[发明专利]一种保险理赔处理方法、装置及系统

权利要求书

1.一种保险理赔处理方法，其特征在于，应用于保险理赔服务器，所述方法包括：

在接收到保险理赔请求的情况下，解析所述保险理赔请求，得到用户的待审核信息，所述待审核信息至少包括报销凭证；

验证所述报销凭证的有效性；

在所述报销凭证通过验证的情况下，调用预先构建的数据有效性预测模型对所述待审核信息进行有效性预测，所述数据有效性预测模型为利用历史报销记录数据对多层机器学习模型进行训练后得到的，其中，多层机器学习模型每层对应的训练算法不同；

在对所述待审核信息有效的情况下，将所述待审核信息打包发送到区块链平台，在所述待审核信息触发预先设置的保险理赔智能合约的情况下，完成保险理赔。

2.根据权利要求1所述的方法，其特征在于，所述报销凭证为用户利用分布式数字身份DID向预设机构请求签发的可验证凭证，所述可验证凭证为所述预设机构利用私钥对用户的报销凭证数据进行加密后生成的；

验证所述报销凭证的有效性，包括：

利用所述预设机构的公钥对所述报销凭证进行验证，根据验证结果确定所述报销凭证是否有效。

3.根据权利要求1所述的方法，其特征在于，构建所述数据有效性预测模型，包括：

对历史报销记录数据进行预处理，得到样本数据集；

将所述样本数据集划分为训练集和测试集；

利用所述训练集和所述测试集分别对N种训练算法进行训练和测试，得到每种所述训练算法的准确率，N为奇数；

对每种所述训练算法的准确率按从高到低的顺序进行排序，将第种所述训练算法作为第一训练算法，将第种所述训练算法作为第二训练算法，并将最后一种所述训练算法作为第三训练算法；

在模型第一层中，将所述训练集划分为K组，K-1组作为子训练集，剩下一组作为验证集，分别对每种所述第一训练算法进行K-fold交叉验证，针对验证集中的每个样本，计算每种所述第一训练算法对其预测结果的平均值，得到验证结果对应的验证集P′，并针对所述测试集中的每个样本，计算每种所述第一训练算法对其预测结果的平均值，得到测试结果对应的测试集T′；

在模型第二层中，将模型第一层的验证集P′划分为K组，K-1组作为子训练集，剩下一组作为验证集，分别对每种所述第二训练算法进行K-fold交叉验证，针对验证集中的每个样本，计算每种所述第二训练算法对其预测结果的平均值，得到验证结果对应的验证集P″，并针对模型第一层的测试集T′中的每个样本，计算每种所述第二训练算法对其预测结果的平均值，得到测试结果对应的测试集T″；

在模型第三层中，将模型第二层的验证集P″划分为K组，K-1组作为子训练集，剩下一组作为验证集，对所述第三训练算法进行K-fold交叉验证，并利用模型第二层的测试集T″对所述第三训练算法进行测试，在验证结果和测试结果满足预设条件的情况下，得到由第一层、第二层和第三层组成的所述数据有效性预测模型。

4.根据权利要求3所述的方法，其特征在于，所述对历史报销记录数据进行预处理，得到样本数据集，包括：

分别提取每条历史报销记录数据的预设特征指标；

分别将每条历史报销记录数据的预设特征指标进行笛卡尔积特征组合，并标记每条历史报销记录数据是否有效，得到多个样本数据；

使用局部异常因子LOF算法剔除多个样本数据中的异常值，得到所述样本数据集。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述报销凭证未通过验证或所述待审核信息无效或所述待审核信息未触发所述保险理赔智能合约的情况下，提示用户保险理赔未通过。

6.根据权利要求1所述的方法，其特征在于，在完成保险理赔之后，所述方法还包括：

将本次报销记录数据写入监管报表，并将所述监管报表发送到监管机构系统。