[发明专利]基于自然语言处理的保单核保方法及核保装置

权利要求书

1.一种基于自然语言处理的保单核保方法，其特征在于，包括以下步骤：

获取目标保单的待核保数据，将所述待核保数据划分为指标数据和文本数据；

根据第一指标筛查规则对所述指标数据进行筛查，获得第一核保结果；

从所述文本数据中提取异常疾病名称及关联因子；

将所述异常疾病名称及关联因子与预设的第二核保规则比较，获得第二核保结果；

将所述异常疾病名称及疾病关联因子与历史核保案例比较，获得第三核保结果；

根据所述第一核保结果、所述第二核保结果和所述第三核保结果确定所述目标保单的最终核保结果。

2.根据权利要求1所述的保单核保方法，其特征在于，所述对于所述指标数据，根据第一指标筛查规则获得第一核保结果包括：

判断任一条所述指标数据是否触发对应的预设指标规则；

若是，根据所述预设指标规则输出对应的预设核保结果；

在多条所述指标数据触发对应的预设指标规则以输出多条预设核保结果的情况下，获取每条所述预设核保结果的预设优先级，根据所述预设优先级从所述多条预设核保结果中确定所述第一核保结果。

3.根据权利要求1或2所述的保单核保方法，其特征在于，所述从所述文本数据中提取异常疾病名称及疾病关联因子包括：

对所述文本数据进行无效过滤和段落合并，得到包含多个有效句式的第一文本数据；

将所述第一文本数据输入第一分类器，以提取出目标异常句式；

将所述异常句式输入第二分类器，以提取出目标异常疾病名称和/或目标疾病关联因子。

4.根据权利要求3所述的保单核保方法，其特征在于，所述第一分类器通过以下步骤训练得到：

获取多个训练样本句式，所述训练样本句式已被预先添加正常标签或异常标签；

将所述训练样本句式作为输入数据，将所述正常标签或异常标签作为输出数据训练第一神经网络模型，以使所述第一神经网络模型的误差函数收敛于第一阈值；

将训练完成的所述第一神经网络模型作为所述第一分类器；

所述第二分类器通过以下步骤得到：

获取多个异常样本句式，所述异常样本句式中已预先标识了其中包含的异常疾病名称和/或疾病关联因子；

将所述异常样本句式作为输入数据，将已预先标识的异常疾病名称和/或疾病关联因子作为输出数据训练第二神经网络模型，以使所述第二神经网络模型的误差函数收敛于第二阈值；

将训练完成的所述第二神经网络模型作为所述第二分类器。

5.根据权利要求1所述的保单核保方法，其特征在于，所述第二核保规则为多条包含参考异常疾病名称、参考疾病关联因子及对应的参考核保结果的结构化数据；所述将所述异常疾病名称及疾病关联因子与预设的第二核保规则比较，获得第二核保结果包括：

查询包含所述异常疾病名称及疾病关联因子的目标结构化数据；

根据所述疾病关联因子与所述目标结构化数据中参考疾病关联因子的关系，获取所述目标结构化数据中的目标核保结果；

在仅包含一个所述异常疾病名称的情况下，将所述目标核保结果作为所述第二核保结果；

在包含多个所述异常疾病名称的情况下，根据每个所述目标核保结果的优先级确定所述第二核保结果。

6.根据权利要求5所述的保单核保方法，其特征在于，所述第二核保规则对应的结构化数据通过以下步骤获得：

获取核保手册文件；

对所述核保手册文件进行解码，并基于解码后的文件通过正则表达式提取规则数据；

将提取到的规则数据按预设格式保存。

7.根据权利要求1所述的保单核保方法，其特征在于，所述将所述异常疾病名称及疾病关联因子与历史核保案例比较，获得第三核保结果包括：

加载历史核保案例库，所述案例库由多条包含参考异常疾病名称、参考疾病关联因子及对应的参考核保结果的结构化案例数据组成；

通过相似度匹配算法，获取与所述异常疾病名称及疾病关联因子相似度最高的目标案例数据；

根据所述目标案例数据中对应的参考核保结果确定所述第三核保结果。