[发明专利]基于机器学习的保险理赔方法、装置、设备及存储介质

权利要求书

1.一种基于机器学习的保险理赔方法，其特征在于，所述保险理赔方法应用于保险理赔终端，所述保险理赔方法包括：

在接收到请求终端发送的特药理赔请求时，根据所述特药理赔请求获取被保人的原始诊疗信息；

对所述原始诊疗信息进行预处理，得到理赔审核信息；

将所述理赔审核信息输入至预先训练完成的信息真实性检测模型，并获取所述信息真实性检测模型输出的检测结果；

根据所述检测结果对所述特药理赔请求进行相应处理。

2.如权利要求1所述的保险理赔方法，其特征在于，所述在接收到请求终端发送的特药理赔请求时，根据所述特药理赔请求获取被保人的原始诊疗信息的步骤之前，还包括：

以预设比例在预设信息样本集的各信息样本中抽取一次训练样本，并在预设坐标系中绘制所述一次训练样本对应的一次特征点；

根据所述一次特征点在所述预设坐标系的位置和所述一次训练样本的样本真实性属性对所述预设坐标系进行区域划分，并根据区域划分情况获取对应的最近分隔函数；

以所述预设比例在所述预设信息样本集的各信息样本中抽取迭代训练样本，并在所述预设坐标系中绘制所述迭代训练样本对应的迭代特征点；

通过所述迭代特征点对所述最近分隔函数进行迭代调整，直至所述最近分隔函数的正确分隔率达到预设阈值，得到训练完成的信息真实性检测模型。

3.如权利要求2所述的保险理赔方法，其特征在于，所述将所述理赔审核信息输入至预先训练完成的信息真实性检测模型，并获取所述信息真实性检测模型输出的检测结果的步骤包括：

根据所述理赔审核信息在所述预设坐标系中绘制对应的信息特征点；

根据所述信息特征点和所述最近分隔函数的位置关系确定所述理赔审核信息的真实性属性，并根据所述真实性属性输出检测结果。

4.如权利要求1所述的保险理赔方法，其特征在于，所述原始诊疗信息包括非量化诊疗信息，所述理赔审核信息包括间接量化审核信息，

所述根据所述特药理赔请求对应的保险特药对所述原始诊疗信息进行预处理，得到理赔审核信息的步骤包括：

根据所述非量化诊疗信息的种类获取对应的关键字识别规则，并根据所述关键字识别规则识别所述非量化诊疗信息中的病症关键字；

基于预设关键字映射表对所述病症关键字进行数值映射，得到对应的间接量化审核信息。

5.如权利要求1所述的保险理赔方法，其特征在于，所述在接收到请求终端发送的特药理赔请求时，根据所述特药理赔请求获取被保人的原始诊疗信息的步骤之前，还包括：

在接收到投保终端发送的特药保险投保请求时，根据所述特药保险投保请求确定对应的保险特药，并获取所述保险特药的人均年费用和适用症发病率、以及所述特药保险的赔付方案；

根据所述人均年费用、所述适用症发病率和所述赔付方案获取所述特药保险的年风险保费，并根据所述年风险保费和预设运营方案获取所述特药保险的人均年毛保费；

根据所述人均年毛保费生成对应的特药保险保单和支付链接，并将所述支付链接返回至所述投保终端，以完成所述特药保险保单的支付。

6.如权利要求5所述的保险理赔方法，其特征在于，所述预设运营方案包括预设人均运营成本、预设税费比例和预设利润率，

所述根据所述年风险保费和预设运营方案获取所述特药保险计划的人均年毛保费的步骤包括：

根据所述年风险保费、所述预设人均运营成本、所述预设税费比例、所述预设利润率和预设毛保费公式计算得到所述特药保险的人均年毛保费，其中所述预设毛保费公式为：

其中，F为所述人均年毛保费；

R为所述年风险保费，R＞0；

C为所述预设人均运营成本，C＞0；

T为所述预设税费比例，0＜T＜1；

pr为所述预设利润率，0＜pr＜1。