この第2の保護手段は、複数のモデルの複数の出力が単一のカテゴリーに統合される方法を決定する。例えば、1つのそのようなスキーマにおいて、双方のモデルが同じカテゴリーを予測する（「不確定」でない）場合、1つのカテゴリーが1つの請求に割り当てられ、そうでなければ、その請求は、「不確定」とフラグ付けされる。別のスキーマは、1つのモデルは別のモデルに対する優先度を有し、この別のモデルが到来請求を「不確定」としてフラグ付けした場合、同様にカテゴリーを予測することができるというものである場合がある。ここでもまた、「不確定」とフラグ付けされた請求は、人間の専門家へと向かう。これは、所定の信頼度レベルに関することが好ましい。カテゴリーに対して必要とされる確定度が高くなるほど、「不確定」とラベル付けされる請求の数が増える。

また、第1の保護手段及び第2の保護手段は、（半）自動化フィードバックループを追加する可能性も提供する。例えば、「不確定」な請求は、人間の専門家へと向かい、或るカテゴリーに手動で割り当てられる。その後、これらの請求は、事前にカテゴリー化された請求のレポジトリに追加することができ、それにより、これらは、新たな請求について考慮されるようになる。その上、特定の事前にカテゴリー化された請求が「不確定」な請求において最も類似しているものとして現れることがしばしばある場合、この特定の事前にカテゴリー化された請求は、同様に手動のチェックのために人間の専門家へと向かうことができる。

カテゴリー化システムが、保護手段（複数の場合もある）を通過した最終（サブ）カテゴリーを割り当てた場合、このカテゴリーが判断システムに送信される。この判断システムは、人間の専門家によって構築され、いずれのカテゴリーがいずれの証券によってカバーされるのかについて言及している保険契約の詳細を含んでいる。関連する保険証券が変更されると、このシステムは、システムの他の部分へのいかなる修正も行う必要なしで容易に更新することができる。或るカテゴリーにリンクされた信号を、システムのカテゴリー化品質に影響を与えることなく、追加、除去、又は改変することができる（27）。その後、この判断システムは、出力デバイスに送信される1つ以上の信号を生成する。このデバイスは、コンピューター、スマートフォン、データベース等とすることができる。信号は、判断、アクション等とすることができる。信号は、請求をサブミットしたエンドユーザーに直接送信することもできるし、仲介の人間の専門家が、この信号をエンドユーザーに送信する前にこの信号をモニタリング又はカスタマイズすることもできる。或るカテゴリーにリンクされた信号を、システムのカテゴリー化品質に影響を与えることなく、追加、除去、又は改変することができる。

例6：単一モデルの例
図3は、単一モデルの例示の実施形態に関するフローチャート300を示している。例えば、例4及び5は、2つのモデルのアンサンブルに関しているが、本例は、類似度、特にコサイン類似度、すなわち、

に依拠する単一モデルを想定している。

この例では、要求は、保険金要求であり、要求の記述は、単一の自然テキスト列である単一の保険金請求310である。他の実施形態では、要求は、2つ以上の要求の記述を含むことができる。同様に、異なる実施形態において、各要求の記述は、2つ以上の自然言語テキスト列を含むことができる。

この要求は、コサイン類似度に基づく単一モデルを用いてカテゴリー化される。各々が1つのカテゴリー380を含む複数の事前にカテゴリー化された要求と、複数の単語ベクトル表現340を含むボキャブラリーとを含むデータベースへのアクセスが提供されることが想定される。

第1のステップにおいて、到来請求310がユーザーから受信される（31）。請求310は、「スリップして壁に衝突した（Slipped and crashed into wall）」という自然言語テキスト列である。前処理ステップにおいて、テキスト列に属する複数の構成単語320が識別される（32）。詳細には、到来請求310のテキストは、ポーターのステミングアルゴリズム（the Porter stemming algorithm）を用いて前処理され、「スリップして（slipped）」を「スリップ（slip）」320に変換するとともに「衝突した（crashed）」を「衝突（crash）」320に変換し、モデルに有用な情報を何ら与えない単語「and」を除去するストップワード除去（stop word removal）を行う。

次のステップにおいて、構成単語320の各々について、上記ボキャブラリーから関連単語ベクトル表現330が取得される（330）。この例において、これは、前処理されたテキスト、すなわち、複数の構成単語320にWord2vecモデルを適用することに対応する。したがって、Word2vecモデルによるこのベクトルの決定は、ボキャブラリーから所望のベクトル表現を直接引き出すことに要約することができるが、また、ボキャブラリーに含まれるエントリ及び最近処理された要求の記述等の更なるパラメーターに基づいて所望のベクトル表現を計算することも伴うことができる。したがって、前処理された到来請求テキストにおける各単語は、ベクトルに変換される。この例示の実施形態において、ベクトルの次元、すなわち、スカラー値の数は、300であり、レイアウト上の理由で各ベクトルの最初の2つ及び最後の2つの要素のみが示されている。図3に提示される全ての数字は、単に例示のためのものであることに留意されたい。

次のステップにおいて、上記少なくとも1つの取得された単語ベクトル表現330に基づいて、要求ベクトル340が求められる（34）。この例では、単語ベクトル表現330は、算術的に平均され（34）、300のサイズの到来請求の単一の要求ベクトル340になる。他の実施形態では、これは、算術平均とは異なる、幾何平均又は単語ベクトル表現の重みベースの合計等の任意のベクトル演算に関する場合がある。

次のステップは、カテゴリー化された要求350の同様に求められたベクトル表現に対する要求ベクトル340の類似度値351を求めること（35）からなる。これは、到来請求ベクトル340を、事前にカテゴリー化された請求350のベクトルと比較することによって行われる。この事前にカテゴリー化された請求350は、到来請求310と同じステップ32、33、34を通過し、それにより、事前にカテゴリー化された請求350あたり300のサイズのベクトル（図示せず）がもたらされる。コサイン類似度手法を用いて、請求ベクトル340と全ての事前にカテゴリー化された請求350の請求ベクトルとの間のコサイン距離が計算される。このコサイン距離の値は、-1（最低類似度）～1（最高類似度）の範囲にわたる。この例では、類似度値351は、コサイン距離に完全に基づいており、すなわち、このコサイン距離に等しい。これらの類似度値351に基づいて、3つの最も類似したカテゴリー化された請求350、すなわち、類似度351が最も高い3つのカテゴリー化された請求350が選択される。図3に示すように、これらの3つのカテゴリー化された請求350の各々は、任意のカテゴリー化された請求のように、請求ID352、自然言語テキスト列である請求の記述353、並びに、事前に割り当てられたカテゴリー380及びサブカテゴリー381を含む。この例では、これらの3つの事前にカテゴリー化された請求350は、これらのカテゴリー380と、サブカテゴリー361とにおいて、「軽度の自動車事故（Fender Bender：フェンダーがへこむ程度の事故）」であることで一致する。

次のステップにおいて、最高類似度351を有する事前にカテゴリー化された請求350のこれらの（同一の）カテゴリー380に基づいて、要求310のカテゴリー360が、「軽度の自動車事故」であると判断される（36）。この例では、同様に、類似度351が最も高い3つのカテゴリー化された請求350の各々について、サブカテゴリー381「物体との衝突（Collision with object）」が利用可能である。これに応じて、このサブカテゴリーが、要求310のサブカテゴリー361として帰属される。

最終ステップにおいて、上記カテゴリー360に関する信号370が生成され（37）、該信号370が送信される。特に、カテゴリー「軽度の自動車事故」及びサブカテゴリー「物体との衝突」の結果、所定の信号370「支払い」に至る。

例7：2モデルの例
図4は、2モデルの例示の実施形態に関するフローチャート400を示している。この例は、この例自体（an sich）で考慮することができるが、好ましくは、例6との組み合わせにおいて考慮することができる。第1のモデルは第1のカテゴリー360を割り当てる（36）ように動作する一方で、第2のモデルは第2のカテゴリー460を割り当てる（46）ように動作する。好ましくは、第1のモデル及び第2のモデルは、例6による別個のステップにおいて求められた（34）同じ要求ベクトル340上で動作する。換言すれば、第1のモデル及び第2のモデルは、好ましくは、要求ベクトル340から割り当てられたカテゴリー360、460に移行するように並列して動作することができる。これによって、第1のモデルは、好ましくは、上記要求ベクトル340の、上記カテゴリー化された要求350の同様に求められたベクトル表現に対する類似度値351を求めること（35）に関し、その後、上記少なくとも1つの求められた類似度値351と対応する事前にカテゴリー化された要求350のカテゴリー380とに基づいて、上記要求310のカテゴリー360を求める（36）。第2のモデルは、好ましくは、第1のステップにおいて、上記要求ベクトル340及び上記カテゴリー化された要求350の同様に求められたベクトル表現にCNNを適用することに関し、その後、上記CNNの出力と対応する事前にカテゴリー化された要求350のカテゴリー380とに基づいて、上記要求310の第2のカテゴリー460を求める（46）。

図4に示すステップに戻ると、自然言語テキスト列であり、かつ保険金請求に関する要求の記述（図示せず）を有するzの要求が処理される。第1のモデルは第1のカテゴリー360「盗難（Theft）」を提案する（36）一方で、第2のモデルは第1のカテゴリー360とは異なる第2のカテゴリー460「破壊行為（Vandalism）」を提案する（46）。別個のステップにおいて、一致プロトコルが、第1のカテゴリー360を、第2のカテゴリー460と比較する（43）。この比較することは、この例では、第2のカテゴリー460が第1のカテゴリー360とは異なることに鑑みて、一致がないことを検出すること（430）を含む。この例では、これにより、実際の請求カテゴリーが不確定であることに鑑みて、実行されるアクションが不確定であるという信号370を生成すること（37）に至る。「不確定」な信号を、一致が見出されない事例に関連付けることは、好ましくは、人間のオペレーターの介入を要求することに対応する。好ましい一実施形態では、一致プロトコルは、正確度パラメーターに鑑みて比較を実行し、この正確度パラメーターは、離散的パラメーター（例えば「高」対「中」対「低」）又は連続的パラメーターとすることができる。これによって、上記正確度パラメーターの比較的高い値は、複数のモデルによって割り当てられたカテゴリーが完全に一致しない場合は常に、一致プロトコルが「不確定」を割り当てることに対応することができる。このことは、人間の専門家によってハンドリングされなければならない請求の数が多くなることにつながり得る。上記正確度パラメーターの低い値は、例えば、少なくとも4つの複数のモデルのうちの2つ以上のモデルが、他のモデルと不一致だった場合にのみ、一致プロトコルが「不確定」を割り当てることに対応することができる。

例8：画像ベースの要求での例
この例では、要求は、保険金請求に関するとともに、少なくとも1つの画像を含み、好ましくは、少なくとも1つの画像からなる。この少なくとも1つの画像は、PNG、JPEG、GIF、TIFF、EPS、EMF、又はPDF等の、任意のピクセルベース又はベクトルベースのファイルフォーマットにおけるものとすることができる。これは、保険金請求の要求が、従来的に行われるように、1つ以上の用紙のフォーム上に完全に書き出されている実際的な事例に対応することができる。この場合、この1つ以上の用紙のフォームは、撮影又はスキャンすることができ、これにより、少なくとも1つのフォーム関連画像がもたらされる。その後、この少なくとも1つの画像は、好ましくは保険金請求に関する損傷又は場所に関するいくつかのコンテキスト関連写真とともに、用紙のフォームの写真及びコンテキスト関連写真の双方を含む単一の要求内にまとめることができる。その後、少なくとも1つのフォーム関連画像を含む少なくとも1つの画像ファイルであるこの要求は、処理のためにサーバーに差し支えなくアップロードすることができ、これにより、請求ハンドリングに対するユーザーフレンドリーな手法がもたらされる。要求は、サーバーに記憶することができる。本発明の他のステップに先行する別個のステップにおいて、写真は、パターン検出を通じて自動的にソートされ、一方で少なくとも1つのフォーム関連写真を、存在する場合、他方で1つ以上のコンテキスト関連写真から分離する。次のステップにおいて、少なくとも1つのフォーム関連画像の各々は、OCRによって処理して、1つ以上の要求の記述310、好ましくは、1つの要求の記述310を生成することができ、1つ以上の要求の記述310の各々は、少なくとも1つの自然言語テキスト列を含む。その後、次のステップを、例6に従って実行することができ、任意選択では、例6及び例7の組み合わせに従って実行することができる。これにより、要求全体に帰属させることができる或る特定の請求カテゴリーが与えられる。好ましくは、本発明の他のステップに後続する最終ステップにおいて、請求カテゴリーを、要求をアップロードしたユーザーに送信することができ、及び／又は、請求カテゴリーを、サーバーに記憶される際に要求におけるメタデータとして記憶することができ、すなわち、要求データを更新することができる。好ましくは、画像ファイルごとに、ラベル（フォーム関連対コンテキスト関連）も記憶される。

１５：モデル1
１６：モデル2
１７：一致プロトコル
１８：信号
１００：ワークフロー
２１：請求の記述
２２：請求の記述のレポジトリ
２３、２４：ステップ
２４：構成単語ベクトルは、ベクトル演算を用いて合成されて、請求全体の分散ベクトル表現が形成される
２５：請求を表現するこの数値ベクトルを用いて、請求を、この請求が属する（サブ）カテゴリーにマッピングすることである分類が行われる。この分類は、いくつかの技法によって実行することができる
２７：或るカテゴリーにリンクされた信号を、システムのカテゴリー化品質に影響を与えることなく、追加、除去、又は改変することができる
２００：ワークフロー
３００：フローチャート
３１０：単一の保険金請求
３１０：到来請求
３４０：単語ベクトル表現
３８０：カテゴリー
３１：ユーザーから受信
３２：前処理ステップにおいて、テキスト列に属する複数の構成単語320が識別される
３２０：構成単語
３１０：到来請求
３１０：要求の記述
３２０：「スリップ（slip）」
３２０：「衝突（crash）」
３３０：構成単語320の各々について、上記ボキャブラリーから関連単語ベクトル表現330が取得される
３４：上記少なくとも1つの取得された単語ベクトル表現330に基づいて、要求ベクトル340が求められる
３４：単語ベクトル表現330は、算術的に平均され
３４：例6による別個のステップにおいて求められた
３４０：要求ベクトル
３４０：到来請求の単一の要求ベクトル
３４０：到来請求ベクトル
３５：カテゴリー化された要求350の同様に求められたベクトル表現に対する要求ベクトル340の類似度値351を求めること
３５：第1のモデルは、好ましくは、上記要求ベクトル340の、上記カテゴリー化された要求350の同様に求められたベクトル表現に対する類似度値351を求めること
３５０：事前にカテゴリー化された請求
３５１：類似度値
３５２：請求ID
３５３：請求の記述
３６：要求310のカテゴリー360が、「軽度の自動車事故」であると判断される
３６：第1のモデルは第1のカテゴリー360を割り当てる
３６：上記少なくとも1つの求められた類似度値351と対応する事前にカテゴリー化された要求350のカテゴリー380とに基づいて、上記要求310のカテゴリー360を求める
３６：第1のモデルは第1のカテゴリー360「盗難（Theft）」を提案する
３６０：カテゴリー
３６１：要求310のサブカテゴリー
３７：カテゴリー360に関する信号370が生成
３７：実行されるアクションが不確定であるという信号370を生成すること
３７０：信号
３８０：事前に割り当てられたカテゴリー
３８１：サブカテゴリー
４００：フローチャート
４３：一致プロトコルが、第1のカテゴリー360を、第2のカテゴリー460と比較する
４３０：第2のカテゴリー460が第1のカテゴリー360とは異なることに鑑みて、一致がないことを検出すること
４６：第2のモデルは第2のカテゴリー460を割り当てる
４６：CNNの出力と対応する事前にカテゴリー化された要求350のカテゴリー380とに基づいて、要求310の第2のカテゴリー460を求める
４６：第2のモデルは第1のカテゴリー360とは異なる第2のカテゴリー460「破壊行為（Vandalism）」を提案する
４６０：カテゴリー

Claims (13)

1. ユーザーデバイスを用いてユーザーによってもたらされた要求（310）のカテゴリーを求めるコンピューター実施方法であって、前記ユーザーデバイスは、接続手段と前記ユーザーから前記要求（310）に関する要求の記述（310）を受信する手段とを備え、該コンピューター実施方法は、
   前記ユーザーデバイスを用いて前記ユーザーから前記要求の記述（310）を受信するステップ（31）と、
   前記要求の記述（310）をサーバーにアップロードするステップであって、該サーバーは、各々がカテゴリー（380）を含む複数の事前にカテゴリー化された要求（350）と複数の単語ベクトル表現（330）を含むボキャブラリーとを含むデータベースへのアクセスを有する、ステップと、
   前記サーバーによって、前記要求の記述（310）に含まれる自然言語テキスト列に属する複数の構成単語（320）を識別するステップ（32）と、
   前記サーバーによって、前記複数の構成単語（320）のうちの少なくとも1つについて、前記ボキャブラリーから関連付けられた単語ベクトル表現（330）を取得するステップ（33）と、
   前記サーバーによって、前記少なくとも1つの取得された単語ベクトル表現（330）に基づいて、要求ベクトル（340）を求めるステップ（34）と、
   前記サーバーによって、少なくとも1つのカテゴリー化された要求について、前記要求ベクトル（340）の、前記カテゴリー化された要求（350）の同様に求められたベクトル表現に対する類似度値（351）を求めるステップ（35）と、
   前記サーバーによって、前記少なくとも1つの求められた類似度値（351）と対応する事前にカテゴリー化された要求（350）のカテゴリー（380）とに基づいて、前記要求（310）のカテゴリー（360）を求めるステップ（36）と、
   前記サーバーによって、前記カテゴリー（360）に関する信号（370）を生成して（37）、該信号（370）を前記サーバーから第2のデバイスに送信するステップであって、該第2のデバイスは、前記ユーザーデバイスに等しい、ステップと、を含み、
   前記類似度値（351）を求めること（35）と、前記カテゴリー（360）を求めること（36）とは、第1のモデルに関するものであり、前記コンピューター実施方法は、該第1のモデルとは異なる第2のモデルに関する第2のカテゴリー（460）を求めることであって、該第2のモデルは、機械学習アルゴリズムに関するものであり、該求めることは、以下、
   前記サーバーによって、前記第2のモデルを、前記要求ベクトル（340）と、前記カテゴリー化された要求（350）の同様に求められたベクトル表現とに適用するステップと、
   前記サーバーによって、前記第2のモデルの出力と前記対応する事前にカテゴリー化された要求（350）のカテゴリー（380）とに基づいて、前記要求（310）の前記第2のカテゴリー（460）を求めるステップ（46）と、
   に従って行われる、求めることを含み、
   前記信号（370）を前記生成すること（37）は、前記カテゴリー（360）を前記第2のカテゴリー（460）と比較すること（43）を含み、
   前記カテゴリー（360）を前記第2のカテゴリー（460）と前記比較すること（43）は、前記第2のカテゴリー（460）が前記第1のカテゴリー（360）とは異なる場合、前記第1のモデルと前記第2のモデルとの間の不一致を検出すること（430）を含み、該不一致により、前記カテゴリー（360）に対する不確定の表示を含む前記信号（370）が生成される（37）、方法。
2. 前記第2のモデルが関する機械学習モデルは、少なくとも部分的に畳み込みニューラルネットワークアルゴリズムに基づくものである、請求項1に記載の方法。
3. 前記複数の構成単語（320）を前記識別すること（32）は、前記自然言語テキスト列を前処理することを含み、該前処理することは、少なくとも、ステミングアルゴリズムによるステミング又はポーターのステミングアルゴリズムによるステミングを含み、該前処理することは、スペリング訂正及び／又はレンマ化を更に含む、請求項1又は2に記載の方法。
4. 前記要求ベクトル（340）を前記求めること（34）は、少なくとも部分的にWord2vecに基づくものである、請求項1～3のいずれか1項に記載の方法。
5. 前記類似度値（351）を前記求めること（35）は、少なくとも部分的に、距離測定、類似度測定、又はコサイン類似度に基づくものである、請求項1～4のいずれか1項に記載の方法。
6. 前記要求は、少なくとも1つの用紙フォーム関連画像を含む少なくとも1つの画像を含むか、又は該少なくとも1つの画像からなり、前記受信すること（31）は、前記ユーザーから前記少なくとも1つの画像を受信することを含み、前記要求の記述（310）を前記アップロードすることは、前記少なくとも1つの画像を前記サーバーにアップロードすることを含み、前記複数の構成単語（320）を前記識別すること（32）は、前記少なくとも1つの画像の各々について、該画像がフォーム関連画像であるか又はコンテキスト関連画像であるかを判断して、フォーム関連画像ごとに、前記自然言語テキスト列を、OCRを用いて抽出することを含む、請求項1～5のいずれか1項に記載の方法。
7. 前記アップロードの際、前記少なくとも1つの画像を含む要求は、前記サーバーに記憶され、前記カテゴリー（360）を前記求めるステップ（36）において求められた前記カテゴリー（360）及び／又は前記信号（370）を前記生成するステップ（37）において求められた前記信号（370）は、前記サーバーに記憶された前記要求におけるメタデータとして記憶され、画像ごとに、前記画像がフォーム関連であるか又はコンテキスト関連であるかの表示も記憶される、請求項6に記載の方法。
8. 前記カテゴリー（360）を前記求めること（36）は、所定の信頼度閾値を超えているか否かを判断することを含む、請求項1～7のいずれか1項に記載の方法。
9. 前記信号（370）を前記生成して（37）送信することは、人間のオペレーターの介入が必要であることを示すことを含み、該示すことは、前記カテゴリー（360）に対する不確定の表示を含む前記信号（370）によってトリガーされる、請求項1～8のいずれか1項に記載の方法。
10. 前記信号（370）を前記生成して（37）送信することは、前記信号（370）に基づいて前記ユーザーデバイスに通知を送信し、該通知をスクリーンに表示することを含む、請求項1～9のいずれか1項に記載の方法。
11. ユーザーデバイスを用いてユーザーによってもたらされた要求（310）のカテゴリーを求めるシステムであって、該システムは、
    プロセッサと、有形の不揮発性メモリと、前記プロセッサに命令するために前記有形の不揮発性メモリ上に存在するプログラムコードとを備えるサーバーであって、該サーバーは、各々がカテゴリー（380）を含む複数の事前にカテゴリー化された要求（350）と複数の単語ベクトル表現（330）を含むボキャブラリーとを含むデータベースへのアクセスを有する、サーバーと、
    プロセッサと、ユーザー入力の手段と、スクリーンとを備える前記ユーザーデバイスと、
    を備え、
    該システムは、
    前記ユーザーデバイスを用いて前記ユーザーから前記要求の記述（310）を受信するステップ（31）と、
    前記要求の記述（310）を前記サーバーにアップロードするステップと、
    前記サーバーによって、前記要求の記述（310）に含まれる自然言語テキスト列に属する複数の構成単語（320）を識別するステップ（32）と、
    前記サーバーによって、前記複数の構成単語（320）のうちの少なくとも1つについて、前記ボキャブラリーから関連付けられた単語ベクトル表現（330）を取得するステップ（33）と、
    前記サーバーによって、前記少なくとも1つの取得された単語ベクトル表現（330）に基づいて、要求ベクトル（340）を求めるステップ（34）と、
    前記サーバーによって、少なくとも1つのカテゴリー化された要求について、前記要求ベクトル（340）の、前記カテゴリー化された要求（350）の同様に求められたベクトル表現に対する類似度値（351）を求めるステップ（35）と、
    前記サーバーによって、前記少なくとも1つの求められた類似度値（351）と対応する事前にカテゴリー化された要求（350）のカテゴリー（380）とに基づいて、前記要求（310）の前記カテゴリー（360）を求めるステップ（36）と、
    前記サーバーによって、前記カテゴリー（360）に関する信号（370）を生成して（37）、該信号（370）を前記サーバーから第2のデバイスに送信するステップであって、該第2のデバイスは、前記ユーザーデバイスに等しい、ステップと、
    を実行するように構成され、
    前記類似度値（351）を求めること（35）と、前記カテゴリー（360）を求めること（36）とは、第1のモデルに関するものであり、前記システムにおいて、該第1のモデルとは異なる第2のモデルに関する第2のカテゴリー（460）を求めることであって、該第2のモデルは、機械学習アルゴリズムに関するものであり、該求めることは、以下、
    前記サーバーによって、前記第2のモデルを、前記要求ベクトル（340）と、前記カテゴリー化された要求（350）の同様に求められたベクトル表現とに適用するステップと、
    前記サーバーによって、前記第2のモデルの出力と前記対応する事前にカテゴリー化された要求（350）のカテゴリー（380）とに基づいて、前記要求（310）の前記第2のカテゴリー（460）を求めるステップ（46）と、
    に従って行われる、求めることを含み、
    前記信号（370）を前記生成すること（37）は、前記カテゴリー（360）を前記第2のカテゴリー（460）と比較すること（43）を含み、
    前記カテゴリー（360）を前記第2のカテゴリー（460）と前記比較すること（43）は、前記第2のカテゴリー（460）が前記第1のカテゴリー（360）とは異なる場合、前記第1のモデルと前記第2のモデルとの間の不一致を検出すること（430）を含み、該不一致により、前記カテゴリー（360）に対する不確定の表示を含む前記信号（370）が生成される（37）、システム。
12. 請求項11に記載のシステムにおける、請求項1～10のいずれか1項に記載のコンピューター実施方法。
13. ユーザーデバイスを用いてユーザーによってもたらされた要求（310）のカテゴリーを求めるコンピュータープログラムであって、該コンピュータープログラムは、プロセッサと、ユーザー入力の手段と、スクリーンとを備える前記ユーザーデバイス上で実行する命令を含み、該コンピュータープログラムは、請求項1～10のいずれか1項に記載の方法を実行する命令を含む、コンピュータープログラム。

Images