申请/专利权人：平安健康保险股份有限公司

申请日：2018-09-26

公开（公告）日：2024-06-28

公开（公告）号：CN109472706B

主分类号：G06Q40/08

分类号：G06Q40/08;G06F16/24;G06F16/28

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2020.12.04#实质审查的生效;2019.03.15#公开

摘要：本申请涉及一种理赔风控方法、装置、计算机设备和存储介质。所述方法包括：接收终端发送的风控请求，风控请求中携带有用户标识和理赔数据；根据用户标识获取历史理赔数据和用户信息；调用风控模型，风控模型包括风险评分表和互斥规则表；将理赔数据、历史理赔数据以及用户信息输入至风险评分表，得到风险评分；将理赔数据、历史理赔数据以及用户信息输入至互斥规则表，得到互斥结果；根据风险评分和互斥结果，得到理赔数据的风险评估结果。采用本方法能够提高理赔效率。

主权项：1.一种理赔风控方法，所述方法包括：接收第一终端发送的风控请求，所述风控请求中携带有用户标识和理赔数据；根据用户标识获取历史理赔数据和用户信息；调用风控模型，所述风控模型包括风险评分表和互斥规则表；将所述理赔数据、历史理赔数据以及用户信息输入至所述风险评分表，得到风险评分；将所述理赔数据、历史理赔数据以及用户信息输入至所述互斥规则表，得到互斥结果；根据所述风险评分和互斥结果，得到理赔数据的风险评估结果，其中，所述根据所述风险评分和互斥结果，得到理赔数据的风险评估结果包括：若所述风险评分小于第一预设值且所述互斥结果通过，则根据所述理赔数据获取案件类型、出险次数、出险日以及生效日；若识别到所述案件类型为个险，同时所述出险次数为第一次且所述出险日与所述生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险；同时识别所述案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险；若未识别到短期出险风险和滥用风险，则确定所述理赔数据不存在风险；若所述未如实告知模型和所述欺诈模型中任意一个模型检测出来存在短期出险风险或者滥用风险，则所述理赔数据存在风险；所述调用欺诈模型识别是否存在滥用风险包括：从所述理赔数据中获取疾病代码和就诊费用，将所述疾病代码转换成费用代码；获取所述费用代码对应的对比标准值，将所述就诊费用与所述对比标准值进行比较；若所述就诊费用高于对比标准值，则存在滥用风险；所述疾病代码为中文疾病代码；所述将所述疾病代码转换成费用代码，包括：获取中文疾病代码和南非疾病代码转换关系文件，根据映射关系从所述转换关系文件中获取中文疾病代码对应的南非疾病代码；获取费用代码文件，根据映射关系从费用代码文件中获取南非疾病代码对应的费用代码。

全文数据：理赔风控方法、装置、计算机设备和存储介质技术领域本申请涉及计算机技术领域，特别是涉及一种理赔风控方法、装置、计算机设备和存储介质。背景技术保险作为一种保障机制，已融入到人们的日常生活中。当用户发生保险事故时，可以收集理赔相关的单证文件向保险公司请求理赔，获取理赔费用。为了防止保险欺诈事件，保险公司在计算理赔费用之前通常需要根据用户上传的单证文件判断是否存在理赔风险。然而，在传统的方式中，风险控制是由有经验的理赔相关人员通过用户信息和理赔数据判断本次理赔是否存在风险，导致工作效率低下。发明内容基于此，有必要针对上述技术问题，提供一种能够提高效率的理赔风控方法、装置、计算机设备和存储介质。一种理赔风控方法，所述方法包括：接收第一终端发送的风控请求，所述风控请求中携带有用户标识和理赔数据；根据用户标识获取历史理赔数据和用户信息；调用风控模型，所述风控模型包括风险评分表和互斥规则表；将所述理赔数据、历史理赔数据以及用户信息输入至所述风险评分表和，得到风险评分；将所述理赔数据、历史理赔数据以及用户信息输入至所述互斥规则表，得到互斥结果；根据所述风险评分和互斥结果，得到理赔数据的风险评估结果。在其中一个实施例中，所述根据风险评分和互斥结果，得到理赔数据的风险评估结果包括：若所述风险评分小于第一预设值且所述互斥结果通过，则根据所述理赔数据获取案件类型、出险次数、出险日以及生效日；若识别到所述案件类型为个险同时所述出险次数为第一次且所述出险日与所述生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险；同时识别所述案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险；若未识别到短期出险风险和滥用风险，则确定所述理赔数据不存在风险。在其中一个实施例中，所述将所述理赔数据、历史理赔数据以及用户信息输入至所述互斥规则表，得到互斥结果包括：从所述理赔数据和历史理赔数据中分别获取疾病代码和历史疾病代码；若根据所述疾病代码、历史疾病代码以及用户信息未从所述互斥规则表中获取到对应的互斥规则逻辑，则所述互斥结果为通过。在其中一个实施例中，所述调用未如实告知模型识别是否存在短期出险风险包括：从所述理赔数据中获取疾病代码，将所述疾病代码转换成南非疾病代码；获取所述南非疾病代码首字母；若识别到所述首字母为预设字母或者从预存的短期风险代码表中筛选出与所述南非疾病代码相同的代码，则存在短期出险风险。在其中一个实施例中，所述调用欺诈模型识别是否存在滥用风险包括：从所述理赔数据中获取疾病代码和就诊费用，将所述疾病代码转换成费用代码；获取所述费用代码对应的对比标准值，将所述就诊费用与所述对比标准值进行比较；若所述就诊费用高于对比标准值，则存在滥用风险。在其中一个实施例中，若所述风险评分大于等于第一预设值或所述互斥结果不通过，则将所述理赔数据发送至第二终端进行人工审核。一种理赔风控装置，所述装置包括：接收模块，用于接收第一终端发送的风控请求，所述风控请求中携带有用户标识和理赔数据；获取模块，用于根据用户标识获取历史理赔数据和用户信息；调用模块，用于调用风控模型，所述风控模型包括风险评分表和互斥规则表；输入模块，用于将所述理赔数据、历史理赔数据以及用户信息输入至所述风险评分表，得到风险评分；输入模块还用于将所述理赔数据、历史理赔数据以及用户信息输入至所述互斥规则表，得到互斥结果；确定模块，用于根据所述风险评分和互斥结果，得到理赔数据的风险评估结果。在其中一个实施例中，所述获取模块还用于若所述风险评分小于第一预设值且所述互斥结果通过，则根据所述理赔数据获取案件类型、出险次数、出险日以及生效日；调用模块还用于若识别到所述案件类型为个险，同时所述出险次数为第一次且所述出险日与所述生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险；调用模块还用于同时识别所述案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险；确定模块还用于若未识别到短期出险风险和滥用风险，则确定所述理赔数据不存在风险。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述的理赔风控方法。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的理赔风控方法。上述理赔风控方法、装置、计算机设备和存储介质，服务器通过接收第一终端发送的风控请求，风控请求中携带有用户标识和理赔数据。根据用户标识获取历史理赔数据和用户信息。调用风控模型，风控模型包括风险评分表和互斥规则表。将理赔数据、历史理赔数据以及用户信息输入至风险评分表和互斥规则表，得到风险评分和互斥结果。根据风险评分和互斥结果，得到理赔数据的风险评估结果。上述方法实现了理赔流程中自动进行风险控制，提高了工作效率。附图说明图1为一个实施例中理赔风控方法的应用场景图；图2为一个实施例中理赔风控方法的流程示意图；图3为另一个实施例中理赔风控方法的流程示意图；图4为一个实施例中调用未如实告知模型识别是否存在短期出险风险步骤的流程示意图；图5为一个实施例中调用欺诈模型识别是否存在滥用风险步骤的流程示意图；图6为一个实施例中理赔风控装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的理赔风控方法，可以应用于如图1所示的应用环境中。其中，第一终端102通过网络与服务器104进行通信，第二终端106通过网络与服务器104进行通信。服务器104接收第一终端102发送的风控请求，该风控请求中携带有用户标识和理赔数据。服务器104根据用户标识获取历史理赔数据和用户信息。服务器104并调用风控模型，风控模型包括风险评分表和互斥规则表。服务器104将理赔数据、历史理赔数据以及用户信息输入至风险评分表，得到风险评分。服务器104将理赔数据、历史理赔数据以及用户信息输入至互斥规则表，得到互斥结果。服务器104根据风险评分和互斥结果，得到理赔数据的风险评估结果。其中，第一终端102和第二终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种理赔风控方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：S202，接收第一终端发送的风控请求，风控请求中携带有用户标识和理赔数据。风控请求是指第一终端发送给服务器用于指示服务器判断本次理赔数据是否存在理赔风险的指令。终端发送给服务器的风控请求中携带有用户标识和理赔数据，其中，用户标识是指用于查找用户信息和历史数据的唯一标志。理赔数据是指用户用于理赔时通过终端上传给服务器的数据。具体地，用户在理赔应用程序上选择自助理赔功能，并在终端显示的自助理赔页面上填写理赔申请信息，理赔申请信息填写完成后点击立即申请按钮发送理赔申请指令。用户终端接收到用户的理赔申请指令后指示用户对需要的理赔影像文件进行拍摄并上传至用户终端，用户终端接收到用户上传的理赔影像文件后相服务器发送理赔请求，并将理赔影像文件发送给服务器。其中，理赔影像文件包括用户的身份证件、病历或者检验报告、医疗费用发票等。服务器接收到终端发送的理赔请求和理赔影像文件后，响应理赔请求受理理赔影像文件，将理赔影像文件发送至理赔流程中。理赔流程首先通过影像解析技术从接收到的理赔影像文件中解析出需要的理赔数据。其次，服务器获取到理赔数据后，响应风控请求对该理赔数据进行判断是否存在理赔风险。其中，由于理赔流程中包括风险控制，风控请求则在终端生成理赔请求时一并生成，并同时发送给服务器。S204，根据用户标识获取历史理赔数据和用户信息。历史理赔数据是指用户在本次理赔之前的理赔数据，也就是用户之前进行理赔时上传的理赔数据。当理赔流程结束后，服务器通常将该用户的理赔数据存储至数据库中，并与用户的用户标识进行绑定。用户信息是指用户的个人信息，包括姓名、年龄、性别、证件号以及客户号等等。具体地，当服务器接收到风控请求，以及风控请求中携带的用户标识和理赔数据后，服务器响应风控请求根据接收到的用户标识从数据库中查找该用户标识对应的历史理赔数据和用户信息。S206，调用风控模型，风控模型包括风险评分表和互斥规则表。服务器通过预先设置风控模型并存储，风控模型包括风险评分表和互斥规则表。其中，风险评分表中包括编号、评分逻辑以及评分标准。每个编号对应一个评分逻辑，每个评分逻辑对应一个评分标准。也就是说，风险评分表中的编号、评分逻辑和评分标准是唯一对应的。其中，评分标准有5个，分别为1分、2分。3分、4分以及5分，根据用户的理赔数据具体情况对应不同的分值。例如，若风险评分表中包括3个编号和3个评分逻辑，且编号分别为1、2、3。评分逻辑分别为一个月以内同一疾病就诊次数、历史申请理赔次数、单次就诊住院天数。则编号1对应的评分逻辑为一个月以内同一疾病就诊次数，编号2对应的评分逻辑为历史申请理赔次数，编号3对应的评分逻辑为单次就诊住院天数。而一个月以内同一疾病就诊1次对应的评分为2分、就诊2-3次评分3分、就诊4次评分为4分、就诊5次及以上评分为5分。历史申请理赔次数为3次以下评分为1分、5次以下为2分、5-7次为3分、9次以下为4分、9次及以上为5分。单次就诊住院天数5天以下评分为1分、7天以下为2分、10天以下为3分、15天以下为4分、15天以上即为5分。互斥规则表中包括9类互斥规则逻辑，分别为：年龄与疾病不符、性别与疾病不符、一次性手术后因关联疾病就诊、同一人因互斥疾病就诊、特殊疾病人群因互斥疾病就诊、疾病与检查类型不符、连带关系与历史不符、黑名单以及多人共用相同联系方式电话、邮箱等。S208，将理赔数据、历史理赔数据以及用户信息输入至风险评分表，得到风险评分。服务器根据用户标识获取到用户历史理赔数据和用户信息后，调用风控模型，得到风险评分模型和用互斥规则表。服务器根据风险评分模型中的评分逻辑从用户的本次理赔数据、历史理赔数据以及用户信息中提取所需数据输入至风险评分表，服务器根据评分逻辑和评分逻辑对应的评分标准输出最终的风险评分。例如，风险评分表中包括评分编号为1、评分逻辑为一个月以内同一疾病就诊次数。服务器则从本次理赔数据中获取一个月内用户的就诊次数，根据用户的就诊次数获取对应的评分。就诊1次对应的评分为2分、就诊2-3次评分3分、就诊4次评分为4分、就诊5次及以上评分为5分。服务器按照编号、评分内容、评分标准以及得分的输出格式将风险评分结果输出。其中，编号即为评分逻辑对应的评分编号，评分内容为对应的风险评分项的内容描述，评分标准即为对应的风险评分项的评分描述，得分为对应的风险评分项得分。若就诊次数为2次，则获取评分标准对应的3分。服务器输出的风险评分结果格式即为：1、一个月以内统一疾病就诊次数、一个月以内同一疾病就诊次次数就诊2次、3分。S210，将理赔数据、历史理赔数据以及用户信息输入至互斥规则表，得到互斥结果。服务器同样根据互斥规则表中的互斥规则逻辑从本次理赔数据、历史理赔数据以及用户信息中获取本次理赔的疾病代码，历史理赔的疾病代码以及用户的姓名、年龄、性别等。并将疾病代码、历史疾病代码以及用户信息输入至互斥规则表中。根据互斥规则表判断其中是否有满足的互斥规则逻辑后，根据判断结果输出互斥结果。例如，服务器根据用户信息中的性别识别出用户为女生，并且从本次理赔数据中提取出疾病代码为A18.111+。服务器根据性别从互斥规则逻辑中提取出性别与疾病不符的互斥规则逻辑，其中，性别与疾病不符的互斥规则逻辑中具体包括男性患女性疾病互斥逻辑子表和女性患男性疾病互斥逻辑子表。根据用户信息获取女性患男性疾病互斥逻辑子表，将用户的疾病代码A18.111+输入至女性患男性疾病互斥逻辑子表中进行筛选，若从女性患男性疾病互斥逻辑子表中筛选出了疾病代码A18.111+，则表示满足了性别与疾病不符的互斥规则逻辑，若从女性患男性疾病互斥逻辑子表中没有筛选出疾病代码A18.111+，则表示不满足性别与疾病不符的互斥规则逻辑。由于疾病代码A18.111+对应的疾病是子宫内膜结核，因此若当用户为女性并且患有A18.111+疾病时，则互斥结果是不满足性别与疾病不符的互斥规则逻辑的，表示理赔数据不存在风险。若用户性别为男性且患有A18.111+疾病时，服务器则会从男性患女性疾病的互斥逻辑子表中查找到对应的疾病代码A18.111+，则互斥结果是满足性别与疾病不符的互斥规则逻辑，该用户为男性患女性疾病，表示理赔数据存在风险。S212，根据风险评分和互斥结果，得到理赔数据的风险评估结果。服务器根据风险评分和互斥结果判断用户本次理赔的理赔数据是否存在风险，若理赔数据存在风险则表示该用户本次理赔案件存在风险。其中，服务器从输出的风险评分结果获取风险评分的得分，若得分小于预设值则表示风险评分通过。在本实施例中，优选预设值为3分。当获取到用户在风险评分表中所有评分逻辑中的风险评分的得分均小于等于3分，则表示该用户的理赔案件为低风险案件，则进入下一步的流程。若获取到用户在风险评分表中所有的评分逻辑中的任意一项的风险评分大于3分，则表示该用户的理赔案件存在一定的风险，则将理赔数据发送至第二终端，转接进入人工通道进行复审。若输出的互斥结果为不满足互斥规则逻辑，则表示互斥结果通过，进入下一步的流程。若输出的互斥结果中有满足的任意一项互斥规则逻辑，则表示互斥结果不通过，则将理赔数据发送至第二终端，转接进入人工通道进行复审。其中，只有当风险评分和互斥结果均通过的情况下才能进入下一步的流程，若风险评分或互斥结果中任意一项不通过，则将理赔数据发送至第二终端，需转入人工通道进行复审。上述理赔风控方法中，服务器通过接收终端发送的风控请求，风控请求中携带有用户标识和理赔数据。根据用户标识获取历史理赔数据和用户信息。调用风控模型，风控模型包括风险评分表和互斥规则表。将理赔数据、历史理赔数据以及用户信息输入至风险评分表和互斥规则表，得到风险评分和互斥结果。根据风险评分和互斥结果，得到理赔数据的风险评估结果。实现了理赔流程中自动进行风险控制，提高了工作效率。在一个实施例中，如图3所示，提供另一种风险控制方法。具体包括以下步骤：S302，若风险评分小于第一预设值且互斥结果通过，则根据理赔数据获取案件类型、出险次数、出险日以及生效日。案件类型为用户投保时的投保案件类型，包括用于保障个人的个险和保障团体的企业补充保险。出险次数就是发生保险事故的次数，保险事故一定是满足投保时所约定的赔偿条件的。出险日即为保险事故发生的日期，生效日即为投保保单的生效日期。具体地，风控模型还包括未如实告知模型和欺诈模型。未如实告知模型用于判断用户投保保单是否有短期出险的风险。欺诈模型用于检测用户的就诊费用是否高于标准值，是否存在滥用风险。服务器从理赔数据中获取案件类型、出险次数、出险日以及生效日，根据案件类型、出险次数、出险日以及生效日识别用户应该调用未如实告知模型还是欺诈模型。S304，若识别到案件类型为个险，同时出险次数为第一次且出险日与生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险。未如实告知模型的调用条件为用户投保保单的案件类型为保障个人的保险，发生保险事故为第一次，并且发生事故的日期与保单生效日的差值小于预设值。即，当服务器根据理赔数据中的案件类型、出险次数、出险日以及生效日识别到本次理赔案件为个险、首次出险、且出险日与生效日差值小于预设值时，则调用未如实告知模型检测本次理赔案件是否存在短期出险的风险。其中，在本实施例中，预设值优选为12个月，当出险日到生效日的差值小于12个月，则可判定用户存在短期出险的风险，调用未如实告知模型进行验证。S306，同时识别案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险。用户投保保单的案件类型为保障个人的个险或者保障团体的企业补充保险中的任意一种时，则可以调用欺诈模型判断本次理赔案件的就诊费用高于标准值，是否存在滥用风险。S308，若未识别到短期出险风险和滥用风险，则确定理赔数据不存在风险。当服务器调用未如实告知模型和欺诈模型根据理赔数据进行检测出本次理赔案件不存在短期出险和滥用风险，则表示理赔数据不存在风险，也就是本次理赔案件不存在风险，可以进入下一步理赔费用计算的流程。若未如实告知模型和欺诈模型中任意一个模型检测出来存在短期出险风险或者滥用风险，则表示理赔数据存在风险，也就是本次理赔案件存在风险，则将理赔数据发送至第二终端，需要转入人工通道进行复审。在本实施例中，服务器通过调用未如实告知模型和欺诈模型检测理赔案件是否存在短期出险风险和滥用风险，加强了自动理赔的风控能力，保证了自动理赔的安全性。在一个实施例中，将理赔数据、历史理赔数据以及用户信息输入至互斥规则表，得到互斥结果具体包括：从理赔数据和历史理赔数据中分别获取疾病代码和历史疾病代码；若根据疾病代码、历史疾病代码以及用户信息未从互斥规则表中获取到对应的互斥规则逻辑，则互斥结果为通过。互斥规则逻辑包括年龄与疾病不符、性别与疾病不符、一次性手术后因关联疾病就诊、同一人因互斥疾病就诊、特殊疾病人群因互斥疾病就诊、疾病与检查类型不符、连带关系与历史不符、黑名单以及多人共用相同联系方式电话、邮箱九种，也就是说互斥规则表中包括上述九个子表。其中，年龄与疾病不符中还包括16岁以下互斥疾病子表、16岁≤年龄35岁以下互斥疾病子表以及55岁以上互斥疾病子表。性别与疾病不符还包括男性患女性疾病子表和女性患男性疾病子表。具体地，服务器判断是否存在年龄与疾病不符的互斥规则逻辑时首先获取用户年龄，根据用户年龄获取对应的子表。将用户本次疾病代码输入至该子表中判断该疾病代码是否存在与该子表中，若是，则表示该用户患有和年龄不符的疾病，则存在满足年龄与疾病不符的互斥规则逻辑。服务器判断用户是否存在性别与疾病不符的互斥规则逻辑时首先获取用户的性别，根据用户性别获取对应的子表，将用户本次疾病代码输入至该子表中判断该疾病代码是否存在与该子表中，若是，则表示该用户患有性别与疾病不符的疾病，则存在满足性别与疾病不符的互斥规则逻辑。一次性手术后因关联疾病就诊表中存储有一次性手术代码，以及一次性手术代码对应的一次性手术名称、关联疾病代码和关联疾病名称。服务器判断一次性手术后因关联疾病就诊的互斥规则逻辑时首先根据用户历史疾病代码进行判断，判断历史疾病代码是否存在与一次性手术代码中。若是，则从一次性手术后关联疾病就诊表获取该一次性手术代码的关联疾病代码，也就是该历史疾病代码互斥的疾病代码。服务器进一步判断用户本次疾病代码是否为该关联疾病代码，若是，则表示满足一次性手术后关联疾病就诊的互斥规则逻辑。若历史疾病代码不存在与一次性手术代码中，或者用户本次疾病代码不是关联疾病代码，则表示不存在满足一次性手术后关联疾病就诊的互斥规则逻辑。同一人因互斥疾病就诊表和中存储有疾病代码，以及疾病代码对应的疾病名称、互斥疾病代码和互斥疾病名称。服务器判断同一人因互斥疾病就诊的互斥规则逻辑时将用户的历史疾病代码和本次疾病代码输入至互斥疾病就诊表中。若本次疾病代码只有一个，则判断本次疾病代码是否与历史疾病代码为互斥疾病，若本次疾病代码为2个及2个以上，进一步判断本次疾病代码之间是否为互斥疾病。若均不是互斥疾病，则不存在满足同一人因互斥疾病就诊的互斥规则逻辑，否则，则存在满足同一人因互斥疾病就诊的互斥规则逻辑。特殊疾病人群因互斥疾病就诊表中存储有疾病代码，以及疾病代码存在的疾病名称、互斥疾病代码和互斥疾病名称。若用户为特殊疾病人群，服务器则判断是否存在特殊疾病人群因互斥疾病就诊的互斥规则逻辑。服务器首先将用户的历史疾病代码和本次疾病代码输入至互斥疾病就诊表中。若本次疾病代码只有一个，则判断本次疾病代码是否与历史疾病代码为互斥疾病，若本次疾病代码为2个及2个以上，进一步判断本次疾病代码之间是否为互斥疾病。若均不是互斥疾病，则不存在满足特殊疾病人群因互斥疾病就诊的互斥规则逻辑，否则，则存在满足特殊疾病人群因互斥疾病就诊的互斥规则逻辑。疾病与检查类型不符表中存储有疾病代码，以及疾病代码对应的疾病名称、不符的检查检验代码和检查项目名称。服务器判断是否存在疾病与检查类型不符的互斥规则逻辑时首先获取用户的本次疾病代码和检查检验代码，若疾病代码为疾病与检查类型不符表中存储的疾病代码，则判断检查检验代码是否为疾病与检查类型不符表中存储的该疾病代码对应的检查检验代码。若是，则存在满足疾病与检查类型不符的互斥规则逻辑。否则，不存在疾病与检查类型不符的互斥规则逻辑。连带关系与历史不符、黑名单以及多人共用相同联系方式的互斥规则逻辑判断，服务器首先通过用户标识获取用户的客户号和证件号。通过客户号和证件号从理赔系统中检索出该用户的历史保单的连带信息。其中，连带信息指配偶、子女和父母的个人信息。服务器从用户本次理赔数据中获取本次连带信息，通过与历史保单的连带信息进行比较。若不一样，则存在连带关系与历史不符的互斥规则逻辑。服务器通过获取黑名单客户和黑名单医院，判断用户、用户就诊医院以及理赔被保人中任意一个是否存在于黑名单客户和黑名单医院中，若是，则存在黑名单的互斥规则逻辑。并且，服务器通过用户的历史理赔数据查找到用户名下保单中存在多个分单号不一致，但是分单号上的联系方式却是同一个联系方式，则存在多人共用相同联系方式的互斥规则逻辑。在一个实施例中，如图4所示，调用未如实告知模型识别是否存在短期出险风险具体包括以下步骤：S402，从理赔数据中获取疾病代码，将疾病代码转换成南非疾病代码。疾病代码InternationalClassificationofDiseases，ICD是由世界卫生组织根据疾病的某些特征，按照规则将疾病分门分类，并用编码的方法来表示的系统。各国根据世界卫生组织发布的疾病代码第10次修订版可以进行本地化修改。其中，南非疾病代码即是指南非地区根据世界卫生组织发布的疾病代码进行本地化修改编制而成的疾病代码。服务器获取预存的中文疾病代码和南非疾病代码转换关系文件，服务器获取到疾病代码后，其中，该疾病代码为中文疾病代码。服务器根据映射关系从中文疾病代码和南非疾病代码转换关系文件查找到与中文疾病代码对应的南非疾病代码，将该中文疾病代码转换成南非疾病代码。S404，获取南非疾病代码首字母。S406，若识别到首字母为预设字母或者从预存的短期风险代码表中筛选出与南非疾病代码相同的代码，则存在短期出险风险。当将获取到的中文疾病代码转换成对应的南非疾病代码后，服务器首先获取南非疾病代码的首字母。若首字母为C、D、I、K、M、N中任意一个，也就是南非疾病代码是由C、D、I、K、M、N中任意一个字母开头的。则表示用户本次理赔案件存在短期出险风险。或者，服务器将南非疾病代码输入至未如实告知模型中，未如实告知模型从预存的短期风险代码表中进行模型筛选，若是从短期风险代码表中筛选到与南非疾病代码相同的代码，则表示用户本次理赔案件存在短期出险风险。其中，短期风险代码表中存储有存在短期出险风险的疾病代码ICD。若存在短期出险风险，则转接进入人工审核通道并返回消息“该案件存在短期风险，请人工审核”。在一个实施例中，如图5所示，调用欺诈模型识别是否存在滥用风险具体包括以下步骤：S502，从理赔数据中获取疾病代码和就诊费用，将疾病代码转换成费用代码。服务器获取预存的中文疾病代码和南非疾病代码转换关系文件和费用代码文件。服务器将获取到的疾病代码通过中文疾病代码和南非疾病代码转换关系文件将其转换成对应的南非疾病代码。并且，通过利用映射关系从费用代码表找到该南非疾病代码对应的费用代码。其中，若南非疾病代码没有对应的费用代码，则中断调用欺诈模型，直接进入下一步的理赔流程。具体地，当服务器识别到本次理赔案件的案件类型为个险或企业补充保险中的任意一种时，则调用欺诈模型。获取中文疾病代码和南非疾病代码转换关系文件，根据映射关系从该中文疾病代码和南非疾病代码转换关系文件中获取中文疾病代码所对应的南非疾病代码。再获取费用代码文件，根据映射关系从费用代码文件中获取该南非疾病代码对应的费用代码。获取该费用代码对应的对比标准值，将就诊费用与对比标准值进行比较。若就诊费用低于对比标准值，则表示本次理赔案件不存在滥用风险。若就诊费用高于对比标准值，则表示本次理赔案件费用高于标准值，存在滥用风险。其中，若没有从费用代码文件中获取到南非疾病代码所对应的费用代码，则中断调用欺诈模型，并返回该理赔案件不存在滥用风险的欺诈模型结果。S504，获取费用代码对应的对比标准值，将就诊费用与对比标准值进行比较。S506，若就诊费用高于对比标准值，则存在滥用风险。若南非疾病代码有对应的费用代码，则获取费用标准值文件。将该费用代码输入至费用标准文件中，获取到费用代码对应的对比标准值。将理赔数据中的就诊费用与对比标准值进行比较。若就诊费用低于等于对比标准值，则不存在滥用风险，则可以通过欺诈模型，进入下一步的理赔流程。若就诊费用高于对比标准值，则表示该理赔案件存在滥用风险，则转接进入人工审核通道并返回消息“该案件就诊费用高于标准，存在滥用风险，请人工审核”。在本实施例中，通过比较就诊费用是否高于标准来判断是否存在滥用风险，保证了理赔的安全性。在一个实施例中，服务器包括影像解析模块、代码匹配模块、风险控制模块以及理算模块。当用户通过用户终端向服务器发送理赔申请时，用户首先通过用户终端的指示上传相关的理赔影像文件。用户终端向服务器发送理赔请求和理赔影像文件。服务器接收并受理用户的理赔申请，并且，将用户终端上传的理赔影像文件发送至影像解析模块中，影像解析模块对理赔影像文件进行脱敏和解析，获取理赔数据。影像解析功能模块将理赔数据发送至代码匹配模块，代码匹配模块对理赔数据进行代码匹配，并将匹配代码后的理赔数据发送至风险控制模块。风险控制模块根据已匹配代码的理赔数据判断本次理赔是否存在风险，若不存在，将理赔数据发送至理算模块。理算模块根据理赔数据进行计算，得到理赔费用。具体地，风险控制模块根据已匹配代码的理赔数据判断本次理赔是否存在风险具体包括：根据用户标识获取历史理赔数据和用户信息。调用风控模型，风控模型包括风险评分表和互斥规则表，将理赔数据、历史理赔数据以及用户信息输入至风险评分表和互斥规则表中，得到风险评分和互斥结果。若风险评分结果中任意一项的得分小于3分以及互斥结果中存在满足的互斥规则逻辑，则本次理赔案件的理赔数据存在风险。并且，风险控制模块还可以根据理赔数据获取案件类型、出险次数、出险日以及生效日。若风险控制模块识别到案件类型为个险、出险次数为第一次、出险日与生效日的差值小于12个月，则调用未如实告知模型将疾病代码转换成南非疾病代码，若南非疾病代码的首字母为C、D、I、K、M、N中任意一个或者筛选出与南非疾病代码相同的代码，则判定风险控制模块识别到本次理赔案件存在短期出险风险。若风险控制模块识别到案件类型为个险或企业补充保险，则调用欺诈模型疾病代码转换成南非疾病代码，将南非疾病代码转换成对应的费用代码。风险控制模块获取该费用代码对应的对比标准值，将本次理赔数据中的就诊费用与对比标准值进行比较。若判断到就诊费用高于对比标准值，判定风险控制模块识别到本次理赔案件存在滥用风险。其中，若风险控制模块识别到本次理赔案件存在任意一种风险，则转接入人工通道审核。若不存在任何风险，则可以将理赔数据发送至理算模块进行理赔费用计算。应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。在一个实施例中，如图6所示，提供了一种理赔风控装置，包括：接收模块602、获取模块604、调用模块606、输入模块608和确定模块610，其中：接收模块602，用于接收第一终端发送的风控请求，风控请求中携带有用户标识和理赔数据。获取模块604，用于根据用户标识获取历史理赔数据和用户信息。调用模块606，用于调用风控模型，风控模型包括风险评分表和互斥规则表。输入模块608，用于将理赔数据、历史理赔数据以及用户信息输入至风险评分表，得到风险评分。输入模块608还用于将理赔数据、历史理赔数据以及用户信息输入值互斥规则表，得到互斥结果。确定模块610，用于根据风险评分和互斥结果，得到理赔数据的风险评估结果。在一个实施例中，获取模块604还用于若风险评分小于第一预设值且互斥结果通过，则根据理赔数据获取案件类型、出险次数、出险日以及生效日。调用模块606还用于若识别到案件类型为个险，同时出险次数为第一次且出险日与生效日的差值小于预设值，则调用未如实告知模型识别是否存在短期出险风险。调用模块606还用于同时识别案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险。确定模块610还用于若未识别到短期出险风险和滥用风险，则确定理赔数据不存在风险。在一个实施例中，调用模块606还用于从理赔数据和历史理赔数据中分别获取疾病代码和历史疾病代码；若根据疾病代码、历史疾病代码以及用户信息未从互斥规则表中获取到对应的互斥规则逻辑，则互斥结果为通过。在一个实施例中，调用模块606还用于从理赔数据中获取疾病代码，将疾病代码转换成南非疾病代码；获取南非疾病代码首字母；若识别到首字母为预设字母或者从预存的短期风险代码表中筛选出与南非疾病代码相同的代码，则存在短期出险风险。在一个实施例中，调用模块606还用于从理赔数据中获取疾病代码和就诊费用，将疾病代码转换成费用代码；获取费用代码对应的对比标准值，将就诊费用与对比标准值进行比较；若就诊费用高于对比标准值，则存在滥用风险。在一个实施例中，还包括发送模块，用于若风险评分大于等于第一预设值或互斥结果不通过，则将理赔数据发送至第二终端进行人工审核。关于理赔风控装置的具体限定可以参见上文中对于理赔风控方法的限定，在此不再赘述。上述理赔风控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种理赔风控方法。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收第一终端发送的风控请求，风控请求中携带有用户标识和理赔数据；根据用户标识获取历史理赔数据和用户信息；调用风控模型，风控模型包括风险评分表和互斥规则表；将理赔数据、历史理赔数据以及用户信息输入至风险评分表，得到风险评分；将理赔数据、历史理赔数据以及用户信息输入至互斥规则表，得到互斥结果；根据风险评分和互斥结果，得到理赔数据的风险评估结果。在一个实施例中，处理器执行计算机程序时还实现以下步骤：若风险评分小于第一预设值且互斥结果通过，则根据理赔数据获取案件类型、出险次数、出险日以及生效日；若识别到案件类型为个险，同时出险次数为第一次且出险日与生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险；同时识别案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险；若未识别到短期出险风险和滥用风险，则确定理赔数据不存在风险。在一个实施例中，处理器执行计算机程序时还实现以下步骤：从理赔数据和历史理赔数据中分别获取疾病代码和历史疾病代码；若根据疾病代码、历史疾病代码以及用户信息未从互斥规则表中获取到对应的互斥规则逻辑，则互斥结果为通过。在一个实施例中，处理器执行计算机程序时还实现以下步骤：从理赔数据中获取疾病代码，将疾病代码转换成南非疾病代码；获取南非疾病代码首字母；若识别到首字母为预设字母或者从预存的短期风险代码表中筛选出与南非疾病代码相同的代码，则存在短期出险风险。在一个实施例中，处理器执行计算机程序时还实现以下步骤：从理赔数据中获取疾病代码和就诊费用，将疾病代码转换成费用代码；获取费用代码对应的对比标准值，将就诊费用与对比标准值进行比较；若就诊费用高于对比标准值，则存在滥用风险。在一个实施例中，处理器执行计算机程序时还实现以下步骤：若风险评分大于等于第一预设值或互斥结果不通过，则将理赔数据发送至第二终端进行人工审核。在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收第一终端发送的风控请求，风控请求中携带有用户标识和理赔数据；根据用户标识获取历史理赔数据和用户信息；调用风控模型，风控模型包括风险评分表和互斥规则表；将理赔数据、历史理赔数据以及用户信息输入至风险评分表，得到风险评分；将理赔数据、历史理赔数据以及用户信息输入至互斥规则表，得到互斥结果；根据风险评分和互斥结果，得到理赔数据的风险评估结果。在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述风险评分小于第一预设值且互斥结果通过，则根据理赔数据获取案件类型、出险次数、出险日以及生效日；若识别到案件类型为个险，同时出险次数为第一次且出险日与生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险；同时识别案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险；若未识别到短期出险风险和滥用风险，则确定理赔数据不存在风险。在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从理赔数据和历史理赔数据中分别获取疾病代码和历史疾病代码；若根据疾病代码、历史疾病代码以及用户信息未从互斥规则表中获取到对应的互斥规则逻辑，则互斥结果为通过。在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从理赔数据中获取疾病代码，将疾病代码转换成南非疾病代码；获取南非疾病代码首字母；若识别到首字母为预设字母或者从预存的短期风险代码表中筛选出与南非疾病代码相同的代码，则存在短期出险风险。在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从理赔数据中获取疾病代码和就诊费用，将疾病代码转换成费用代码；获取费用代码对应的对比标准值，将就诊费用与对比标准值进行比较；若就诊费用高于对比标准值，则存在滥用风险。在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若风险评分大于等于第一预设值或互斥结果不通过，则将理赔数据发送至第二终端进行人工审核。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和或易失性存储器。非易失性存储器可包括只读存储器ROM、可编程ROMPROM、电可编程ROMEPROM、电可擦除可编程ROMEEPROM或闪存。易失性存储器可包括随机存取存储器RAM或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAMSRAM、动态RAMDRAM、同步DRAMSDRAM、双数据率SDRAMDDRSDRAM、增强型SDRAMESDRAM、同步链路SynchlinkDRAMSLDRAM、存储器总线Rambus直接RAMRDRAM、直接存储器总线动态RAMDRDRAM、以及存储器总线动态RAMRDRAM等。以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

权利要求：1.一种理赔风控方法，所述方法包括：接收第一终端发送的风控请求，所述风控请求中携带有用户标识和理赔数据；根据用户标识获取历史理赔数据和用户信息；调用风控模型，所述风控模型包括风险评分表和互斥规则表；将所述理赔数据、历史理赔数据以及用户信息输入至所述风险评分表，得到风险评分；将所述理赔数据、历史理赔数据以及用户信息输入至所述互斥规则表，得到互斥结果；根据所述风险评分和互斥结果，得到理赔数据的风险评估结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述风险评分和互斥结果，得到理赔数据的风险评估结果包括：若所述风险评分小于第一预设值且所述互斥结果通过，则根据所述理赔数据获取案件类型、出险次数、出险日以及生效日；若识别到所述案件类型为个险，同时所述出险次数为第一次且所述出险日与所述生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险；同时识别所述案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险；若未识别到短期出险风险和滥用风险，则确定所述理赔数据不存在风险。3.根据权利要求1所述的方法，其特征在于，所述将所述理赔数据、历史理赔数据以及用户信息输入至所述互斥规则表，得到互斥结果包括：从所述理赔数据和历史理赔数据中分别获取疾病代码和历史疾病代码；若根据所述疾病代码、历史疾病代码以及用户信息未从所述互斥规则表中获取到对应的互斥规则逻辑，则所述互斥结果为通过。4.根据权利要求2所述的方法，其特征在于，所述调用未如实告知模型识别是否存在短期出险风险包括：从所述理赔数据中获取疾病代码，将所述疾病代码转换成南非疾病代码；获取所述南非疾病代码首字母；若识别到所述首字母为预设字母或者从预存的短期风险代码表中筛选出与所述南非疾病代码相同的代码，则存在短期出险风险。5.根据权利要求2所述的方法，其特征在于，所述调用欺诈模型识别是否存在滥用风险包括：从所述理赔数据中获取疾病代码和就诊费用，将所述疾病代码转换成费用代码；获取所述费用代码对应的对比标准值，将所述就诊费用与所述对比标准值进行比较；若所述就诊费用高于对比标准值，则存在滥用风险。6.根据权利要求2所述的方法，其特征在于，若所述风险评分大于等于第一预设值或所述互斥结果不通过，则将所述理赔数据发送至第二终端进行人工审核。7.一种理赔风控装置，其特征在于，所述装置包括：接收模块，用于接收第一终端发送的风控请求，所述风控请求中携带有用户标识和理赔数据；获取模块，用于根据用户标识获取历史理赔数据和用户信息；调用模块，用于调用风控模型，所述风控模型包括风险评分表和互斥规则表；输入模块，用于将所述理赔数据、历史理赔数据以及用户信息输入至所述风险评分表，得到风险评分；输入模块还用于将所述理赔数据、历史理赔数据以及用户信息输入至所述互斥规则表，得到互斥结果；确定模块，用于根据所述风险评分和互斥结果，得到理赔数据的风险评估结果。8.根据权利要求7所述的装置，其特征在于，所述获取模块还用于若所述风险评分小于第一预设值且所述互斥结果通过，则根据所述理赔数据获取案件类型、出险次数、出险日以及生效日；调用模块还用于若识别到所述案件类型为个险，同时所述出险次数为第一次且所述出险日与所述生效日的差值小于第二预设值，则调用未如实告知模型识别是否存在短期出险风险；调用模块还用于同时识别所述案件类型是否为个险或企业补充保险，若是，则调用欺诈模型识别是否存在滥用风险；确定模块还用于若未识别到短期出险风险和滥用风险，则确定所述理赔数据不存在风险。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

百度查询： 平安健康保险股份有限公司 理赔风控方法、装置、计算机设备和存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD