保险赔付方法与装置、计算机设备与可读存储介质

本发明涉及计算机技术领域，尤其涉及一种保险赔付方法与装置、计算机设备与可读存储介质。

随着人们安全意识的提升，越来越多的人会购买保险产品，以便于在发生意外情况时能够得到保障。基于此，当意外情况发生时，如突发疾病或者发生意外交通事故时，用户可以向保险公司提出保险理赔申请。与之对应的，保险公司需要对意外事故的发生情况进行现场勘测，并基于现场勘测的结果由人工实现理赔金额的断定。保险理赔服务中至少存在如下问题：

过多的依赖于人工的主观判定，这不仅会消耗大量的人力资源成本，而且，主观断定理赔金额还可能会导致理赔金额存在较大误差，容易发生误赔、错赔等现象。

有鉴于此，本发明实施例提供了一种保险赔付方法与装置、计算机设备与可读存储介质，用以解决现有技术中依赖于人工主观判定理赔金额对人力资源成本的消耗较大的问题。

第一方面，本发明实施例提供了一种保险赔付方法，包括：

接收保险理赔申请；

获取所述保险理赔申请的发起用户的理赔参考数据，其中，所述理赔参考数据包括身体情况数据、资产情况数据与事故相关数据中的至少一种；

利用机器学习算法对所述发起用户的所述理赔参考数据进行处理，得到所述发起用户的理赔参考金额；

根据所述理赔参考金额，对所述发起用户进行保险赔付。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述身体情况数据包括：医疗记录、家族病史、人身伤害记录与历史身体类保险购买及理赔记录中的至少一种；

所述资产情况数据包括：缴费记录、贷款记录、资产交易数据与购物交易数据中的至少一种；

所述事故相关数据包括：事故责任判定数据与事故现场说明数据中的至少一种。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取所述保险理赔申请的发起用户的理赔参考数据，包括：

识别所述发起用户的所述理赔参考数据的存储位置是否为自身存储位置；

当所述存储位置为所述自身存储位置时，调用所述发起用户的所述理赔参考数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：

当所述存储位置为非自身存储位置时，向所述存储位置发送携带有所述保险理赔请求的数据调用请求；

接收所述存储位置根据所述数据调用请求反馈的所述理赔参考数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述利用机器学习算法对所述发起用户的所述理赔参考数据进行处理，得到所述发起用户的理赔参考金额之前，所述方法还包括：

构建保险理赔模型，所述保险理赔模型的输入为所述发起用户的所述理赔参考数据，所述保险理赔模型的输出为所述理赔参考金额；

将所述发起用户的所述理赔参考数据输入所述保险理赔模型，得到所述发起用户的所述理赔参考金额。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述构建保险理赔模型，包括：

构建初始保险理赔模型，并获取多个样本用户的历史理赔记录；

利用所述历史理赔记录对所述初始保险理赔模型进行训练，得到所述保险理赔模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述理赔参考金额，对所述发起用户进行保险赔付，包括：

将所述理赔参考金额作为保险赔付金额赔付给所述发起用户。

上述技术方案中的一个技术方案具有如下有益效果：

本发明实施例中，当接收到任意用户发起的保险理赔申请，则获取该发起用户的理赔参考数据，并基于这些理赔参考数据，基于机器学习算法，直接得出理赔参考金额，减小人员工作量，节省人力成本，且相较于人工，基于用户的理赔参考数据得到的理赔参考金额的误差更小。因此，本发明实施例提供的技术方案能够解决现有技术中依赖于人工主观判定理赔金额对人力资源成本的消耗较大的问题。

第二方面，本发明实施例提供了一种保险赔付装置，包括：

接收单元，用于接收保险理赔申请；

获取单元，用于获取所述保险理赔申请的发起用户的理赔参考数据，其中，所述理赔参考数据包括身体情况数据、资产情况数据与事故相关数据中的至少一种；

处理单元，用于利用机器学习算法对所述发起用户的所述理赔参考数据进行处理，得到所述发起用户的理赔参考金额；

赔付单元，用于根据所述理赔参考金额，对所述发起用户进行保险赔付。

第三方面，本发明实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的保险赔付方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，包括计算机可执行指令，当所述计算机可执行指令被运行时，用以执行如权利要求1至8任一项所述的保险赔付方法。

上述技术方案中的一个技术方案具有如下有益效果：

本发明实施例中，当接收到任意用户发起的保险理赔申请，则获取该发起用户的理赔参考数据，并基于这些理赔参考数据，基于机器学习算法，直接得出理赔参考金额，减小人员工作量，节省人力成本，且相较于人工，基于用户的理赔参考数据得到的理赔参考金额的误差更小。因此，本发明实施例提供的技术方案能够解决现有技术中依赖于人工主观判定理赔金额对人力资源成本的消耗较大的问题。

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例所提供的保险赔付方法的实施例一的流程示意图；

图2是本发明实施例所提供的保险赔付方法的实施例二的流程示意图；

图3是本发明实施例所提供的保险赔付方法的实施例三的流程示意图；

图4是本发明实施例所提供的保险赔付装置的功能方块图；

图5是本发明实施例所提供的计算机设备的功能方块图。

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

针对现有技术中所存在的通过人工主观判定理赔金额时存在人力成本较大且误差较大的问题，本发明实施例提供了如下解决思路：当接收到任意用户发起的保险理赔申请，则获取该发起用户的理赔参考数据，并基于这些理赔参考数据，基于机器学习算法，直接得出理赔参考金额，减小人员工作量，节省人力成本，且相较于人工，基于用户的理赔参考数据得到的理赔参考金额的误差更小。

在该思路的引导下，本方案实施例提供了以下可行的实施方案。

实施例一

本发明实施例给出一种保险赔付方法。请参考图1，该方法可以包括如下步骤：

S102，接收保险理赔申请。

S104，获取保险理赔申请的发起用户的理赔参考数据。

其中，理赔参考数据包括身体情况数据、资产情况数据与事故相关数据中的至少一种。

本发明所涉及的身体情况数据用于表征用户的身体健康情况。在具体的实现场景中，身体情况数据可以包括但不限于：医疗记录、家族病史、人身伤害记录与历史身体类保险购买及理赔记录中的至少一种。

本发明所涉及的资产情况数据用于表征用户的资产情况，如是否负债，是否贷款，交易信用是否良好等。在一个具体的实现场景中，资产情况数据可以包括但不限于：交易信用数据、缴费记录、贷款记录、资产交易数据与购物交易数据中的至少一种；

本发明实施例所涉及的事故相关数据用于表征与事故及其现场相关的数据。在一个具体的实现场景中，事故相关数据可以包括但不限于：事故责任判定数据与事故现场说明数据中的至少一种。其中，事故现场说明数据可以是文字描述，也可以是图片，或者，还可以是多媒体数据等，本发明实施例对此无特别限定。

S106，利用机器学习算法对发起用户的理赔参考数据进行处理，得到发起用户的理赔参考金额。

S108，根据理赔参考金额，对发起用户进行保险赔付。

以下，对上述各步骤的实现方式分别进行说明。

基于S104中所要获取的理赔参考数据的存储位置不同，该步骤的实现方式也不同，基于此，本发明实施例给出如下的实现方式，请看考图2，S104步骤包括：

S1042，识别发起用户的理赔参考数据的存储位置是否为自身存储位置。

在一个实现场景中实现该步骤时，可以获取发起用户的理赔参考数据的存储位置，然后，根据该存储位置的路径在自身存储位置进行查，若能够根据该路径查到发起用户的理赔参考数据，则确定该存储位置为自身存储位置；反之，若根据该路径无法查到发起用户的理赔参考数据，则确定该存储位置为非自身存储位置。

S1044A，当存储位置为自身存储位置时，调用发起用户的理赔参考数据。

本发明实施例所涉及的自身存储位置是指该存储位置位于自身存储空间，或者，该存储位置属于当前设备控制之下的其他存储位置，例如，由当前设备控制的移动硬盘设备等。在这种情况下，该存储位置在当前设备的控制之下，可可以直接从自身存储位置调用这些数据，而无需向其他设备请求数据。

在另一个可能的实现场景中，该方法还可以与区块链技术相结合。具体的，若将当前执行该保险赔付方法的设备作为一个区块链上的节点，则在当前设备上的自身存储位置即存储有这些理赔参考数据，那么，基于区块链所具备的安全性验证方案，则可以通过区块链对当前设备的身份进行验证，从而，在当前设备的身份验证通过时，直接下载即可得到理赔参考数据。

S1044B，当存储位置为非自身存储位置时，向存储位置发送携带有保险理赔请求的数据调用请求；并接收存储位置根据数据调用请求反馈的理赔参考数据。

本发明实施例所涉及的非自身存储位置是指该存储位置不在当前设备的控制之下，因此，无法直接调用或读取这些数据，因此，可以通过向存储位置发送数据调用请求的方式来获得这些数据。

例如，当理赔参考数据为医疗记录时，当前执行该保险赔付方法的设备可能未存储有这些数据，因此，可以将携带有保险赔付请求的数据调用请求发送给医院服务器，以便于医院服务器根据该保险赔付请求确认该设备具备数据调用权限，如此，医院服务器可以将医院存储的医疗记录数据反馈给该设备。

或者，又例如，当理赔参考数据为交易信用数据时，可以向存储有用户的交易信用数据的银行、借贷机构与医院等分别发送携带有保险赔付请求的数据调用请求，如此，这些机构的服务器基于保险赔付请求确认数据调用权限后，可以将自身机构所存储的交易信用数据反馈回来，如此，实现对交易信用数据的获取。

基于上述步骤，可以实现S104中对理赔参考数据的获取。

如此，在执行S106步骤时，请参考图3，该步骤还包括具体包括如下两个小步骤：

S1062，构建保险理赔模型。

其中，该保险理赔模型的输入为发起用户的理赔参考数据，保险理赔模型的输出为理赔参考金额。

S1064，将发起用户的理赔参考数据输入保险理赔模型，得到发起用户的理赔参考金额。

其中，S1062中构建保险理赔模型的过程可以为：构建初始保险理赔模型，并获取多个样本用户的历史理赔记录；然后，利用历史理赔记录对初始保险理赔模型进行训练，得到保险理赔模型。

其中，初始保险理赔模型可以按照机器学习算法进行构建，然后，通过样本用户的历史理赔记录对初始保险理赔模型进行训练，就可以得到保险理赔模型。其中，样本用户的历史理赔记录包括：样本用户的历史理赔参考数据以及历史理赔参考金额。在具体实现时，样本用户可以根据需要选择。

本发明实施例所涉及的机器学习算法可以包括但不限于：决策树算法、神经网络算法等。

为了便于理解，以神经网络算法为例，对训练机器学习模型的过程进行简单说明。首先，一方面，基于神经网络模型的架构关系构建输入为理赔参考数据、输出为理赔参考金额的初始保险理赔模型；另一方面，将多个样本用户的历史理赔记录进行特征提取，得到各样本用户的历史理赔特征；然后，将多个样本用户的历史理赔特征导入该初始保险理赔模型进行训练，以确认各输入参数的权重，从而，得到最终经过训练的保险理赔模型。

基于此，样本用户的数目越多得到的保险理赔模型越准确。

基于上述S1062步骤所构建的保险理赔模型与S104步骤所获取到的发起用户的理赔参考数据，那么，执行S108步骤时，只需要将发起用户的理赔参考数据输入保险理赔模型，即可得到发起用户的理赔参考金额。

基于上述步骤获取到的理赔参考金额，执行S108的理赔步骤时，可以有以下两种实现方式：

第一种：将理赔参考金额作为保险赔付金额赔付给发起用户。

这种方式可以无人工操作，实现完全的自动化处理，极大降低了人力资源成本，提高了理赔效率。

第二种：输出携带有理赔参考金额的提示信息，以便于提示用户在对发起用户的赔付过程中可以将理赔参考金额作为参考。

在这种方式中，考虑到通过机器学习得到的理赔参考金额可能不准确，还可以进一步增加人工校正的步骤，使得理赔金额更加准确的贴近实际情况，降低误赔或错赔的情况发生。

基于上述保险赔付方法，本发明实施例还提供了一种计算机可读存储介质，包括计算机可执行指令，当所述计算机可执行指令被运行时，用以执行如上所述任一种实现方式的保险赔付方法。

本发明实施例的技术方案具有以下有益效果：

本发明实施例中，当接收到任意用户发起的保险理赔申请，则获取该发起用户的理赔参考数据，并基于这些理赔参考数据，基于机器学习算法，直接得出理赔参考金额，减小人员工作量，节省人力成本，且相较于人工，基于用户的理赔参考数据得到的理赔参考金额的误差更小。因此，本发明实施例提供的技术方案能够解决现有技术中依赖于人工主观判定理赔金额对人力资源成本的消耗较大的问题。

实施例二

基于上述实施例一所提供的保险赔付方法，本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。

一方面，本发明实施例提供了一种保险赔付装置，请参考图4，该保险赔付装置400包括：

接收单元41，用于接收保险理赔申请；

获取单元42，用于获取保险理赔申请的发起用户的理赔参考数据，其中，所述理赔参考数据包括身体情况数据、资产情况数据与事故相关数据中的至少一种；

处理单元43，用于利用机器学习算法对发起用户的理赔参考数据进行处理，得到发起用户的理赔参考金额；

赔付单元44，用于根据理赔参考金额，对发起用户进行保险赔付。

其中，本发明实施例所涉及的身体情况数据可以包括但不限于：医疗记录、家族病史、人身伤害记录与历史身体类保险购买及理赔记录中的至少一种；

资产情况数据可以包括但不限于：缴费记录、贷款记录、资产交易数据与购物交易数据中的至少一种；

事故相关数据可以包括但不限于：事故责任判定数据与事故现场说明数据中的至少一种。

具体的，获取单元42可以具体用于：

识别发起用户的理赔参考数据的存储位置是否为自身存储位置；

当存储位置为自身存储位置时，调用发起用户的理赔参考数据。

以及，当存储位置为非自身存储位置时，向存储位置发送携带有保险理赔请求的数据调用请求；

接收存储位置根据数据调用请求反馈的理赔参考数据。

本发明实施例中，处理单元43具体用于：

构建保险理赔模型，所述保险理赔模型的输入为所述发起用户的所述理赔参考数据，所述保险理赔模型的输出为所述理赔参考金额；

将所述发起用户的所述理赔参考数据输入所述保险理赔模型，得到所述发起用户的所述理赔参考金额。

其中，处理单元43在具体用于构建保险理赔模型时的处理方式，可以包括如下方式：

构建初始保险理赔模型，并获取多个样本用户的历史理赔记录；

利用所述历史理赔记录对所述初始保险理赔模型进行训练，得到所述保险理赔模型。

本发明实施例中，赔付单元44具体用于：

将理赔参考金额作为保险赔付金赔付给发起用户。

另一方面，本发明实施例还提供了一种计算机设备，请参考图5，该计算机设备500包括：存储器51、处理器52以及存储在存储器51中并可在处理器52上运行的计算机程序，处理器52执行计算机程序时实现如实施例一任一项所述的保险赔付方法的步骤。c

由于本实施例中的各单元能够执行实施例一所示的方法，本实施例未详细描述的部分，可参考对实施例一的相关说明。

本发明实施例的技术方案具有以下有益效果：

本发明实施例中，当接收到任意用户发起的保险理赔申请，则获取该发起用户的理赔参考数据，并基于这些理赔参考数据，基于机器学习算法，直接得出理赔参考金额，减小人员工作量，节省人力成本，且相较于人工，基于用户的理赔参考数据得到的理赔参考金额的误差更小。因此，本发明实施例提供的技术方案能够解决现有技术中依赖于人工主观判定理赔金额对人力资源成本的消耗较大的问题。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。