[发明专利]一种针对保单理赔的自动核赔方法及相关设备

权利要求书

1.一种针对保单理赔的自动核赔方法，包括：

提取业务系统数据库中历史保单理赔申请信息以及与所述历史保单理赔申请欺诈认定结果，得到历史理赔数据；

提取客户画像数据和营销员画像数据；

根据历史理赔数据与所述客户画像数据、营销员画像数据进行连接生成训练样本数据；

利用所述训练样本数据对机器学习模型进行训练，得到核赔模型；

将待核保单理赔数据输入所述核赔模型中，得到所述核赔模型输出的保单理赔欺诈概率；

将所述保单理赔欺诈概率与预先设置的第一阈值和第二阈值进行比较，当所述保单理赔欺诈概率小于第一阈值时，判定核赔为非欺诈；当所述保单理赔欺诈概率大于第二阈值时，判定所述核赔为欺诈；当所述保单理赔欺诈概率大于等于第一阈值、小于等于第二阈值时，判定所述核赔为存疑。

2.根据权利要求1所述的方法，其中，所述历史保单理赔申请信息包括：

保单信息、投保人ID、被保人ID、营销员ID；以及

所述历史理赔数据包括保单信息、投保人ID、被保人ID、营销员ID、以及欺诈认定。

3.根据权利要求1所述的方法，其中，所述客户画像数据包括：投保人ID、投保人特征、被保人ID、被保人特征；

所述营销员画像数据包括：营销员ID、以及营销员特征。

4.根据权利要求1所述的方法，其中，所述样本数据包括：保单信息、投保人ID、投保人特征、被保人ID、被保人特征、营销员ID、营销员特征以及欺诈认定。

5.根据权利要求4所述的方法，其中，所述核赔模型为XGboost算法模型或随机森林算法模型，其中，所述核保模型中，将保单信息、投保人特征、被保人特征和营销员特征作为和核赔模型训练的特征列，将欺诈认定作为核赔模型训练的目标列。

6.根据权利要求4所述的方法，其中，所述待核保单理赔数据包括：保单信息、投保人ID、被保人ID、营销员ID以及对应的投保人特征、被保人特征和营销员特征。

7.一种针对保单理赔的自动核赔装置，包括：

数据提取模块：被配置为提取业务系统数据库中历史保单理赔申请信息以及与所述历史保单理赔申请欺诈认定结果，得到历史理赔数据；提取客户画像数据和营销员画像数据；

关联数据模块：被配置为根据历史理赔数据与所述客户画像数据、营销员画像数据进行连接生成训练样本数据；

构建核赔模型模块：被配置为利用所述训练样本数据对机器学习模型进行训练，得到核赔模型；

自动核赔模块：被配置为将待核保单理赔数据输入所述核赔模型中，得到所述核赔模型输出的保单理赔欺诈概率；将所述保单理赔欺诈概率与预先设置的第一阈值和第二阈值进行比较，当所述保单理赔欺诈概率小于第一阈值时，判定核赔为非欺诈；当所述保单理赔欺诈概率大于第二阈值时，判定所述核赔为欺诈；当所述保单理赔欺诈概率大于等于第一阈值、小于等于第二阈值时，判定所述核赔为存疑。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任意一项所述的方法。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至6任一所述方法。