[发明专利]基于自适应进化算法的保单数字化方法

说明书

本发明提供基于自适应进化算法的保单数字化方法，用于解决当前保单数字化方法OCR识别准确度和结构化准确度都较低的问题。方法使用改进的OCR方法，在Faster R‑CNN算法上添加新的神经网络，共计新增8层全连接神经网络，节点数目分别为16、16、8、16、8、4、2、1，构建改进的OCR程序；结构化部分使用自适应进化算法，在通用进化算法基础上，在步骤(2)和步骤(4)之间添加了步骤(3)计算函数g，将每份保单都抽象化为一个函数；并且修改了通用进化算法的步骤(6)、步骤(7)，以自动适配不同的保单格式。极大提升了保单数字化的准确率。

技术领域

本发明属于保险业单据数字化优化领域，具体涉及基于自适应进化算法(adaptive evolutional algorithm，AEA)的保单数字化方法。

背景技术

保单数字化是指将纸质保单通过OCR技术转化为无结构纯文本，然后将 无结构纯文本结构化，转化为计算机可识别的格式，供保险业的其他业务流 程调用。着我国经济的快速发展，国民收入水平的大幅提高，民众的保单持 有量也在快速飙升，对保险业的数字化管理水平提出了更高的要求。截止到 2020年，我国各类保单共计16.7亿张，人均1.19张。其中，数字化保单不足 1.9亿张，绝大部分保单依旧是纸质保单，没有实现数字化，造成了客户在理 赔、核保、预核保等诸多环节的不变。截止到2021年3月，我国各类纸质保 单平均理赔时长为2.03月，客户理赔过程投诉率0.21％；各类数字化保单平 均理赔时长为0.84月，客户理赔过程投诉率0.09％。由此可见，保单数字化 是提升保险业整体服务水平的关键。

在保单数字化的研究过程中，国内外学者提出了诸多方法。如使用经典 神经网络Faster R-CNN对纸质保单做OCR处理，而后通过OCR中的框体对 无结构纯文本进行结构化。该方法在通用保单格式中OCR准确率70％，结构 化准确率40％，综合准确率可达35％。针对结构化准确率低的问题，有学者 针对单一格式的保单，使用进化算法处理结构化部分，将结构化准确率提升 到86％。该方法严重依赖保单格式，无法适配通用保单格式，无法工业化。

鉴于当前保单数字化方法OCR识别准确度和结构化准确度都较低的问题， 有必要提供一种新的保单数字化方法，以解决上述问题。

发明内容

本发明的目的是：针对背景技术描述的问题，本发明提供一种基于AEA 的保单数字化方法，用于解决当前保单数字化方法OCR识别准确度和结构化 准确度都较低的问题。

为了解决上述问题，本发明所采用的技术方案是：

基于自适应进化算法的保单数字化方法，其特征在于，包括如下步骤：

(1)构建改进的OCR程序

在Faster R-CNN算法上添加新的神经网络，共计新增8层全连接神经网 络，节点数目分别为16、16、8、16、8、4、2、1，构建改进的OCR程序， 将图片化的纸质文本提取成无结构化的纯文本格式，提取的纯文本格式分为 文本字段集合A和框体坐标集合B，所述集合A包含OCR程序识别出的所 有字段；

(2)生成随机分配方案

在得到文本字段集合A和框体坐标集合B之后，生成随机分配方案；

(3)计算函数g

建立保单格式库，存储不同格式的保单，保单格式通过函数g进行描述

g＝r(T) (4)

其中，T是210×297的矩阵，r是线性代数中求解矩阵的秩；矩阵T的现 实含义为将A4纸横向划分210等份，纵向划分297等份，每个矩形上有文字 则为1，无文字则为0；