CN109509102B - 理赔决策方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及数据处理技术，提供一种理赔决策方法、装置、计算机设备和存储介质。方法包括：获取待理赔伤者的伤情数据，根据伤情数据得到对应的解剖部位信息；从预先建立的语义网络中获取与解剖部位信息相关联的病损语料集合，根据病损语料集合向终端发送第一选项信息集合；接收终端发送的第一选择结果，根据第一选择结果从语义网络中查找对应的伤势严重程度语料集合，根据伤势严重程度语料集合向终端发送第二选项信息集合；接收终端返回的第二选择结果，根据解剖部位信息、第一选择结果、第二选择结果从获取目标匹配数据；获取目标匹配数据对应的预设理赔数据，根据预设理赔数据得到目标决策数据，将目标决策数据发送至终端。

Description

理赔决策方法、装置、计算机设备和存储介质

技术领域

本申请涉及商业保险理赔技术领域，特别是涉及一种理赔决策方法、装置、计算机设备和存储介质。

背景技术

随着商业保险业务信息化程度的不断提高，提高保险理赔业务专业性及赔付精准性的需求越来越迫切。

传统技术中，商保理赔，如车祸时的人伤理赔，往往需要大量有医学专业背景或非医学专业人员经过一定程度专业培训后，到达车祸现场进行实地查勘、核保核赔等工作。然而这种方式由于对理赔人员的医学素养要求高，商保公司需要花费大量的人力物力进行前期的相关培训，导致商报理赔的成本高；另一方面，由人工进行理赔的判断，理赔员需要对伤者进行伤势判断然后根据伤势来选择理赔方案，整个过程要花费大量时间，导致效率低下。

发明内容

基于此，有必要针对上述技术问题，提供一种能够降低商业保险理赔的成本同时提高理赔效率的理赔决策方法、装置、计算机设备和存储介质。

一种理赔决策方法，所述方法包括：获取待理赔伤者的伤情数据，根据所述伤情数据得到对应的解剖部位信息；从预先建立的语义网络中获取与所述解剖部位信息相关联的病损语料集合，根据所述病损语料集合向终端发送第一选项信息集合；接收所述终端根据所述第一选项信息集合返回的第一选择结果，根据所述第一选择结果从所述语义网络中查找对应的伤势严重程度语料集合，根据所述伤势严重程度语料集合向所述终端发送第二选项信息集合；接收所述终端根据所述第二选项信息集合返回的第二选择结果，根据所述解剖部位信息、所述第一选择结果、所述第二选择结果从预设的匹配数据集合中获取所述待理赔伤者对应的目标匹配数据；获取所述目标匹配数据对应的预设理赔数据，根据所述预设理赔数据得到目标决策数据，将所述目标决策数据发送至所述终端。

可选的，所述获取待理赔伤者的伤情数据，根据所述伤情数据得到对应的解剖部位信息，包括：接收所述终端发送的所述待理赔伤者的伤情图片；将所述伤情图片输入到已训练的卷积神经网络中，得到所述伤情图片对应的解剖部位信息。

可选的，所述从预先建立的语义网络中获取与所述解剖部位信息相关联的病损语料集合之前，包括：获取预设维度的语义树，所述预设维度至少包括解剖部位、病损以及伤势严重程度；计算每一个维度的语义树对应的节点与其他维度的语义树对应的节点两两之间的共现频率；将所述共现频率大于预设阈值的两个节点建立关联关系，生成语义网络。

可选的，所述根据所述解剖部位信息、所述第一选择结果、所述第二选择结果从预设的匹配数据集合中获取所述待理赔伤者对应的目标匹配数据，包括：分别获取所述解剖部位信息、所述第一选择结果、所述第二选择结果对应的权重；分别计算所述解剖部位信息、所述第一选择结果、所述第二选择结果与每一个匹配数据的匹配度；根据所述权重及所述匹配度计算每一个匹配数据对应的匹配分值，获取匹配分值最大的匹配数据作为目标匹配数据。

可选的，所述根据所述病损语料集合向终端发送第一选项信息集合，包括：对所述病损语料集合中的每一个病损语料，从描述信息集合中查找其对应的描述信息；根据每一个病损语料对应的描述信息得到第一选项信息集合。

可选的，所述根据所述预设理赔数据得到目标决策数据，包括：当所述预设理赔数据的数量为预设数量时，获取每一条预设理赔数据对应的标签信息；获取所述用户标识对应的个人信息；根据所述标签信息及所述个人信息得到目标决策数据。

一种理赔决策装置，所述装置包括：

伤情数据获取模块，用于获取待理赔伤者的伤情数据，根据所述伤情数据得到对应的解剖部位信息；

第一选项信息集合发送模块，用于从预先建立的语义网络中获取与所述解剖部位信息相关联的病损语料集合，根据所述病损语料集合向终端发送第一选项信息集合；

第二选项信息集合发送模块，用于接收所述终端根据所述第一选项信息集合返回的第一选择结果，根据所述第一选择结果从所述语义网络中查找对应的伤势严重程度语料集合，根据所述伤势严重程度语料集合向所述终端发送第二选项信息集合；

目标匹配数据获取模块，用于接收所述终端根据所述第二选项信息集合返回的第二选择结果，根据所述解剖部位信息、所述第一选择结果、所述第二选择结果从预设的匹配数据集合中获取所述待理赔伤者对应的目标匹配数据；

目标决策数据发送模块，用于获取所述目标匹配数据对应的预设理赔数据，根据所述预设理赔数据得到目标决策数据，将所述目标决策数据发送至所述终端。

可选的，所述装置还包括语义网络生成模块，所述语义网络生成模块用于获取预设维度的语义树，所述预设维度至少包括解剖部位、病损以及伤势严重程度；计算每一个维度的语义树对应的节点与其他维度的语义树对应的节点两两之间的共现频率；将所述共现频率大于预设阈值的两个节点建立关联关系，生成语义网络。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述理赔决策方法所述的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述理赔决策方法所述的步骤。

上述理赔决策方法、装置、计算机设备和存储介质，获取到待理赔伤者的伤情数据后，对患者的伤势所对应的解剖部位进行判断，然后从语义网络中查到病损语料，并向终端发送选项信息，然后服务器进一步根据终端返回的选择结果从语义网络中查找严重程度语料，并再次向终端发送选项信息，并在再次接收到终端返回的选择结果后，即可根据获取的所有数据进行理赔决策，由于理赔员在整个过程中只需要根据终端显示的有限的选项数据进行选择，即可获取最终的理赔决策结果，对理赔员的专业知识的要求大大降低，不仅节省了对理赔员进行培训的成本，而且相对于传统技术中理赔员需要对伤者进行伤势判断然后根据伤势来选择理赔方案，节省了大量时间，从而提高了理赔效率。

附图说明

图1为一个实施例中理赔决策方法的应用场景图；

图2为一个实施例中理赔决策方法的流程示意图；

图3为一个实施例中生成语义网络的步骤流程示意图；

图4为一个实施例中理赔决策装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的理赔决策方法，可以应用于如图1所示的应用环境中，包括终端102、服务器104，其中，终端102为理赔员用于进行理赔决策的终端，终端102通过网络与服务器104进行通信。服务器104获取到待理赔伤者的伤情数据，根据该伤情数据判断患者的伤势所对应的解剖部位，然后从预先建立的语义网络中获取与解剖部位相关联的病损语料集合，根据病损语料集合向终端发送第一选项信息集合，理赔员可通过终端102选择与患者的伤势最符合的选项，然后通过终端将选择结果发送至服务器104，服务器104到该选择结果后，根据该选择结果从语义网络中查找对应的程度语料集合，根据程度语料集合向终端发送第二选项信息集合，理赔员再次通过终端102选择与患者的伤势最符合的选项，然后通过终端将选择结果发送至服务器104，服务器104接收到该选择结果后，根据解剖部位以及两次的选择结果从预设的匹配数据集合中获取目标匹配数据，根据匹配数据查询对应的预设理赔数据，根据预设理赔数据得到目标决策数据，将目标决策数据发送至终端102。

其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种理赔决策方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤S202，获取待理赔伤者的伤情数据，根据伤情数据得到对应的解剖部位信息。

具体地，伤情数据指的是与患者的伤势情况相关的数据，包括但不限于图片、文字或语音。解剖部位指的是人体解剖学上对人体各个部位的医学描述。

在本实施例中，理赔员获知待理赔伤者的大致伤势情况后，可通过终端向服务器发送伤情数据。该伤情数据可以是对伤者受伤部位进行描述的文字或语音，或者是伤者受伤部位的图片。服务器接收到伤情数据后，可根据伤情数据判断患者的受伤部位所对应的解剖部位。

在一个实施例中，当伤情数据为对受伤部位的文字描述时，可对该文字描述提取关键词，将提取的关键词与各个解剖部位对应的关键词集合进行匹配，将匹配成功的关键词对应的解剖部位作为该伤情数据对应的解剖部位；当伤情数据为语音数据时，可对语音数据进行文字转换，然后提取关键词，将提取的关键词与各个解剖部位对应的关键词集合进行匹配，将匹配成功的关键词对应的解剖部位作为该伤情数据对应的解剖部位。

在另一个实施例中，伤情数据可以是伤者受伤部位所对应的图片数据，服务器可以将该图片数据输入到一个已训练的可用于分类的机器学习模型中，最终得到伤情数据对应的解剖部位。

步骤S204，从预先建立的语义网络中获取与解剖部位信息相关联的病损语料集合，根据病损语料集合向终端发送第一选项信息集合。

具体地，语义网络(semantic network)是一种以网络格式表达医学知识构造的形式，本实施例的语义网络中至少包含解剖部位语料、伤情严重程度语料以及病损语料，各种语料之间按照预先设定的规则建立起一定的关联关系，具有关联关系的两个语料在语义网络中通过网络中的一条“边”进行连接。在该语义网络中，可通过这些“边”查到任意一个语料的关联语料。其中，解剖部位语料指的是对人体解剖学中各个解剖部位的描述，如髋部、尾骨等；病损语料指的是伤势对解剖部位所造成的损伤的医学描述，如骨折、出血、脱位等等；严重程度指的是伤势所对应的严重程度的医学描述，例如，粉碎性、开放性、半等等。

在本实施例中，服务器在获取到伤情数据对应的解剖部位信息后，可遍历语义树中所有的解剖部位语料，然后对该解剖部位语料进行定位，当定位到该解剖部位信息后，在语义网络中查找所有与之关联的病损语料，这些病损语料组成病损语料集合，然后根据该病损语料集合向终端发送第一选项信息集合。其中，第一选项信息集合指的是提供给终端进行选择的与病损语料相关的选项信息。

在一个实施例中，第一选项信息集合可直接为由病损语料集合中各个病损语料组成的集合。

步骤S206，接收终端根据第一选项信息集合返回的第一选择结果，根据第一选择结果从语义网络中查找对应的伤势严重程度语料集合，根据伤势严重程度语料集合向终端发送第二选项信息集合。

具体地，服务器将第一选项信息集合发送至终端后，终端对这些选项信息进行显示，理赔员可根据患者的实际伤情在终端上进行选择，然后终端将理赔员选择的选项信息作为选择结果发送至服务器。由于第一选项信息中的各个选项都是跟病损语料集合中的病损语料相关的，当服务器接收到终端的选择结果后，可获取该选择结果对应的病损语料，然后在语义网络中定位该病损语料，并获取与该病损语料对应的所有的严重程度语料，然后根据这些严重程度语料向终端发送第二选项信息集合；其中，第二选项信息集合指的是提供给终端进行选择的与伤势严重程度语料相关的选项信息。

在一个实施例中，第二选项信息集合可直接为由伤势严重程度语料集合中各个伤势严重程度语料组成的集合。

步骤S208，接收终端根据第二选项信息集合返回的第二选择结果，根据解剖部位信息、第一选择结果、第二选择结果从预设的匹配数据集合中获取待理赔伤者对应的目标匹配数据。

具体地，服务器将第二选项信息集合发送至终端后，终端对这些选项信息进行显示，理赔员可根据患者的实际伤情在终端上进行选择，然后终端将理赔员选择的选项信息作为选择结果发送至服务器。由于第二选项信息中的各个选项都是跟伤势严重程度语料集合中的伤势严重程度语料有关联的，当服务器接收到终端的选择结果后，可获取该选择结果对应的伤势严重程度语料。

预设的匹配数据集合指的是由预先设定的匹配数据所组成的集合，其中，匹配数据指的从解剖部位、病损、伤势严重程度中的一个或几个维度来描述伤者的伤势情况的数据，如“左侧食指粉碎性骨折”、“开放性小脑出血”、“右侧髋关节半脱位”，因此，服务器在获取到待理赔伤者的伤情所对应的解剖部位、病损语料、伤势严重程度语料后，可计算这些语料与匹配数据集合中的各个匹配数据的匹配度，根据匹配度计算结果来选择匹配数据作为待理赔伤者对应的目标匹配数据，比如，可以计算各个匹配数据与上述几个语料的匹配分值，然后选择匹配分值最高的一个匹配数据作为目标匹配数据。

步骤S210，获取目标匹配数据对应的预设理赔数据，根据预设理赔数据得到目标决策数据，将目标决策数据发送至终端。

具体地，预设理赔数据包括但不限于理赔金额、理赔时限，预设理赔数据由人工进行事先设定。

在本实施例中，对于匹配数据集合中每一个匹配数据，设置有对应的预设理赔数据。服务器在获取到目标匹配数据后，查询该目标匹配数据对应的预设理赔数据，然后根据查询到的预设理赔数据得到目标决策数据，其中，目标决策数据指的服务器从预设理赔数据中获取的对待理赔患者进行理赔的最终决策数据。进一步，服务器将目标决策数据发送至终端。

可以理解，每一个匹配数据对应的预设理赔数据都有可能有一个或多个，当理赔数据只有一个时，直接将该预设理赔数据作为目标决策数据；当预设理赔数据有多个时，服务器从这些理赔数据中选择一个作为目标决策数据。

上述理赔决策方法中，服务器在获取到待理赔伤者的伤情数据后，对患者的伤势所对应的解剖部位进行判断，然后从语义网络中查到病损语料，并向终端发送选项信息，然后服务器进一步根据终端返回的选择结果从语义网络中查找严重程度语料，并再次向终端发送选项信息，并在再次接收到终端返回的选择结果后，即可根据获取的所有数据进行理赔决策，由于理赔员在整个过程中只需要根据终端显示的有限的选项数据进行选择，即可获取最终的理赔决策结果，对理赔员的专业知识的要求大大降低，不仅节省了对理赔员进行培训的成本，而且相对于传统技术中理赔员需要对伤者进行伤势判断然后根据伤势来选择理赔方案，节省了大量时间，从而提高了理赔效率。

在一个实施例中，获取待理赔伤者的伤情数据，根据伤情数据得到对应的解剖部位信息，包括：接收终端发送的待理赔伤者的伤情图片；将伤情图片输入到已训练的卷积神经网络中，得到伤情图片对应的解剖部位信息。

具体地，已训练好的卷积神经网络包括卷积层、池化层和全连接层；将伤情图片输入到已训练的卷积神经网络中，得到伤情图片对应的解剖部位信息，具体包括：将待理赔患者的伤情图片作为卷积层的输入，卷积层用于对待理赔患者对应的图片数据进行卷积运算得到第一特征矩阵；将第一特征矩阵作为池化层的输入，池化层用于将第一特征矩阵中的每个向量中最大的权重进行投影得到归一化的第二特征矩阵；将第二特征矩阵作为全连接层的输入，全连接层用于根据第二特征矩阵进行分类计算得到解剖部位信息。

其中，卷积神经网络可通过以下方式训练得到：获取训练样本集及训练样本集中每一个训练样本对应的解剖部位信息；将训练样本集中每一个训练样本依次作为卷积神经网络的输入，将其对应的解剖部位信息作为卷积神经网络的期望输出对卷积神经网络进行训练，得到当前训练好的卷积神经网络。其中，训练样本指的是解剖部位信息已经确定的历史伤情图片数据。

在一个实施例中，如图3所示，步骤S204之前还包括生成语义树的步骤，具体包括：

步骤S302，获取预设维度的语义树，预设维度至少包括解剖部位、病损以及伤势严重程度。

具体地，可首先针对标准化的医学语料库中抽取各个预设维度的语料，按照每一个维度对应的语料之间的语义关系预先构建语义树，语义树中每个节点都是标准化的医学词语，标准化的医学语料库比如可以是ICD(International Classification ofDiseases，国际疾病分类)编码体系，预设维度至少包括解剖部位、病损以及伤势严重程度。如下表1所示，以针对部位“耳”的部分语义树进行举例：

表1

由上表可见，语义树可具有多层级结构，层级越高，则说明是对根节点对应的语义节点词语“耳”越细化表述的医学用语。

步骤S304，计算每一个维度的语义树对应的节点与其他维度的语义树对应的节点两两之间的共现频率。

具体地，对于每一个维度的语义树，计算其对应的每一个节点，与其他维度的语义树对应的节点之间的共现频率，其中，共现频率指的是两个词语在预设的上下文范围内共同出现的频率，共现频率越大，表示两个词语的关联程度越大。共现频率常常以共现矩阵的形式来表达，共现矩阵例如可以采用MapReduce模型实现的pairs算法或者stripes算法计算得到。

步骤S306，将共现频率大于预设阈值的两个节点建立关联关系，生成语义网络。

具体地，预设阈值可根据对语义网络中两个相互关联的节点之间关联程度的不同要求进行不同程度的设定。两个相互关联的节点之间关联程度要求越高，则预设阈值越大。

在本实施例中，对于共现频率大于预设阈值的两个节点，在语义网络中通过一条边进行连接，即将两个节点对应的语料建立关联关系。当各个语义树之间的关联关系建立好后，得到语义网络。在该语义网络中，通过任意一个语料进行搜索，可获取与之相关联的所有语料。

在本实施例中生成的语义网络，由于是对各个维度的语义树之间的共现关系进行建立，能够准确快速的用于语料搜索，提高理赔决策的效率。

在一个实施例中，根据解剖部位信息、第一选择结果、第二选择结果从预设的匹配数据集合中获取待理赔伤者对应的目标匹配数据包括：分别获取解剖部位信息、第一选择结果、第二选择结果对应的权重；分别计算解剖部位信息、第一选择结果、第二选择结果与每一个匹配数据的匹配度；根据权重及匹配度计算每一个匹配数据对应的匹配分值，获取匹配分值最大的匹配数据作为目标匹配数据。

在本实施例中，对于解剖部位、病损、伤势严重程度三个维度的语料预先设置了对应的权重，而由于第一选择结果是从与病损语料集合相关的第一选项信息集合中选择得到，因此，第一选择结果的权重与病损语料的权重相同，同理，第二选择结果的权重与伤势严重程度语料的权重相同。

在一个实施例中，计算解剖部位、第一选择结果、第二选择结果与每一个匹配数据的匹配度时，首先将匹配数据进行分词，然后进行词性标注，标注出解剖部位、病损以及伤势严重程度等词类，然后将服务器获取到的解剖部位信息与匹配数据的解剖部位词进行匹配，将服务器获取到的第一选择结果与匹配数据的病损词进行匹配，将第二选择结果与匹配数据的伤势严重程度词进行匹配。

匹配分值为各个匹配度与对应的权重的乘积的累加值。举例说明，如分别设定解剖部位、病损、伤势严重程度的权重为0.6、0.4、0.2，对于某一个诊断数据，根据解剖部位得到的匹配度为0.8、根据病损得到的匹配度为0.5，根据伤势严重程度得到的匹配度为0.6，则最后匹配分值为：0.6x0.8+0.4x0.5+0.2x0.6。

在一个实施例中，步骤S204包括：对病损语料集合中的每一个病损语料，从描述信息集合中查找其对应的描述信息；根据每一个病损语料对应的描述信息得到第一选项信息集合。

具体地，描述信息指的是病损语料对应的通俗描述语言。由于语义网络中的每一个语料都是标准化的医学描述，而对于理赔员来说，需要准确理解所有的病损语料，对医学专业知识要求较高，因此，可事先对每一个病损语料设置对应的描述信息，并建立描述信息与病损语料之间的映射关系，服务器在获取到待理赔伤者对应的病损语料集合后，可根据映射关系查找到每一个病损语料对应的描述信息，最终将这些描述信息作为选项得到第一选项信息集合。

在本实施例中，获取病损语料对应的描述信息来得到第一选择信息集合，由于描述信息为通俗易懂的语言描述，可进一步降低对理赔员的医学专业知识的要求，从而进一步减少前期的相关培训，最终进一步降低商理赔的成本。

可以理解，对于伤势严重程度语料，同样可事先设定对应的描述信息并建立映射关系，在获取到待理赔伤者对应的伤势严重程度语料集合，同样可根据映射关系查找到每一个伤势严重程度语料对应的描述信息，然后将这些描述信息作为选项得到第二选项信息集合。

在一个实施例中，根据预设理赔数据得到目标决策数据，包括：当预设理赔数据的数量为预设数量时，获取每一条预设理赔数据对应的标签信息，获取用户标识对应的个人信息，根据标签信息及个人信息得到目标决策数据。

其中，预设数量指的是大于或等于2的数量。预设理赔数据对应的标签信息指的是包括性别、年龄区段及城市，如，某个预设理赔数据的标签信息为“女”、“30-50”、“北京”、“上海”、“广州”；用户标识对应的个人信息包括待理赔患者的性别、年龄及所在的城市。

在本实施例中，将患者的个人信息与理赔数据的标签信息进行匹配，当个人信息与标签信息匹配成功时，将该标签信息对应的预设理赔数据作为目标决策数据。如,预设理赔数据A的标签信息为“女”、“30-50”、“北京”、“上海”、“广州”，预设理赔数据B的标签信息为“男”、“30-50”、“北京”、“上海”、“广州”；某个待理赔患者的个人信息包括：性别：女，年龄：38，地址：上海，则与该待理赔患者相匹配为预设理赔数据A。

应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种理赔决策装置400，包括：伤情数据获取模块402、第一选项信息集合发送模块404、第二选项信息集合发送模块406、目标匹配数据获取模块408和目标决策数据发送模块410，其中：

伤情数据获取模块420用于获取待理赔伤者的伤情数据，根据伤情数据得到对应的解剖部位信息；

第一选项信息集合发送模块404用于从预先建立的语义网络中获取与解剖部位信息相关联的病损语料集合，根据病损语料集合向终端发送第一选项信息集合；

第二选项信息集合发送模块406用于接收终端根据第一选项信息集合返回的第一选择结果，根据第一选择结果从语义网络中查找对应的伤势严重程度语料集合，根据伤势严重程度语料集合向终端发送第二选项信息集合；

目标匹配数据获取模块408用于接收终端根据第二选项信息集合返回的第二选择结果，根据解剖部位信息、第一选择结果、第二选择结果从预设的匹配数据集合中获取待理赔伤者对应的目标匹配数据；

目标决策数据发送模块410用于获取目标匹配数据对应的预设理赔数据，根据预设理赔数据得到目标决策数据，将目标决策数据发送至终端。

在一个实施例中，伤情数据获取模块420还用于接收终端发送的待理赔伤者的伤情图片；将伤情图片输入到已训练的卷积神经网络中，得到伤情图片对应的解剖部位信息。

在一个实施例中，上述装置还包括语义网络生成模块，语义网络生成模块用于获取预设维度的语义树，预设维度至少包括解剖部位、病损以及伤势严重程度；计算每一个维度的语义树对应的节点与其他维度的语义树对应的节点两两之间的共现频率；将共现频率大于预设阈值的两个节点建立关联关系，生成语义网络。

在一个实施例中，目标匹配数据获取模块408还用于分别获取解剖部位信息、第一选择结果、第二选择结果对应的权重；分别计算解剖部位信息、第一选择结果、第二选择结果与每一个匹配数据的匹配度；根据权重及匹配度计算每一个匹配数据对应的匹配分值，获取匹配分值最大的匹配数据作为目标匹配数据。

在一个实施例中，第一选项信息集合发送模块404还用于对病损语料集合中的每一个病损语料，从描述信息集合中查找其对应的描述信息；

根据每一个病损语料对应的描述信息得到第一选项信息集合。

在一个实施例中，目标决策数据发送模块410还用于当预设理赔数据的数量为预设数量时，获取每一条预设理赔数据对应的标签信息；获取用户标识对应的个人信息；根据标签信息及个人信息得到目标决策数据。

关于理赔决策装置的具体限定可以参见上文中对于理赔决策方法的限定，在此不再赘述。上述理赔决策装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储匹配数据、预设理赔数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种理赔决策方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取待理赔伤者的伤情数据，根据伤情数据得到对应的解剖部位信息；从预先建立的语义网络中获取与解剖部位信息相关联的病损语料集合，根据病损语料集合向终端发送第一选项信息集合；接收终端根据第一选项信息集合返回的第一选择结果，根据第一选择结果从语义网络中查找对应的伤势严重程度语料集合，根据伤势严重程度语料集合向终端发送第二选项信息集合；接收终端根据第二选项信息集合返回的第二选择结果，根据解剖部位信息、第一选择结果、第二选择结果从预设的匹配数据集合中获取待理赔伤者对应的目标匹配数据；获取目标匹配数据对应的预设理赔数据，根据预设理赔数据得到目标决策数据，将目标决策数据发送至终端。

在一个实施例中，获取待理赔伤者的伤情数据，根据伤情数据得到对应的解剖部位信息，包括：接收终端发送的待理赔伤者的伤情图片；将伤情图片输入到已训练的卷积神经网络中，得到伤情图片对应的解剖部位信息。

在一个实施例中，从预先建立的语义网络中获取与解剖部位信息相关联的病损语料集合之前，处理器执行计算机程序时还实现以下步骤：获取预设维度的语义树，预设维度至少包括解剖部位、病损以及伤势严重程度；计算每一个维度的语义树对应的节点与其他维度的语义树对应的节点两两之间的共现频率；将共现频率大于预设阈值的两个节点建立关联关系，生成语义网络。

在一个实施例中，根据解剖部位信息、第一选择结果、第二选择结果从预设的匹配数据集合中获取待理赔伤者对应的目标匹配数据，包括：分别获取解剖部位信息、第一选择结果、第二选择结果对应的权重；分别计算解剖部位信息、第一选择结果、第二选择结果与每一个匹配数据的匹配度；根据权重及匹配度计算每一个匹配数据对应的匹配分值，获取匹配分值最大的匹配数据作为目标匹配数据。

在一个实施例中，根据病损语料集合向终端发送第一选项信息集合，包括：对病损语料集合中的每一个病损语料，从描述信息集合中查找其对应的描述信息；根据每一个病损语料对应的描述信息得到第一选项信息集合。

在一个实施例中，根据预设理赔数据得到目标决策数据，包括：当预设理赔数据的数量为预设数量时，获取每一条预设理赔数据对应的标签信息；获取用户标识对应的个人信息；根据标签信息及个人信息得到目标决策数据。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取待理赔伤者的伤情数据，根据伤情数据得到对应的解剖部位信息；从预先建立的语义网络中获取与解剖部位信息相关联的病损语料集合，根据病损语料集合向终端发送第一选项信息集合；接收终端根据第一选项信息集合返回的第一选择结果，根据第一选择结果从语义网络中查找对应的伤势严重程度语料集合，根据伤势严重程度语料集合向终端发送第二选项信息集合；接收终端根据第二选项信息集合返回的第二选择结果，根据解剖部位信息、第一选择结果、第二选择结果从预设的匹配数据集合中获取待理赔伤者对应的目标匹配数据；获取目标匹配数据对应的预设理赔数据，根据预设理赔数据得到目标决策数据，将目标决策数据发送至终端。

在一个实施例中，获取待理赔伤者的伤情数据，根据伤情数据得到对应的解剖部位信息，包括：接收终端发送的待理赔伤者的伤情图片；将伤情图片输入到已训练的卷积神经网络中，得到伤情图片对应的解剖部位信息。

在一个实施例中，从预先建立的语义网络中获取与解剖部位信息相关联的病损语料集合之前，计算机程序被处理器执行时还实现以下步骤：获取预设维度的语义树，预设维度至少包括解剖部位、病损以及伤势严重程度；计算每一个维度的语义树对应的节点与其他维度的语义树对应的节点两两之间的共现频率；将共现频率大于预设阈值的两个节点建立关联关系，生成语义网络。

在一个实施例中，根据解剖部位信息、第一选择结果、第二选择结果从预设的匹配数据集合中获取待理赔伤者对应的目标匹配数据，包括：分别获取解剖部位信息、第一选择结果、第二选择结果对应的权重；分别计算解剖部位信息、第一选择结果、第二选择结果与每一个匹配数据的匹配度；根据权重及匹配度计算每一个匹配数据对应的匹配分值，获取匹配分值最大的匹配数据作为目标匹配数据。

在一个实施例中，根据病损语料集合向终端发送第一选项信息集合，包括：对病损语料集合中的每一个病损语料，从描述信息集合中查找其对应的描述信息；根据每一个病损语料对应的描述信息得到第一选项信息集合。

在一个实施例中，根据预设理赔数据得到目标决策数据，包括：当预设理赔数据的数量为预设数量时，获取每一条预设理赔数据对应的标签信息；获取用户标识对应的个人信息；根据标签信息及个人信息得到目标决策数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种理赔决策方法，所述方法包括：

获取待理赔伤者的伤情数据，根据所述伤情数据得到对应的解剖部位信息；

从预先建立的语义网络中获取与所述解剖部位信息相关联的病损语料集合，根据所述病损语料集合向终端发送第一选项信息集合；

接收所述终端根据所述第一选项信息集合返回的第一选择结果，根据所述第一选择结果从所述语义网络中查找对应的伤势严重程度语料集合，根据所述伤势严重程度语料集合向所述终端发送第二选项信息集合；

接收所述终端根据所述第二选项信息集合返回的第二选择结果，根据所述解剖部位信息、所述第一选择结果、所述第二选择结果从预设的匹配数据集合中获取所述待理赔伤者对应的目标匹配数据；

获取所述目标匹配数据对应的预设理赔数据，根据所述预设理赔数据得到目标决策数据，将所述目标决策数据发送至所述终端。

2.根据权利要求1所述的方法，其特征在于，所述获取待理赔伤者的伤情数据，根据所述伤情数据得到对应的解剖部位信息，包括：

接收所述终端发送的所述待理赔伤者的伤情图片；

将所述伤情图片输入到已训练的卷积神经网络中，得到所述伤情图片对应的解剖部位信息。

3.根据权利要求1所述的方法，其特征在于，所述从预先建立的语义网络中获取与所述解剖部位信息相关联的病损语料集合之前，包括：

获取预设维度的语义树，所述预设维度至少包括解剖部位、病损以及伤势严重程度；

计算每一个维度的语义树对应的节点与其他维度的语义树对应的节点两两之间的共现频率；

将所述共现频率大于预设阈值的两个节点建立关联关系，生成语义网络。

4.根据权利要求1所述的方法，其特征在于，所述根据所述解剖部位信息、所述第一选择结果、所述第二选择结果从预设的匹配数据集合中获取所述待理赔伤者对应的目标匹配数据，包括：

分别获取所述解剖部位信息、所述第一选择结果、所述第二选择结果对应的权重；

分别计算所述解剖部位信息、所述第一选择结果、所述第二选择结果与每一个匹配数据的匹配度；

根据所述权重及所述匹配度计算每一个匹配数据对应的匹配分值，获取匹配分值最大的匹配数据作为目标匹配数据。

5.根据权利要求1所述的方法，其特征在于，所述根据所述病损语料集合向终端发送第一选项信息集合，包括：

对所述病损语料集合中的每一个病损语料，从描述信息集合中查找其对应的描述信息；

根据每一个病损语料对应的描述信息得到第一选项信息集合。

6.根据权利要求1至5任意一项所述的方法，其特征在于，所述根据所述预设理赔数据得到目标决策数据，包括：

当所述预设理赔数据的数量为预设数量时，获取每一条预设理赔数据对应的标签信息；

获取用户标识对应的个人信息；

根据所述标签信息及所述个人信息得到目标决策数据。

7.一种理赔决策装置，其特征在于，所述装置包括：

伤情数据获取模块，用于获取待理赔伤者的伤情数据，根据所述伤情数据得到对应的解剖部位信息；

第一选项信息集合发送模块，用于从预先建立的语义网络中获取与所述解剖部位信息相关联的病损语料集合，根据所述病损语料集合向终端发送第一选项信息集合；

第二选项信息集合发送模块，用于接收所述终端根据所述第一选项信息集合返回的第一选择结果，根据所述第一选择结果从所述语义网络中查找对应的伤势严重程度语料集合，根据所述伤势严重程度语料集合向所述终端发送第二选项信息集合；

目标匹配数据获取模块，用于接收所述终端根据所述第二选项信息集合返回的第二选择结果，根据所述解剖部位信息、所述第一选择结果、所述第二选择结果从预设的匹配数据集合中获取所述待理赔伤者对应的目标匹配数据；

目标决策数据发送模块，用于获取所述目标匹配数据对应的预设理赔数据，根据所述预设理赔数据得到目标决策数据，将所述目标决策数据发送至所述终端。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括语义网络生成模块，所述语义网络生成模块用于获取预设维度的语义树，所述预设维度至少包括解剖部位、病损以及伤势严重程度；计算每一个维度的语义树对应的节点与其他维度的语义树对应的节点两两之间的共现频率；将所述共现频率大于预设阈值的两个节点建立关联关系，生成语义网络。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images