(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210582860.5 (22)申请日 2022.05.26 (71)申请人 中国平安人寿保险股份有限公司 地址 518000 广东省深圳市福田区福田街 道益田路5033号平安金融中心14、 15、 16、 37、 41、 4 4、 45、 46、 54、 58、 59层 (72)发明人 陆凯　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 廖慧贤 (51)Int.Cl. G06Q 40/08(2012.01) G06N 5/00(2006.01) G06F 40/205(2020.01) G06F 40/30(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 理赔预测方法和装置、 电子设备及存 储介质 (57)摘要 本申请实施例提供了一种理赔预测方法和 装置、 电子设备及存储介质， 属于人工智能技术 领域。 该方法包括： 获取目标案件的案件信息数 据和案件描述数据， 案件信息数据用于记录目标 案件的案件基本信息， 案件描述数据用于描述目 标案件的案情； 对案件信息数据进行特征提取， 得到案件特征向量； 通过树模型对案件特征向量 进行节点预测， 得到目标树节 点数据和第一预测 值； 对案件描述数据进行编码处理， 得到目标语 义隐向量； 通过理赔预测模型对目标树节点数据 和目标语义隐向量进行预测处理， 得到第二预测 值； 根据第一预测值和第二预测值进行理赔计 算， 得到目标理赔数据。 本申请实施例能够提高 对理赔情况判断的准确性。 权利要求书2页 说明书16页 附图5页 CN 114897626 A 2022.08.12 CN 114897626 A 1.一种理赔预测方法， 其特 征在于， 所述方法包括： 获取目标案件的案件信息数据和案件描述数据， 其中， 所述案件信息数据用于记录所 述目标案件的案件基本信息， 所述案件描述数据用于描述所述目标案件的案情； 对所述案件信息数据进行 特征提取， 得到 案件特征向量； 通过预设的树模型对所述案件特征向量进行节点预测， 得到目标树节点数据和第 一预 测值； 对所述案件描述数据进行编码处 理， 得到目标语义隐向量； 通过预先训练的理赔预测模型对所述目标树节点数据和所述目标语义隐向量进行预 测处理， 得到第二预测值； 根据所述第一预测值和所述第二预测值进行理赔 计算， 得到目标理赔数据。 2.根据权利要求1所述的理赔预测方法， 其特征在于， 所述通过预设的树模型对所述案 件特征向量进行节点预测， 得到目标树节点数据和第一预测值的步骤， 包括： 通过所述树模型对所述案件特 征向量进行节点 生成， 得到目标叶节点； 对所述目标叶节点进行组合处 理， 得到所述目标树节点数据； 通过预设的第一 函数对所述目标树节点数据进行概 率计算， 得到所述第一预测值。 3.根据权利要求1所述的理赔预测方法， 其特征在于， 所述理赔预测模型包括编码层和 预测层， 所述通过预先训练的理赔预测模型对 所述目标树节点数据和所述目标语义隐向量 进行预测处理， 得到第二预测值的步骤， 包括： 通过所述编码层对所述目标树节点数据进行编码处 理， 得到树节点编码向量； 通过所述预测层对所述树节点编码向量和所述目标语义隐向量进行理赔预测， 得到所 述第二预测值。 4.根据权利要求3所述的理赔预测方法， 其特征在于， 所述通过所述预测层对所述树节 点编码向量和所述目标语义隐向量进行理赔预测， 得到所述第二预测值的步骤， 包括： 根据预设的权重参数对所述树节点编码向量和所述目标语义隐向量进行向量相加， 得 到目标案件隐向量； 通过所述预测层的第 二函数对所述目标案件隐向量进行理赔率计算， 得到所述第 二预 测值。 5.根据权利要求1所述的理赔预测方法， 其特征在于， 所述案件信 息数据包括第 一离散 数据、 第二离散数据、 第一数值数据以及第二数值数据， 所述对所述案件信息数据进 行特征 提取， 得到 案件特征向量的步骤， 包括： 根据预设的编码序号对所述第一离 散数据进行编码处 理， 得到第一编码向量； 对所述第二离 散数据进行多热编码处 理， 得到第二编码向量； 根据预设的填充参数对所述第一数值数据进行编码处 理， 得到第三编码向量； 对所述第二数值数据进行数值提取， 得到目标数值特征， 并对所述目标数值特征进行 编码处理， 得到第四编码向量； 对所述第一编码向量、 所述第二编码向量、 所述第三编码向量和所述第 四编码向量进 行向量拼接， 得到所述案件特 征向量。 6.根据权利要求1至5任一项所述的理赔预测方法， 其特征在于， 所述对所述案件描述 数据进行编码处 理， 得到目标语义隐向量的步骤， 包括：权　利　要　求　书 1/2 页 2 CN 114897626 A 2对所述案件描述数据进行格式转换， 得到初始描述文本； 根据预设的文本 长度对所述初始描述文本进行分割处 理， 得到目标描述文本； 通过预设的编码模型对所述目标描述文本进行编码处 理， 得到所述目标语义隐向量。 7.根据权利要求6所述的理赔预测方法， 其特征在于， 所述案件描述数据包括第 一文本 数据、 第二文本数据以及第三文本数据， 所述对所述案件描述数据进 行格式转换， 得到初始 描述文本的步骤， 包括： 根据预设的第一格式模板对所述第一文本数据进行格式转换， 得到第一描述文本； 根据预设的第二格式模板对所述第二文本数据进行格式转换， 得到第二描述文本； 根据预设的第三格式模板对所述第三文本数据进行格式转换， 得到第三描述文本； 根据预设的拼接顺序对所述第 一描述文本、 所述第 二描述文本以及所述第 三描述文本 进行拼接处 理， 得到所述初始描述文本 。 8.一种理赔预测装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取目标案件的案件信 息数据和案件描述数据， 其中， 所述案件信 息数据用于记录所述目标案件的案件基本信息， 所述案件描述数据用于描述所述目标案件 的案情； 特征提取模块， 用于对所述案件信息数据进行 特征提取， 得到 案件特征向量； 节点预测模块， 用于通过预设的树模型对所述案件特征向量进行节点预测， 得到目标 树节点数据和第一预测值； 编码模块， 用于对所述案件描述数据进行编码处 理， 得到目标语义隐向量； 理赔预测模块， 用于通过预先训练 的理赔预测模型对所述目标树节点数据和所述目标 语义隐向量进行 预测处理， 得到第二预测值； 计算模块， 用于根据所述第一预测值和所述第二预测值进行理赔计算， 得到目标理赔 数据。 9.一种电子设备， 其特征在于， 所述电子设备包括存储器、 处理器、 存储在所述存储器 上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通 信的数据总线， 所述程序被所述处理器执行时实现如权利要求1至7任一项所述的理赔预测 方法的步骤。 10.一种存储介质， 所述存储介质为计算机可读存储介质， 用于计算机可读存储， 其特 征在于， 所述存储介质存储有一个或者多个程序， 所述一个或者多个程序可被一个或者多 个处理器执行， 以实现权利要求1至7中任一项所述的理赔预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114897626 A 3