[發明專利]基于專家規則的人工智能模型結果溯源方法、系統、裝置

在審

• 申請號: 202210054637.3
• 申請日: 2022-01-18
• 公開（公告）號: CN114549216A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 盧冰潔;李煒卓;那崇寧;陳奎;張瀧
• 申請（專利權）人: 之江實驗室
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種基于專家規則的人工智能模型結果溯源方法，其特征在于，包括以下步驟：

步驟S1：采集車險案件歷史數據，構建車險歷史案件數據庫；提取風險因子和專家因子，根據專家規則將車險案件歷史數據轉化為圖結構數據；

步驟S2：采用步驟S1得到的圖結構數據構建圖譜網絡，基于圖譜網絡通過網絡表示學習模型訓練得到專家因子向量，通過拼接或平均專家因子向量形成專家規則向量，并將專家因子向量和專家規則向量存儲到規則向量數據庫中；

步驟S3：采集被人工智能模型判定為風險案件的車險實時數據，通過提取風險因子和專家因子得到已觸發的專家因子集合，結合步驟S2得到的專家規則向量，對照采用缺省填補的方式得到擬觸發規則向量；

步驟S4：計算專家規則向量和擬觸發規則向量的相似度；

步驟S5：根據相似度結果為車險實時案件提供溯因。

2.根據權利要求1所述的基于專家規則的人工智能模型結果溯源方法，其特征在于，所述步驟S1生成圖結構數據具體為：先采集車險案件歷史數據構建車險歷史案件數據庫；再提取出車險歷史案件數據庫中與專家規則相關聯的字段，形成風險因子數據集；然后提取專家因子，按照專家規則中的因子組成對風險因子數據集中的各字段進行判斷，生成的新字段，構成專家因子數據集；最后將專家因子數據集轉換為圖結構數據。

3.根據權利要求2所述的基于專家規則的人工智能模型結果溯源方法，其特征在于，所述圖結構數據為三元組、邊表或鄰接矩陣。

4.根據權利要求1所述的基于專家規則的人工智能模型結果溯源方法，其特征在于，所述步驟S2中專家規則向量的計算方法還可以采用自編碼器或嵌套等能實現將離散變量轉換為連續向量表示的方法。

5.根據權利要求1所述的基于專家規則的人工智能模型結果溯源方法，其特征在于，所述步驟S3中的缺省填補具體為：擬觸發規則中未觸發的專家因子填補默認值，所述默認值通常為零向量。

6.根據權利要求1所述的基于專家規則的人工智能模型結果溯源方法，其特征在于，所述步驟S4采用COS余弦定理計算相似度。

7.一種基于專家規則的人工智能模型結果溯源系統，其特征在于，該系統包含以下單元：

車險歷史案件數據庫用于存儲車險案件歷史數據；

風險因子提取單元通過找出專家規則與車險歷史案件數據庫中歷史數據的內在/外在聯系，形成風險因子數據集；

專家因子提取單元根據專家規則中的專家因子對風險因子數據集進行判斷處理，得到以專家因子為導向的新字段，構成專家因子數據集；

圖結構數據生成單元用于將以專家因子數據集轉換為適用于網絡表示學習輸入的數據格式；

網絡表示學習訓練單元采用無監督或自監督的圖表示學習方法訓練數據，得到專家因子向量；

規則向量數據庫用于存儲專家因子向量，將專家因子向量進行拼接得到專家規則向量，并采用缺省填補法得到擬觸發規則向量；

規則向量相似度計算單元用于計算專家規則向量和擬觸發規則向量的相似度；

決策單元依據專家規則向量和擬觸發規則向量的相似度為案件提供溯因；

8.一種基于專家規則的人工智能模型結果溯源裝置，其特征在于，包括一個或多個處理器，用于實現權利要求1-6中任一項所述的基于專家規則的人工智能模型結果溯源方法。

9.一種計算機可讀存儲介質，其上存儲有程序，其特征在于，該程序被處理器執行時，用于實現權利要求1-6中任一項所述的基于專家規則的人工智能模型結果溯源方法。