[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

说明书

本发明实施例公开了一种模型生成、健康险理赔的确定方法、装置、设备及介质。该模型生成方法可包括：获取历史健康险理赔案件的历史健康险理赔数据、及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，并将历史健康险理赔数据和分类数据作为一组训练样本，其中，历史健康险理赔数据包括历史保单责任数据，且分类数据包括针对历史健康险理赔案件的人工审核数据或是实际拒赔数据；基于多组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。本发明实施例的技术方案，可以生成用于确定健康险理赔案件是否为健康险理赔欺诈案件的分类模型，即用于自动确定是否进行健康险理赔的分类模型。

技术领域

本发明实施例涉及数据处理领域，尤其涉及一种模型生成、健康险理赔的确定方法、装置、设备及介质。

背景技术

健康险可以包括保险公司通过疾病保险、医疗保险、失能收入损失保险和护理保险等方式对因健康原因导致的损失给付保险金的保险，参保人在向保险公司缴纳保险金并订立保险合约后，一旦参保人因健康原因导致了经济损失，保险公司需要受理参保人的索赔申请并支付保险金赔偿。

当前实践中，主要是由人工确定是否进行健康险理赔。具体的，当参保人提交索赔申请后，保险公司会安排大量理赔人员来审核索赔申请是否正常(即是否属于欺诈)，这一过程非常繁琐，而且审核的准确性非常有限：多达70％的索赔申请被标记为欺诈，但其中拒赔的成功率仅有10％。理赔审核占用了宝贵的人力、时间和其他资源，但是审核效果难以令人满意。

发明内容

本发明实施例提供了一种模型生成、健康险理赔的确定方法、装置、设备及介质，以生成可用于健康险理赔的自动确定的模型。

第一方面，本发明实施例提供了一种模型生成方法，可以包括：

获取历史健康险理赔案件的历史健康险理赔数据、及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，并将历史健康险理赔数据和分类数据作为一组训练样本；

基于多组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，历史健康险理赔数据包括历史保单责任数据，且分类数据包括针对历史健康险理赔案件的人工审核数据或是实际拒赔数据。

可选的，基于多组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，可以包括：

获取至少两个待进行训练的机器学习模型；

将多组训练样本划分为第一组训练样本和第二组训练样本；

针对每个机器学习模型，基于第一组训练样本对机器学习模型进行训练，得到中间学习模型；

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

在此基础上，可选的，根据各中间学习模型的处理结果从各中间学习模型中确定出健康险理赔欺诈案件的分类模型，可以包括：

根据各中间学习模型的处理结果，从各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待测试学习模型进行测试；

若根据测试结果确定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，则将待测试模型作为机器学习模型，重复执行将多组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，将待测试学习模型作为健康险理赔欺诈案件的分类模型。

可选的，历史保单责任数据可以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。

可选的，历史健康险理赔数据还可以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。