[发明专利]保单理赔的处理方法、装置、电子设备及存储介质

说明书

本申请提供了一种保单理赔的处理方法、装置、电子设备及存储介质，应用于计算机领域，所述方法包括：获取待处理的保单信息；将所述保单信息输入至核赔策略感知机进行处理，得到第一核赔识别模块评分，并将所述保单信息输入至多层感知器进行处理，得到第二核赔识别模块评分，所述核赔策略感知机是基于不均衡损失函数的损失函数训练得到；基于所述第一核赔识别模块评分和所述第二核赔识别模块评分相匹配的核赔审核策略对所述保单信息执行核赔操作。本方案减少了理赔环节对人资的巨大需求，并且在保证对赔付识别准确性的同时，提高了核赔效率。

技术领域

本申请涉及计算机领域，尤其涉及一种保单理赔的处理方法、装置、电子设备及存储介质。

背景技术

目前由于现有的理赔大部分以来业务人员的人工理赔调查，效率较为低下，而且这种方法过度依赖业务人员的人工调查，会造成巨大的人资缺口。由不同业务人员带来的工作能力有所差异，审核水平不统一，审核太过主观等因素，容易为理赔环节带来不必要的损失。二是，拒赔案件若不能有效识别，还会给公司带来额外的赔付风险。工业界现用的一些相关模型，多使用默认参数，并不能很好地贴近业务。

发明内容

本申请实施例提供一种保单理赔的处理方法，所述方法包括：

获取待处理的保单信息；

将所述保单信息输入至核赔策略感知机进行处理，得到第一核赔识别模块评分，并将所述保单信息输入至多层感知器进行处理，得到第二核赔识别模块评分，所述核赔策略感知机是基于不均衡损失函数的损失函数训练得到；

基于所述第一核赔识别模块评分和所述第二核赔识别模块评分相匹配的核赔审核策略对所述保单信息执行核赔操作。

可选地，所述核赔策略感知机是通过如下步骤训练得到：

获取样本保单信息并构建初始化的Light GBM模型；

获取所述Light GBM模型中二分类交叉熵函数的一阶导和二阶导；

根据所述一阶导和所述二阶导计算得到所述样本保单信息的梯度模长；

根据预设密度参数对所述梯度模长进行变换，得到目标梯度密度；

根据所述目标梯度密度构建基于不均衡损失函数的目标损失函数；

利用所述样本保单信息对部署有所述目标损失函数的Light GBM模型进行训练，得到核赔策略感知机。

可选地，在所述根据所述目标梯度密度构建基于不均衡损失函数的目标损失函数之后，所述方法包括：

通过所述样本保单信息的样本数量累加值对所述目标损失函数进行调整。

可选地，所述根据预设密度参数对所述梯度模长进行变换，得到目标梯度密度，包括：

其中，所述GD(g)为目标梯度密度，所述R_ind(g_x，g)为单位区域内样本数量，所述ε为单位区域长度，可小到趋近于0，所述g为样本的梯度模长，x为单位区域内的样本个数。。

可选地，所述通过所述样本保单信息的样本数量累加值对所述目标损失函数进行调整，包括：