WO2019041518A1 - 电子装置、保险案件理赔审核方法、系统及计算机可读存储介质 - Google Patents

电子装置、保险案件理赔审核方法、系统及计算机可读存储介质 Download PDF

Info

Publication number
WO2019041518A1
WO2019041518A1 PCT/CN2017/108788 CN2017108788W WO2019041518A1 WO 2019041518 A1 WO2019041518 A1 WO 2019041518A1 CN 2017108788 W CN2017108788 W CN 2017108788W WO 2019041518 A1 WO2019041518 A1 WO 2019041518A1
Authority
WO
WIPO (PCT)
Prior art keywords
insurance
case
review
amount
test
Prior art date
Application number
PCT/CN2017/108788
Other languages
English (en)
French (fr)
Inventor
王恩贵
项同德
杨辛未
张旭
Original Assignee
平安科技（深圳）有限公司
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 平安科技（深圳）有限公司 filed Critical 平安科技（深圳）有限公司
Publication of WO2019041518A1 publication Critical patent/WO2019041518A1/zh

Links

Images

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

Definitions

  • the present application relates to the field of insurance claims review, and in particular, to an electronic device, an insurance case claim review method, a system, and a computer readable storage medium.
  • the indicators of the claims can be specified, in the receipt of insurance claims After the case, the claims review system usually determines whether the indicators of the insured claims are satisfied, and when the indicators meet the requirements, the claims review system automatically reviews and estimates the amount of the claims. If the claims review system determines that an indicator in the insurance claims case does not meet the requirements of the contract, a warning is issued to remind the corresponding staff to perform a manual review.
  • the present application proposes an electronic device, an insurance case claim review method, and a computer readable storage medium, which can analyze cases to be manually audited, and extract cases for automatic review by the system to be manually audited. Improve the efficiency of the audit, improve the customer experience, and further save the company's operating costs.
  • a first aspect of the present application provides an electronic device including a memory, a processor, and an insurance case claim review system stored on the memory and operable on the processor, When the insurance case claims review system is executed by the processor, the following steps are implemented:
  • the pre-trained claims review rule model is invoked to calculate the original data of the claim to be insured, and the case for the insurance claims is automatically budgeted for manual review.
  • a first claim amount equal to a probability value equal to a second claim amount automatically reviewed by the claims review system, wherein the raw data includes physical characteristics Information, medical information, policy information, case attributes and claims amount;
  • a second aspect of the present application provides a method for claim settlement of an insurance case, the method comprising the following steps:
  • the pre-trained claims review rule model is invoked to calculate the original data of the claim to be insured, and the case for the insurance claims is automatically budgeted for manual review.
  • the first claim amount is equal to the probability value equal to the second claim amount automatically audited by the claim review system, wherein the raw data includes physical characteristic information, medical information, policy information, case attributes, and claim amount;
  • a third aspect of the present application provides a computer readable storage medium storing a case claim review system, and the case claim review system can be executed by at least one processor, so that At least one processor performs the following steps:
  • the pre-trained claims review rule model is invoked to calculate the original data of the claim to be insured, and the case for the insurance claims is automatically budgeted for manual review.
  • the first claim amount is equal to the probability value equal to the second claim amount automatically audited by the claim review system, wherein the raw data includes physical characteristic information, medical information, policy information, case attributes, and claim amount;
  • the fourth aspect of the present application provides an insurance case claim review system, where the insurance case claim review system includes:
  • the calculation module is configured to: if the claim to be insured is determined to be manually audited by the claim review system, call the pre-trained claims review rule model to calculate the original data of the claim to be insured, to automatically budget the case to be insured
  • the probability value of the first claim amount that is manually audited is equal to the second claim amount that is automatically audited by the claims review system, wherein the raw data includes physical characteristic information, medical information, policy information, case attributes, and claim amount;
  • a judging module configured to automatically review the insured claims to the claims review system if the probability value of the budget is greater than a preset probability threshold, or if the budgeted probability value is less than or equal to a preset probability threshold, Generate manual review reminders for the pending claims.
  • the electronic device, the case claim review method and the computer readable storage medium proposed by the present application firstly perform pre-training by substituting the original data of the to-be-insurance claims to be manually reviewed by the claims review system.
  • the claim review rule model is calculated to automatically budget the first claim amount through the manual review of the insured claim case and the claim review system.
  • the probability value of the second claim amount of the dynamic review is equal, and if the probability value of the budget is greater than the preset probability threshold, the case to be insured is automatically reviewed by the claim review system, or if the probability value of the budget is less than Or equal to the preset probability threshold, generating a manual audit reminder for the insured claim.
  • some cases to be manually audited can be automatically reviewed by the system, which improves the efficiency of the audit, improves the customer experience, and further reduces the company's claims operating costs.
  • 1 is a schematic diagram of an optional hardware architecture of an electronic device of the present application
  • FIG. 2 is a schematic diagram of a program module of an embodiment of a claim settlement review system of the present application
  • Figure 3 is a schematic diagram of the prediction result of the claims review rule model
  • FIG. 4 is a schematic diagram of a program module of another embodiment of the claim settlement review system of the present application.
  • FIG. 5 is a schematic diagram showing an implementation flow of a preferred embodiment of a claim settlement review method of the present application.
  • Figure 6 is a schematic diagram of the beneficial effects of the embodiment of Figure 5.
  • first, second and the like in the present application are for the purpose of description only, and are not to be construed as indicating or implying their relative importance or implicitly indicating the number of technical features indicated. .
  • features defining “first” and “second” may include at least one of the features, either explicitly or implicitly.
  • the technical solutions between the various embodiments may be combined with each other, but must be based on the realization of those skilled in the art, and when the combination of the technical solutions is contradictory or impossible to implement, it should be considered that the combination of the technical solutions does not exist. Nor is it within the scope of protection required by this application.
  • FIG. 1 it is a schematic diagram of an optional hardware architecture of the electronic device of the present application.
  • the electronic device 1 may include, but is not limited to, a storage unit 11, a processing unit 12, and a network interface 13 that are communicably connected to each other through a system bus. It is to be noted that FIG. 2 only shows the electronic device 1 having the components 11-13, but it should be understood that not all illustrated components may be implemented, and more or fewer components may be implemented instead.
  • the storage unit 11 includes at least one type of readable storage medium including a flash memory, a hard disk, a multimedia card, a card type memory (for example, SD or DX memory, etc.), a random access memory (RAM), and a static random. Access memory (SRAM), read only memory (ROM), electrically erasable programmable read only memory (EEPROM), programmable read only memory (PROM), magnetic memory, magnetic disk, optical disk, and the like.
  • the storage unit 11 may be the electronic device 1
  • An internal storage unit such as a hard disk or a memory of the electronic device 1.
  • the storage unit 11 may also be an external storage device of the electronic device 1, such as a plug-in hard disk equipped on the electronic device 1, a smart memory card (SMC), and a secure digital (Secure Digital, SD) card, flash card, etc.
  • the storage unit 11 may also include both an internal storage unit of the electronic device 1 and an external storage device thereof.
  • the storage unit 11 is generally used to store an operating system installed in the electronic device 1 and various types of application software, such as program codes of the case claims review system 10. Further, the storage unit 11 can also be used to temporarily store various types of data that have been output or are to be output.
  • Processing unit 12 may be a Central Processing Unit (CPU), controller, microcontroller, microprocessor, or other data processing chip in some embodiments.
  • the processing unit 12 is typically used to control the overall operation of the electronic device 1.
  • the processing unit 12 is configured to run program code or processing data stored in the storage unit 11, such as the running case claims review system 10 and the like.
  • the case claims review system 10 includes at least one computer readable instructions stored in the storage device 11, the at least one computer readable instructions being executable by the processing device 12 to implement the case claims review method of various embodiments of the present application. As described later, the at least one computer readable instruction can be classified into different logic modules depending on the functions implemented by its various parts.
  • the case claim review system 10 when executed by the processing device 12, the following operations are implemented: First, if the case to be insured is determined by the claim review system to be manually reviewed, the pre-trained claims review rule model is invoked. The original data of the insurance claims are calculated to automatically calculate the probability value of the first claim amount that has passed the manual review in the case of the insured claim and the second claim amount that is automatically audited by the claim review system; secondly, if the budget is If the probability value is greater than the preset probability threshold, the insured claims are automatically reviewed by the claims review system, or if the probability value of the budget is less than or equal to the preset probability threshold, the labor for the insured claims is generated. Review reminder information. It realized the automatic review of some cases in the cases to be manually audited, improved the efficiency of the audit, improved the user experience, and saved the formula to review the operating costs.
  • the network interface 13 may include a wireless network interface or a wired network interface, and the network interface 13 is generally used to establish a communication connection between the electronic device 1 and other electronic devices.
  • the case claim review system 10 can be divided into one or more modules, one or more modules are stored in the storage unit 11, and are processed by one or more processing units (in this embodiment, the processing unit 12) ) is performed to complete the application.
  • the case claim review system 10 can be divided into a calculation module 201 and a determination module 202.
  • the program module referred to in the present application refers to a series of computer program instruction segments capable of performing a specific function, and is more suitable than the program to describe the execution process of the case claims review system 10 in the electronic device 1. The following will be the work of program modules 201 and 202. Can be described in detail.
  • the calculating module 201 is configured to: if the claim to be insured is determined to be manually reviewed by the claim review system, call the pre-trained claims review rule model to calculate the original data of the claim to be insured, to automatically budget the insurance to be insured The probability value of the first claim amount that is manually audited is equal to the second claim amount that is automatically reviewed by the claims review system.
  • the raw data includes physical characteristics information (for example, age, gender, whether a disease has been acquired, whether there is a genetic disease, etc.), medical information (for example, the number of bills, the type of fee, the hospital level, whether the hospital is fixed), policy information (number of policies, types of insurance), case attributes (type of case, nature of accident, place of accident) and amount of claims.
  • physical characteristics information for example, age, gender, whether a disease has been acquired, whether there is a genetic disease, etc.
  • medical information for example, the number of bills, the type of fee, the hospital level, whether the hospital is fixed
  • policy information number of policies, types of insurance
  • case attributes type of case, nature of accident, place of accident
  • the claim review rule model is a logistic regression model
  • the training process of the claims review rule model includes the following steps:
  • the insurance claims that have been settled include the insurance claims that are automatically reviewed by the claims review system and the insurance claims that are determined by the claims review system as abnormal claims.
  • the original data set corresponding to each insurance claim case information sample is divided into a first proportional training subset and a second proportional test subset.
  • the first ratio is 70% and the second ratio is 30%.
  • the training data set is trained by using a logistic regression method.
  • the logistic regression method includes classifying the original data corresponding to each information sample in the training data set to obtain i different features (for example, The body characteristic information is classified into different characteristics such as name, gender, age, and acquired disease name, and each of the samples is passed as an independent variable x 1 , x 2 ,..., x i .
  • the first claim amount of the manual review and the second claim amount automatically checked by the claim review system are equal to the target variable, and a claim review rule model is established.
  • the trained claims review rule model includes:
  • step H the steps of testing the claims review rule model by using the original data of each insurance claim in the test subset include:
  • the trained claims review rule model is used to analyze the original data of each insurance claim case in the test subset to obtain the first claim amount for each insurance claim case and the second claim amount for automatic review by the claim review system. Equal probability value;
  • the model accuracy test is performed on the insurance claim case, and the insurance claim case is manually audited to obtain The first claim amount corresponding to the insurance claim case, and calling the claims review system to automatically review the insurance claim case to obtain the second claim amount corresponding to the insurance claim case;
  • the calculated error value is less than a preset error threshold (eg, 0.5%), it is determined that the result of the model accuracy test for the insurance claims case is correct, or if the calculated error value is greater than or equal to the pre-
  • the error threshold is set to determine that the result of the model accuracy test for the insurance claims case is an error
  • the test of the claim review rule model is passed, or, if it is the correct model If the accuracy test result accounts for less than or equal to the preset percentage threshold for all model accuracy test results, it is determined that the test of the claim review rule model fails.
  • the preset percentage threshold for example, 70%
  • the determining module 202 is configured to determine a size relationship between the probability value of the budget and the preset probability threshold. If the probability value of the budget is greater than the preset probability threshold, the claim to be insured is automatically reviewed by the claims review system. Or, if the budgeted probability value is less than or equal to the preset probability threshold, generating manual auditing reminder information for the insured claim case.
  • FIG 3 it is a schematic diagram of the prediction results of the claims review rule model.
  • the yaw table represents the insurance claims that are determined by the claims review system to be manually reviewed, and the ordinate represents the amount of claims to be paid.
  • the solid line represents the claim amount of the claims review model budget for the manual review of the insurance claims, and the claim amount is automatically checked by the claims review system.
  • the dotted line represents the claim amount of the claims review model budget for the manual review of the insurance claims. The closer the solid line and the dotted line are, the higher the probability value of the claim amount automatically verified by the claims review system is equal to the amount of the claim amount that is manually audited. The more the solid line and the dotted line are separated, the more the claim amount is automatically audited by the claim review system and the manual review is passed. The lower the probability value of the equal amount of claims.
  • the degree of coincidence between the solid line and the dotted line in Figure 3 can be visually seen as the insurance compensation to be manually audited.
  • the probability value of the claim amount that is automatically audited by the claims review system is equal to the probability value equal to the amount of the claim through manual review.
  • the insurance case claim review system 10 of the present application further includes a score conversion module 204, as shown in FIG. 4 is a block diagram of a program of another embodiment of the claim settlement review system 10 of the present application.
  • the score conversion module 204 is configured to determine, according to a mapping relationship between the preset probability value and the score, a score corresponding to the probability value of the budget, and if the budgeted probability value corresponds to a score greater than a preset score
  • the threshold threshold is automatically audited by the claim payment review system, and the score corresponding to the insured claim case is displayed by the display device.
  • the display device may be a display on the electronic device 1 (not shown in FIG. 1), or may be an external electronic display.
  • the electronic device 1 includes a display, and the display may be LED display, liquid crystal display, touch liquid crystal display, and OLED (Organic Light-Emitting Diode) touch device
  • FIG. 5 it is a schematic diagram of a preferred implementation process of the claim settlement method of the present application.
  • the order of execution of the steps in the flowchart shown in FIG. 5 may be changed according to different requirements, and some steps may be omitted.
  • Step S301 If the case to be insured is determined by the claim review system to be manually reviewed, the pre-trained claim review rule model is invoked to calculate the original data of the insured claim case, and the case for automatically paying the insured claim is manually The probability value of the first claim amount of the audit equal to the second claim amount automatically audited by the claim review system.
  • the raw data includes physical characteristics information (for example, age, gender, whether a disease has been acquired, whether there is a genetic disease, etc.), medical information (for example, the number of bills, the type of fee, the hospital level, whether the hospital is fixed), policy information (number of policies, types of insurance), case attributes (type of case, nature of accident, place of accident) and amount of claims.
  • physical characteristics information for example, age, gender, whether a disease has been acquired, whether there is a genetic disease, etc.
  • medical information for example, the number of bills, the type of fee, the hospital level, whether the hospital is fixed
  • policy information number of policies, types of insurance
  • case attributes type of case, nature of accident, place of accident
  • the claim review rule model is a logistic regression model
  • the training process of the claims review rule model includes the following steps:
  • the insurance claims that have been settled include the insurance claims that are automatically reviewed by the claims review system and the insurance claims that are determined by the claims review system as abnormal claims.
  • the original data set corresponding to each insurance claim case information sample is divided into a first proportional training subset and a second proportional test subset.
  • the first ratio is 70% and the second ratio is 30%.
  • the training data set is trained by using a logistic regression method.
  • the logistic regression method includes classifying the original data corresponding to each information sample in the training data set to obtain i different features (for example, The body characteristic information is classified into different characteristics such as name, gender, age, and acquired disease name, and each of the samples is passed as an independent variable x 1 , x 2 ,..., x i .
  • the first claim amount of the manual review and the second claim amount automatically checked by the claim review system are equal to the target variable, and a claim review rule model is established.
  • the trained claims review rule model includes:
  • step H the steps of testing the claims review rule model by using the original data of each insurance claim in the test subset include:
  • the trained claims review rule model is used to analyze the original data of each insurance claim case in the test subset to obtain the first claim amount for each insurance claim case and the second claim amount for automatic review by the claim review system. Equal probability value;
  • the model accuracy test is performed on the insurance claim case, and the insurance claim case is manually audited to obtain The first claim amount corresponding to the insurance claim case, and calling the claims review system to automatically review the insurance claim case to obtain the second claim amount corresponding to the insurance claim case;
  • the result of the model accuracy test for the insurance claims case is correct, or if the calculated error value is greater than or equal to the preset error threshold, the model for the insurance claims case is determined
  • the result of the accuracy test is an error
  • the test of the claim review rule model is passed, or, if it is the correct model If the accuracy test result accounts for less than or equal to the preset percentage threshold for all model accuracy test results, it is determined that the test of the claim review rule model fails.
  • the preset percentage threshold for example, 70%
  • Step S302 if the probability value of the budget is greater than the preset probability threshold, the to-insurance claims are automatically reviewed by the claims review system, or if the probability value of the budget is less than or equal to the preset probability threshold, then Manual review reminder information for the insured claims case.
  • the predetermined probability threshold may be modified according to the business condition. For example, when the company's current claims ratio is low, and there are a large number of payout places, the predetermined probability threshold may be appropriately lowered, for example, Assume that the predetermined probability threshold is 85%. In the case of a small amount of payment, the amount can be appropriately reduced to 80%. In the case where the company's payment quota is tight, the predetermined probability threshold is appropriately set from 85. % increased to 90%. That is, the predetermined probability threshold is typically preset based on the company's current payroll business conditions.
  • the claim review method of the present application further includes, according to the preset probability value and the score. Mapping the relationship, determining a score corresponding to the probability value of the budget, and if the score corresponding to the probability value of the budget is greater than a preset score threshold, the case to be insured is automatically reviewed by the claims review system and passed through the display device The step of displaying the score corresponding to the claim to be insured, which step is not shown in FIG.
  • the customer can quickly communicate with the customer by using the score obtained in the case, so that the customer can better understand the amount of the claim.
  • the source further enhances the customer experience.
  • FIG. 6 it is a schematic diagram of the beneficial effects of the embodiment of FIG. 5.
  • the abscissa of Fig. 6 represents the type of review of the claim to be insured, and the ordinate represents the probability value predicted by the claim review rule model.
  • the first rectangle 1 represents the proportion determined by the claims review system as an automatic audit insurance claim case
  • the second rectangle 2 represents the proportion of the insurance claims determined by the claims review system to be manually reviewed
  • the third rectangle 3 The representative will be determined by the claims review system as the insurance claims that require manual review. After the insurance case review method of this application is reviewed, the proportion of insurance claims that are automatically reviewed by the claims review system will be determined.
  • the fourth rectangle 4 will be represented.
  • the claims review system determines the proportion of insurance claims to be manually reviewed after the insurance claims settlement method of this application is used for the insurance claims that require manual review.
  • the electronic device and the claims review method and system of the present application firstly generate a training data set based on the acquired original data by acquiring original data of the claim case, and analyze the generated training data by using a logistic regression method.
  • Set up to establish a claim review rule model then, the original data of the case to be manually audited is substituted into the claim review rule model for analysis, and the amount of the claim for manual review by the budget for the case for manual review and the claim for automatic review through the system
  • the probability value of the equal amount; finally, the probability value of the budget is compared with the preset probability threshold, and if the probability value of the budget is greater than the preset probability threshold, the case to be manually audited corresponding to the probability value is transferred to the system Automatic review. It realized the automatic review of some cases in the cases to be manually audited, improved the efficiency of the audit, improved the user experience, and saved the formula to review the operating costs.
  • the foregoing embodiment method can be implemented by means of software plus a necessary general hardware platform, and of course, can also be through hardware, but in many cases, the former is better.
  • Implementation Based on such understanding, the technical solution of the present application, which is essential or contributes to the prior art, may be embodied in the form of a software product stored in a storage medium (such as ROM/RAM, disk,
  • the optical disc includes a number of instructions for causing a terminal device (which may be a mobile phone, a computer, a server, an air conditioner, or a network device, etc.) to perform the methods described in various embodiments of the present application.

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

一种电子装置、保险案件理赔审核方法、系统及存储介质，所述方法通过调用预先训练好的理赔审核规则模型对被理赔审核系统确定为待人工审核的待保险赔付案件进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值（S301），并将计算出的概率值与预设的概率阈值进行比较大小，以判断出该待保险赔付案件是否转理赔审核系统自动审核（S302）。实现了将待人工审核的案件中的部分案件转系统自动审核，提高了审核效率，提升了用户体验，且节约了公式审核运营成本。

Description

电子装置、保险案件理赔审核方法、系统及计算机可读存储介质
本申请要求于2017年8月31日提交中国专利局、申请号为201710773470.5，发明名称为“电子装置、保险案件理赔审核方法、系统及计算机可读存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及保险理赔审核领域，尤其涉及一种电子装置、保险案件理赔审核方法、系统及计算机可读存储介质。
背景技术
目前，保险公司为了控制保险赔付案件的数量和额度，本着谨慎处理的原则，在签订保险合同的时候，通常依据业务经验对可赔付案件的各项指标做了规定，在接收到待保险赔付案件后，理赔审核系统通常会判断该待保险赔付案件的各项指标是否都满足规定，并在各项指标都满足规定时，理赔审核系统自动审核并理算赔付金额。若理赔审核系统判断出待保险赔付案件中某项指标不满足合同的规定，则发出警示提醒相应的工作人员进行人工审核。
当工作人员收到警示之后，通常需要根据业务状况以及理赔经验进行人工审核该待保险赔付案件是否可赔付以及赔付风险的大小，并在赔付风险较小或基本没有风险的情况下理算赔付金额，例如：若在待保险赔付案件中，就诊的次数和就诊的医院的级别不符合合同约定，则需要对该待保险赔付案件结合目前的业务状况以及理赔的经验进行人工审核之后才决定是否赔付，并在确定可赔付后，需要人工理算出赔付的金额。这样会造成大量的待保险赔付案件需要人工审核，审核的效率比较低，客户体验效果不佳，同时也增加了公司的理赔运营成本。
发明内容
有鉴于此，本申请提出一种电子装置、保险案件理赔审核方法及计算机可读存储介质，能够将待人工审核的案件进行分析，从待人工审核的案件中提取出可供系统自动审核的案件，提高了审核效率，提升了客户体验，进一步节省了公司的运营成本。
首先，为实现上述目的，本申请第一方面提出一种电子装置，该电子装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的保险案件理赔审核系统，该保险案件理赔审核系统被处理器执行时实现如下步骤：
A、若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征 信息、医疗信息、保单信息、案件属性及理赔金额；
B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
此外，为实现上述目的，本申请第二方面提供一种保险案件理赔审核方法，该方法包括如下步骤：
A、若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；
B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
此外，为实现上述目的，本申请第三方面提供一种计算机可读存储介质，该计算机可读存储介质存储有案件理赔审核系统，所述案件理赔审核系统可被至少一个处理器执行，以使至少一个处理器执行如下步骤：
A、若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；
B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
此外，为实现上述目的，本申请第四方面提出一种保险案件理赔审核系统，所述保险案件理赔审核系统包括：
计算模块，用于若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；
判断模块，用于若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
相较于现有技术，本申请所提出的电子装置、案件理赔审核方法及计算机可读存储介质，首先，通过将被理赔审核系统确定为待人工审核的待保险赔付案件的原始数据代入预先训练的理赔审核规则模型进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自 动审核的第二理赔金额相等的概率值，其次，若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。这样，可以将部分待人工审核的案件转系统自动审核，提高了审核效率，提升了客户的体验，进一步降低了公司的理赔运营成本。
附图说明
图1是本申请电子装置一可选的硬件架构的示意图；
图2是本申请案件理赔审核系统一实施例的程序模块示意图；
图3是理赔审核规则模型的预测结果示意图；
图4是本申请案件理赔审核系统另一实施例的程序模块示意图；
图5是本申请案件理赔审核方法一较佳实施例的实施流程示意图；
图6是图5实施例的有益效果示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。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。
需要说明的是，在本申请中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
参阅图1所示，是本申请电子装置一可选的硬件架构的示意图。
在本实施例中，电子装置1可包括，但不仅限于，可通过系统总线相互通信连接的存储单元11、处理单元12、及网络接口13。需要指出的是，图2仅示出了具有组件11-13的电子装置1，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，存储单元11至少包括一种类型的可读存储介质，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，存储单元11可以是电子装置1的 内部存储单元，例如电子装置1的硬盘或内存。在另一些实施例中，存储单元11也可以是电子装置1的外部存储设备，例如电子装置1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(Flash Card)等。当然，存储单元11还可以既包括电子装置1的内部存储单元也包括其外部存储设备。本实施例中，存储单元11通常用于存储安装于电子装置1的操作系统和各类应用软件，例如案件理赔审核系统10的程序代码等。此外，存储单元11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。
处理单元12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。处理单元12通常用于控制电子装置1的总体操作。本实施例中，处理单元12用于运行存储单元11中存储的程序代码或者处理数据，例如运行的案件理赔审核系统10等。
案件理赔审核系统10包括至少一个存储在存储设备11中的计算机可读指令，该至少一个计算机可读指令可被处理设备12执行，以实现本申请各实施例的案件理赔审核方法。如后续所述，该至少一个计算机可读指令依据其各部分所实现的功能不同，可被划为不同的逻辑模块。
在一实施例中，案件理赔审核系统10被处理设备12执行时，实现以下操作：首先，若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；其次，若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。实现了将待人工审核的案件中的部分案件转系统自动审核，提高了审核效率，提升了用户体验，且节约了公式审核运营成本。
网络接口13可包括无线网络接口或有线网络接口，网络接口13通常用于在电子装置1与其他电子设备之间建立通信连接。
至此，己经详细介绍了本申请各个实施例的应用环境和相关设备的硬件结构和功能。下面，将基于上述应用环境和相关设备，提出本申请的各个实施例。
首先，本申请提出一种案件理赔审核系统10。
参阅图2所示，是本申请案件理赔审核系统10一实施例的程序模块图。本实施例中，案件理赔审核系统10可以被分割成一个或多个模块，一个或者多个模块被存储于存储单元11中，并由一个或多个处理单元(本实施例中为处理单元12)所执行，以完成本申请。例如，在图2中，案件理赔审核系统10可以被分割成计算模块201、判断模块202。本申请所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述案件理赔审核系统10在电子装置1中的执行过程。以下将就程序模块201与202的功 能进行详细描述。
计算模块201，用于在若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值。
其中，原始数据包括身体特征信息(例如，年龄、性别、是否得过某种疾病、是否有遗传病等)、医疗信息(例如，账单数量、费用类型、医院等级、是否定点医院)、保单信息(保单数量、险种)、案件属性(案件类型、事故性质、出险地点)及理赔金额等。
需要说明的是，理赔审核规则模型为逻辑回归模型，理赔审核规则模型的训练过程包括如下步骤：
E、获取预设数量的已理赔的保险赔付案件信息样本，从信息样本中提取出每个理赔案件的原始数据。
已理赔的保险赔付案件包括，理赔审核系统自动审核的保险赔付案件和被理赔审核系统确定为异常赔付案件，通过人工审核的保险赔付案件。
F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集。
例如，第一比例为70％，第二比例为30％。
G、利用训练子集中的各个保险赔付案件的原始数据训练理赔审核规则模型，以得到训练好的理赔审核规则模型。
在本实施例中，对训练数据集采用逻辑回归法进行训练，具体地，逻辑回归法包括，将训练数据集中每个信息样本对应的原始数据进行分类，以得到i个不同的特征(例如，对身体特征信息进行分类得到姓名、性别、年龄、已得疾病名称等不同的特征)，分别以i个不同特征为自变量x1,x2,...,xi，以每个样本通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额是否相等为目标变量，建立理赔审核规则模型。
进一步地，训练好的理赔审核规则模型包括：
Figure PCTCN2017108788-appb-000001
Figure PCTCN2017108788-appb-000002
其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；wt代表理赔审核 规则模型的参数向量，φ(x，y′)代表构造的预算目标变量的概率的函数。
H、利用测试子集中的各个保险赔付案件的原始数据对理赔审核规则模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加通过人工审核的保险赔付案件信息样本的数量并重新执行上述步骤E、F、G。
进一步需要说明的是，在步骤H中，利用测试子集中的各个保险赔付案件的原始数据对理赔审核规则模型进行测试的步骤包括：
利用训练好的理赔审核规则模型对测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；
若有保险赔付案件对应的第一理赔金额与第二理赔金额相等的概率值大于预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；
计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；
若所计算出的误差值小于预设的误差阈值(例如，0.5％)，则确定针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值(例如，70％)，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。
判断模块202，用于判断预算出的概率值与预设的概率阈值之间的大小关系，若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
如图3所示，为理赔审核规则模型的预测结果示意图。图3中，横坐表代表被理赔审核系统确定为待人工审核的保险赔付案件，纵坐标代表待赔付的理赔金额。其中，实线代表理赔审核规则模型预算的待人工审核的保险赔付案件通过理赔审核系统自动审核的理赔金额，虚线代表理赔审核规则模型预算的待人工审核的保险赔付案件通过人工审核的理赔金额。实线与虚线越靠拢说明通过理赔审核系统自动审核的理赔金额与通过人工审核的理赔金额相等的概率值越高，实线与虚线越分开说明通过理赔审核系统自动审核的理赔金额与通过人工审核的理赔金额相等的概率值越低。
由图3中的实线与虚线的重合程度可直观地看出，待人工审核的保险赔 付案件通过理赔审核系统自动审核的理赔金额与通过人工审核的理赔金额相等的概率值的大小。
需要说明的是，在实际使用中，为了使业务人员更清楚方便的跟客户沟通，达到客户快速理解的目的，本申请的保险案件理赔审核系统10还包括分值转换模块204，如图4中所示，图4是本申请案件理赔审核系统10另一实施例的程序模块图。
分值转换模块204，用于根据预设的概率值与分值之间的映射关系，确定预算出的概率值对应的分值，若预算出的概率值对应的分值大于预设的分值阈值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。
在本案中，显示设备可以是电子装置1上的显示器(图1中未示出)，也可以是外部其他电子设置的显示器，在一些实施例中，电子装置1包含有显示器，且显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等
可以理解地，当业务人员结合显示设备显示的待人工审核的案件对应的分值来跟客户进行沟通时，可以帮助客户更直观地理解理赔金额的来源，达到高效沟通的目的，进一步提升了客户的体验。
此外，本申请还提出一种案件理赔审核方法。
参阅图5所示，是本申请案件理赔审核方法一较佳实施流程示意图。在本实施例中，根据不同的需求，图5所示的流程图中的步骤的执行顺序可以改变，某些步骤可以省略。
步骤S301，若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值。
其中，原始数据包括身体特征信息(例如，年龄、性别、是否得过某种疾病、是否有遗传病等)、医疗信息(例如，账单数量、费用类型、医院等级、是否定点医院)、保单信息(保单数量、险种)、案件属性(案件类型、事故性质、出险地点)及理赔金额等。
需要说明的是，理赔审核规则模型为逻辑回归模型，理赔审核规则模型的训练过程包括如下步骤：
E、获取预设数量的已理赔的保险赔付案件信息样本，从信息样本中提取出每个理赔案件的原始数据。
已理赔的保险赔付案件包括，理赔审核系统自动审核的保险赔付案件和被理赔审核系统确定为异常赔付案件，通过人工审核的保险赔付案件。
F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集。
例如，第一比例为70％，第二比例为30％。
G、利用训练子集中的各个保险赔付案件的原始数据训练理赔审核规则模 型，以得到训练好的理赔审核规则模型。
在本实施例中，对训练数据集采用逻辑回归法进行训练，具体地，逻辑回归法包括，将训练数据集中每个信息样本对应的原始数据进行分类，以得到i个不同的特征(例如，对身体特征信息进行分类得到姓名、性别、年龄、已得疾病名称等不同的特征)，分别以i个不同特征为自变量x1,x2,...,xi，以每个样本通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额是否相等为目标变量，建立理赔审核规则模型。
进一步地，训练好的理赔审核规则模型包括：
Figure PCTCN2017108788-appb-000003
Figure PCTCN2017108788-appb-000004
其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；wt代表理赔审核规则模型的参数向量，φ(x，y′)代表构造的预算目标变量的概率的函数。
H、利用测试子集中的各个保险赔付案件的原始数据对理赔审核规则模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加通过人工审核的保险赔付案件信息样本的数量并重新执行上述步骤E、F、G。
进一步需要说明的是，在步骤H中，利用测试子集中的各个保险赔付案件的原始数据对理赔审核规则模型进行测试的步骤包括：
利用训练好的理赔审核规则模型对测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；
若有保险赔付案件对应的第一理赔金额与第二理赔金额相等的概率值大于预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；
计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；
若所计算出的误差值小于预设的误差阈值(例如，0.5％)，则确定
针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该保险赔付案件的模型 准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值(例如，70％)，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。
步骤S302，若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
需要说明的是，预先确定的概率阈值可以根据业务状况进行相应的修改，例如，目前公司的赔付率较低，还有大量的赔付名额时，可以适当的将预先确定的概率阈值降低，例如，假设预先确定的概率阈值为85％，在赔付业务量少的情况先，可适当的降低至80％，也可以在公司的赔付名额较紧的情况下，适当地将预先确定的概率阈值从85％提高至90％。也即，预先确定的概率阈值通常是根据公司目前的赔付业务状况而预设的。
需要说明的是，在实际使用中，为了使业务人员更清楚方便的跟客户沟通，达到客户快速理解的目的，本申请的理赔审核方法还包括，根据预设的概率值与分值之间的映射关系，确定预算出的概率值对应的分值，若预算出的概率值对应的分值大于预设的分值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值的步骤，该步骤在图5中未示出。
可以理解地，当业务人员获得显示设备显示的待人工审核的案件对应的分值后，可以快速地以该案件所得的分值为例与客户进行高效的沟通，方便客户更好的理解理赔金额的来源，进一步提升了客户的体验。
进一步地，如图6所示，为图5实施例的有益效果示意图。图6的横坐标代表待保险理赔案件的审核类型，纵坐标代表的是理赔审核规则模型预测的概率值。其中，第一长方形1代表被理赔审核系统确定为自动审核保险赔付案件所占的比例，第二长方形2代表被理赔审核系统确定为需要人工审核的保险赔付案件所占的比例，第三长方形3代表将被理赔审核系统确定为需要人工审核的保险赔付案件采用本申请的保险案件理赔审核方法审核之后确定为由理赔审核系统自动审核的保险赔付案件所占的比例，第四长方形4代表将被理赔审核系统确定为需要人工审核的保险赔付案件采用本申请的保险案件理赔审核方法之后确定的待人工审核的保险赔付案件所占的比例。
由图6可知，未采用本申请的保险案件理赔审核方法之前，待审核的保险赔付案件中，待人工审核的保险赔付案件的比例大概有50％左右，而将待人工审核的保险赔付案件经过本申请的保险案件理赔审核方法审核之后，其中有大约20％的待人工审核的保险赔付案件转理赔审核系统自动审核，也即，实施本申请的保险案件理赔审核方法之后，待人工审核的保险赔付案件的比例降为30％左右，很明显提升了审核的效率。
通过上述各个实施例可知，本申请的电子装置、理赔审核方法及系统，首先，通过获取已理赔案件的原始数据，基于所获取的原始数据生成训练数据集，使用逻辑回归法分析生成的训练数据集，以建立理赔审核规则模型；然后，分别将待人工审核的案件的原始数据代入理赔审核规则模型进行分析，以预算出待人工审核的案件通过人工审核的理赔金额与通过系统自动审核的理赔金额相等的概率值；最后，将所预算的概率值与预设的概率阈值进行比较，若有预算的概率值大于预设的概率阈值，则将该概率值对应的待人工审核的案件转系统自动审核。实现了将待人工审核的案件中的部分案件转系统自动审核，提高了审核效率，提升了用户体验，且节约了公式审核运营成本。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
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。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (20)

  1. 一种电子装置，其特征在于，所述电子装置包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的保险案件理赔审核系统，所述保险案件理赔审核系统被所述处理器执行时实现如下步骤：
    A、若有待保险赔付案件被理赔审核系统确定为待人工审核案件，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；
    B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
  2. 如权利要求1所述的电子装置，其特征在于，所述保险案件理赔审核系统被所述处理器执行时还实现如下步骤：
    根据预设的概率值与分值之间的映射关系，确定所述预算出的概率值对应的分值，若所述预算出的概率值对应的分值大于预设的分值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。
  3. 如权利要求1所述的电子装置，其特征在于，所述理赔审核规则模型为逻辑回归模型，所述理赔审核规则模型的训练过程包括如下步骤：
    E、获取预设数量的已理赔的保险赔付案件信息样本，从所述信息样本中提取出每个保险赔付案件的原始数据；
    F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集；
    G、利用所述训练子集中的各个保险赔付案件的原始数据训练所述理赔审核规则模型，以得到训练好的理赔审核规则模型；
    H、利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述通过人工审核的保险赔付案件信息样本的数量并重新执行上述步骤E、F、G。
  4. 如权利要求3所述的电子装置，其特征在于，在所述步骤H中，所述利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试的步骤包括：
    利用训练好的所述理赔审核规则模型对所述测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；
    若有保险赔付案件对应的所述第一理赔金额与所述第二理赔金额相等的 概率值大于所述预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；
    计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；
    若所计算出的误差值小于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为错误；
    若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。
  5. 如权利要求4所述的电子装置，其特征在于，所述理赔审核规则模型包括：
    Figure PCTCN2017108788-appb-100001
    Figure PCTCN2017108788-appb-100002
    其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；wt代表理赔审核规则模型的参数向量，φ(x,y')代表构造的预算目标变量的概率的函数。
  6. 一种保险案件理赔审核方法，其特征在于，所述方法包括如下步骤：
    A、若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；
    B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
  7. 如权利要求6所述的保险案件理赔审核方法，其特征在于，所述方法还包括如下步骤：
    根据预设的概率值与分值之间的映射关系，确定所述预算出的概率值对应的分值，若所述预算出的概率值对应的分值大于预设的分值阈值，则将该 待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。
  8. 如权利要求6所述的保险案件理赔审核方法，其特征在于，所述理赔审核规则模型为逻辑回归模型，所述理赔审核规则模型的训练过程包括如下步骤：
    E、获取预设数量的已理赔的保险赔付案件信息样本，从所述信息样本中提取出每个理赔案件的原始数据；
    F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集；
    G、利用所述训练子集中的各个保险赔付案件的原始数据训练所述理赔审核规则模型，以得到训练好的理赔审核规则模型；
    H、利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型的进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述通过人工审核的保险理赔案件信息样本的数量并重新执行步骤E、F、G。
  9. 如权利要求8所述的保险案件理赔审核方法，其特征在于，在所述步骤H中，所述利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试的步骤包括：
    利用训练好的所述理赔审核规则模型对所述测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；
    若有保险赔付案件对应的所述第一理赔金额与所述第二理赔金额相等的概率值大于所述预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；
    计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；
    若所计算出的误差值小于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果所占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。
  10. 如权利要求9所述的保险案件理赔审核方法，其特征在于，所述理赔审核规则模型包括：
    Figure PCTCN2017108788-appb-100003
    Figure PCTCN2017108788-appb-100004
    其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；wt代表理赔审核规则模型的参数向量，φ(x,y')代表构造的预算目标变量的概率的函数。
  11. 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案件理赔审核系统，所述案件理赔审核系统可被至少一个处理器执行，以使所述至少一个处理器执行如下步骤：
    A、若有待保险赔付案件被理赔审核系统确定为待人工审核案件，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；
    B、若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
  12. 如权利要求11所述的计算机可读存储介质，其特征在于，所述保险案件理赔审核系统被所述处理器执行时还实现如下步骤：
    根据预设的概率值与分值之间的映射关系，确定所述预算出的概率值对应的分值，若所述预算出的概率值对应的分值大于预设的分值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。
  13. 如权利要求11所述的计算机可读存储介质，其特征在于，所述理赔审核规则模型为逻辑回归模型，所述理赔审核规则模型的训练过程包括如下步骤：
    E、获取预设数量的已理赔的保险赔付案件信息样本，从所述信息样本中提取出每个保险赔付案件的原始数据；
    F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集；
    G、利用所述训练子集中的各个保险赔付案件的原始数据训练所述理赔审核规则模型，以得到训练好的理赔审核规则模型；
    H、利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述通过人工审核的保险赔付案件信息样本的数量并重新执行上述步骤E、F、G。
  14. 如权利要求13所述的计算机可读存储介质，其特征在于，在所述步骤H中，所述利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试的步骤包括：
    利用训练好的所述理赔审核规则模型对所述测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；
    若有保险赔付案件对应的所述第一理赔金额与所述第二理赔金额相等的概率值大于所述预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；
    计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；
    若所计算出的误差值小于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定针对该保险赔付案件的模型准确性测试的结果为错误；
    若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。
  15. 如权利要求14所述的计算机可读存储介质，其特征在于，所述理赔审核规则模型包括：
    Figure PCTCN2017108788-appb-100005
    Figure PCTCN2017108788-appb-100006
    其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；wt代表理赔审核规则模型的参数向量，φ(x,y')代表构造的预算目标变量的概率的函数。
  16. 一种保险案件理赔审核系统，其特征在于，所述保险案件理赔审核系统包括：
    计算模块，用于若有待保险赔付案件被理赔审核系统确定为待人工审核，则调用预先训练的理赔审核规则模型对该待保险赔付案件的原始数据进行计 算，以自动预算出该待保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值，其中，所述原始数据包括身体特征信息、医疗信息、保单信息、案件属性及理赔金额；
    判断模块，用于若预算出的概率值大于预设的概率阈值，则将该待保险赔付案件转理赔审核系统自动审核，或者，若预算出的概率值小于或者等于预设的概率阈值，则生成针对该待保险赔付案件的人工审核提醒信息。
  17. 如权利要求16所述的保险理赔审核系统，其特征在于，所述保险理赔审核系统还包括：
    数值转换模块，用于根据预设的概率值与分值之间的映射关系，确定所述预算出的概率值对应的分值，若所述预算出的概率值对应的分值大于预设的分值阈值，则将该待保险赔付案件转理赔审核系统自动审核，并通过显示设备显示该待保险赔付案件对应的分值。
  18. 如权利要求16所述的保险理赔审核系统，其特征在于，所述理赔审核规则模型为逻辑回归模型，所述理赔审核规则模型的训练过程包括如下步骤：
    E、获取预设数量的已理赔的保险赔付案件信息样本，从所述信息样本中提取出每个理赔案件的原始数据；
    F、将各个保险赔付案件信息样本对应的原始数据集合分为第一比例的训练子集和第二比例的测试子集；
    G、利用所述训练子集中的各个保险赔付案件的原始数据训练所述理赔审核规则模型，以得到训练好的理赔审核规则模型；
    H、利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型的进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述通过人工审核的保险理赔案件信息样本的数量并重新执行步骤E、F、G。
  19. 如权利要求18所述的保险理赔审核系统，其特征在于，在所述步骤H中，所述利用所述测试子集中的各个保险赔付案件的原始数据对所述理赔审核规则模型进行测试的步骤包括：
    利用训练好的所述理赔审核规则模型对所述测试子集中的各个保险赔付案件的原始数据进行分析，以得出各个保险赔付案件通过人工审核的第一理赔金额与通过理赔审核系统自动审核的第二理赔金额相等的概率值；
    若有保险赔付案件对应的所述第一理赔金额与所述第二理赔金额相等的概率值大于所述预设的概率阈值，则针对该保险赔付案件进行模型准确性测试，将该保险赔付案件进行人工审核，以得到该保险赔付案件对应的第一理赔金额，并调用理赔审核系统自动审核该保险赔付案件，以得到该保险赔付案件对应的第二理赔金额；
    计算得到的该保险赔付案件对应的第一理赔金额与第二理赔金额之间的误差值；
    若所计算出的误差值小于预设的误差阈值，则确定针对该保险赔付案件 的模型准确性测试的结果为正确，或者，若所计算出的误差值大于或等于预设的误差阈值，则确定对所述理赔审核规则模型的测试通过，或者，若为正确的模型准确性测试结果所占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述理赔审核规则模型的测试不通过。
  20. 如权利要求19所述的保险理赔审核系统，其特征在于，所述理赔审核规则模型包括：
    Figure PCTCN2017108788-appb-100007
    Figure PCTCN2017108788-appb-100008
    其中，x为自变量，代表每个样本中的原始数据；i代表自变量x的个数；y为目标变量，代表每个样本通过人工审核的理赔金额是否与通过系统自动审核的理赔金额相等；p为预算的概率值，代表预算的目标变量y的概率；β为权重值，代表自变量x对目标变量y的影响度；θ为一常数；wt代表理赔审核规则模型的参数向量，φ(x,y')代表构造的预算目标变量的概率的函数。
PCT/CN2017/108788 2017-08-31 2017-10-31 电子装置、保险案件理赔审核方法、系统及计算机可读存储介质 WO2019041518A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710773470.5A CN107679995B (zh) 2017-08-31 2017-08-31 电子装置、保险案件理赔审核方法及计算机可读存储介质
CN2017107734705 2017-08-31

Publications (1)

Publication Number Publication Date
WO2019041518A1 true WO2019041518A1 (zh) 2019-03-07

Family

ID=61134811

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/108788 WO2019041518A1 (zh) 2017-08-31 2017-10-31 电子装置、保险案件理赔审核方法、系统及计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN107679995B (zh)
WO (1) WO2019041518A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109255718A (zh) * 2018-06-28 2019-01-22 平安科技（深圳）有限公司 保险赔付方法与装置、计算机设备与可读存储介质
CN109035041A (zh) * 2018-08-03 2018-12-18 平安科技（深圳）有限公司 电子装置、车险智能理赔方法及存储介质
CN110930103A (zh) * 2018-09-18 2020-03-27 北京京东尚科信息技术有限公司 服务单审核方法及系统、介质和计算机系统
CN109544353B (zh) * 2018-10-19 2023-08-15 中国平安人寿保险股份有限公司 电子装置、基于数据变化因子分析准备金变化的方法及存储介质
CN109783802A (zh) * 2018-12-13 2019-05-21 平安医疗健康管理股份有限公司 一种业务规则处理方法、服务器及计算机可读存储介质
CN109741077A (zh) * 2018-12-28 2019-05-10 上汽通用五菱汽车股份有限公司 售后索赔结算方法、设备及存储介质
CN110070452B (zh) * 2019-03-19 2023-03-10 创新先进技术有限公司 模型训练方法、装置、计算设备及计算机可读存储介质
CN110033387A (zh) * 2019-04-12 2019-07-19 泰康保险集团股份有限公司 基于区块链的理赔数据处理方法、装置、介质及电子设备
CN110689440A (zh) * 2019-08-13 2020-01-14 平安科技（深圳）有限公司 基于图片识别的车险理赔识别方法、装置、计算机设备及存储介质
CN112734352A (zh) * 2019-10-28 2021-04-30 北京京东尚科信息技术有限公司 一种基于数据维度的单据审核方法和装置
CN113313279A (zh) * 2020-02-27 2021-08-27 北京沃东天骏信息技术有限公司 一种单据审核方法和装置
TWI812934B (zh) * 2021-03-18 2023-08-21 新安東京海上產物保險股份有限公司 自動分案系統
CN113205130B (zh) * 2021-04-28 2023-05-02 五八有限公司 一种数据审核方法、装置、电子设备及存储介质
CN113344437B (zh) * 2021-06-29 2023-02-03 中国平安人寿保险股份有限公司 理赔业务处理方法、装置、计算机设备和存储介质
CN113469826B (zh) * 2021-07-22 2022-12-09 阳光人寿保险股份有限公司 一种信息处理的方法、装置、设备及存储介质
CN113658011A (zh) * 2021-08-27 2021-11-16 上海镁信健康科技有限公司 一种基于智能理赔的系统
CN114372890B (zh) * 2022-01-12 2023-03-07 中国人民健康保险股份有限公司深圳分公司 一种保险自助理赔管理方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102088369A (zh) * 2010-12-30 2011-06-08 天津市国瑞数码安全系统有限公司 互联网站备案信息自动审核方法
CN105405053A (zh) * 2015-10-28 2016-03-16 上海商保通健康科技有限公司 人工智能理算系统
CN105956667A (zh) * 2016-04-14 2016-09-21 平安科技（深圳）有限公司 车险定损理赔审核方法及系统
CN106570759A (zh) * 2016-11-09 2017-04-19 中国平安财产保险股份有限公司 一种车险案件定损智能风险评分方法及系统
CN106803205A (zh) * 2016-12-27 2017-06-06 北京量子保科技有限公司 一种用于保险自动核赔的系统和方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10445795B2 (en) * 2003-07-31 2019-10-15 Swiss Reinsurance Company Ltd. Systems and methods for multi-level business processing
CN102163307A (zh) * 2011-04-08 2011-08-24 常州谐筑信息科技有限公司 医保理赔管理方法
CN106530090A (zh) * 2015-09-15 2017-03-22 平安科技（深圳）有限公司 医疗理赔系统及方法
CN106600417A (zh) * 2016-11-09 2017-04-26 前海企保科技（深圳）有限公司 一种财产保险保单的核保方法和装置
CN106934720B (zh) * 2017-01-24 2021-11-16 久隆财产保险有限公司 基于物联网的设备保险智能定价方法与系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102088369A (zh) * 2010-12-30 2011-06-08 天津市国瑞数码安全系统有限公司 互联网站备案信息自动审核方法
CN105405053A (zh) * 2015-10-28 2016-03-16 上海商保通健康科技有限公司 人工智能理算系统
CN105956667A (zh) * 2016-04-14 2016-09-21 平安科技（深圳）有限公司 车险定损理赔审核方法及系统
CN106570759A (zh) * 2016-11-09 2017-04-19 中国平安财产保险股份有限公司 一种车险案件定损智能风险评分方法及系统
CN106803205A (zh) * 2016-12-27 2017-06-06 北京量子保科技有限公司 一种用于保险自动核赔的系统和方法

Also Published As

Publication number Publication date
CN107679995A (zh) 2018-02-09
CN107679995B (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
WO2019041518A1 (zh) 电子装置、保险案件理赔审核方法、系统及计算机可读存储介质
US9898708B2 (en) Uplifting of computer resources
US11587161B2 (en) Explainable complex model
US20120278217A1 (en) Systems and methods for improving prediction of future credit risk performances
US20130290167A1 (en) System and method for credit risk management for educational institutions
CN110610431B (zh) 基于大数据的智能理赔方法及智能理赔系统
WO2019153598A1 (zh) 客户风险等级管理方法、服务器及计算机可读存储介质
AU2016288779A1 (en) Modifying data structures to indicate derived relationships among entity data objects
CN110851298B (zh) 异常分析及处理方法、电子装置及存储介质
CN111180065A (zh) 保险用户评估方法、装置、电子设备及计算机可读介质
US20160247223A1 (en) Fully Automated Consumer-Facing Mortgage Processing Systems, Processes Methods and Products
WO2019148721A1 (zh) 电子装置、互联网服务系统风险预警方法及存储介质
CN108090831A (zh) 信贷风险评估方法、应用服务器及计算机可读存储介质
JP2018200734A (ja) 判定装置、判定方法、及び判定プログラム
CN111598122B (zh) 数据校验方法、装置、电子设备和存储介质
CN111523997A (zh) 客户风险评估方法和装置、以及电子设备和可读存储介质
WO2019062190A1 (zh) 电子装置、账单数据处理方法及计算机存储介质
CN111986039A (zh) 赔案风控识别方法、装置、计算机设备及可读存储介质
CN111340584A (zh) 一种资金方的确定方法、装置、设备及存储介质
CN110647523A (zh) 数据质量的分析方法及装置、存储介质、电子设备
US20230116345A1 (en) Systems and methods for enterprise wide risk assessment and aggregated risk analysis
CN110675249A (zh) 网络借贷的匹配方法、装置、服务器和存储介质
CN115936895A (zh) 基于人工智能的风险评估方法、装置、设备及存储介质
US20160104246A1 (en) System for dynamically calculating claim allocations
CN111861757A (zh) 一种融资匹配方法、系统、设备和存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17923299

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 23.09.2020)

122 Ep: pct application non-entry in european phase

Ref document number: 17923299

Country of ref document: EP

Kind code of ref document: A1