[發明專利]一種保險產品需求文檔處理方法、裝置及電子設備

在審

• 申請號: 202010172659.0
• 申請日: 2020-03-12
• 公開（公告）號: CN111444718A
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 王寶松
• 申請（專利權）人: 泰康保險集團股份有限公司;泰康在線財產保險股份有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/247;G06K9/62;G06Q40/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

本申請提供了一種保險產品需求文檔處理方法、裝置及電子設備，所述方法包括：獲取待處理的目標保險產品需求文檔；將目標保險產品需求文檔輸入預先訓練好的實體規則識別模型中，得到目標保險產品需求文檔中的各個實體，以及各個實體對應的實體類型；將所得到的各個實體，以及各個實體對應的實體類型進行結構化存儲；實體規則識別模型是基于樣本保險產品需求文檔訓練得到的，在訓練實體規則識別模型的過程中，標注樣本保險產品需求文檔中的訓練集保險產品需求文檔中的各個實體，以及各個實體對應的實體類型?？梢?，本申請實施例提供的技術方案中，提高了保險產品需求文檔中規則信息的配置效率以及配置準確率，進而縮短了保險產品的開發周期。

技術領域

本申請涉及保險技術領域，特別是涉及一種保險產品需求文檔處理方法、裝置及電子設備。

背景技術

隨著我國經濟的快速發展，人們生活水平不斷提高，風險保障意識也日益增強，為保險行業的快速發展提供了良好的外部環境，各個保險公司也因此不斷推出符合人們需求的保險產品。

在推出一款保險產品時，由保險產品人員撰寫該款保險產品的保險產品需求文檔，該保險產品需求文檔通常包括多條規則，如該款保險產品的購買規則。由于每款保險產品的保險產品需求文檔所包括的規則通常不一致，因此，對于每款保險產品的保險產品需求文檔，均需要技術人員去閱讀這多條規則，提取這多條規則的規則信息，并將提取的規則信息配置到規則數據庫中。

由于技術人員人工閱讀多條規則，提取多條規則的規則信息，以及將提取的規則信息配置到規則數據庫，需要消耗大量的時間，從而導致效率較低，開發保險產品的周期較長。

發明內容

為解決背景技術記載的上述技術問題，本申請示出了一種保險產品需求文檔處理方法、裝置及電子設備。

第一方面，本申請示出了一種保險產品需求文檔處理方法，所述方法包括：

獲取待處理的目標保險產品需求文檔；

將所述目標保險產品需求文檔輸入預先訓練好的實體規則識別模型中，得到所述目標保險產品需求文檔中的各個實體，以及各個實體對應的實體類型；

將所得到的各個實體，以及各個實體對應的實體類型進行結構化存儲；

其中，所述實體規則識別模型是基于樣本保險產品需求文檔訓練得到的，并且，在訓練所述實體規則識別模型的過程中，標注所述樣本保險產品需求文檔中的訓練集保險產品需求文檔中的各個實體，以及各個實體對應的實體類型；

所述標注所述樣本保險產品需求文檔中的訓練集保險產品需求文檔中的各個實體，以及各個實體對應的實體類型，包括：

對所述樣本保險產品需求文檔中的訓練集保險產品需求文檔的文檔內容進行分詞，得到分詞結果；在所述分詞結果中，確定屬于實體的目標分詞；標注所述目標分詞的實體類型，其中，屬于同義詞的目標分詞被標注為相同的實體類型。

可選的，訓練所述實體規則識別模型的過程，還包括：

獲取樣本保險產品需求文檔；

將所述樣本保險產品需求文檔分為訓練集保險產品需求文檔和測試集保險產品需求文檔，所述訓練集保險產品需求文檔用于訓練預定神經網絡模型，所述測試集保險產品需求文檔用于測試預定神經網絡模型；

將標注各個實體以及各個實體對應的實體類型的訓練集保險產品需求文檔輸入預定神經網絡模型中，對所述預定神經網絡模型進行訓練，得到訓練后的預定神經網絡模型；

將所述測試集保險產品需求文檔輸入所述訓練后的預定神經網絡模型中，當從所述訓練后的預定神經網絡模型輸出的實體以及實體類型的準確率大于預設準確率時，將所述訓練后的預定神經網絡模型確定為訓練好的實體規則識別模型。