[发明专利]基于专家规则的人工智能模型结果溯源方法、系统、装置

权利要求书

1.一种基于专家规则的人工智能模型结果溯源方法，其特征在于，包括以下步骤：

步骤S1：采集车险案件历史数据，构建车险历史案件数据库；提取风险因子和专家因子，根据专家规则将车险案件历史数据转化为图结构数据；

步骤S2：采用步骤S1得到的图结构数据构建图谱网络，基于图谱网络通过网络表示学习模型训练得到专家因子向量，通过拼接或平均专家因子向量形成专家规则向量，并将专家因子向量和专家规则向量存储到规则向量数据库中；

步骤S3：采集被人工智能模型判定为风险案件的车险实时数据，通过提取风险因子和专家因子得到已触发的专家因子集合，结合步骤S2得到的专家规则向量，对照采用缺省填补的方式得到拟触发规则向量；

步骤S4：计算专家规则向量和拟触发规则向量的相似度；

步骤S5：根据相似度结果为车险实时案件提供溯因。

2.根据权利要求1所述的基于专家规则的人工智能模型结果溯源方法，其特征在于，所述步骤S1生成图结构数据具体为：先采集车险案件历史数据构建车险历史案件数据库；再提取出车险历史案件数据库中与专家规则相关联的字段，形成风险因子数据集；然后提取专家因子，按照专家规则中的因子组成对风险因子数据集中的各字段进行判断，生成的新字段，构成专家因子数据集；最后将专家因子数据集转换为图结构数据。

3.根据权利要求2所述的基于专家规则的人工智能模型结果溯源方法，其特征在于，所述图结构数据为三元组、边表或邻接矩阵。

4.根据权利要求1所述的基于专家规则的人工智能模型结果溯源方法，其特征在于，所述步骤S2中专家规则向量的计算方法还可以采用自编码器或嵌套等能实现将离散变量转换为连续向量表示的方法。

5.根据权利要求1所述的基于专家规则的人工智能模型结果溯源方法，其特征在于，所述步骤S3中的缺省填补具体为：拟触发规则中未触发的专家因子填补默认值，所述默认值通常为零向量。

6.根据权利要求1所述的基于专家规则的人工智能模型结果溯源方法，其特征在于，所述步骤S4采用COS余弦定理计算相似度。

7.一种基于专家规则的人工智能模型结果溯源系统，其特征在于，该系统包含以下单元：

车险历史案件数据库用于存储车险案件历史数据；

风险因子提取单元通过找出专家规则与车险历史案件数据库中历史数据的内在/外在联系，形成风险因子数据集；

专家因子提取单元根据专家规则中的专家因子对风险因子数据集进行判断处理，得到以专家因子为导向的新字段，构成专家因子数据集；

图结构数据生成单元用于将以专家因子数据集转换为适用于网络表示学习输入的数据格式；

网络表示学习训练单元采用无监督或自监督的图表示学习方法训练数据，得到专家因子向量；

规则向量数据库用于存储专家因子向量，将专家因子向量进行拼接得到专家规则向量，并采用缺省填补法得到拟触发规则向量；

规则向量相似度计算单元用于计算专家规则向量和拟触发规则向量的相似度；

决策单元依据专家规则向量和拟触发规则向量的相似度为案件提供溯因；

8.一种基于专家规则的人工智能模型结果溯源装置，其特征在于，包括一个或多个处理器，用于实现权利要求1-6中任一项所述的基于专家规则的人工智能模型结果溯源方法。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时，用于实现权利要求1-6中任一项所述的基于专家规则的人工智能模型结果溯源方法。