一种基于NLP的保险事故智能识别模型的制作方法

一种基于nlp的保险事故智能识别模型
技术领域
1.本发明涉及自然语言处理技术领域，具体涉及一种基于nlp的保险事故智能识别模型。


背景技术：

2.车险理赔是汽车发生交通事故后，车主到保险公司理赔。理赔工作的基本流程包括：报案、查勘定损、验收审核索赔单证、理算复核、审批、赔付结案等步骤，车险理赔工作具有显著的特点：被保险人的公众性、损失率高且损失幅度较小、标的流动性大、受制于修理厂的程度较大、道德风险普遍。针对现有技术存在以下问题：
3.在汽车出现保险事故时，不便于对汽车所产生保险事故数据进行识别事故类型，同时对结合出险内容、经过和使用材料进行识别得到车辆的是否有严重事故、发动机异常、水泡、火烧等进行判断。


技术实现要素：

4.本发明提供一种基于nlp的保险事故智能识别模型，目的是为了具备便于专业人员对大量的保险事故数据进行分类标签，解决不便于对大量的保险事故数据进行分类标签的问题。
5.为解决上述技术问题，本发明所采用的技术方案是：
6.一种基于nlp的保险事故智能识别模型，包括评估师标记、保险模式、提取保单出险经过文本、提取保单出险明细、提取保单理赔项明细文本和理赔金额，所述评估师标记判断事故类型a，所述保险模型判断事故类型c，所述提取保单出险经过文本通过规则库匹配，所述提取保单出险明细通过文本处理按照，。分隔文本，所述提取保单理赔项明细文本包括有名词&动词、只有名词和提取类型文本，所述理赔金额包括m个理赔记录，m为正整数。
7.本发明技术方案的进一步改进在于：所述事故类型a得到判断依据1，当判断依据1进行规则库匹配，确定规则库匹配进行匹配判定为事故类型b，当判断依据1依照历史评估师标记事故类型判断历史r，r≥95％，r为占比最高的事故类型，当判断依据1中判断事故类型a≠事故类型b时，确定正常执行，当判断依据1中判断事故类型a＝事故类型b时，事故类型b＝r，确定规则正常，则订单进入待定池，r占比＜95％，当事故类型b≠r时，确定规则异常，立即导出该依据所判定的所有订单，并邮件发送给指定人员，包括产品、评估部人员。
8.本发明技术方案的进一步改进在于：所述订单通过评估部核定规则，当线上一键修改该凭据所标记的事故类型，则通过数据验证，当更新该凭据所归属的规则，则通过数据验证。
9.本发明技术方案的进一步改进在于：所述事故类型c得到判断依据2，当判断依据2＝判断依据1，确定走回评估师判断流程，当判断依据2≠判断依据1，事故类型a＝事故类型c时，确定正常执行，事故类型a≠事故类型c时，确定归为异常单。
10.本发明技术方案的进一步改进在于：所述异常单/月度总单≥5％时，确定规则异
常，立即导出该依据所判定的所有订单，并邮件发送给指定人员，包括产品、评估部人员，当产品人员分析错误原因时，进行归纳，通过评估部核定规则，确定线上修复异常单数据，确定核定规则修改规则库。
11.本发明技术方案的进一步改进在于：所述规则库匹配通过输出事故类型及关键词文本，确定提取名词+动词，通过相同部件词按照动词优先级进行去重处理，确定按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型。
12.本发明技术方案的进一步改进在于：所述文本处理按照，。分隔文本通过提取名词+动词，通过相同部件词按照动词优先级进行去重处理，确定按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型。
13.本发明技术方案的进一步改进在于：所述有名词&动词通过相同部件词按照动词优先级进行去重处理，所述只有名词和提取类型文本通过同一理赔项的名词与动词组合，确定相同部件词按照动词优先级进行去重处理，确定按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型。
14.本发明技术方案的进一步改进在于：所述按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型均通过相同部件词按照动词优先级进行去重处理，确定按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型，执行去重逻辑。
15.本发明技术方案的进一步改进在于：所述理赔记录通过输出最大理赔金额，通过vin码向后台查询该车车型及行车指导价，当查询为空，则只输出最大理赔金额(金额为空输出0)，当查询不为空，则输出该车车型(车型为空则不输出)、最大理赔金额(金额为空输出0)，确定输出该车车型、最大理赔金额、最大理赔金额/新车指导价。
16.由于采用了上述技术方案，本发明相对现有技术来说，取得的技术进步是：
17.1、本发明提供一种基于nlp的保险事故智能识别模型，通过从网络上和专业人员得到大批量的汽车材料部件的专有名动词，从而便于专业人员对大量保险事故数据进行打上事故类型标签，便于后续的理赔。
18.2、本发明提供一种基于nlp的保险事故智能识别模型，利用自然语言拆分词的逻辑结合主谓宾语法书写处理数据，得到处理结果对比识别正确率，未达标则重新通过相同部件词按照动词优先级进行去重处理，通过对同一条记录的(换件总金额+维修总金额+其他总金额)与总金额进行比较，输出两者间较大的理赔金额，从而对该保单所有理赔记录均执行该操作，对输出的理赔金额进行比较，输出该保险理赔单最大理赔金额，校正并发送数据给专业人员。
附图说明
19.图1为本发明的预警与打标签流程示意图；
20.图2为本发明的整体识别流程示意图。
具体实施方式
21.下面结合实施例对本发明做进一步详细说明：
22.实施例1
23.如图1-2所示，本发明提供了一种基于nlp的保险事故智能识别模型，包括评估师标记、保险模式、提取保单出险经过文本、提取保单出险明细、提取保单理赔项明细文本和理赔金额，评估师标记判断事故类型a，保险模型判断事故类型c，提取保单出险经过文本通过规则库匹配，提取保单出险明细通过文本处理按照，。分隔文本，提取保单理赔项明细文本包括有名词&动词、只有名词和提取类型文本，理赔金额包括m个理赔记录，m为正整数。
24.如图1-2所示，优选的，事故类型a得到判断依据1，当判断依据1进行规则库匹配，确定规则库匹配进行匹配判定为事故类型b，当判断依据1依照历史评估师标记事故类型判断历史r，r≥95％，r为占比最高的事故类型，当判断依据1中判断事故类型a≠事故类型b时，确定正常执行，当判断依据1中判断事故类型a＝事故类型b时，事故类型b＝r，确定规则正常，则订单进入待定池，r占比＜95％，当事故类型b≠r时，确定规则异常，立即导出该依据所判定的所有订单，并邮件发送给指定人员，包括产品、评估部人员，其特征在于：订单通过评估部核定规则，当线上一键修改该凭据所标记的事故类型，则通过数据验证，当更新该凭据所归属的规则，则通过数据验证，从而能够对事故类型进行判断。
25.如图1-2所示，优选的，其特征在于：事故类型c得到判断依据2，当判断依据2＝判断依据1，确定走回评估师判断流程，当判断依据2≠判断依据1，事故类型a＝事故类型c时，确定正常执行，事故类型a≠事故类型c时，确定归为异常单，异常单/月度总单≥5％时，确定规则异常，立即导出该依据所判定的所有订单，并邮件发送给指定人员，包括产品、评估部人员，当产品人员分析错误原因时，进行归纳，通过评估部核定规则，确定线上修复异常单数据，确定核定规则修改规则库，通过从网络上和专业人员得到大批量的汽车材料部件的专有名动词，从而便于专业人员对大量保险事故数据进行打上事故类型标签，便于后续的理赔，进而能够对保险模式进行判断。
26.实施例2
27.如图1-2所示，在实施例1的基础上，本发明提供一种技术方案：优选的，规则库匹配通过输出事故类型及关键词文本，确定提取名词+动词，通过相同部件词按照动词优先级进行去重处理，确定按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型，文本处理按照，。分隔文本通过提取名词+动词，通过相同部件词按照动词优先级进行去重处理，确定按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型，有名词&动词通过相同部件词按照动词优先级进行去重处理，只有名词和提取类型文本通过同一理赔项的名词与动词组合，确定相同部件词按照动词优先级进行去重处理，确定按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型，按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型均通过相同部件词按照动词优先级进行去重处理，确定按照事故优先级输出优先级最高的关键词(部件词+动词)+对应的事故类型，执行去重逻辑。
28.如图1-2所示，优选的，理赔记录通过输出最大理赔金额，通过vin码向后台查询该车车型及行车指导价，当查询为空，则只输出最大理赔金额(金额为空输出0)，当查询不为空，则输出该车车型(车型为空则不输出)、最大理赔金额(金额为空输出0)，确定输出该车车型、最大理赔金额、最大理赔金额/新车指导价，利用自然语言拆分词的逻辑结合主谓宾语法书写处理数据，得到处理结果对比识别正确率，未达标则重新通过相同部件词按照动词优先级进行去重处理，通过对同一条记录的(换件总金额+维修总金额+其他总金额)与总
金额进行比较，输出两者间较大的理赔金额，从而对该保单所有理赔记录均执行该操作，对输出的理赔金额进行比较，输出该保险理赔单最大理赔金额，校正并发送数据给专业人员。
29.上文一般性的对本发明做了详尽的描述，但在本发明基础上，可以对之做一些修改或改进，这对于技术领域的一般技术人员是显而易见的。因此，在不脱离本发明思想精神的修改或改进，均在本发明的保护范围之内。