技术特征：
1.一种信息处理的方法，其特征在于，所述方法包括：将待理赔的赔案信息输入训练好的理赔范围预测模型中，根据所述理赔范围预测模型的输出结果，确定所述赔案信息是否满足目标保险的理赔范围条件；其中，所述目标保险是所述赔案信息所属的保单险种责任类型及范围所对应的保险；响应于所述赔案信息满足所述目标保险的理赔范围条件，则将所述赔案信息输入训练好的欺诈风险预测模型中，得到所述赔案信息属于欺诈事件的风险概率值；响应于所述风险概率值满足预先设置的理赔风险条件，则按照所述赔案信息中的赔付条件，对所述赔案信息对应的出险人进行理赔。2.根据权利要求1所述的方法，其特征在于，在所述将待理赔的赔案信息输入训练好的理赔范围预测模型中之后，所述方法包括：根据所述目标保险对应的理赔关键词，从所述赔案信息中，提取与所述理赔关键词的语义相同的目标关键词；其中，所述目标关键词至少包括：用于表征所述出险人的个人身份信息的第一关键词、用于表征所述出险人截止出险日前有效的保单及险种信息的第二关键词、用于表征所述有效的保单的保全信息的第三关键词以及用于表征所述出险人的出险原因的第四关键词；针对提取的每一所述目标关键词，按照该目标关键词所属的信息类型，对该目标关键词进行独热编码，将独热编码的结果作为用于表征该目标关键词的特征值；利用每一所述目标关键词的特征值，确定所述赔案信息对应的预测特征向量；利用逻辑回归预测函数，对所述预测特征向量进行二分类预测，将二分类预测的结果作为所述理赔范围预测模型的输出结果；其中，所述二分类预测结果中包括：第一概率和第二概率，所述第一概率用于表征所述预测特征向量属于所述目标保险的理赔范围的概率，所述第二概率用于表征所述预测特征向量不属于所述目标保险的理赔范围的概率。3.根据权利要求2所述的方法，其特征在于，所述确定所述赔案信息是否满足目标保险的理赔范围条件，包括：根据所述第一概率，判断所述第一概率是否大于预先设置的理赔范围阈值；若确定所述第一概率大于所述理赔范围阈值，则确定所述赔案信息满足所述目标保险的理赔范围条件；若确定所述第一概率小于或者等于所述理赔范围阈值，则确定所述赔案信息不满足所述目标保险的理赔范围条件。4.根据权利要求1所述的方法，其特征在于，在所述将所述赔案信息输入训练好的欺诈风险预测模型中之后，所述方法包括：按照目标风险因子，从所述赔案信息中，提取每一所述目标风险因子对应的特征信息；其中，所述目标风险因子是所述欺诈风险预测模型在训练过程中确定出的、对于训练样本的分类结果具有指向性作用的分类指标，其中，所述训练样本的分类结果包括：训练样本属于欺诈事件和训练样本属于非欺诈事件；利用提取的每一所述目标风险因子对应的特征信息，对所述赔案信息进行二分类预测，将二分类预测的结果作为所述欺诈风险预测模型的输出结果；其中，所述欺诈风险预测模型的输出结果包括：第一风险概率值和第二风险概率值，所述第一风险概率值是所述赔案信息属于欺诈事件的风险概率值，所述第二风险概率值是所述赔案信息属于非欺诈事件
的风险概率值。5.根据权利要求1所述的方法，其特征在于，在所述响应于所述风险概率值满足预先设置的理赔风险条件之前，所述方法还包括：判断所述风险概率值是否小于预先设置的理赔风险阈值；若确定所述风险概率值小于所述理赔风险阈值，则确定所述风险概率值满足所述理赔风险条件；若确定所述风险概率值大于或者等于所述理赔风险阈值，则确定所述风险概率值不满足所述理赔风险条件。6.根据权利要求1所述的方法，其特征在于，当所述风险概率值不满足所述理赔风险条件时，所述方法，还包括：响应于所述风险概率值不满足所述理赔风险条件，则将所述赔案信息发送给业务审核人员；接收所述业务审核人员针对所述赔案信息的审核结果；若确定所述审核结果为同意理赔，则按照所述赔案信息中的赔付条件，对所述赔案信息对应的出险人进行理赔；若确定所述审核结果为不同意理赔，则获取所述业务审核人员的审核意见，并向所述赔案信息对应的出险人发送所述审核意见，以提示该出险人对所述审核意见进行反馈。7.根据权利要求4所述的方法，其特征在于，所述欺诈风险预测模型通过以下方法确定出所述目标风险因子，所述方法包括：获取历史赔案信息作为所述欺诈风险预测模型的训练样本；其中，所述历史赔案信息中包括：属于欺诈事件的赔案信息和属于非欺诈事件的赔案信息；针对每一所述训练样本，按照预先设置的分类指标，从该训练样本中，提取每一所述分类指标对应的特征信息作为该训练样本下每一所述分类指标的指标值；将该训练样本下每一所述分类指标的指标值作为分类预测函数的自变量，利用逻辑回归算法，计算所述分类预测函数的因变量的值，将计算结果作为该训练样本的预测结果，其中，所述预测结果用于表征该训练样本属于欺诈事件的概率值；根据该训练样本所属的分类标签，利用所述逻辑回归算法中的损失函数，计算所述分类标签与所述预测结果的偏差值，将计算结果作为该训练样本的损失函数值；其中，所述分类标签包括：用于表征该训练样本属于欺诈事件的第一标签和用于表征该训练样本属于非欺诈事件的第二标签；根据每一所述训练样本的损失函数值，对所述欺诈风险预测模型进行训练，直至所述欺诈风险预测模型达到收敛；在所述欺诈风险预测模型达到收敛之后，获取所述分类预测函数中每一所述自变量的自变量系数；其中，所述自变量系数用于表征所述自变量对应的分类指标与所述预测结果之间的相关性程度；按照预先设置的相关性程度阈值，从每一所述分类指标中，提取所述自变量系数大于或者等于所述相关性程度阈值的分类指标作为所述目标风险因子。8.根据权利要求7所述的方法，其特征在于，当所述历史赔案信息中属于欺诈事件的赔案信息的数量小于预先设置的样本数量阈值时，所述获取历史赔案信息作为所述欺诈风险
预测模型的训练样本，还包括：针对每一第一赔案信息，利用上采样算法，计算出该第一赔案信息的多个近邻样本；其中，所述第一赔案信息是属于欺诈事件的赔案信息；从所述多个近邻样本中，随机选取第一数量阈值的近邻样本作为待插值样本；利用每一所述待插值样本，对所述第一赔案信息进行随机线性插值处理，得到第一训练样本；其中，所述第一训练样本包括：所述第一赔案信息和每一所述待插值样本；获取所述第一训练样本作为所述训练样本。9.一种信息处理的装置，其特征在于，所述装置包括：第一预测模块，用于将待理赔的赔案信息输入训练好的理赔范围预测模型中，根据所述理赔范围预测模型的输出结果，确定所述赔案信息是否满足目标保险的理赔范围条件；其中，所述目标保险是所述赔案信息所属的保单险种责任类型及范围所对应的保险；第一响应模块，用于响应于所述赔案信息满足所述目标保险的理赔范围条件，则将所述赔案信息输入训练好的欺诈风险预测模型中，得到所述赔案信息属于欺诈事件的风险概率值；第二响应模块，用于响应于所述风险概率值满足预先设置的理赔风险条件，则按照所述赔案信息中的赔付条件，对所述赔案信息对应的出险人进行理赔。10.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至8任一所述的信息处理的方法的步骤。
技术总结
本申请提供了一种信息处理的方法、装置、设备及存储介质，该方法包括：将待理赔的赔案信息输入训练好的理赔范围预测模型中，根据所述理赔范围预测模型的输出结果，确定所述赔案信息是否满足目标保险的理赔范围条件；响应于所述赔案信息满足所述目标保险的理赔范围条件，则将所述赔案信息输入训练好的欺诈风险预测模型中，得到所述赔案信息属于欺诈事件的风险概率值；响应于所述风险概率值满足预先设置的理赔风险条件，则按照所述赔案信息中的赔付条件，对所述赔案信息对应的出险人进行理赔。这样，可以对待理赔的赔案信息进行处理，在确定赔案信息属于理赔范围的条件下，排除存在欺诈风险的赔案信息，以提高对赔案信息的处理效率。率。率。
技术研发人员：王培 王佳 郭小川 高惠庭 李春萌
受保护的技术使用者：阳光人寿保险股份有限公司
技术研发日：2021.07.22
技术公布日：2021/10/8