一种理赔资料录入方法、装置、计算机设备及存储介质与流程

1.本技术涉及大数据技术领域，尤其涉及一种理赔资料录入方法、装置、计算机设备及存储介质。


背景技术：

2.理赔过程中，需要客户提交相关的案件资料证明案件的合理性和真实性，案件资料包括客户证件资料、医疗诊治资料、医疗费用资料，医疗诊治资料包括门诊病历、住院病历、病理报告等，医疗费用资料包括医疗发票、医疗清单、社保结算单等，这些资料都需要录入存档。
3.传统的资料录入都采用人工录入的方式，整个过程录入时间长、效率低，耗时耗力且拉长理赔周期，影响用户体验。


技术实现要素：

4.本技术实施例的目的在于提出一种理赔资料录入方法、装置、计算机设备及存储介质，以解决现有技术理赔资料录入过程录入时间长、效率低的问题。
5.为了解决上述技术问题，本技术实施例提供一种理赔资料录入方法，采用了如下所述的技术方案：
6.一种理赔资料录入方法，包括下述步骤：
7.获取待录入的理赔资料，所述理赔资料包括若干图像；
8.通过预设的ocr文本检测模型对所述图像进行处理，得到与所述图像对应的文本内容，对所述文本内容进行第一预处理，根据第一预处理结果生成各所述图像的目标特征向量，再根据所述目标特征向量对各所述图像进行单证分类；
9.基于所述单证分类结果，对所述文本内容进行第二预处理，将第二预处理结果分别输入预设规则抽取器和预设神经网络模型，分别得到对应的输出结果，根据所述输出结果进行模型集成处理以抽取非制式文本要素，并将抽取的结果录入理赔系统，完成理赔资料的结构化录入。
10.进一步地，将第二预处理结果输入预设规则抽取器后，所述方法包括：
11.通过所述预设规则抽取器对输入的所述第二预处理结果依次进行要素匹配词定位和邻域搜索，以对所述文本内容进行命名实体识别，并得到各命名实体对应的值以及各个值的置信度。
12.进一步地，通过所述预设规则抽取器对输入的所述第二预处理结果进行领域搜索时，所述方法包括：
13.以匹配到的命名实体在所述文本内容中的位置为基准，对所述第二预处理后的文本内容依次执行距离筛选、词性筛选和语义筛选操作，获得命名实体对应的完整的值。
14.进一步地，将第二预处理结果输入预设神经网络模型后，所述方法包括：
15.对所述第二预处理结果进行多尺度滑窗上下文拼接，根据拼接内容进行命名实体
识别，得到识别的命名实体及对应的值以及各个值的置信度。
16.进一步地，所述根据所述输出结果进行模型集成处理以抽取非制式文本要素的步骤包括：
17.将所述预设规则抽取器和所述预设神经网络模型输出的各个值的置信度进行对标归一化处理，再对所述预设规则抽取器和所述预设神经网络模型识别的同一命名实体的归一化后的置信度进行比较，选取置信度更高的值作为命名实体最终的值，并基于识别的命名实体及其最终的值进行非制式文本要素抽取。
18.进一步地，在所述将抽取的结果录入理赔系统，完成理赔资料的结构化录入的步骤后，所述方法还包括：
19.响应用户的溯源请求对抽取的非制式文本要素进行溯源，获取所述抽取的非制式文本要素在原始图像中的位置，以供用户对录入的文本内容进行核查。
20.进一步地，在所述将抽取的结果录入理赔系统，完成理赔资料的结构化录入的步骤后，所述方法还包括：
21.获取新的历史理赔资料，根据全部历史理赔资料对所述预设规则抽取器中预设的要素定位词和匹配规则进行更新，并根据全部历史理赔资料作为模型训练数据对所述预设神经网络模型进行训练，更新所述预设神经网络模型的参数。
22.为了解决上述技术问题，本技术实施例还提供一种理赔资料录入装置，采用了如下所述的技术方案：
23.一种理赔资料录入装置，包括：
24.资料获取模块，用于获取待录入的理赔资料，所述理赔资料包括若干图像；
25.图像分类模块，用于通过预设的ocr文本检测模型对所述图像进行处理，得到与所述图像对应的文本内容，对所述文本内容进行第一预处理，根据第一预处理结果生成各所述图像的目标特征向量，再根据所述目标特征向量对各所述图像进行单证分类；
26.资料录入模块，用于基于所述单证分类结果，对所述文本内容进行第二预处理，将第二预处理结果分别输入预设规则抽取器和预设神经网络模型，分别得到对应的输出结果，根据所述输出结果进行模型集成处理以抽取非制式文本要素，并将抽取的结果录入理赔系统，完成理赔资料的结构化录入。
27.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
28.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的理赔资料录入方法的步骤。
29.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
30.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的理赔资料录入方法的步骤。
31.与现有技术相比，本技术实施例主要有以下有益效果：
32.本方案通过对理赔资料进行单证分类，再根据预设规则抽取器和预设神经网络模型基于所述单证分类结果对所述文本内容进行非制式文本要素抽取，从而进行理赔资料的结构化录入，实现了理赔资料的高效自动化和智能化录入，从而提高资料录入的速度，节省
成本，同时降低了理赔周期，提升了客户体验。
附图说明
33.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
34.图1是本技术可以应用于其中的示例性系统架构图；
35.图2根据本技术的理赔资料录入方法的一个实施例的流程图；
36.图3是根据本技术的理赔资料录入装置的一个实施例的结构示意图；
37.图4是根据本技术的理赔资料录入装置的另一个实施例的结构示意图；
38.图5是根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
39.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
40.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
41.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
42.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
43.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
44.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture expertsgroup audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving pictureexperts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
45.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
46.需要说明的是，本技术实施例所提供的理赔资料录入方法一般由服务器执行，相
应地，理赔资料录入装置一般设置于服务器中。
47.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
48.继续参考图2，示出了根据本技术的理赔资料录入方法的一个实施例的流程图。所述理赔资料录入方法包括以下步骤：
49.步骤s201，获取待录入的理赔资料，所述理赔资料包括若干图像。
50.用户需要进行理赔时，通过手机端或电脑端向处理理赔资料收集和录入的服务器端发起理赔资料上传请求，服务器端响应该理赔资料上传请求后接收用户手机端或电脑端上传的理赔资料，这些理赔资料包括在理赔过程中所需的客户证件资料、医疗诊治资料、医疗费用资料，医疗诊治资料包括门诊病历、住院病历、病理报告等，医疗费用资料包括医疗发票、医疗清单、社保结算单等，这些案件理赔资料在理赔系统中都需要进行收集存储。这些理赔资料以图片的形式被上传，服务器端在接收理赔资料结束后，将这些图片以资料集的形式存储。
51.在本实施例中，在服务器端获得理赔资料后，所述方法还包括：
52.对各图像进行检测，以保证所有图像符合图像质量要求，具体可通过清晰度检测模型、方向矫正模型和翻拍检测模型中的一个或多个进行图像质检。
53.其中，清晰度检测模型可采用现有的图像清晰度检测模型进行质检，比如基于梯度算子的图像清晰度检测模型或者通过训练后的卷积神经网络模型；方向矫正模型可采用基于投影的方法、基于hough变换的方法、基于线性拟合的方法、基于傅里叶变换到频域进行检测的方法等进行方向矫正；翻拍检测模型可采用噪声分析、像素值偏差检测等方式进行检测。对于检测不达标的图像向用户所在的手机端或电脑端发送重新上传的提示信息，待收到新的上传图像后重新进行检测，直到全部检测通过后进行后续步骤的处理。
54.在一些实施例中，所述方法还包括：对理赔资料进行去重操作，以去除用户在不同上传入口因操作不当上传的相同理赔资料并提示用户确认是否漏传理赔资料。
55.步骤s202，通过预设的ocr文本检测模型对所述图像进行处理，得到与所述图像对应的文本内容，对所述文本内容进行第一预处理，根据第一预处理结果生成各所述图像的目标特征向量，再根据所述目标特征向量对各所述图像进行单证分类。
56.在本步骤中，在根据ocr文本检测模型进行文本内容获取时，可以采用现有的ocr文本检测模型来实现。
57.在对所述文本内容进行第一预处理时，目的是进行粗粒度的文本内容提取，具体为将所述文本内容输入至预处理模块执行词形还原、词性标注、数字规整等操作，其中词形还原针对文本中的英文词，词性标注是对每个词是名词、动词、形容词或其他词性进行标注，数字规整的主要是对理赔资料中的医疗发票这类图像中涉及费用的数字进行规整，以利于对图像进行单证分类，此处单证分类是指将理赔资料中存在的费用单据(诸如诊断单、发票等)和身份证明(诸如身份证、驾照等)的图像进行分类，以便后续针对性进行理赔资料在理赔系统中的录入。在进行粗粒度的特征提取时，只提取能够进行单证分类的关键性文本内容作为分类特征。
58.在进行分类特征提取时，本实施例可采用词袋模型进行，具体对文本内容进行分词后提取若干分词作为特征字段，对特征字段进行筛选得到特征字段集合，确定特征字段
集合中各特征字段在基于词袋模型建立的直方图中的分布，得到中间特征向量，最后对中间特征向量进行归一化处理和降维处理得到目标特征向量。将该目标特征向量输入单证分类模型即可得到单证分类结果。对于理赔材料来讲，具体可分为证件、病历、诊断材料、发票、清单、报销证明、银行卡等不同单证类型，不同的类型的特征字段不同，比如身份证的特征字段包括姓名、号码、有效期等，对于病历的特征字段包括医院、出入院诊断、出入院日期、姓名等，词袋模型对文本的内容进行理解形成的中间特征向量的维度较大，因此需要对中间特征向量进行降维处理目标特征向量。
59.在一些实施例中，也可以采用卷积神经网络模型进行分类特征的提取，具体为将每幅图像的文本内容进行拼接后输入卷积神经网络模型，得到目标特征向量，将得到的目标特征向量输入单证分类模型即可得到单证分类结果。其中，在对卷积神经网络模型进行训练时，对于不同的理赔资料类型的特征字段进行人工标注，比如身份证的特征字段包括姓名、号码、有效期等，对于病历的特征字段包括医院、出入院诊断、出入院日期、姓名等，不同的材料的布局也有一定的特征，比如发票的标题会在文件的中上部，人为对这些特征进行定义和干涉，卷积神经网络模型的训练主要包括对文本的内容理解，此外还可以训练对文本的文档布局的理解，在不断学习过程中建立不同材料特征字段的布局关系。
60.在另一些实施例中，也可以结合词袋模型和卷积神经网络模型进行分类特征的提取，具体为根据二者得到的目标特征向量的概率值进行比较，选取概率值较大的目标特征向量作为最终的目标特征向量。
61.步骤s203，基于所述单证分类结果，对所述文本内容进行第二预处理，将第二预处理结果分别输入预设规则抽取器和预设神经网络模型，分别得到对应的输出结果，根据所述输出结果进行模型集成处理以抽取非制式文本要素，并将抽取的结果录入理赔系统，完成理赔资料的结构化录入。
62.在本步骤中，不同于第一预处理，对文本内容进行第二预处理的目的是基于单证分类结果进行细粒度的文本内容提取，在进行第二预处理时，首先根据单证分类结果将以图像形式呈现的理赔资料分为单证两个图像集合，针对两个图像集合分别进行第二预处理，与第一预处理的区别在于针对两个图像集合进行第二预处理时，对于单据类的图像和证明类的图像，第二预处理的处理方式会存在差异，即第二预处理包括共用的处理方式(如词形还原、词性标注等)和针对图像类型所特定的处理方式(如单据类图像的数字规整等)。
63.在本实施例中，将第二预处理结果分别输入预设规则抽取器和预设神经网络模型的输出结果为根据第二预处理后的文本内容得到的命名实体、各命名实体对应的值以及每个值的置信度。
64.在本实施例中，将第二预处理结果输入预设规则抽取器后，所述方法包括：通过所述预设规则抽取器对输入的所述第二预处理结果依次进行要素匹配词定位和邻域搜索，以对所述文本内容进行命名实体识别，并得到各命名实体对应的值以及各个值的置信度。
65.具体的，规则抽取器是从文本内容中抽取key-value对，key即为命名实体，value则为命名实体的值，比如姓名：张三、身高：175cm等，这种就是根据规则抽取器获取到的命名实体及对应的值。规则抽取器通过要素匹配词来定位命名实体，以达到命名实体识别的目的，在贵规则抽取器中预先定义有若干要素定位词，比如身高、出院诊断等就是定义的要素定位词，通过要素定位词及其同义词在第二预处理后的文本内容中进行检索匹配，识别
命名实体。
66.在本实施例中，通过所述预设规则抽取器对输入的所述第二预处理结果进行领域搜索时，所述方法包括：以匹配到的命名实体在所述文本内容中的位置为基准，对所述第二预处理后的文本内容依次执行距离筛选、词性筛选和语义筛选操作，获得命名实体对应的完整的值。
67.具体的，当通过要素匹配词定位到命名实体后，进一步通过领域搜索抽取命名实体对应的值，在本实施例中进行领域搜索时，所述方法包括以匹配到的命名实体在文本内容中的位置为基准，对第二预处理后的文本内容依次执行距离筛选、词性筛选和语义筛选步骤，获得命名实体对应的完整的值。其中，距离筛选是在空间上查询与匹配到的命名实体的距离满足要求的多个要素，一般来说是位于匹配到的命名实体之后距离较近的几个要素，词性筛选是对查询到的多个要素进行词性识别，再基于匹配到的命名实体进行要素筛选，得到第一要素，语义筛选则是对与第一要素空间位置上临近的其它要素进行语义识别和匹配，将匹配到的要素作为第二要素，将第一要素和第二要素拼接作为匹配到的命名实体对应的值。例如基于要素匹配词“身高”在第二预处理后的文本内容中匹配到命名实体“身高”，并进一步在“身高”之后匹配到空间上距离最近的数量词，再进一步基于数量词匹配最近的要素，得到数量词的单位，将数量词和单位拼接得到身高的值。在输出命名实体和对应的值的同时，规则抽取器还将输出各个值的置信度，该置信度为命名实体及对应的值识别正确的概率值。
68.在一些实施例中，命名实体的值不一定有单位，故领域搜索中语义筛选并不是必须的，可根据实际情况适应性执行。
69.在一些实施例中，若根据要素定位词没有匹配到相同的命名实体，可以进一步通过计算第二预处理后的文本内容的分词与要素定位词的编辑距离进行模糊匹配，实现命名实体识别。由于实体的命名往往没有规律，可能存在多种变形、拼写形式，这样导致基于要素定位词完全匹配的命名实体识别召回率较低，使用编辑距离由完全匹配泛化到模糊匹配，有效提高识别成功率。
70.在本实施例中，将第二预处理结果输入预设神经网络模型后，所述方法包括：对所述第二预处理结果进行多尺度滑窗上下文拼接，根据拼接内容进行命名实体识别，得到识别的命名实体及对应的值以及各个值的置信度。其中，预设神经网络模型根据拼接内容进行命名实体识别时是对文本内容进行结构化解析，识别出来文本中的所有实体以及对应的值。
71.在本实施例中，所述根据所述输出结果进行模型集成处理以抽取非制式文本要素的步骤包括：将所述预设规则抽取器和所述预设神经网络模型输出的各个值的置信度进行对标归一化处理，再对所述预设规则抽取器和所述预设神经网络模型识别的同一命名实体的归一化后的置信度进行比较，选取置信度更高的值作为命名实体最终的值，并基于识别的命名实体及其最终的值进行非制式文本要素抽取。在完成抽取操作后，将抽取的结果录入理赔系统，完成理赔资料的结构化录入。
72.在本实施例中，在所述将抽取的结果录入理赔系统，完成理赔资料的结构化录入的步骤后，所述方法还包括：响应用户的溯源请求对抽取的非制式文本要素进行溯源，获取所述抽取的非制式文本要素在原始图像中的位置，以供用户对录入的文本内容进行核查。
相应的，所述方法还包括建立文本和图像位置的对应关系的步骤，具体通过目标检测确定文本内容在图像中的位置，并以坐标形式将文本内容和图像位置的映射关系进行存储，当用户鼠标停留在录入的文本界面时，响应该停留动作，自动根据鼠标停留位置的文本获取对应的图像并显示，便于人工核查自动录入的文本内容，相比于现有全程人工录入的方式，可以大大降低录入时间，提高整体时效。
73.在本实施例中，在所述将抽取的结果录入理赔系统，完成理赔资料的结构化录入的步骤后，所述方法还包括：获取新的历史理赔资料，根据全部历史理赔资料对所述预设规则抽取器中预设的要素定位词和匹配规则进行更新，并根据全部历史理赔资料作为模型训练数据对所述预设神经网络模型进行训练，更新所述预设神经网络模型的参数。本步骤可对预设规则抽取器和预设神经网络模型进行优化，其中对于规则抽取器的优化是根据历史的理赔资料对预设的要素定位词和匹配规则进行优化更新，对于预设神经网络模型的优化是根据历史的理赔资料作为模型训练数据进行优化训练，更新模型参数，从而可以通过优化后的预设规则抽取器和预设神经网络模型来优化理赔的服务。
74.本技术上述方法可以对客户提交的资料(包括客户证件资料、医疗诊治资料、医疗费用资料，医疗诊治资料包括门诊病历、住院病历、病理报告等，医疗费用资料包括医疗发票、医疗清单、社保结算单等)，进行智能录入存档，具体通过对理赔资料进行单证分类，再根据预设规则抽取器和预设神经网络模型基于所述单证分类结果对所述文本内容进行非制式文本要素抽取，从而进行理赔资料的结构化录入，实现了理赔资料的高效自动化和智能化录入，从而提高资料录入的速度，节省成本，同时降低了理赔周期，提升了客户体验。
75.需要强调的是，为进一步保证上述理赔资料的私密和安全性，上述理赔资料中的用户隐私信息还可以存储于一区块链的节点中。
76.本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
77.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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
78.应该理解的是，虽然附图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，其可以以其他的顺序执行。而且，附图的流程图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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他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。
79.进一步参考图3，作为对上述图2所示方法的实现，本技术提供了一种理赔资料录入装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用
于各种电子设备中。
80.如图3所示，本实施例所述的理赔资料录入装置300包括：资料获取模块301、图像分类模块302以及资料录入模块303。其中：
81.所述资料获取模块301用于获取待录入的理赔资料，所述理赔资料包括若干图像；所述图像分类模块302用于通过预设的ocr文本检测模型对所述图像进行处理，得到与所述图像对应的文本内容，对所述文本内容进行第一预处理，根据第一预处理结果生成各所述图像的目标特征向量，再根据所述目标特征向量对各所述图像进行单证分类；所述资料录入模块303用于基于所述单证分类结果，对所述文本内容进行第二预处理，将第二预处理结果分别输入预设规则抽取器和预设神经网络模型，分别得到对应的输出结果，根据所述输出结果进行模型集成处理以抽取非制式文本要素，并将抽取的结果录入理赔系统，完成理赔资料的结构化录入。
82.用户需要进行理赔时，资料获取模块301接收用户通过手机端或电脑端向处理理赔资料收集和录入的服务器端发起理赔资料上传请求，响应该理赔资料上传请求后接收用户手机端或电脑端上传的理赔资料，这些理赔资料包括在理赔过程中所需的客户证件资料、医疗诊治资料、医疗费用资料，医疗诊治资料包括门诊病历、住院病历、病理报告等，医疗费用资料包括医疗发票、医疗清单、社保结算单等，这些案件理赔资料在理赔系统中都需要进行收集存储。这些理赔资料以图片的形式被上传，在接收理赔资料结束后，将这些图片以资料集的形式存储至服务器端。
83.在本实施例中，所述资料获取模块301还用于在服务器端获得理赔资料后，对各图像进行检测，以保证所有图像符合图像质量要求，具体可通过清晰度检测模型、方向矫正模型和翻拍检测模型中的一个或多个进行图像质检。其中，清晰度检测模型可采用现有的图像清晰度检测模型进行质检，比如基于梯度算子的图像清晰度检测模型或者通过训练后的卷积神经网络模型；方向矫正模型可采用基于投影的方法、基于hough变换的方法、基于线性拟合的方法、基于傅里叶变换到频域进行检测的方法等进行方向矫正；翻拍检测模型可采用噪声分析、像素值偏差检测等方式进行检测。对于检测不达标的图像向用户所在的手机端或电脑端发送重新上传的提示信息，待收到新的上传图像后重新进行检测，直到全部检测通过。
84.在一些实施例中，所述资料获取模块301还用于对理赔资料进行去重操作，以去除用户在不同上传入口因操作不当上传的相同理赔资料并提示用户确认是否漏传理赔资料。
85.在本步骤中，所述图像分类模块302在根据ocr文本检测模型进行文本内容获取时，可以采用现有的ocr文本检测模型来实现。
86.所述图像分类模块302在对所述文本内容进行第一预处理时，目的是进行粗粒度的文本内容提取，具体为将所述文本内容输入至预处理模块执行词形还原、词性标注、数字规整等操作，其中词形还原针对文本中的英文词，词性标注是对每个词是名词、动词、形容词或其他词性进行标注，数字规整的主要是对理赔资料中的医疗发票这类图像中涉及费用的数字进行规整，以利于对图像进行单证分类，此处单证分类是指将理赔资料中存在的费用单据(诸如诊断单、发票等)和身份证明(诸如身份证、驾照等)的图像进行分类，以便后续针对性进行理赔资料在理赔系统中的录入。在进行粗粒度的特征提取时，只提取能够进行单证分类的关键性文本内容作为分类特征。
87.在所述图像分类模块302进行分类特征提取时，本实施例可采用词袋模型进行，具体对文本内容进行分词后提取若干分词作为特征字段，对特征字段进行筛选得到特征字段集合，确定特征字段集合中各特征字段在基于词袋模型建立的直方图中的分布，得到中间特征向量，最后对中间特征向量进行归一化处理和降维处理得到目标特征向量。将该目标特征向量输入单证分类模型即可得到单证分类结果。对于理赔材料来讲，具体可分为证件、病历、诊断材料、发票、清单、报销证明、银行卡等不同单证类型，不同的类型的特征字段不同，比如身份证的特征字段包括姓名、号码、有效期等，对于病历的特征字段包括医院、出入院诊断、出入院日期、姓名等，词袋模型对文本的内容进行理解形成的中间特征向量的维度较大，因此需要对中间特征向量进行降维处理目标特征向量。
88.在一些实施例中，所述图像分类模块302也可以采用卷积神经网络模型进行分类特征的提取，具体用于将每幅图像的文本内容进行拼接后输入卷积神经网络模型，得到目标特征向量，将得到的目标特征向量输入单证分类模型即可得到单证分类结果。其中，在对卷积神经网络模型进行训练时，对于不同的理赔资料类型的特征字段进行人工标注，比如身份证的特征字段包括姓名、号码、有效期等，对于病历的特征字段包括医院、出入院诊断、出入院日期、姓名等，不同的材料的布局也有一定的特征，比如发票的标题会在文件的中上部，人为对这些特征进行定义和干涉，卷积神经网络模型的训练主要包括对文本的内容理解，此外还可以训练对文本的文档布局的理解，在不断学习过程中建立不同材料特征字段的布局关系。
89.在另一些实施例中，所述图像分类模块302也可以用于结合词袋模型和卷积神经网络模型进行分类特征的提取，具体为根据二者得到的目标特征向量的概率值进行比较，选取概率值较大的目标特征向量作为最终的目标特征向量。
90.在本实施例中，不同于所述图像分类模块302进行的第一预处理，所述资料录入模块303对文本内容进行第二预处理的目的是基于单证分类结果进行细粒度的文本内容提取，在进行第二预处理时，首先根据单证分类结果将以图像形式呈现的理赔资料分为单证两个图像集合，针对两个图像集合分别进行第二预处理，与所述图像分类模块302进行的第一预处理的区别在于，所述资料录入模块303针对两个图像集合进行第二预处理时，对于单据类的图像和证明类的图像，第二预处理的处理方式会存在差异，即第二预处理包括共用的处理方式(如词形还原、词性标注等)和针对图像类型所特定的处理方式(如单据类图像的数字规整等)。
91.在本实施例中，所述资料录入模块303将第二预处理结果分别输入预设规则抽取器和预设神经网络模型的输出结果为根据第二预处理后的文本内容得到的命名实体、各命名实体对应的值以及每个值的置信度。
92.在本实施例中，所述资料录入模块303将第二预处理结果输入预设规则抽取器后，具体用于：通过所述预设规则抽取器对输入的所述第二预处理结果依次进行要素匹配词定位和邻域搜索，以对所述文本内容进行命名实体识别，并得到各命名实体对应的值以及各个值的置信度。
93.具体的，所述资料录入模块303用于通过规则抽取器从文本内容中抽取key-value对，key即为命名实体，value则为命名实体的值，比如姓名：张三、身高：175cm等，这种就是根据规则抽取器获取到的命名实体及对应的值。规则抽取器通过要素匹配词来定位命名实
体，以达到命名实体识别的目的，在贵规则抽取器中预先定义有若干要素定位词，比如身高、出院诊断等就是定义的要素定位词，通过要素定位词及其同义词在第二预处理后的文本内容中进行检索匹配，识别命名实体。
94.在本实施例中，所述资料录入模块303通过所述预设规则抽取器对输入的所述第二预处理结果进行领域搜索时，具体用于：以匹配到的命名实体在所述文本内容中的位置为基准，对所述第二预处理后的文本内容依次执行距离筛选、词性筛选和语义筛选操作，获得命名实体对应的完整的值。
95.具体的，当所述资料录入模块303通过要素匹配词定位到命名实体后，进一步通过领域搜索抽取命名实体对应的值，在本实施例中所述资料录入模块303进行领域搜索时，具体用于以匹配到的命名实体在文本内容中的位置为基准，对第二预处理后的文本内容依次执行距离筛选、词性筛选和语义筛选步骤，获得命名实体对应的完整的值。其中，距离筛选是在空间上查询与匹配到的命名实体的距离满足要求的多个要素，一般来说是位于匹配到的命名实体之后距离较近的几个要素，词性筛选是对查询到的多个要素进行词性识别，再基于匹配到的命名实体进行要素筛选，得到第一要素，语义筛选则是对与第一要素空间位置上临近的其它要素进行语义识别和匹配，将匹配到的要素作为第二要素，将第一要素和第二要素拼接作为匹配到的命名实体对应的值。例如基于要素匹配词“身高”在第二预处理后的文本内容中匹配到命名实体“身高”，并进一步在“身高”之后匹配到空间上距离最近的数量词，再进一步基于数量词匹配最近的要素，得到数量词的单位，将数量词和单位拼接得到身高的值。在输出命名实体和对应的值的同时，规则抽取器还将输出各个值的置信度，该置信度为命名实体及对应的值识别正确的概率值。
96.在一些实施例中，命名实体的值不一定有单位，故所述资料录入模块303进行领域搜索时语义筛选并不是必须的，可根据实际情况适应性执行。
97.在一些实施例中，若所述资料录入模块303根据要素定位词没有匹配到相同的命名实体，所述资料录入模块303还用于通过计算第二预处理后的文本内容的分词与要素定位词的编辑距离进行模糊匹配，实现命名实体识别。由于实体的命名往往没有规律，可能存在多种变形、拼写形式，这样导致基于要素定位词完全匹配的命名实体识别召回率较低，使用编辑距离由完全匹配泛化到模糊匹配，有效提高识别成功率。
98.在本实施例中，所述资料录入模块303将第二预处理结果输入预设神经网络模型后，具体用于对所述第二预处理结果进行多尺度滑窗上下文拼接，根据拼接内容进行命名实体识别，得到识别的命名实体及对应的值以及各个值的置信度。其中，预设神经网络模型根据拼接内容进行命名实体识别时是对文本内容进行结构化解析，识别出来文本中的所有实体以及对应的值。
99.在本实施例中，所述资料录入模块303根据所述输出结果进行模型集成处理以抽取非制式文本要素时具体用于将所述预设规则抽取器和所述预设神经网络模型输出的各个值的置信度进行对标归一化处理，再对所述预设规则抽取器和所述预设神经网络模型识别的同一命名实体的归一化后的置信度进行比较，选取置信度更高的值作为命名实体最终的值，并基于识别的命名实体及其最终的值进行非制式文本要素抽取。在完成抽取操作后，将抽取的结果录入理赔系统，完成理赔资料的结构化录入。
100.在本实施例中，如图4所示，所述装置还包括溯源模块304，用于在所述资料录入模
块303将抽取的结果录入理赔系统，完成理赔资料的结构化录入后，响应用户的溯源请求对抽取的非制式文本要素进行溯源，获取所述抽取的非制式文本要素在原始图像中的位置，以供用户对录入的文本内容进行核查。相应的，所述溯源模块34还用于建立文本和图像位置的对应关系，具体用于通过目标检测确定文本内容在图像中的位置，并以坐标形式将文本内容和图像位置的映射关系进行存储，当用户鼠标停留在录入的文本界面时，响应该停留动作，自动根据鼠标停留位置的文本获取对应的图像并显示，便于人工核查自动录入的文本内容，相比于现有全程人工录入的方式，可以大大降低录入时间，提高整体时效。
101.在本实施例中，如图4所示，所述装置还包括更新模块305，用于在所述资料录入模块303将抽取的结果录入理赔系统，完成理赔资料的结构化录入后，获取新的历史理赔资料，根据全部历史理赔资料对所述预设规则抽取器中预设的要素定位词和匹配规则进行更新，并根据全部历史理赔资料作为模型训练数据对所述预设神经网络模型进行训练，更新所述预设神经网络模型的参数。所述更新模块对预设规则抽取器和预设神经网络模型进行优化，其中对于规则抽取器的优化是根据历史的理赔资料对预设的要素定位词和匹配规则进行优化更新，对于预设神经网络模型的优化是根据历史的理赔资料作为模型训练数据进行优化训练，更新模型参数，从而可以通过优化后的预设规则抽取器和预设神经网络模型来优化理赔的服务。
102.本技术上述装置可以对客户提交的资料(包括客户证件资料、医疗诊治资料、医疗费用资料，医疗诊治资料包括门诊病历、住院病历、病理报告等，医疗费用资料包括医疗发票、医疗清单、社保结算单等)，进行智能录入存档，具体通过对理赔资料进行单证分类，再根据预设规则抽取器和预设神经网络模型基于所述单证分类结果对所述文本内容进行非制式文本要素抽取，从而进行理赔资料的结构化录入，实现了理赔资料的高效自动化和智能化录入，从而提高资料录入的速度，节省成本，同时降低了理赔周期，提升了客户体验。
103.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图5，图5为本实施例计算机设备基本结构框图。
104.所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。所述存储器51中存储有计算机可读指令，所述处理器52执行所述计算机可读指令时实现上述实施例所述的理赔资料录入方法的步骤。
105.需要指出的是，图5中仅示出了具有组件51-53的计算机设备5，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
106.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
107.所述存储器51至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存
储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器51可以是所述计算机设备5的内部存储单元，例如该计算机设备5的硬盘或内存。在另一些实施例中，所述存储器51也可以是所述计算机设备5的外部存储设备，例如该计算机设备5上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中，所述存储器51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件，例如理赔资料录入方法的计算机可读指令等。此外，所述存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
108.所述处理器52在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制所述计算机设备5的总体操作。本实施例中，所述处理器52用于运行所述存储器51中存储的计算机可读指令或者处理数据，例如运行所述理赔资料录入方法的计算机可读指令。
109.所述网络接口53可包括无线网络接口或有线网络接口，该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
110.本技术上述计算机设备可以对客户提交的资料(包括客户证件资料、医疗诊治资料、医疗费用资料，医疗诊治资料包括门诊病历、住院病历、病理报告等，医疗费用资料包括医疗发票、医疗清单、社保结算单等)，进行智能录入存档，具体通过对理赔资料进行单证分类，再根据预设规则抽取器和预设神经网络模型基于所述单证分类结果对所述文本内容进行非制式文本要素抽取，从而进行理赔资料的结构化录入，实现了理赔资料的高效自动化和智能化录入，从而提高资料录入的速度，节省成本，同时降低了理赔周期，提升了客户体验。
111.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的理赔资料录入方法的步骤。
112.本技术上述计算机可读存储介质存储的指令被执行时，可以对客户提交的资料(包括客户证件资料、医疗诊治资料、医疗费用资料，医疗诊治资料包括门诊病历、住院病历、病理报告等，医疗费用资料包括医疗发票、医疗清单、社保结算单等)，进行智能录入存档，具体通过对理赔资料进行单证分类，再根据预设规则抽取器和预设神经网络模型基于所述单证分类结果对所述文本内容进行非制式文本要素抽取，从而进行理赔资料的结构化录入，实现了理赔资料的高效自动化和智能化录入，从而提高资料录入的速度，节省成本，同时降低了理赔周期，提升了客户体验。
113.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
114.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同
的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。