本技術(shù)涉及人工智能開發(fā)與金融科技領(lǐng)域，尤其涉及基于人工智能的車險理賠處理方法、裝置、計算機設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、近年來，各城市的汽車保有量逐年飛速增長，車險市場比較復(fù)雜、發(fā)展空間進(jìn)一步擴大，與此同時車險改革也逐步推進(jìn)，對車險數(shù)據(jù)的理賠結(jié)果評估的準(zhǔn)確性提出了挑戰(zhàn)?？v觀保險業(yè)歷史發(fā)展，保險欺詐直接侵害了保險消費者的合法權(quán)益和保險公司利益，間接推高了保險產(chǎn)品和服務(wù)的價格、擾亂了保險市場秩序。保險欺詐已成為世界各國保險業(yè)不得不面對的共同難題。

2、目前，保險公司對于車險數(shù)據(jù)的理賠結(jié)果評估的應(yīng)對策略，仍是更多地依賴?yán)碣r人員的個人經(jīng)驗與判斷來生成車險數(shù)據(jù)的理賠評估結(jié)果，這種人工評估的方式存在人力耗費大、成本高、且準(zhǔn)確信較低的問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例的目的在于提出一種基于人工智能的車險理賠處理方法、裝置、計算機設(shè)備及存儲介質(zhì)，以解決現(xiàn)有的保險公司對于車險數(shù)據(jù)的理賠結(jié)果評估的應(yīng)對策略，仍是更多地依賴?yán)碣r人員的個人經(jīng)驗與判斷來生成車險數(shù)據(jù)的理賠評估結(jié)果，這種人工評估的方式存在人力耗費大、成本高、且準(zhǔn)確信較低的問題的技術(shù)問題。

2、為了解決上述技術(shù)問題，本技術(shù)實施例提供一種基于人工智能的車險理賠處理方法，采用了如下所述的技術(shù)方案：

3、判斷是否接收到用戶輸入的車險理賠請求；其中，所述車險理賠請求攜帶車險數(shù)據(jù)與所述用戶的用戶信息，所述車險數(shù)據(jù)包括車主信息、車輛信息以及保險價格；

4、若是，從所述車險理賠請求中提取出所述用戶信息與所述車險數(shù)據(jù)；

5、基于所述用戶信息對所述用戶進(jìn)行權(quán)限校驗；

6、若所述用戶通過權(quán)限校驗，則對所述車險數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換處理，得到對應(yīng)的目標(biāo)車險數(shù)據(jù)；

7、調(diào)用預(yù)先訓(xùn)練好的理賠預(yù)測模型；其中，所述理賠預(yù)測模型為基于預(yù)設(shè)的策略梯度方法與狀態(tài)值函數(shù)，使用預(yù)設(shè)的車險樣本對深度q網(wǎng)絡(luò)進(jìn)行訓(xùn)練后生成的模型；

8、基于所述理賠預(yù)測模型對所述目標(biāo)車險數(shù)據(jù)進(jìn)行預(yù)測處理，生成與所述目標(biāo)車險數(shù)據(jù)對應(yīng)的理賠預(yù)測結(jié)果。

9、進(jìn)一步的，在所述調(diào)用預(yù)先訓(xùn)練好的理賠預(yù)測模型的步驟之前，還包括：

10、獲取預(yù)先采集的初始車險數(shù)據(jù)；

11、對所述初始車險數(shù)據(jù)進(jìn)行預(yù)處理，得到對應(yīng)的初始車險樣本；

12、對所述初始車險樣本進(jìn)行樣本增強處理，得到所述車險樣本；

13、按照預(yù)設(shè)的劃分比例將所述車險樣本劃分為訓(xùn)練數(shù)據(jù)集與測試數(shù)據(jù)集；

14、調(diào)用所述深度q網(wǎng)絡(luò)，并確定與所述深度q網(wǎng)絡(luò)對應(yīng)的策略評估函數(shù)；

15、基于所述訓(xùn)練數(shù)據(jù)集對所述深度q網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并使用隨機梯度下降方法與狀態(tài)值函數(shù)對所述策略評估函數(shù)進(jìn)行優(yōu)化處理，直至滿足預(yù)設(shè)的收斂條件并得到相應(yīng)的指定模型；

16、基于所述測試數(shù)據(jù)集對所述指定模型進(jìn)行性能測試；

17、若所述指定模型通過性能測試，則將所述指定模型作為所述理賠預(yù)測模型。

18、進(jìn)一步的，所述對所述初始車險數(shù)據(jù)進(jìn)行預(yù)處理，得到對應(yīng)的初始車險樣本的步驟，具體包括：

19、對所述初始車險數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗處理得到第一車險數(shù)據(jù)；

20、對所述第一車險數(shù)據(jù)進(jìn)行數(shù)據(jù)整合處理得到第二車險數(shù)據(jù)；

21、對所述第二車險數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換處理得到第三車險數(shù)據(jù)；

22、對所述第三車險數(shù)據(jù)進(jìn)行數(shù)據(jù)降維處理得到第四車險數(shù)據(jù)；

23、將所述第四車險數(shù)據(jù)作為所述初始車險樣本。

24、進(jìn)一步的，所述對所述初始車險樣本進(jìn)行樣本增強處理，得到所述車險樣本的步驟，具體包括：

25、對所述初始車險樣本進(jìn)行合成樣本處理得到第一樣本；

26、對所述初始車險樣本進(jìn)行數(shù)據(jù)擾動處理得到第二樣本；

27、對所述初始車險樣本進(jìn)行特征變換處理得到第三樣本；

28、基于所述第一樣本、所述第二樣本、所述第三樣本以及所述初始車險樣本生成所述車險樣本。

29、進(jìn)一步的，所述基于所述測試數(shù)據(jù)集對所述指定模型進(jìn)行性能測試的步驟，具體包括：

30、將所述測試數(shù)據(jù)集輸入至所述指定模型內(nèi)，獲取與預(yù)設(shè)的性能指標(biāo)對應(yīng)的所述指定模型的性能指標(biāo)數(shù)值；其中，所述性能指標(biāo)的數(shù)量包括多個；

31、判斷所有所述性能指標(biāo)數(shù)值是否均處于對應(yīng)的預(yù)期數(shù)值區(qū)間內(nèi)；

32、若是，判定所述指定模型通過性能測試；

33、若否，判定所述指定模型未通過性能測試。

34、進(jìn)一步的，所述基于所述用戶信息對所述用戶進(jìn)行權(quán)限校驗的步驟，具體包括：

35、獲取預(yù)設(shè)的用戶等級數(shù)據(jù)表與業(yè)務(wù)權(quán)限數(shù)據(jù)表；

36、從所述用戶等級數(shù)據(jù)表中查詢出與所述用戶信息對應(yīng)的目標(biāo)用戶權(quán)限等級；

37、從所述業(yè)務(wù)權(quán)限數(shù)據(jù)表中查詢出與理賠預(yù)測的業(yè)務(wù)操作對應(yīng)的指定權(quán)限等級區(qū)間；

38、判斷所述目標(biāo)用戶權(quán)限等級是否處于所述指定權(quán)限等級區(qū)間內(nèi)；

39、若是，判定所述用戶通過權(quán)限校驗，否則判定所述用戶未通過權(quán)限校驗。

40、進(jìn)一步的，在所述基于所述理賠預(yù)測模型對所述目標(biāo)車險數(shù)據(jù)進(jìn)行預(yù)測處理，生成與所述目標(biāo)車險數(shù)據(jù)對應(yīng)的理賠預(yù)測結(jié)果的步驟之后，還包括：

41、對所述理賠預(yù)測結(jié)果進(jìn)行內(nèi)容分析，判斷所述理賠預(yù)測結(jié)果是否為拒賠；

42、若是，確定與所述車險數(shù)據(jù)對應(yīng)的指定業(yè)務(wù)人員；

43、獲取所述指定業(yè)務(wù)人員的通訊信息；

44、獲取與所述車險數(shù)據(jù)對應(yīng)的車險理賠案件信息；

45、基于所述通訊信息，將所述車險理賠案件信息與所述理賠預(yù)測結(jié)果推送給所述指定業(yè)務(wù)人員。

46、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種基于人工智能的車險理賠處理裝置，采用了如下所述的技術(shù)方案：

47、判斷模塊，用于判斷是否接收到用戶輸入的車險理賠請求；其中，所述車險理賠請求攜帶車險數(shù)據(jù)與所述用戶的用戶信息，所述車險數(shù)據(jù)包括車主信息、車輛信息以及保險價格；

48、提取模塊，用于若是，從所述車險理賠請求中提取出所述用戶信息與所述車險數(shù)據(jù)；

49、校驗?zāi)K，用于基于所述用戶信息對所述用戶進(jìn)行權(quán)限校驗；

50、轉(zhuǎn)換模塊，用于若所述用戶通過權(quán)限校驗，則對所述車險數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換處理，得到對應(yīng)的目標(biāo)車險數(shù)據(jù)；

51、調(diào)用模塊，用于調(diào)用預(yù)先訓(xùn)練好的理賠預(yù)測模型；其中，所述理賠預(yù)測模型為基于預(yù)設(shè)的策略梯度方法與狀態(tài)值函數(shù)，使用預(yù)設(shè)的車險樣本對深度q網(wǎng)絡(luò)進(jìn)行訓(xùn)練后生成的模型；

52、預(yù)測模塊，用于基于所述理賠預(yù)測模型對所述目標(biāo)車險數(shù)據(jù)進(jìn)行預(yù)測處理，生成與所述目標(biāo)車險數(shù)據(jù)對應(yīng)的理賠預(yù)測結(jié)果。

53、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機設(shè)備，采用了如下所述的技術(shù)方案：

54、判斷是否接收到用戶輸入的車險理賠請求；其中，所述車險理賠請求攜帶車險數(shù)據(jù)與所述用戶的用戶信息，所述車險數(shù)據(jù)包括車主信息、車輛信息以及保險價格；

55、若是，從所述車險理賠請求中提取出所述用戶信息與所述車險數(shù)據(jù)；

56、基于所述用戶信息對所述用戶進(jìn)行權(quán)限校驗；

57、若所述用戶通過權(quán)限校驗，則對所述車險數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換處理，得到對應(yīng)的目標(biāo)車險數(shù)據(jù)；

58、調(diào)用預(yù)先訓(xùn)練好的理賠預(yù)測模型；其中，所述理賠預(yù)測模型為基于預(yù)設(shè)的策略梯度方法與狀態(tài)值函數(shù)，使用預(yù)設(shè)的車險樣本對深度q網(wǎng)絡(luò)進(jìn)行訓(xùn)練后生成的模型；

59、基于所述理賠預(yù)測模型對所述目標(biāo)車險數(shù)據(jù)進(jìn)行預(yù)測處理，生成與所述目標(biāo)車險數(shù)據(jù)對應(yīng)的理賠預(yù)測結(jié)果。

60、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機可讀存儲介質(zhì)，采用了如下所述的技術(shù)方案：

61、判斷是否接收到用戶輸入的車險理賠請求；其中，所述車險理賠請求攜帶車險數(shù)據(jù)與所述用戶的用戶信息，所述車險數(shù)據(jù)包括車主信息、車輛信息以及保險價格；

62、若是，從所述車險理賠請求中提取出所述用戶信息與所述車險數(shù)據(jù)；

63、基于所述用戶信息對所述用戶進(jìn)行權(quán)限校驗；

64、若所述用戶通過權(quán)限校驗，則對所述車險數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換處理，得到對應(yīng)的目標(biāo)車險數(shù)據(jù)；

65、調(diào)用預(yù)先訓(xùn)練好的理賠預(yù)測模型；其中，所述理賠預(yù)測模型為基于預(yù)設(shè)的策略梯度方法與狀態(tài)值函數(shù)，使用預(yù)設(shè)的車險樣本對深度q網(wǎng)絡(luò)進(jìn)行訓(xùn)練后生成的模型；

66、基于所述理賠預(yù)測模型對所述目標(biāo)車險數(shù)據(jù)進(jìn)行預(yù)測處理，生成與所述目標(biāo)車險數(shù)據(jù)對應(yīng)的理賠預(yù)測結(jié)果。

67、與現(xiàn)有技術(shù)相比，本技術(shù)實施例主要有以下有益效果：

68、本技術(shù)首先判斷是否接收到用戶輸入的車險理賠請求；其中，所述車險理賠請求攜帶車險數(shù)據(jù)與所述用戶的用戶信息，所述車險數(shù)據(jù)包括車主信息、車輛信息以及保險價格；若是，從所述車險理賠請求中提取出所述用戶信息與所述車險數(shù)據(jù)；然后基于所述用戶信息對所述用戶進(jìn)行權(quán)限校驗；若所述用戶通過權(quán)限校驗，則對所述車險數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換處理，得到對應(yīng)的目標(biāo)車險數(shù)據(jù)；后續(xù)調(diào)用預(yù)先訓(xùn)練好的理賠預(yù)測模型；其中，所述理賠預(yù)測模型為基于預(yù)設(shè)的策略梯度方法與狀態(tài)值函數(shù)，使用預(yù)設(shè)的車險樣本對深度q網(wǎng)絡(luò)進(jìn)行訓(xùn)練后生成的模型；最后基于所述理賠預(yù)測模型對所述目標(biāo)車險數(shù)據(jù)進(jìn)行預(yù)測處理，生成與所述目標(biāo)車險數(shù)據(jù)對應(yīng)的理賠預(yù)測結(jié)果。本技術(shù)通過從接收到的用戶輸入的車險理賠請求中提取用戶信息與車險數(shù)據(jù)，并在基于用戶信息判別出用戶通過權(quán)限校驗后，會先對所述車險數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換處理，得到對應(yīng)的目標(biāo)車險數(shù)據(jù)，進(jìn)而使用預(yù)先訓(xùn)練好的理賠預(yù)測模型來對所述目標(biāo)車險數(shù)據(jù)進(jìn)行預(yù)測處理，從而實現(xiàn)快速準(zhǔn)確地生成與所述目標(biāo)車險數(shù)據(jù)對應(yīng)的理賠預(yù)測結(jié)果。不同于現(xiàn)有的基于人工評估的方式，本技術(shù)基于理賠預(yù)測模型的使用可以實現(xiàn)快速準(zhǔn)確地進(jìn)行對于車險數(shù)據(jù)的理賠預(yù)測處理，有效地提高了對于車險數(shù)據(jù)的理賠預(yù)測處理的處理效率，提高了生成的理賠預(yù)測結(jié)果的準(zhǔn)確性。