[发明专利]模型生成、健康险理赔的确定方法、装置、设备及介质

权利要求书

1.一种模型生成方法，其特征在于，包括：

获取历史健康险理赔案件的历史健康险理赔数据、及所述历史健康险理赔案件是否为历史健康险理赔欺诈案件的分类数据，将所述历史健康险理赔数据和所述分类数据作为一组训练样本；

基于多组所述训练样本对待进行训练的机器学习模型进行训练，得到健康险理赔欺诈案件的分类模型；

其中，所述历史健康险理赔数据包括历史保单责任数据，且所述分类数据包括针对所述历史健康险理赔案件的人工审核数据或是实际拒赔数据。

2.根据权利要求1所述的方法，其特征在于，所述基于多组所述训练样本对待进行训练的机器学习模型进行训练，得到健康险理赔欺诈案件的分类模型，包括：

获取至少两个待进行训练的机器学习模型；

将多组所述训练样本划分为第一组训练样本和第二组训练样本；

针对于每个所述机器学习模型，基于所述第一组训练样本对所述机器学习模型进行训练，得到中间学习模型；

针对每个所述中间学习模型，基于所述第二组训练样本处理所述中间学习模型，并根据各所述中间学习模型的处理结果从各所述中间学习模型中确定出健康险理赔欺诈案件的分类模型。

3.根据权利要求2所述的方法，其特征在于，所述根据各所述中间学习模型的处理结果从各所述中间学习模型中确定出健康险理赔欺诈案件的分类模型，包括：

根据各所述中间学习模型的处理结果，从各所述中间学习模型中确定出待测试学习模型，并基于已获取的多组测试样本对所述待测试学习模型进行测试；

若根据测试结果确定所述待测试学习模型未能满足预先设置的健康险理赔欺诈案件的分类性能，则将所述待测试模型作为所述机器学习模型，重复执行所述将多组所述训练样本划分为第一组训练样本和第二组训练样本的步骤；

否则，将所述待测试学习模型作为健康险理赔欺诈案件的分类模型。

4.根据权利要求1所述的方法，其特征在于，所述历史保单责任数据包括历史就诊医院级别、历史疾病类型和历史理赔金额中的至少一个。

5.根据权利要求1所述的方法，其特征在于，所述历史健康险理赔数据还包括历史就医对象的基本数据、医疗数据和医保结算数据中的至少一个。

6.一种健康险理赔的确定方法，其特征在于，包括：

在检测到健康险理赔的确定事件时，获取与所述确定事件对应的当前健康险理赔案件的当前健康险理赔数据、及按照权利要求1-5中任一项的方法生成的已训练完成的健康险理赔欺诈案件的分类模型，其中，所述当前健康险理赔数据包括当前保单责任数据；

将所述当前健康险理赔数据输入至所述分类模型中，并根据所述分类模型的输出结果，确定是否对所述当前健康险理赔案件进行理赔。

7.一种模型生成装置，其特征在于，包括：

训练样本得到模块，用于获取历史健康险理赔案件的历史健康险理赔数据、及所述历史健康险理赔案件是否为历史健康险理赔欺诈案件的分类数据，并将所述历史健康险理赔数据和所述分类数据作为一组训练样本；

分类模型生成模块，用于基于多组所述训练样本对待进行训练的机器学习模型进行训练，得到健康险理赔欺诈案件的分类模型；

其中，所述历史健康险理赔数据包括历史保单责任数据，且所述分类数据包括针对所述历史健康险理赔案件的人工审核数据或是实际拒赔数据。

8.一种健康险理赔的确定装置，其特征在于，包括：

分类模型获取模块，用于在检测到健康险理赔的确定事件时，获取与所述确定事件对应的当前健康险理赔案件的当前健康险理赔数据、及按照权利要求1-5中任一项的方法生成的已训练完成的健康险理赔欺诈案件的分类模型，其中，所述当前健康险理赔数据包括当前保单责任数据；

案件理赔确定模块，用于将所述当前健康险理赔数据输入至所述分类模型中，根据所述分类模型的输出结果，确定是否对所述当前健康险理赔案件进行理赔。