本发明公开了一种研学安全管理系统,包括：基础数据管理模块,用于管理研学活动过程中的对象,并为系统业务运行提供数据支持服务；研学管理模块,用于提供对象从研学备案、研学活动实施到活动结束、以及活动评价归档的全流程业务管理服务；研学监控模块,用于根据物联网设备以及研学管理模块提供的研学活动全流程业务,实现对研学过程的安全管控；系统管理模块,用于为基础数据管理模块、研学管理模块和研学监控模块对应的操作人员、角色、权限、消息以及数据字典提供管理服务。本系统提供了从研学备案、研学活动实施到活动结束归档的全程信息化支撑,且可以实时获取各参与人员的定位数据,为研学活动的安全、有序开展提供了系统保障。

本发明公开了数据信息智能化处理方法、装置、设备及介质,方法包括：到达数据采集时间点则从数据源终端获取新增数据信息,对新增数据信息进行标准化处理得到标准数据信息并从中提取得到对应的量化特征信息,根据异常分析模型对量化特征信息进行异常分析得到异常分析结果,从新增数据信息中获取目标数据信息存储至临时数据库并根据分配规则将临时数据库中的目标数据信息分配至结算终端进行处理。本发明属于数据处理技术领域,通过对新增数据信息进行异常分析并根据异常分析结果获取目标数据信息,将目标数据信息存储至临时数据库进行整理并分配至结算终端进行处理,从而大幅提高对数据进行处理的智能化程度,也即可提高对数据信息进行处理的效率。

本发明适用于保险申报技术领域,提供了一种基于网络的保险申报系统及方法,所述方法包括以下步骤：对历史检索信息进行处理,生成潜在后续检索关键词；生成实时第一检索关键词,根据实时第一检索关键词自动显示潜在后续检索关键词,根据实时第一检索关键词和实时后续检索关键词显示潜在保险信息；确定申报保险信息,显示申报材料提交流程。本发明对历史申报人的第一检索关键词和后续检索关键词进行处理,计算历史后续检索关键词与第一检索关键词之间的关联度值,关联度值越大,表示该后续检索关键词很可能被申报人检索使用,如此,当使用者检索时输入第一检索关键词,就能够自动显示潜在后续检索关键词供使用者选择使用,加快了检索速度。

本发明涉及一种设备碎屏保险启动方法及装置,在获取到相关人员输入的投保信息后,将投保信息发送至云端服务器,并在投保信息完成输入后,生成标识图像以供辅助设备扫描。进一步地,在辅助设备扫描后,生成包含随机信息的设备屏幕图像并将随机信息发送至云端服务器；其中,设备屏幕图像用于供辅助设备拍摄并由辅助设备上传至云端服务器,以指示云端服务器根据投保信息、设备屏幕图像和随机信息启动设备碎屏保险。基于此,避免人工核查的遗漏和长耗时,提高设备碎屏保险的启动效率和准确性。

本公开是一种基于全流程用户画像的智能匹配方法、装置、设备及介质。该方法包括：构建包括线上用户画像和线下用户画像的统一用户画像；将构建的统一用户画像与已有的保险代理人画像进行匹配。利用本公开,通过构建包括线上用户画像和线下用户画像的统一用户画像,该统一用户画像是线上线下相结合的全流程用户画像,将构建的统一用户画像与已有保险代理人画像进行匹配,综合考虑了线上用户画像和线下用户画像,补充完善了用户的言谈举止、着装打扮等主观特征信息以及用户兴趣信息,丰富了用户相关的信息,有效地解决了保险代理人与用户之间匹配准确率低的问题,显著提高了保险代理人与用户之间匹配的准确率,实现保险代理人与用户之间的智能匹配。

本发明属于在计算机信息处理技术领域,提供一种基于一类支持向量机的用户异常行为处理方法、装置和电子设备,方法包括：获取历史用户的用户信息和对应的行为标签；将历史用户的用户信息和对应的行为标签作为一类支持向量机的训练样本进行训练,得到用于预测用户行为的一类支持向量机模型；当接收到新用户的业务请求时将新用户的用户信息输入一类支持向量机模型,得到该新用户的行为标签,根据行为标签判定该新用户的业务请求是否包含异常行为并进行相应处理。本发明通过获取历史用户的用户信息来训练模型,利用训练好的一类支持向量机模型来判断的下单行为是否正常,若存在欺诈行为则进行相应处理,有效提高了异常行为的识别精度,降低了损失。

本公开涉及数据处理领域,提供了一种核保问询策略优化方法、装置、设备及存储介质。该核保问询策略优化方法包括：构建疾病消歧数据库；利用所述疾病消歧数据库对各种基本核保问题数据进行合并,优化基本核保问题数据的数量；对合并后的基本核保问题数据赋予不同的综合权重；根据所述综合权重对合并后的基本核保问题数据的问询顺序与层级进行重新排序,实现核保问询策略的优化。本公开通过对基本核保问题数据进行合并及加权重新排序,从而简化了核保问询程序,减少了平均核保问询次数,减少了平均核保问询时间,提高了核保问询效率,提升用户体验。

本公开涉及一种应用于智能问答系统多轮问答的问题检索方法、装置、设备及介质。该方法包括：对用户输入问题进行文本预处理,利用预训练Bert模型对用户输入问题进行初步表征；对用户输入问题的上文问题进行文本预处理,利用文本预处理结果从实体库中抽取与所述上文问题对应的实体,利用预训练Bert模型对该实体进行表征；将对用户输入问题的初步表征与对该实体的表征进行合并,作为当前问题的表征；基于所述当前问题的表征,检索出与用户输入问题最接近的候选问题。利用本公开,能够检索出与用户输入问题最接近的候选问题,大大提高了问题检索的准确性,有效解决了现有智能问答系统多轮问答存在的候选问题匹配不准确及答复多且答非所问的问题。

本公开涉及人工智能技术领域,尤其是一种应用于智能问答系统的问题检索方法、装置、设备及介质。该问题检索方法包括：利用关键词将用户输入问题在实时搜索引擎ElasticSearch(ES)数据库中进行粗匹配,检索出与用户输入问题相关的候选问题集；使用基于预训练语言模型(BERT)的文本嵌入模型将用户输入问题与该候选问题集中的各个候选问题进行精匹配,检索出与用户输入问题最相近的候选问题。本公开通过采用层次化检索策略,对用户输入问题分别进行粗匹配和精匹配,检索出与用户输入问题最相近的候选问题,并将其作为最佳回复输出,使得每一个用户输入问题均能精准匹配到最佳回复,显著提高了问题检索的准确性,解决现有智能问答系统存在的答非所问的问题。

本公开涉及人工智能技术领域,尤其是一种应用于智能问答系统的意图识别方法、装置、设备及介质。该意图识别方法包括：对保险领域问答数据进行处理,构建包括多个子数据库的保险域数据库；对用户输入问题进行分词处理,并对分词处理后的用户输入问题进行分类；根据分类结果识别出用户输入问题对应的意图,按照识别出的意图将用户输入问题对应至保险域数据库的各子数据库。本公开通过对保险领域问答数据进行处理,构建包括多个子数据库的保险域数据库,并对用户输入问题进行分词和分类,识别出用户输入问题对应的意图,并按照识别出的意图将用户输入问题对应至保险域数据库的各子数据库,显著提升了保险领域智能问答系统的意图识别准确率。