https://yq.aliyun.com/articles/628991?spm=a2c4e.11163080.searchblog.11.4f492ec1Hzl9la

小嘰導(dǎo)語：正如Google的高級(jí)搜索副總裁Amit Singhal在介紹知識(shí)圖譜時(shí)提到的：“The world is not made of strings , but is made of things.” 大千世界，萬物相聯(lián)，借助知識(shí)圖譜，實(shí)現(xiàn)了搜索領(lǐng)域的things, not strings。保險(xiǎn)領(lǐng)域的知識(shí)圖譜之路，何去何從呢？

背景

隨著互聯(lián)網(wǎng)和AI智能的發(fā)展，近年來我國的健康險(xiǎn)業(yè)務(wù)迎來了飛速發(fā)展和變革。健康險(xiǎn)，即健康保險(xiǎn)，是保險(xiǎn)業(yè)務(wù)的一個(gè)重要分支，有著廣闊的發(fā)展前景，是本財(cái)年保險(xiǎn)領(lǐng)域排兵布陣的重要戰(zhàn)場(chǎng)。健康險(xiǎn)是以被保險(xiǎn)人的身體為保險(xiǎn)標(biāo)的，依據(jù)合同約定當(dāng)被保險(xiǎn)人遭遇疾病或意外傷害時(shí)，對(duì)被保險(xiǎn)人的醫(yī)療費(fèi)用或財(cái)產(chǎn)損失進(jìn)行補(bǔ)償或給付的一種保險(xiǎn)。

為了支撐日益劇增的理賠單量的挑戰(zhàn)，在不增加客服小二工作量的前提下，健康險(xiǎn)理賠需要做到智能化、自動(dòng)化和低風(fēng)險(xiǎn)化。因此，理賠天平團(tuán)隊(duì)在智能理賠、理賠機(jī)器智能問答和反騙賠等方面做出了相應(yīng)嘗試，而健康險(xiǎn)知識(shí)圖譜是以上各種嘗試所依賴的底層基礎(chǔ)技術(shù)。

本文首先介紹了健康知識(shí)圖譜構(gòu)建流程、整體框架和遇到的問題，然后總結(jié)了健康知識(shí)圖譜在保險(xiǎn)理賠領(lǐng)域應(yīng)用場(chǎng)景和對(duì)應(yīng)的玩法。

健康知識(shí)圖譜和Schema示例

圖1 健康知識(shí)圖譜樣例

健康知識(shí)圖譜樣例如圖1所示，其中存儲(chǔ)著用戶、險(xiǎn)種、疾病、醫(yī)院等各類節(jié)點(diǎn)信息以及它們之間的關(guān)聯(lián)信息。比如，用戶張三投保了門診保險(xiǎn)金，當(dāng)該用戶患慢性肺炎申請(qǐng)理賠時(shí)，我們可以根據(jù)圖譜來判斷購買的險(xiǎn)種對(duì)慢性肺炎時(shí)免責(zé)的，進(jìn)行智能拒賠即可。

健康知識(shí)圖譜的具體節(jié)點(diǎn)和邊屬性如下：

健康知識(shí)圖譜整體框架

圖2 健康知識(shí)圖譜整體技術(shù)框架

健康知識(shí)圖譜整體框架如圖2所示，主要由信息源、實(shí)體抽取、數(shù)據(jù)源、更新框架和數(shù)據(jù)存儲(chǔ)和質(zhì)量控制等部分組成，具體如下：

1、信息源

保單類：用戶購買的保單信息，包含用戶、險(xiǎn)種、時(shí)間、保障疾病范圍等信息。

外部網(wǎng)站數(shù)據(jù)：通過爬蟲，可以獲取各種渠道的信息，包括醫(yī)院信息、科室信息等。

2、實(shí)體/關(guān)系抽取

信息源有很多形式，包括圖片、文字、語音、視頻等類型，需要從中提取有用的實(shí)體信息和實(shí)體關(guān)系。這部分可以通過機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)、規(guī)則引擎等）或者人工方式實(shí)現(xiàn)。

3、數(shù)據(jù)源

數(shù)據(jù)源包括各種類型的數(shù)據(jù)，包括上傳的文件、ODPS中的用戶畫像信息、關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)、事件或日志等。

4、更新框架

一般通過三種方式將提取的數(shù)據(jù)導(dǎo)入到Geabase中，如下圖所示：

初始化方式，將全量數(shù)據(jù)寫入ODPS表某個(gè)分區(qū)中，全量初始化導(dǎo)入Geabase。

T+1批量更新方式，通過MR Job定時(shí)任務(wù)將更新數(shù)據(jù)寫入最新分區(qū)中，每天批量新增、更新和刪除Geabase中數(shù)據(jù)。

實(shí)時(shí)更新，將更新的數(shù)據(jù)發(fā)送到事件系統(tǒng)或者日志搜集系統(tǒng)，然后實(shí)時(shí)消費(fèi)，將數(shù)據(jù)更新到Geabase數(shù)據(jù)庫中。

5、數(shù)據(jù)存儲(chǔ)

Geabase為了實(shí)現(xiàn)對(duì)數(shù)據(jù)進(jìn)行分布式存儲(chǔ)和計(jì)算，將整個(gè)圖按節(jié)點(diǎn)分割為多個(gè)子圖，每個(gè)子圖存放在同一個(gè)shard中，每個(gè)shard都有自己的備份。Geabase數(shù)據(jù)庫線上存儲(chǔ)的都是有向邊，如果需要存儲(chǔ)無向邊，則需要存儲(chǔ)兩份，即正向和反向都要進(jìn)行存儲(chǔ)。

Geabase在分塊過程中，對(duì)于交界處的邊，Geabase會(huì)同時(shí)生成2條邊，即一條出邊和一條入邊，分別屬于相鄰的兩個(gè)Shard。

6、保障機(jī)制

數(shù)據(jù)抽樣/校驗(yàn)：對(duì)更新數(shù)據(jù)（批量或者實(shí)時(shí)）進(jìn)行隨機(jī)抽取特定比例的樣本，進(jìn)行校驗(yàn)，來驗(yàn)證數(shù)據(jù)導(dǎo)入準(zhǔn)確性。

日志監(jiān)控：對(duì)Geabase更新異常、查詢性能等進(jìn)行實(shí)時(shí)監(jiān)控。

開關(guān)：可以利用開關(guān)控制數(shù)據(jù)版本，來決定采用哪個(gè)版本的穩(wěn)定數(shù)據(jù)。另外，對(duì)接口或者流程中的某些環(huán)節(jié)進(jìn)行開關(guān)切換控制。

應(yīng)用場(chǎng)景

智能系統(tǒng)理賠

將險(xiǎn)種和疾病之間的免責(zé)/非免責(zé)關(guān)系，作為理賠因子，加入到系統(tǒng)智能核賠規(guī)則中，完善智能理賠。

比如，用戶張三購買了門診報(bào)銷金險(xiǎn)種，進(jìn)行理賠慢性肺炎時(shí)，會(huì)從圖譜中查看門診報(bào)銷金和慢性肺炎的關(guān)系-免責(zé)，因此會(huì)在理賠系統(tǒng)審核階段的規(guī)則引擎中直接拒掉，無需進(jìn)入人工審核，實(shí)現(xiàn)快賠快拒。

智能問答

在熱線工作臺(tái)或者機(jī)器人端應(yīng)用時(shí)，當(dāng)用戶咨詢某種疾病是否可以理賠或者投保時(shí)，可以將圖譜和知識(shí)庫、模版庫相結(jié)合，實(shí)現(xiàn)智能問答，提升小二工作效率或者減少小二工作量。

機(jī)器人端

反騙賠

場(chǎng)景1：

利用知識(shí)推理算法，比如用戶1的周邊用戶（用戶10-用戶14）都是灰度騙賠用戶，則用戶1騙賠的概率就很大，存在騙賠風(fēng)險(xiǎn)。

場(chǎng)景2：

比如用戶1的一代和二代直系親屬都沒有多指癥（屬于先天性遺傳病），那么用戶1患這種先天性疾病的概率就比較小，存在騙賠風(fēng)險(xiǎn)。

另外，還可以通過用戶的報(bào)案位置和醫(yī)院位置就行判斷騙賠的風(fēng)險(xiǎn)。

個(gè)性化推薦

可以根據(jù)張三的一度（甚至可以擴(kuò)展到二度、三度）關(guān)系中，查找和張三用戶畫像比較類似的朋友，將他們購買的險(xiǎn)種推薦給張三。

未來展望

下一步，我們主要從以下幾個(gè)方面提升知識(shí)圖譜價(jià)值：

提高數(shù)據(jù)覆蓋率，存儲(chǔ)更加豐富的海量數(shù)據(jù)。

利用知識(shí)推理算法，挖掘健康圖譜數(shù)據(jù)價(jià)值。

將圖譜進(jìn)行平臺(tái)化，擴(kuò)展到其他領(lǐng)域。

References:

[1] Ehrlinger L, W W. Towards a Definition of Knowledge Graphs[C]// JointProceedings of the Posters and Demos Track of, International Conference onSemantic Systems - Semantics2016 and, International Workshop on Semantic Change& Evolving Semantics. 2016.

[2] Das R, Neelakantan A, Belanger D, et al. Chains of Reasoning over Entities,Relations, and Text using Recurrent Neural Networks[J]. 2016:132-141.

[3] https://docs.antfin.com/geabase/docs

轉(zhuǎn)載于:https://www.cnblogs.com/davidwang456/articles/9542148.html

總結(jié)

以上是生活随笔為你收集整理的MaxCompute+ Geabase 大话健康知识图谱取经之路的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。