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！

龙图腾网恭喜白鸽在线(厦门)数字科技股份有限公司申请的专利一种基于大数据的伤情理赔智能预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118887022B 。

龙图腾网通过国家知识产权局官网在2025-02-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411371405.6，技术领域涉及：G06Q40/08；该发明授权一种基于大数据的伤情理赔智能预测方法及系统是由涂锦波;施文铮;刘晓敏;陈少煌;梁志超;柯葳彬;林淮矿设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种基于大数据的伤情理赔智能预测方法及系统在说明书摘要公布了：本发明公开了一种基于大数据的伤情理赔智能预测方法及系统，属于理赔预测技术领域，方法包括数据准备、数据预处理、伤情等级预测、伤情理赔预测和智能预测报告生成。本发明采用结合注意力机制的卷积双向长短期网络，进行伤情等级预测，更好地处理复杂数据，增强模型鲁棒性和准确性，有效辅助后续的伤情理赔预测，提高整体方法的可靠性和有效性；采用结合残差收缩单元的深度神经网络，进行伤情理赔预测，并通过构建组合层，收缩过滤阈值函数来改进原本残差收缩单元的软阈值过滤策略，缓解了信息的过度过滤和重要信息丢失的问题，提高了预测的整体准确性，并提升了伤情理赔智能预测的整体可用性。

本发明授权一种基于大数据的伤情理赔智能预测方法及系统在权利要求书中公布了：1.一种基于大数据的伤情理赔智能预测方法，其特征在于：该方法包括以下步骤：步骤S1：数据准备，用于准备伤情理赔智能预测所需的原始数据，具体为收集历史理赔数据、客户数据、医疗数据和事故环境数据，得到伤情原始数据集；所述历史理赔数据，包括理赔金额、理赔类型、理赔状态和事故详情；所述客户数据，包括客户年龄、性别、职业和健康状况；所述医疗数据，包括医疗诊断、治疗方案和治疗费用；所述事故环境数据，包括事故发生的时间、地点和天气状况；步骤S2：数据预处理；步骤S3：伤情等级预测，用于预测事故导致的伤情等级，具体为采用结合注意力机制的卷积双向长短期网络，进行伤情等级预测，得到伤情等级信息，所述伤情等级信息包括轻伤、中度伤、重伤和危重伤；所述结合注意力机制的卷积双向长短期网络，具体包括输入层、一维卷积网络层、双向长短期网络层、注意力机制、全连接层和输出层；所述一维卷积网络层，用于提取局部时间序列特征；所述双向长短期网络层，用于捕获双向依赖关系；所述注意力机制，用于增强模型对重要特征的关注；步骤S4：伤情理赔预测，用于结合伤情等级进行理赔数额的详细预测，采用结合残差收缩单元的深度神经网络，进行伤情理赔预测，得到理赔预测信息；所述结合残差收缩单元的深度神经网络，具体包括输入卷积层、残差收缩单元、组合层和预测输出层；所述输入卷积层，用于提取特征并降低训练网络参数；所述残差收缩单元，用于优化原始残差网络中的有效特征丢失问题；所述组合层，用于减少判别信息的丢失，具体包括批量归一化层、Relu激活函数和平均池化层；所述伤情理赔预测，包括以下步骤：步骤S41：设计结合残差收缩单元的深度神经网络，用于通过构建组合层，收缩过滤阈值函数来改进原本残差收缩单元的软阈值过滤策略，缓解了信息的过度过滤和重要信息丢失的问题，包括以下步骤：步骤S411：构建输入卷积层，具体为接受伤情等级信息和伤情原始数据集，作为模型的原始输入数据样本，并构建卷积层提取历史理赔特征、客户特征、医疗特征、事故环境特征和伤情预测特征，得到输入映射特征数据集；所述构建卷积层，得到输入映射特征数据集的计算公式为： ；式中，yin是输入映射特征数据集，M是特征总数，m是特征索引，xm是输入卷积层的第m个特征，knm是第n类第m个特征数据对应的卷积权重，bn是第n类特征对应的偏置项，n是特征类别索引，具体类别包括历史理赔特征、客户特征、医疗特征、事故环境特征和伤情预测特征；步骤S412：构建残差收缩单元，具体为构建包括一个最大池化层、一个Relu激活层、一个批量归一化层、一个随机失活层和两个全连接输出层的残差收缩单元，并通过构建数据过滤软阈值，进行输入映射特征数据集的特征数据过滤，用于筛选预测伤情理赔更重要的数据特征，得到过滤理赔特征数据；所述数据过滤软阈值，具体通过软阈值去噪函数进行数据过滤，计算公式为： ；式中，yfil是过滤理赔特征数据，是取值为正数的过滤阈值参数，具体由各特征数据的平均取值确定；步骤S413：构建残差收缩组，具体为在输入卷积层后依次构建七个残差收缩单元，得到残差收缩组，进行特征优化过滤；步骤S414：数据过滤阈值优化，具体为构建收缩过滤阈值函数，代替原本残差收缩单元中的软阈值去噪函数，进行过滤阈值优化，得到优化过滤理赔特征数据，计算公式为： ；式中，是优化过滤理赔特征数据，是输入映射特征数据集中的第m个特征，am是收缩过滤阈值函数斜率参数，具体取值为{1，am}，当输入映射特征数据集中的第m个特征和过滤阈值参数满足时，收缩过滤阈值函数斜率参数am的取值为，其中，e是自然底数，当输入映射特征数据集中的第m个特征和过滤阈值参数不满足时，收缩过滤阈值函数斜率参数am的取值为1；步骤S415：构建组合层，具体为构建包括批量归一化层、Relu激活层和平均池化层的组合层，进行优化过滤理赔特征数据的特征规范化并减少判别信息的丢失，得到理赔预测特征数据；步骤S416：构建预测输出层，具体为构建全连接层，并通过分类器，依据理赔预测特征数据，输出伤情理赔数额预测数值；步骤S42：构建伤情理赔预测模型，具体为采用交叉熵损失函数，对结合残差收缩单元的深度神经网络，进行模型训练，得到伤情理赔预测模型；步骤S43：通过伤情理赔预测模型，进行伤情理赔预测，得到伤情理赔预测信息；步骤S5：智能预测报告生成。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人白鸽在线(厦门)数字科技股份有限公司，其通讯地址为：361000 福建省厦门市湖里区高林中路491号2402室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。