[發明專利]理賠決策方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201810925295.1
• 申請日: 2018-08-14
• 公開（公告）號: CN109255013A
• 公開（公告）日: 2019-01-22
• 發明（設計）人: 胡帆;程吉安
• 申請（專利權）人: 平安醫療健康管理股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F17/27;G06Q40/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

1.一種理賠決策方法，所述方法包括：

接收理賠員終端發送的理賠決策請求，所述理賠決策請求中攜帶待理賠患者的身份標識；

根據所述身份標識查找對應的當前診斷文本及診斷結果，提取所述當前診斷文本的多個關鍵詞；

從預先建立的標準詞匯庫中查找與所述關鍵詞對應的目標標準詞，得到目標標準詞集合；

獲取所述診斷結果對應的已訓練的決策樹模型作為目標決策樹模型，根據所述目標標準詞集合及所述目標決策樹模型得到所述待理賠患者對應的治療類型；

根據所述治療類型查詢對應的預設理賠數據，根據所述預設理賠數據得到目標決策數據，將所述目標決策數據發送至所述理賠員終端。

2.根據權利要求1所述的方法，其特征在于，所述提取所述當前診斷文本的多個關鍵詞包括：

將所述當前診斷文本進行分詞，并對分詞結果進行過濾；

根據過濾后得到的詞建立候選關鍵詞圖，并獲取所述候選關鍵詞圖中詞節點的預設初始權重；

循環迭代所述候選關鍵詞圖，直至達到預設條件時，得到所述詞節點的目標權重；

根據所述目標權重對所述詞節點進行排序，根據排序結果獲取第一預設數量的詞節點作為關鍵詞。

3.根據權利要求1所述的方法，其特征在于，所述從預先建立的標準詞匯庫中查找與所述關鍵詞對應的目標標準詞，得到目標標準詞集合，包括：

從預先建立的標準詞匯庫中查找所述診斷結果對應的標準詞匯集合；

分別計算每一個關鍵詞與所述標準詞匯集合中的各個標準詞匯的相似度；

當相似度最大值大于預設閾值時，獲取相似度最大值對應的標準詞匯作為所述關鍵詞對應的目標標準詞。

4.根據權利要求1所述的方法，其特征在于，所述獲取所述診斷結果對應的已訓練的決策樹模型作為目標決策樹模型，包括：

將所述診斷結果分別與各個已訓練的決策樹模型對應的疾病類型進行匹配；

當所述診斷結果與任意一個疾病類型匹配成功時，獲取所述疾病類型對應的已訓練的決策樹模型作為目標決策樹模型；

當所述診斷結果與所有疾病類型都不匹配時，對所述診斷結果進行分詞處理，從分詞結果中提取關鍵詞，獲取與所述關鍵詞匹配度最高的疾病類型對應的已訓練的決策樹模型作為目標決策樹模型。

5.根據權利要求1所述的方法，其特征在于，所述根據所述預設理賠數據得到目標決策數據，包括：

當所述預設理賠數據的數量為第二預設數量時，獲取每一條預設理賠數據對應的標簽信息；

獲取所述用戶標識對應的個人信息；

根據所述標簽信息及所述個人信息得到目標決策數據。

6.根據權利要求1至5任意一項所述的方法，其特征在于，所述決策樹模型的生成步驟包括：

獲取訓練樣本集，所述訓練樣本集包括歷史診斷文本對應的目標標準詞集合；

按照訓練樣本集中每一個所述目標標準詞對訓練樣本集進行劃分，得到每一個目標標準詞對應的劃分結果；

分別計算每一個劃分結果的信息增益熵，并選擇信息增益熵最大的劃分結果對應的目標標準詞作為分割點，按照分割點將訓練樣本集劃分為兩個訓練樣本子集；

對兩個訓練樣本子集重新計算各個目標標準詞對應的信息增益熵，并按照信息增益熵最大的原則重新劃分訓練樣本子集，當訓練樣本子集中所有的樣本數據都屬于相同的類時，得到已訓練的決策樹模型。