[發(fā)明專利]模型生成、健康險(xiǎn)理賠的確定方法、裝置、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110843999.6
• 申請(qǐng)日: 2021-07-26
• 公開(kāi)（公告）號(hào): CN113487440A
• 公開(kāi)（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 鄭力銘;張敏
• 申請(qǐng)（專利權(quán)）人: 聯(lián)仁健康醫(yī)療大數(shù)據(jù)科技股份有限公司
• 主分類號(hào): G06Q40/08
• 分類號(hào): G06Q40/08;G06Q10/06;G06K9/62;G06N20/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種模型生成方法，其特征在于，包括：

獲取歷史健康險(xiǎn)理賠案件的歷史健康險(xiǎn)理賠數(shù)據(jù)、及所述歷史健康險(xiǎn)理賠案件是否為歷史健康險(xiǎn)理賠欺詐案件的分類數(shù)據(jù)，將所述歷史健康險(xiǎn)理賠數(shù)據(jù)和所述分類數(shù)據(jù)作為一組訓(xùn)練樣本；

基于多組所述訓(xùn)練樣本對(duì)待進(jìn)行訓(xùn)練的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到健康險(xiǎn)理賠欺詐案件的分類模型；

其中，所述歷史健康險(xiǎn)理賠數(shù)據(jù)包括歷史保單責(zé)任數(shù)據(jù)，且所述分類數(shù)據(jù)包括針對(duì)所述歷史健康險(xiǎn)理賠案件的人工審核數(shù)據(jù)或是實(shí)際拒賠數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于多組所述訓(xùn)練樣本對(duì)待進(jìn)行訓(xùn)練的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到健康險(xiǎn)理賠欺詐案件的分類模型，包括：

獲取至少兩個(gè)待進(jìn)行訓(xùn)練的機(jī)器學(xué)習(xí)模型；

將多組所述訓(xùn)練樣本劃分為第一組訓(xùn)練樣本和第二組訓(xùn)練樣本；

針對(duì)于每個(gè)所述機(jī)器學(xué)習(xí)模型，基于所述第一組訓(xùn)練樣本對(duì)所述機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到中間學(xué)習(xí)模型；

針對(duì)每個(gè)所述中間學(xué)習(xí)模型，基于所述第二組訓(xùn)練樣本處理所述中間學(xué)習(xí)模型，并根據(jù)各所述中間學(xué)習(xí)模型的處理結(jié)果從各所述中間學(xué)習(xí)模型中確定出健康險(xiǎn)理賠欺詐案件的分類模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)各所述中間學(xué)習(xí)模型的處理結(jié)果從各所述中間學(xué)習(xí)模型中確定出健康險(xiǎn)理賠欺詐案件的分類模型，包括：

根據(jù)各所述中間學(xué)習(xí)模型的處理結(jié)果，從各所述中間學(xué)習(xí)模型中確定出待測(cè)試學(xué)習(xí)模型，并基于已獲取的多組測(cè)試樣本對(duì)所述待測(cè)試學(xué)習(xí)模型進(jìn)行測(cè)試；

若根據(jù)測(cè)試結(jié)果確定所述待測(cè)試學(xué)習(xí)模型未能滿足預(yù)先設(shè)置的健康險(xiǎn)理賠欺詐案件的分類性能，則將所述待測(cè)試模型作為所述機(jī)器學(xué)習(xí)模型，重復(fù)執(zhí)行所述將多組所述訓(xùn)練樣本劃分為第一組訓(xùn)練樣本和第二組訓(xùn)練樣本的步驟；

否則，將所述待測(cè)試學(xué)習(xí)模型作為健康險(xiǎn)理賠欺詐案件的分類模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述歷史保單責(zé)任數(shù)據(jù)包括歷史就診醫(yī)院級(jí)別、歷史疾病類型和歷史理賠金額中的至少一個(gè)。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述歷史健康險(xiǎn)理賠數(shù)據(jù)還包括歷史就醫(yī)對(duì)象的基本數(shù)據(jù)、醫(yī)療數(shù)據(jù)和醫(yī)保結(jié)算數(shù)據(jù)中的至少一個(gè)。

6.一種健康險(xiǎn)理賠的確定方法，其特征在于，包括：

在檢測(cè)到健康險(xiǎn)理賠的確定事件時(shí)，獲取與所述確定事件對(duì)應(yīng)的當(dāng)前健康險(xiǎn)理賠案件的當(dāng)前健康險(xiǎn)理賠數(shù)據(jù)、及按照權(quán)利要求1-5中任一項(xiàng)的方法生成的已訓(xùn)練完成的健康險(xiǎn)理賠欺詐案件的分類模型，其中，所述當(dāng)前健康險(xiǎn)理賠數(shù)據(jù)包括當(dāng)前保單責(zé)任數(shù)據(jù)；

將所述當(dāng)前健康險(xiǎn)理賠數(shù)據(jù)輸入至所述分類模型中，并根據(jù)所述分類模型的輸出結(jié)果，確定是否對(duì)所述當(dāng)前健康險(xiǎn)理賠案件進(jìn)行理賠。

7.一種模型生成裝置，其特征在于，包括：

訓(xùn)練樣本得到模塊，用于獲取歷史健康險(xiǎn)理賠案件的歷史健康險(xiǎn)理賠數(shù)據(jù)、及所述歷史健康險(xiǎn)理賠案件是否為歷史健康險(xiǎn)理賠欺詐案件的分類數(shù)據(jù)，并將所述歷史健康險(xiǎn)理賠數(shù)據(jù)和所述分類數(shù)據(jù)作為一組訓(xùn)練樣本；

分類模型生成模塊，用于基于多組所述訓(xùn)練樣本對(duì)待進(jìn)行訓(xùn)練的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到健康險(xiǎn)理賠欺詐案件的分類模型；

其中，所述歷史健康險(xiǎn)理賠數(shù)據(jù)包括歷史保單責(zé)任數(shù)據(jù)，且所述分類數(shù)據(jù)包括針對(duì)所述歷史健康險(xiǎn)理賠案件的人工審核數(shù)據(jù)或是實(shí)際拒賠數(shù)據(jù)。

8.一種健康險(xiǎn)理賠的確定裝置，其特征在于，包括：

分類模型獲取模塊，用于在檢測(cè)到健康險(xiǎn)理賠的確定事件時(shí)，獲取與所述確定事件對(duì)應(yīng)的當(dāng)前健康險(xiǎn)理賠案件的當(dāng)前健康險(xiǎn)理賠數(shù)據(jù)、及按照權(quán)利要求1-5中任一項(xiàng)的方法生成的已訓(xùn)練完成的健康險(xiǎn)理賠欺詐案件的分類模型，其中，所述當(dāng)前健康險(xiǎn)理賠數(shù)據(jù)包括當(dāng)前保單責(zé)任數(shù)據(jù)；

案件理賠確定模塊，用于將所述當(dāng)前健康險(xiǎn)理賠數(shù)據(jù)輸入至所述分類模型中，根據(jù)所述分類模型的輸出結(jié)果，確定是否對(duì)所述當(dāng)前健康險(xiǎn)理賠案件進(jìn)行理賠。