保险用户评估方法、装置、电子设备及计算机可读介质制造方法及图纸

本公开涉及一种基于疾病风险模型的保险用户评估方法、装置、电子设备及计算机可读介质。涉及医疗保险信息处理领域，该方法包括：通过至少一个数据源获取用户的医疗数据；对所述医疗数据进行数据处理生成特征数据；将所述特征数据输入至少一个疾病风险模型中以获取疾病风险数据；以及根据所述疾病风险数据确定所述用户的风险标签。本公开涉及的基于疾病风险模型的保险用户评估方法、装置、电子设备及计算机可读介质，能够在保险核验端快速、准确识别具有风险的用户保单，辅助进行精准核保定价。

Insurance user evaluation methods, devices, electronic equipment and computer-readable media

【技术实现步骤摘要】
保险用户评估方法、装置、电子设备及计算机可读介质
本公开涉及医疗信息处理领域，具体而言，涉及一种基于疾病风险模型的保险用户评估方法、装置、电子设备及计算机可读介质。
技术介绍
人身保险是以人的寿命和身体为保险标的的保险。健康告知是将被保险人的身体健康状况，告知给保险公司，供他们做风险评估，最终确定是否可以承保的过程。为了评估被保人的健康状况，以确定承保费率，各保险公司在接受客户投保申请时，要求其填写健康告知书，亦即关于健康情况的说明。根据《保险法》第十六条规定，投保人故意或因重大过失未履行如实告知义务，足以影响保险公司决定是否承保或提高保险费率的，保险公司有权解除保险合同，保险公司对于保险合同解除前发生的保险事故，不承担赔付保险金的责任，并不退还保险费。然而在保险实务中，相当一部分投保人、被保险人往往是患病以后才意识到参加保险的重要性，于是投保，但在投保申请书上并未如实写明病史。据不完全统计，每年不如实告知保单占比高达15％～20％，给整个保险行业带来上百亿的额外损失。为了避免因不如实告知带来损失，保险公司通常会对投保申请进行审核(该审核可能在客户投保、承保后抗辩期内或理赔阶段进行)。由于体检和人工调查的成本高、时效低，保险公司只能让部分疑似保单进行核实。而且在信息不足情况下，核保员只能凭经验人工判断疑似风险。这个过程需要耗费大量人力，准确度也非常有限。能否在核保端快速、准确识别不如实告知保单是当前保险公司迫切需求。因此，本申请提出一种新的基于疾病风险模型的保险用户评估方法、装置、电子设备及计算机可读介质。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，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。
技术实现思路
有鉴于此，本公开提供一种基于疾病风险模型的保险用户评估方法、装置、电子设备及计算机可读介质，能够在保险核验端快速、准确识别具有风险的用户保单，辅助进行精准核保定价。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一方面，提出一种基于疾病风险模型的保险用户评估方法，该方法包括：通过多个数据源获取用户的医疗数据；对所述医疗数据进行数据处理生成特征数据；将所述特征数据输入至少一个疾病风险模型中以获取疾病风险数据；以及根据所述疾病风险数据确定所述用户的风险标签。在本公开的一种示例性实施例中，还包括：通过历史医疗数据建立疾病风险模型模型。在本公开的一种示例性实施例中，所述通过历史医疗数据建立疾病判定模型包括：按照疾病特征将所述历史医疗数据进行分类；以及对每一类所述历史医疗数据分别建立所述疾病风险模型。在本公开的一种示例性实施例中，还包括：根据所述疾病风险数据确定所述用户的保险费用。在本公开的一种示例性实施例中，通过多个数据源获取用户的医疗数据包括：通过所述多个数据源获取用户的数据；以及根据预定映射规则通过所述数据筛选生成所述医疗数据。在本公开的一种示例性实施例中，对所述医疗数据进行数据处理生成特征数据包括：对所述医疗数据进行自然语言结构化处理，生成结构化数据；对所述结构化数据进行归一化处理，生成归一化数据；以及对所述归一化数据进行特征处理，生成所述特征数据。在本公开的一种示例性实施例中，疾病风险数据包括：疾病名称、风险评分、准确度、以及时效性。根据本公开的一方面，提出一种保险用户评估装置，该装置包括：数据模块，用于通过多个数据源获取用户的医疗数据；处理模块，用于对所述医疗数据进行数据处理生成特征数据；评分模块，用于将所述特征数据输入至少一个疾病风险模型中以获取疾病风险数据；以及结果模块，用于根据所述疾病风险数据确定所述用户的风险标签。根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。根据本公开的基于疾病风险模型的保险用户评估方法、装置、电子设备及计算机可读介质，能够在保险核验端快速、准确识别具有风险的用户保单，辅助进行精准核保定价。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的一种基于疾病风险模型的保险用户评估方法的流程图。图2是根据另一示例性实施例示出的一种基于疾病风险模型的保险用户评估方法的流程图。图3是根据另一示例性实施例示出的一种基于疾病风险模型的保险用户评估方法的示意图。图4是根据一示例性实施例示出的一种基于疾病风险模型的保险用户评估装置的框图。图5是根据一示例性实施例示出的一种电子设备的框图。图6是根据一示例性实施例示出一种计算机可读存储介质示意图。具体实施方式现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能本文档来自技高网...

【技术保护点】
1.一种基于疾病风险模型的保险用户评估方法，其特征在于，包括：/n通过至少一个数据源获取用户的医疗数据；/n对医疗数据进行数据处理生成特征数据；/n将所述特征数据输入至少一个疾病风险模型中以获取疾病风险数据；以及/n根据所述疾病风险数据确定所述用户的风险标签。/n

【技术特征摘要】
1.一种基于疾病风险模型的保险用户评估方法，其特征在于，包括：
通过至少一个数据源获取用户的医疗数据；
对医疗数据进行数据处理生成特征数据；
将所述特征数据输入至少一个疾病风险模型中以获取疾病风险数据；以及
根据所述疾病风险数据确定所述用户的风险标签。


2.如权利要求1所述的方法，其特征在于，还包括：
通过历史医疗数据与机器学习算法建立疾病风险模型模型。


3.如权利要求1所述的方法，其特征在于，所述通过历史医疗数据与机器学习算法建立疾病风险模型模型包括：
按照疾病特征将所述历史医疗数据进行分类；以及
每一类所述历史医疗数据分别通过所述机器学习算法建立所述疾病风险模型。


4.如权利要求1所述的方法，其特征在于，所述所述机器学习算法包括以下算法中的一种或多种：
回归算法、正则化方法、基于实例的算法、决策树算法、贝叶斯方法、基于核的算法、聚类算法、人工神经网络算法。


5.如权利要求1所述的方法，其特征在于，通过多个数据源获取用户的医疗数据包括：
通过所述多个数据源获取用户的数据；以及
根据预定映射规则通过所述数据筛选生成所述医疗数据。


6....

【专利技术属性】
技术研发人员：郭潇宇，李羽涵，
申请(专利权)人：天津幸福生命科技有限公司，
类型：发明
国别省市：天津;12