CN107967575B - 一种人工智能保险咨询服务人工智能平台系统 - Google Patents

Abstract

本发明提出的一种人工智能保险咨询服务人工智能平台系统，包括：与用户标签库通信的客户信息智能采集系统，该系统采集客户多维度大数据信息，完成用户标签化，将标签化的用户信息存入所述用户标签库；与所述客户信息智能采集系统通信，从客户信息中提取家庭信息并评估的家庭现状评估系统，该系统通过对家庭多维度数据进行评估，生成家庭现状评估总结报告；通过分析所述家庭现状评估总结报告，多维度分析用户家庭的潜在风险的潜在风险因素分析系统，该系统根据人工智能算法生成当前分析客户的潜在风险结果；以及风险管理建议系统，该系统根据所述风险因素，通过人工智能算法，采用风险管理方法进行风险管理，生成风险管理建议。

Description

一种人工智能保险咨询服务人工智能平台系统

技术领域

本发明涉及一种人工智能保险咨询服务人工智能平台系统，尤其涉及一种基于人工智能算法实现保险全流程管控和建议的智能平台系统，涉及专利分类号G 物理G06计算；推算；计数

G06Q专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法G06Q10/00行政；管理G06Q10/06资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型。

背景技术

随着目前保险行业的飞速发展，保险行业早已今非昔比，开始引入当前前段的智能处理技术，但是这些技术准入门槛较高，导致很多保险公司的保险保单大多是采用人工处理，人工处理数据具有两个严重的问题，一是，处理速度慢，容易出错，流程不合理，采集到的数据无法被机器识别和使用，浪费了大量的人力资源却没有得到任何的收益，数据资源极度浪费；二是，不能够有效甄别用户，不知道用户需要什么样的保险保单，出错率高，浪费用户的时间。

发明内容

针对以上问题，本发明提出的一种人工智能保险咨询服务人工智能平台系统，包括：

与用户标签库通信的客户信息智能采集系统，该系统采集客户多维度大数据信息，完成用户标签化，将标签化的用户信息存入所述用户标签库；

与所述客户信息智能采集系统通信，从客户信息中提取家庭信息并评估的家庭现状评估系统，该系统通过对家庭多维度数据进行评估，生成家庭现状评估总结报告；

通过分析所述家庭现状评估总结报告，多维度分析用户家庭的潜在风险的潜在风险因素分析系统，该系统根据人工智能算法生成当前分析客户的潜在风险结果；以及

风险管理建议系统，该系统根据所述风险因素，通过人工智能算法，采用风险管理方法进行风险管理，实现控制型风险管理和财务型风险管理建议，生成风险管理建议。

作为优选的实施方式，具有人工智能核保系统，该系统与所述的风险管理建系统通信连接，利用人工智能技术解析用户现状信息、潜在风险结果以及风险管理建议，实现线下保险核保。

更进一步的，所述的客户信息智能采集系统至少通过问卷调查、网络爬取和政府公开数据采集用户多维度大数据信息。

更进一步的，所述的家庭现状评估系统评估内容至少包括：家庭财务现状、家庭风险经济损失、收入情况、支出情况、资产情况、负债情况以及家族病史。

作为优选的实施方式，还具有保险品种采集系统，该系统获取各大保险公司的保险服务信息，分析各个保险服务的特点，形成保险标签库；

与所述保险标签库和保险品种采集系统通信连接的保险智能定制系统，该系统根据所述用户现状信息、潜在风险结果，定制系统采用人工智能技术，根据保险特征库信息，动态生成符合当前用户的保险服务。

更进一步的，还具有：经纪人智能匹配系统，该系统收录经纪人信息，对系统内的经纪人进行深度分析，形成经纪人标签库；

经纪人智能匹配系统根据用户现状信息、潜在风险结果，通过人工智能算法将经纪人匹配给相关用户。

更进一步的，还具有保单托管系统，用户通过改系统将纸质的保单合同通过扫描上传至云端，通过OCR文本识别形成电子保单信息，将所述的电子保单信息存储在保单标签库；以及智能理赔系统，完成保险理赔自助服务。

更进一步的，还具有人工智能核赔系统，完成用户理赔要求和保险理赔条件的智能核算，完成线下核赔工作。

更进一步的，还在于具有人工智能保险咨询系统，该系统基于CF算法实现智能AI客服，对接用户各种保险咨询服务，为客户推荐保险产品。

附图说明

为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动和不以商业为目的的前提下，还可以根据这些附图获得其它的附图。但是出于商业数据的保密性，如果需要得到移动客服工单数据，则需要和作者所在的公司协商，征求作者所在公司同意后方可得到移动客服领域突发事件的所有原始数据。

图1为本发明系统流程图

图2为本发明系统操作时序图

图3为本发明用户管理系统操作逻辑流程图

图4为本发明用户管理系统新增数据操作逻辑流程图

图5为本发明保单管理系统操作逻辑流程图

图6为本发明保单管理系统新增保单操作逻辑流程图

图7为本发明客户信息采集系统包含保单数据、用户数据、可标签化数据的操作逻辑流程图

图8为本发明风险评估系统的操作逻辑流程图

图9为本发明潜在风险因素分析系统操作逻辑流程图

图10为本发明风险管理建议系统操作逻辑流程图

图11为本发明保险品种采集系统示意图

图12为本发明保险订制系统操作逻辑流程图

图13为本发明经纪人匹配系统操作逻辑流程图

图14为本发明人工智能核保系统操作逻辑流程图

图15为本发明人工智能核赔系统操作逻辑流程图

具体实施方式

下面结合附图1-15对本发明方法做详细说明，本实例以发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但发明的保护范围不限于下述的实施实例。

一种人工智能保险咨询服务人工智能平台系统，主要包括：客户信息智能采集系统，本系统用于采集客户的多维度大数据信息，通过问卷调查、网络爬取、政府公开数据等多种手段，采集用户的多维度大数据信息。通过相关算法和人工处理完成用户标签化工作，从而建立用户标签库为其他子系统提供大数据支持。本系统采集到的数据主要用于三个方面：保单数据、家庭现状数据、可标签化数据。保单数据会交由保单托管系统进行进一步处理；家庭现状数据交由家庭现状评估系统进行分析；可标签化数据经过标签化处理形成大数据标签库。

家庭现状评估系统，通过客户信息智能采集系统获取到的数据，本系统通过人工智能算法，对客户家庭现状进行风险评估，评估内容包括：家庭财务现状、家庭风险经济损失、收入情况、支出情况、资产情况、负债情况、家族病史等。通过对家庭多维度数据的评估，最终生成家庭现状评估总结报告。

潜在风险因素分析系统，根据家庭现状评估系统输出的结果，多维度分析用户家庭的潜在风险。其中包括：车辆风险、家财风险、意外风险以及重大疾病风险。帮助用户深度挖掘风险因素，做到防范于未然。

风险管理建议系统，通过人工智能算法，采用科学的风险管理方法进行风险管理，实现控制型风险管理和财务型风险管理建议。控制型风险管理主要从避免、预付和抑制三个层面去考量。财务型风险管理建议包括：家财风险转移方面的配置、关于家庭成员风险转移配额的配置。

人工智能核保系统，利用人工智能技术深度解析用户现状信息、潜在风险结果以及风险管理建议，完成线下保险核保师的功能。

保险品种采集系统，利用多种手段和智能技术，获取各大保险公司的保险服务信息。并深度分析各个保险服务的特点，形成保险特征库。

保险智能定制系统，根据用户的大数据信息和风险测评结果，保险智能定制系统采用人工智能技术，根据保险特征库信息，动态生成符合当前用户的保险服务。

经纪人智能匹配系统，经纪人系统收录大量经纪人信息，并对系统内的经纪人进行深度分析，形成经纪人标签库。经纪人智能匹配系统根据用户信息和风险管理建议等深度加工数据，利用智能算法讲合适的经纪人匹配给相关用户

保单托管系统，用户通过本系统可以将自己纸质的保单合同通过扫描上传至云端，形成电子保单信息。辅助保险从业者完成日常工作

智能理赔系统，用户通过智能理赔系统完成保险理赔自助服务。在这里可选择专利201611064222.5中所记载的自助理赔方案(仅作为可实施例证，当然也可采用其他通行的方法实现)。

人工智能核赔系统，通过人工智能算法，完成用户理赔要求和保险理赔条件的智能核算，自主完成线下核赔师的工作。

人工智能保险咨询系统，通过人工智能系统，实现智能AI客服。对接用户各种保险咨询服务。

如图2所示，查看用户列表逻辑流程如下：

1.用户管理模块，查看用户列表时，可以通过设置筛选条件缩小查询范围；

2.管理员可以查看所有的用户，经纪人可以查看自己托管的用户，普通的用户可以查询自己的信息。

如图3所示，1.用户管理模块，经纪人可编辑自己托管的用户，可以新增用户为自己托管，同时编辑用户照片及地理位置相关信息。

如图4所示：1.保单管理模块，查看保单列表时，可以通过设置筛选条件缩小查询范围；2.管理员可以查看所有的保单，经纪人可以查看自己托管的用户的保单，普通的用户可以查询自己的保单信息。

如图5所示：1.保单管理模块，新增保单时，先确认投保人是不是系统在录的用户，若是，可新增用户保单编辑包时，可以新增用户，同时编辑用户照片及地理位置相关信息；若不是，则需要先添加该投保人信息到系统中再可以添加保单。

作为优选的实施方式，在本发明中，客户信息智能采集系统和保险品种采集系统主要采用特征向量算法，分析客户信息和保险信息。

聚类主要依据聚类假设：同类的文档相似度较大，非同类的文档相似度较小。作为一种无监督的机器学习方法，聚类由于不需要训练过程、以及不需要预先对文档手工标注类别，因此具有较高的灵活性和自动化处理能力，成为对文本信息进行有效组织、摘要和导航的重要手段。

文本信息的预处理

文本聚类的首要问题是如何将文本内容表示成为数学上可分析处理的形式，即建立文本特征，以一定的特征项(如词条或描述)来代表目标文本信息。要建立文本信息的文本特征，常用的方法是：对文本信息进行预处理(词性标注、语义标注)，构建统计词典，对文本进行词条切分，完成文本信息的分词过程。

文本信息特征的建立

文本信息的特征表示模型有多种，常用的有布尔逻辑型、向量空间型、概率型以及混合型等。其中，向量空间模型VSM，是文档表示的一个统计模型。该模型的主要思想是：将每一文档都映射为由一组规范化正交词条矢量张成的向量空间中的一个点。对于所有的文档类和未知文档，都可以用此空间中的词条向量(T1,W1,T2,W2,…,Tn,Wn)来表示(其中，Ti为特征向量词条；Wi为Ti 的权重)。一般需要构造一个评价函数来表示词条权重，其计算的唯一准则就是要最大限度地区别不同文档。这种向量空间模型的表示方法最大的优点在于将非结构化和半结构化的文本表示为向量形式，使得各种数学处理成为可能。

文本信息特征集的缩减

VSM将文本内容表示成数学上可分析处理的形式，但是存在的一个问题是文档特征向量具有惊人的维数。因此，在对文本进行聚类处理之前，应对文本信息特征集进行缩减。通常的方法是针对每个特征词条的权重排序，选取预定数目的最佳特征作为结果的特征子集。选取的数目以及采用的评价函数都要针对具体问题来分析决定。

降低文本特征向量维数的另一个方法是采用向量的稀疏表示方法。虽然文本信息特征集的向量维数非常大，但是对于单个文档，绝大多数向量元素都为零，这一特征也决定了单个文档的向量表示将是一个稀疏向量。为了节省内存占用空间，同时加快聚类处理速度，可以采用向量的稀疏表示方法。假设确定的特征向量词条的个数为n，传统的表示方法为而(T1,W1,T2,W2,…,Tn,Wn) 稀疏表示方法为(D1,W1,D2,W2,Dp,…,Wp,n)(Wi≠0)。其中，Di为权重不为零的特征向量词条；Wi为其相应权重；n为向量维度。这种表示方式大大减小了内存占用，提升了聚类效率，但是由于每个文本特征向量维数不一致，一定程度上增加了数学处理的难度。

文本聚类

在将文本内容表示成数学上可分析处理的形式后，接下来的工作就是在此数学形式的基础上，对文本进行聚类处理。文本聚类主要有2种方法：基于概率和基于距离。基于概率的方法以贝叶斯概率理论为基础，用概率的分布方式描述聚类结果。基于距离的方法，就是以特征向量表示文档，将文档看成向量空间中的一个点，通过计算点之间的距离进行聚类。

目前，基于距离的文本聚类比较成熟的方法大致可以分为2种类型：层次凝聚法和平面划分法。

本发明以及实施例中所述的人工智能算法，均采用动态学习算法作为实施距离，为本发明优选算法，当然也选择诸如退火，蚁群等其它智能算法。

强分类器和弱分类器是相同的，多个弱分类器组合可以达到强分类器的效果。通过迭代生成一列分类器，每个分类器都依赖于之前的一个，之前分类器错分的样本被赋予更高的权重。

训练数据集D为{(x1,y1,w1),(x2,y2,w2),…,(xn,yn,wn)}。xi是输入向量，yi是它的类别并且yi∈Y(类别集合)，wi是样例的权重并且∑Iwi＝1。

算法构造k个BaseLearner。每个训练样例的权重均被初始化为1/m。每次迭代中，数据集Dt和D相同，仅权重不同。每次迭代构造一个新的分类器 ht。

AdaBoost算法的具体步骤如下：

1.初始化样本权重为1/m，即为训练样本的初始权重分布；

2.第一次迭代:

(1)训练样本的概率分布相当，训练弱分类器；

(2)计算弱分类器的错误率；

(3)选取合适阈值，使得误差最小；

(4)更新样本权重：减小弱分类器分类效果较好的数据的权重，增大弱分类器分类效果较差的数据的权重。

3.经T次循环后，得到T个弱分类器，按更新的权重叠加，最终得到的强分类器。

在所述的人工智能保险咨询系统中，通过CF算法针对不同需求的客户给出针对性的推荐保单。

协同过滤一般是在海量的用户中发掘出一小部分和你品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐。本系统中通过CF算法为用户或家庭推荐合适的保险服务。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (1)

1.一种人工智能保险咨询服务人工智能平台系统，其特征在于包括：

与用户标签库通信的客户信息智能采集系统，该系统采集客户多维度大数据信息，完成用户标签化，将标签化的用户信息存入所述用户标签库；

与所述客户信息智能采集系统通信，从客户信息中提取家庭信息并评估的家庭现状评估系统，该系统通过对家庭多维度数据进行评估，生成家庭现状评估总结报告；

通过分析所述家庭现状评估总结报告，多维度分析用户家庭的潜在风险的潜在风险因素分析系统，该系统根据人工智能算法生成当前分析客户的潜在风险结果；以及

风险管理建议系统，该系统根据所述风险因素，通过人工智能算法，采用风险管理方法进行风险管理，实现控制型风险管理和财务型风险管理建议，生成风险管理建议；

具有人工智能核保系统，该系统与所述的风险管理建系统通信连接，利用人工智能技术解析用户现状信息、潜在风险结果以及风险管理建议，实现线下保险核保；

所述的客户信息智能采集系统至少通过问卷调查、网络爬取和政府公开数据采集用户多维度大数据信息；

所述的家庭现状评估系统评估内容至少包括：家庭财务现状、家庭风险经济损失、收入情况、支出情况、资产情况、负债情况以及家族病史；

还具有保险品种采集系统，该系统获取各大保险公司的保险服务信息，分析各个保险服务的特点，形成保险标签库；

与所述保险标签库和保险品种采集系统通信连接的保险智能定制系统，该系统根据所述用户现状信息、潜在风险结果，定制系统采用人工智能技术，根据保险特征库信息，动态生成符合当前用户的保险服务；

还具有经纪人智能匹配系统，该系统收录经纪人信息，对系统内的经纪人进行深度分析，形成经纪人标签库；

经纪人智能匹配系统根据用户现状信息、潜在风险结果，通过人工智能算法将经纪人匹配给相关用户；

具有保单托管系统，用户通过改系统将纸质的保单合同通过扫描上传至云端，通过OCR文本识别形成电子保单信息，将所述的电子保单信息存储在保单标签库；以及智能理赔系统，完成保险理赔自助服务；

具有人工智能核赔系统，完成用户理赔要求和保险理赔条件的智能核算，完成线下核赔工作

具有人工智能保险咨询系统，该系统基于CF算法实现智能AI客服，对接用户各种保险咨询服务，为客户推荐保险产品。

Images