买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国平安人寿保险股份有限公司

摘要：本申请涉及人工智能领域，提供了一种理赔标签预测方法、装置、计算机设备和存储介质，该方法包括：获取待理赔案件，在预设的异质图中以遍当前属性对应的属性节点为中心，获得对应的案件节点，根据从预设的向量矩阵中获取权重最高的K个案件节点对应的向量特征，以得到待理赔案件对应的特征向量；利用第一注意力机制分别计算特征向量与各个节点类型之间的权重，得到第一权重；根据第一权重，利用第二注意力机制分别计算特征向量与各个属性节点之间的权重，得到第二权重；利用预训练的神经网络模型对第二权重、向量矩阵和预设的参数矩阵进行特征提取处理，得到待理赔案件标签。通过上述设计能够预测出较为准确的案件标签，提高人工工作效率。

主权项：1.一种理赔标签预测方法，其特征在于，所述方法包括：获取待理赔案件，所述待理赔案件对应有多个属性；遍历所述待理赔案件对应的所有属性，并针对当前遍历的属性，执行以下处理：在预设的异质图中以当前遍历的所述属性对应的属性节点为中心，获得与所述属性节点相连的案件节点，从获得的所有所述案件节点中选取连接权重最高的K个所述案件节点作为第一案件节点，所述异质图包括多个案件节点和多个属性节点，每个所述属性节点连接有至少一个所述案件节点，相连的所述属性节点和所述案件节点具有连接权重；从预设的向量矩阵中获取各个所述第一案件节点对应的向量特征，对各个所述第一案件节点对应的向量特征进行采样处理，得到所述待理赔案件对应的特征向量；获取所述异质图中各个所述属性节点对应的节点类型，利用第一注意力机制分别计算所述待理赔案件对应的特征向量与各个所述节点类型之间的权重，得到第一权重；根据所述第一权重，利用第二注意力机制分别计算所述待理赔案件对应的特征向量与各个所述属性节点之间的权重，得到第二权重；利用预训练的神经网络模型对所述第二权重、所述向量矩阵和预设的参数矩阵进行特征提取处理，得到所述待理赔案件对应的待理赔案件标签；其中，所述异质图通过如下方法获得：获取理赔案件数据集，所述理赔案件数据集包括多个理赔案件，每一个所述理赔案件对应有多个所述属性；获取初始的异质图，在所述初始的异质图上，针对每一个所述属性建立一个属性节点，以及针对所述理赔案件数据集中的每一个理赔案件建立一个案件节点；遍历每一个案件节点，根据所述理赔案件和所述属性的对应关系，确定与所述案件节点具有对应关系的多个属性节点，并将所述案件节点与对应的属性节点连接；将遍历结束后所得的异质图作为最终的异质图；所述向量矩阵通过如下方法获得：对各个所述理赔案件进行特征映射，得到与各个所述理赔案件对应的理赔案件向量特征；将所述理赔案件向量特征进行水平堆叠，形成所述向量矩阵；所述属性节点和所述案件节点的连接权重通过如下方法确定：利用所述第一注意力机制计算所述案件节点和所述节点类型之间的权重，得到第三权重；将所述第三权重进行水平堆叠，形成类型矩阵；根据所述类型矩阵，利用所述第二注意力机制计算所述案件节点和所述属性节点之间的权重，得到第四权重；对所述第四权重进行水平堆叠，形成节点矩阵，所述节点矩阵中每一个具体项表示相连的所述属性节点和所述案件节点的连接权重。

全文数据：

权利要求：

百度查询： 中国平安人寿保险股份有限公司 理赔标签预测方法、装置、计算机设备和存储介质