[发明专利]理赔数据处理方法、装置、设备及存储介质

说明书

本发明公开一种理赔数据处理方法、装置、设备及存储介质。该方法包括：从客户端获取待分类理赔数据；根据预设的树状结构多分类器中的一级二分类器，对待分类理赔数据进行分类，获得第一分类结果；从树状结构多分类器的两个二级二分类器中选择其中之一，来对待分类数据进行分类，获得第二分类结果；根据树状结构多分类器的级别数量，确定是否以第二分类结果作为最终分类结果；获得待处理理赔数据的第一类别标签集合，并确定预设的第二类别标签集合中各类别标签是否均被包含于第一类别标签集合中；向客户端返回第二类别标签集合中没有被包含于第一类别标签集合中的类别标签。该方法能够降低分类器的计算压力，提升理赔数据处理的速度。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种理赔数据处理方法、装置、设备及存储介质。

背景技术

分类识别在许多场景下都能用到的，尤其是与AI(Artificial Intelligence，人工智能)相关的智能化应用中，例如：客户影像资料完整性审核、客户资料类别判定、客户资料质量判定、财务发票分类识别、文本分类检索、声纹识别等。目前主要研究的重点在不同分类算法的设计与实现，而对于分类算法如何加速的研究较少。

目前理赔数据分类任务已经是一个常态化需求，例如人工智能中的人脸识别、文字识别、影像分类识别、语音和声纹识别，都涉及到理赔数据的分类问题，传统方案一般是借助GPU(Graphics Processing Unit，图形处理器)实现大数据量高密度并行计算，以达到实时的目的，但是GPU的价格是非常昂贵的，如何在分类问题上实现理赔数据的提速依然是一个亟待解决的难题。

目前为了构建一个适用于多分类的识别模型，可以采用最小二乘、逻辑回归等二分类算法，通过分类器穷举级联的方法来设计并实现多分类识别的任务。如果采用传统穷举级联的方法，计算量将非常大，例如：为了进行一个1000类目的分类任务，就需要设计50万个分类器，而且在传统方法中，只有在所有分类器全部运行完后才能给出分类结果，这其中计算资源的消耗是非常巨大的。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明提供一种理赔数据处理方法、装置、设备及存储介质，能够降低分类器的计算压力，提高实时性，提升理赔数据处理的速度。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提供一种理赔数据处理方法，其特征在于，包括：获取待处理理赔数据；根据预设的树状结构多分类器中的一级二分类器，对待处理理赔数据进行分类，获得第一处理结果；根据所述第一处理结果，从所述树状结构多分类器的两个二级二分类器中选择其中之一，来对所述待处理理赔数据进行分类，获得第二处理结果；以及根据所述树状结构多分类器的级别数量，确定是否以所述第二处理结果作为所述待处理理赔数据的最终处理结果；根据所述最终处理结果，获得所述待处理理赔数据的第一类别标签集合，并确定预设的、对应所述待处理理赔数据的业务场景的第二类别标签集合中各类别标签是否均被包含于所述第一类别标签集合中；以及向客户端返回所述第二类别标签集合中没有被包含于所述第一类别标签集合中的类别标签；其中，所述树状结构多分类器的级别数量根据所述树状结构多分类器的分类目标数量确定。

根据本发明的一实施方式，根据所述树状结构多分类器的级别数量，确定是否以所述第二处理结果作为所述待处理理赔数据的最终处理结果包括：当所述树状结构多分类器的级别数量为二时，确定所述第二处理结果为所述待处理理赔数据的最终处理结果；以及当所述级别数量大于二时，根据所述第二处理结果，继续逐级从所述树状多分类器中选择二级分类器级别之下的二分类器，来对所述待处理理赔数据进行分类，直至当前被选择的二分类器所在级别为所述级别数量中的最低级别，以所述当前被选择的二分类器的处理结果作为所述待处理理赔数据的最终处理结果。