数据决策方法、装置、电子设备、介质及程序产品与流程

1.本说明书涉及计算机技术领域，尤其涉及一种数据决策方法、装置、电子设备、介质及程序产品。


背景技术：

2.保险核赔是保险投保后重要一环，核赔决策规则复杂，所需材料繁多，核赔人员需要凭借经验及较强的逻辑对决策规则一一梳理，一旦发现有违规则的医疗事项，则需做出拒赔决策。


技术实现要素：

3.本说明书实施例提供了一种数据决策方法、装置、电子设备、介质及程序产品，基于时间及事件的决策模型进行数据决策的判断，不依赖对目标待决策数据进行时序特征的提取，实现自动化智能化且准确率以及效率较高地数据决策。上述技术方案如下：
4.第一方面，本说明书实施例提供了一种数据决策方法，包括：
5.获取目标用户对应的目标待决策数据；
6.提取上述目标待决策数据中的有效信息；上述有效信息为表征影响数据决策的信息；
7.基于上述有效信息确定上述目标待决策数据对应的目标事件集；上述目标事件集包括至少一个目标事件；上述目标事件包括事件类型信息以及时间信息；
8.将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果；上述决策模型基于已知决策结果的多个事件集进行训练得到；上述事件集包括至少一个事件。
9.在一种可能的实现方式中，上述目标待决策数据包括由至少一个句子组成的目标文本；
10.上述提取上述目标待决策数据中的有效信息，包括：
11.抽取上述目标文本中的目标有效句集；上述目标有效句集包括至少一个目标有效句子；
12.提取上述目标有效句集中各目标有效句子的有效信息。
13.在一种可能的实现方式中，上述抽取上述目标文本中的目标有效句集，包括：
14.将上述目标文本输入文本摘要抽取模型中，输出上述目标文本对应的目标有效句集；上述文本摘要抽取模型基于多个已知有效句集的文本进行训练得到。
15.在一种可能的实现方式中，上述文本摘要抽取模型包括longformer和bertsum；
16.上述将上述目标文本输入文本摘要抽取模型中，输出上述目标文本对应的目标有效句集，包括：
17.利用上述bertsum提取上述目标文本中各句子的第一编码信息；
18.利用上述longformer提取上述目标文本中各句子相对全局交叉后的第二编码信
息；
19.将上述目标文本中各句子的第一编码信息以及第二编码信息进行融合，得到上述目标文本中各句子的目标编码信息；
20.基于上述目标文本中各句子的目标编码信息确定上述目标文本对应的目标有效句集。
21.在一种可能的实现方式中，上述基于上述有效信息确定上述目标待决策数据对应的目标事件集，包括：
22.对上述有效信息进行拆分，得到目标信息集；上述目标信息集包括以下至少两种类型的目标信息：疾病类型、行为类型、时间类型以及治愈类型；
23.将上述目标信息集中的目标信息进行融合，得到上述目标待决策数据对应的目标事件集。
24.在一种可能的实现方式中，上述将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果，包括：
25.将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果以及上述目标决策结果对应的目标置信度；
26.上述将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果之后，上述方法还包括：
27.判断上述目标置信度是否大于置信度阈值；
28.若是，则将上述目标决策结果作为上述目标用户对应的最终决策结果。
29.在一种可能的实现方式中，上述判断上述目标置信度是否大于置信度阈值之后，上述方法还包括：
30.若否，则基于上述目标待决策数据对应的人工审核决策结果确定上述目标用户对应的最终决策结果。
31.在一种可能的实现方式中，上述目标待决策数据为目标医疗数据；上述有效信息包括医疗事件信息以及与上述医疗事件信息关联的时间信息；上述医疗事件信息包括以下至少一种：疾病信息、住院信息、手术信息以及治愈信息；上述目标决策结果为目标理赔决策结果。
32.在一种可能的实现方式中，上述将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果之前，上述方法还包括：
33.基于上述目标医疗数据或上述目标事件集判断上述目标用户是否存在目标投保前信息；
34.上述将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果，包括：
35.若是，则将上述目标事件集输入决策模型中，输出上述目标用户对应的目标理赔决策结果。
36.在一种可能的实现方式中，上述基于上述目标医疗数据或上述目标事件集判断上述目标用户是否存在目标投保前信息之后，上述方法还包括：
37.若否，则确定上述目标用户对应的目标决策结果为赔付。
38.第二方面，本说明书实施例提供了一种数据决策装置，包括：
39.第一获取模块，用于获取目标用户对应的目标待决策数据；
40.提取模块，用于提取上述目标待决策数据中的有效信息；上述有效信息为表征影响数据决策的信息；
41.第一确定模块，用于基于上述有效信息确定上述目标待决策数据对应的目标事件集；上述目标事件集包括至少一个目标事件；上述目标事件包括事件类型信息以及时间信息；
42.数据决策模块，用于将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果；上述决策模型基于已知决策结果的多个事件集进行训练得到；上述事件集包括至少一个事件。
43.在一种可能的实现方式中，上述目标待决策数据包括由至少一个句子组成的目标文本；
44.上述提取模块包括：
45.抽取单元，用于抽取上述目标文本中的目标有效句集；上述目标有效句集包括至少一个目标有效句子；
46.提取单元，用于提取上述目标有效句集中各目标有效句子的有效信息。
47.在一种可能的实现方式中，上述抽取单元具体用于：
48.将上述目标文本输入文本摘要抽取模型中，输出上述目标文本对应的目标有效句集；上述文本摘要抽取模型基于多个已知有效句集的文本进行训练得到。
49.在一种可能的实现方式中，上述文本摘要抽取模型包括longformer和bertsum；
50.上述抽取单元包括：
51.第一提取子单元，用于利用上述bertsum提取上述目标文本中各句子的第一编码信息；
52.第二提取子单元，用于利用上述longformer提取上述目标文本中各句子相对全局交叉后的第二编码信息；
53.融合子单元，用于将上述目标文本中各句子的第一编码信息以及第二编码信息进行融合，得到上述目标文本中各句子的目标编码信息；
54.确定子单元，用于基于上述目标文本中各句子的目标编码信息确定上述目标文本对应的目标有效句集。
55.在一种可能的实现方式中，上述第一确定模块包括：
56.拆分单元，用于对上述有效信息进行拆分，得到目标信息集；上述目标信息集包括以下至少两种类型的目标信息：疾病类型、行为类型、时间类型以及治愈类型；
57.融合单元，用于将上述目标信息集中的目标信息进行融合，得到上述目标待决策数据对应的目标事件集。
58.在一种可能的实现方式中，上述数据决策模块具体用于：
59.将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果以及上述目标决策结果对应的目标置信度；
60.上述数据决策装置还包括：
61.第一判断模块，用于判断上述目标置信度是否大于置信度阈值；
62.第二确定模块，用于若是，则将上述目标决策结果作为上述目标用户对应的最终
决策结果。
63.在一种可能的实现方式中，上述数据决策装置还包括：
64.第三确定模块，用于若否，则基于上述目标待决策数据对应的人工审核决策结果确定上述目标用户对应的最终决策结果。
65.在一种可能的实现方式中，上述目标待决策数据为目标医疗数据；上述有效信息包括医疗事件信息以及与上述医疗事件信息关联的时间信息；上述医疗事件信息包括以下至少一种：疾病信息、住院信息、手术信息以及治愈信息；上述目标决策结果为目标理赔决策结果。
66.在一种可能的实现方式中，上述数据决策装置还包括：
67.第二判断模块，用于基于上述目标医疗数据或上述目标事件集判断上述目标用户是否存在目标投保前信息；
68.上述数据决策模块具体用于：
69.若是，则将上述目标事件集输入决策模型中，输出上述目标用户对应的目标理赔决策结果。
70.在一种可能的实现方式中，上述数据决策装置还包括：
71.第四确定模块，用于若否，则确定上述目标用户对应的目标决策结果为赔付。
72.第三方面，本说明书实施例提供了一种电子设备，包括：处理器以及存储器；
73.上述处理器与上述存储器相连；
74.上述存储器，用于存储可执行程序代码；
75.上述处理器通过读取上述存储器中存储的可执行程序代码来运行与上述可执行程序代码对应的程序，以用于执行本说明书实施例第一方面或第一方面的任意一种可能的实现方式提供的方法。
76.第四方面，本说明书实施例提供了一种计算机存储介质，上述计算机存储介质存储有多条指令，上述指令适于由处理器加载并执行本说明书实施例第一方面或第一方面的任意一种可能的实现方式提供的方法。
77.第五方面，本说明书实施例提供了一种包含指令的计算机程序产品，当上述计算机程序产品在计算机或处理器上运行时，使得上述计算机或上述处理器执行本说明书实施例第一方面或第一方面的任意一种可能的实现方式提供的数据决策方法。
78.本说明书实施例在获取到目标用户对应的目标待决策数据之后，会提取目标待决策数据中影响数据决策的有效信息，并基于有效信息确定目标待决策数据对应的目标事件集，目标事件集包括至少一个目标事件，目标事件包括事件类型信息以及时间信息，最后将目标事件集输入决策模型中，输出目标用户对应的目标决策结果，决策模型基于已知决策结果的多个事件集进行训练得到，事件集包括至少一个事件，从而不仅基于全量的目标待决策数据实现数据决策，降低数据在决策过程中未充分利用的必要性，提高数据决策的全面性，还基于时间及事件的决策模型进行数据决策的判断，在数据决策的过程中不依赖于对目标待决策数据进行时序特征的提取，避免了相关技术中时序特征的识别及前后关系较难对应的问题，实现自动化智能化且准确率以及效率更高地数据决策。
附图说明
79.为了更清楚地说明本说明书实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，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。
80.图1为本说明书一示例性实施例提供的一种数据决策系统的架构示意图；
81.图2为本说明书一示例性实施例提供的一种数据决策方法的流程示意图；
82.图3为本说明书一示例性实施例提供的一种提取有效信息的实现过程示意图；
83.图4为本说明书一示例性实施例提供的一种文本摘要抽取模型抽取目标文本对应的目标有效句集的实现过程示意图；
84.图5为本说明书一示例性实施例提供的一种抽取目标有效句集的具体实现示意图；
85.图6为本说明书一示例性实施例提供的一种确定目标待决策数据对应的目标事件集的实现过程示意图；
86.图7为本说明书一示例性实施例提供的另一种数据决策方法的流程示意图；
87.图8为本说明书一示例性实施例提供的另一种数据决策方法的流程示意图；
88.图9为本说明书一示例性实施例提供的另一种数据决策方法的流程示意图；
89.图10为本说明书一示例性实施例提供的一种数据决策方法的实现过程示意图；
90.图11为本说明书一示例性实施例提供的一种数据决策装置的结构示意图；
91.图12为本说明书一示例性实施例提供的一种电子设备的结构示意图。
具体实施方式
92.下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述。
93.本说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
94.需要说明的是，本说明书实施例所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本说明书中涉及的目标待决策数据、已知决策结果的多个事件集等都是在充分授权的情况下获取的。
95.目前，相关技术中主要通过对目标待决策数据进行多维度特征提取，构建时序维度行为识别潜在风险，或者通过目标用户(被保人)的生物特征识别及赔付金额识别被保人欺诈风险，进而进行数据决策，或者直接通过设定的决策规则进行决策。但是，第一种方案主要依赖于对目标待决策数据(例如，医疗档案数据)进行时序特征提取，而时序特征的识别及前后关系较难对应，这必然会带来一定错误，若根据识别出的风险进行数据决策，势必
会影响数据决策的准确性。第二种方案仅通过目标用户(被保人)生物信息采集难以兼顾数据决策过程中所要涉及的各方面的内容。第三种方案种决策效率以及准确性均有待提高。因此，亟需一种更加全面、准确性以及效率更高地数据决策方法。
96.接下来请参考图1，其为本说明书一示例性实施例提供的一种数据决策系统的架构示意图。如图1所示，该数据决策系统包括：用户端110、服务器120和审核端130。其中：
97.用户端110可以包括一个或多个用户对应的终端。在用户端110中可安装用户版的软件，用于实现用户线上提交目标待决策数据申请数据决策等功能。用户端110可以建立与网络之间的数据关系，并通过该网络和服务器120、审核端130建立数据连接关系，例如向服务器120或审核端130发送数据决策申请指令、目标待决策数据以及接收服务器120或审核端130发送的基于目标待决策数据确定的目标决策结果等。任意一个用户端110可以但不限于是安装有用户版软件的手机、平板电脑、笔记本电脑等设备。
98.服务器120可以是能提供多种数据决策的服务器，可以通过网络接收来自用户端110的目标待决策数据。服务器120还可以提取目标待决策数据中的有效信息；基于有效信息确定目标待决策数据对应的目标事件集，目标事件集包括至少一个目标事件，目标事件包括事件类型信息以及时间信息；将目标事件集输入决策模型中，输出目标用户对应的目标决策结果，决策模型基于已知决策结果的多个事件集进行训练得到，事件集包括至少一个事件。在此之前，服务器120还可以预先获取来自至少一个用户端110的已知决策结果的多个事件集，并基于已知决策结果的多个事件集进行训练决策模型，事件集包括至少一个事件，事件包括对应的事件类型信息以及时间信息。
99.可以理解地，服务器120可以但不限于是硬件服务器、虚拟服务器、云服务器等。
100.审核端130可以包括一个或多个审核人员对应的终端。在审核端130中可安装审核版的软件，用于实现审核人员线上处理用户的数据决策申请或对目标置信度不大于置信度阈值的目标决策结果对应的目标待决策数据进行人工审核决策等功能。审核端130可以建立与网络之间的数据关系，并通过该网络和服务器120、用户端110建立数据连接关系，例如接收来自服务器120或用户端110的目标待决策数据。审核端130还可以接收审核人员基于目标待决策数据输入的人工审核决策结果，并通过网络将该人工审核决策结果发送至服务器120或对应的用户端110。任意一个审核端130可以但不限于是安装有审核版软件的手机、平板电脑、笔记本电脑等设备。
101.上述数据决策不限于上述服务器120执行，还可以是由任意一个用户端110执行，本说明书实施例对此不作具体限定，以下实施例全部以由用户端110执行上述数据决策为例进行说明。
102.网络可以是在服务器120和任意一个用户端110之间、任意一个用户端110和任意一个审核端130以及服务器120和任意一个审核端130之间提供通信链路的介质，也可以是包含网络设备和传输介质的互联网，不限于此。传输介质可以是有线链路，例如但不限于，同轴电缆、光纤和数字用户线路(digital subscriber line，dsl)等，或无线链路，例如但不限于，无线上网(wireless fidelity，wifi)、蓝牙和移动设备网络等。
103.可以理解地，图1所示的数据决策系统中的用户端110、服务器120和审核端130的数目仅作为示例，在具体实现中，该数据决策系统中可以包含任意数目的审核端、用户端和服务器，本说明书实施例对此不作具体限定。例如但不限于，审核端130可以是多个审核端
组成的审核端集群，服务器120可以是多个服务器组成的服务器集群，用户端110可以是多个用户端组成的用户端集群。
104.为了解决上述相关技术中存在的问题，接下来结合图1，以由用户端110执行数据决策为例，介绍本说明书实施例提供的数据决策方法。具体请参考图2，其为本说明书一示例性实施例提供的一种数据决策方法的流程示意图。如图2所示，该数据决策方法包括以下几个步骤：
105.s202，获取目标用户对应的目标待决策数据。
106.具体地，用户端110可以基于安装的用户版软件接收到目标用户输入的目标待决策数据，并基于但不限于目标用户的点击、滑动等触发操作触发执行基于目标待决策数据进行对应的数据决策。
107.示例性地，在购买医疗险后，当目标用户想要申请理赔时，可以在用户端110输入对应的理赔申请材料，理赔申请材料包括目标用户对应的目标医疗数据(目标待决策数据)。用户端110在获取到目标用户的目标医疗数据之后，可以通过本说明书实施例提供的数据决策方法对是否需要向目标用户理赔进行决策，得到对应的目标理赔决策结果(目标决策结果)，并将上述目标理赔决策结果在显示屏进行展示。
108.s204，提取目标待决策数据中的有效信息。
109.具体地，上述有效信息为表征影响数据决策的信息，有效信息可以但不限于包括与数据决策应用场景相关的事件信息以及与该事件信息关联的时间信息。上述时间信息可以但不限于包括该事件信息中的事件发生时间、事件结束时间、事件持续时间等。
110.示例性地，若数据决策应用于针对医疗险健康告知免责的理赔决策场景中，则上述目标待决策数据可以为申请理赔的目标用户的目标医疗数据，上述目标待决策数据中的有效信息可以包括医疗事件信息以及与该医疗事件信息关联的时间信息。上述医疗事件信息包括以下至少一种：疾病信息、住院信息、手术信息以及治愈信息。上述与医疗事件信息关联的时间信息可以但不限于包括各医疗事件信息的发生时间、结束时间以及持续时间等。
111.可选地，上述目标待决策数据包括由至少一个句子组成的目标文本。如图3所示，在获取到上述目标文本之后，可以先抽取该目标文本中的目标有效句集，然后再从目标有效句集中提取出各目标有效句子的有效信息。上述目标有效句集包括至少一个目标有效句子。上述目标有效句子为目标文本中包含有效信息的句子。本说明书实施例通过先直接基于目标待决策数据中全部的目标文本确定有效句集，然后再从有效句集中提取出有效信息，降低了目标待决策数据在决策过程中未充分利用的必要性，让数据决策的过程能够全面充分地考虑到目标待决策数据，避免目标待决策数据中某些信息的遗漏而影响数据决策准确性的问题，提高了数据决策的全面性和准确性。
112.进一步地，在抽取目标文本中的目标有效句集时，可以将目标文本输入文本摘要抽取模型中，通过训练好的文本摘要抽取模型对目标文本全文所切分的句子进行有效性判断，从而输出目标文本对应的目标有效句集。上述文本摘要抽取模型基于多个已知有效句集的文本进行训练得到。本说明实施例直接通过全局和局部信息融合的有效文本摘要模型来实现目标文本中目标有效句集的抽取，既让目标有效句集的抽取过程可以全自动化智能化，提高抽取效率，又确保了抽取的准确性。
113.进一步地，如图4所示，文本摘要抽取模型包括longformer和bertsum。在将目标文本输入文本摘要抽取模型后，文本摘要抽取模型会先利用bertsum提取目标文本中各句子的第一编码信息，以及利用longformer提取目标文本中各句子相对全局交叉后的第二编码信息，然后将目标文本中各句子的第一编码信息以及第二编码信息进行融合，得到目标文本中各句子的目标编码信息，最后基于目标文本中各句子的目标编码信息确定目标文本对应的目标有效句集，并输出上述目标有效句集。由于目标待决策数据一般都为很大长篇的目标文本，而传统的文本摘要抽取模型大都处理不了很大长篇的内容，除非把它切断处理，而本说明实施例所提出的文本摘要提取模型基于longformer和bertsum进行改进，不仅可以利用bertsum提取到目标待决策数据局部每个句子单独的信息，还可以利用longformer处理很大长篇的目标待决策数据，这样就可以结合全局提取到目标待决策数据中前后具有关系的一些有效信息，从而通过中和局部和全局的信息去实现目标待决策数据中目标有效句集的抽取，确保目标有效句集抽取的全面性以及准确性，进而提高数据决策的全面性以及准确性。
114.示例性地，如图5所示，目标待决策数据中的目标文本包括sent1、sent2、sent3这3个句子，将该目标文本输入文本摘要抽取模型后，文本摘要抽取模型会先利用bertsum提取目标文本中各句子独立的第一编码信息cls1，以及利用longformer提取目标文本中各句子相对全局交叉后的第二编码信息cls2。然后，将目标文本中各句子的第一编码信息cls1以及第二编码信息cls2按照各自对应的权重w1和w2进行加权融合，得到目标文本中各句子的目标编码信息cls。最后，基于目标文本中各句子的目标编码信息cls判断出目标文本中的句子sent1无效(0)，句子sent2和句子sent3均有效(1)，从而可以得到目标文本对应的目标有效句集{sent2、sent3}。上述第一编码信息cls1对应的权重w1以及第二编码信息cls2对应的权重w2为文本摘要抽取模型训练完成后得到参数。
115.s206，基于有效信息确定目标待决策数据对应的目标事件集，目标事件集包括至少一个目标事件，目标事件包括事件类型信息以及时间信息。
116.具体地，在得到目标待决策数据中的有效信息之后，可以将上述有效信息中的事件信息以及与该事件信息关联的时间信息进行组合，从而得到对应的目标事件集。上述事件信息包括事件类型信息。
117.可选地，如图6所示，在得到目标待决策数据中的有效信息之后，可以先对有效信息进行拆分，得到目标信息集，然后再将目标信息集中的目标信息进行融合，得到目标待决策数据对应的目标事件集。上述目标信息集可以但不限于包括以下至少两种类型的目标信息：疾病类型、行为类型、时间类型以及治愈类型。即如图6所示，上述目标信息集可以但不限于包括以下至少两种：疾病信息、行为信息、时间信息以及治愈信息。上述至少两种类型的目标信息中至少包括时间类型的目标信息，即时间信息。疾病信息可以但不限于包括目标用户所发生过的疾病，行为信息可以但不限于包括目标用户所发生过的住院或手术行为，治愈信息可以但不限于包括目标用户的疾病或手术等的治愈情况，时间信息可以但不限于包括与上述疾病信息、行为信息以及治愈信息关联的时间。
118.可选地，在将目标信息集中的目标信息进行融合时，可能会发生多信息冲突融合的情况，例如但不限于一个疾病信息对应多个发生时间等，此时，为了确保融合得到的目标事件集的准确性，需要先确定这个多个发生时间各自对应的置信度，即这多个发生时间各
自为该疾病信息的发生时间的可能性，然后将置信度最高的发生时间作为与该疾病信息关联的时间信息进行融合，从而使得融合得到的目标事件更加准确，进一步提高数据决策的准确性。
119.s208，将目标事件集输入决策模型中，输出目标用户对应的目标决策结果。
120.具体地，上述决策模型基于已知决策结果的多个事件集进行训练得到，事件集包括至少一个事件，该事件包括与事件关联的时间信息。上述决策模型通过基于事件以及与事件关联的时间信息进行训练，其学习及泛化能力能够得到有效提升。
121.可选地，在针对医疗险健康告知免责的理赔决策场景中，决策模型主要对当前理赔案件(目标事件集)中是否有健康告知免责情况进行识别，从而输出对应的目标理赔决策结果。
122.本说明书实施例在获取到目标用户对应的目标待决策数据之后，会提取目标待决策数据中的有效信息，并基于有效信息确定目标待决策数据对应的目标事件集，目标事件集包括至少一个目标事件，目标事件包括事件类型信息以及时间信息，最后将目标事件集输入决策模型中，输出目标用户对应的目标决策结果，决策模型基于已知决策结果的多个事件集进行训练得到，事件集包括至少一个事件，从而不仅基于全量的目标待决策数据实现数据决策，降低数据在决策过程中未充分利用的必要性，提高数据决策的全面性，还基于时间及事件的决策模型进行数据决策的判断，在数据决策的过程中不依赖于对目标待决策数据进行时序特征的提取，避免了相关技术中时序特征的识别及前后关系较难对应的问题，实现自动化智能化且准确率以及效率更高地数据决策。
123.接下来请参考图7，其为本说明书一示例性实施例提供的另一种数据决策方法的流程示意图。如图7所示，该数据决策方法包括以下几个步骤：
124.s702，获取目标用户对应的目标待决策数据。
125.具体地，s702与s202一致，此处不再赘述。
126.s704，提取目标待决策数据中的有效信息。
127.具体地，s704与s204一致，此处不再赘述。
128.s706，基于有效信息确定目标待决策数据对应的目标事件集，目标事件集包括至少一个目标事件，目标事件包括事件类型信息以及时间信息。
129.具体地，s706与s206一致，此处不再赘述。
130.s708，将目标事件集输入决策模型中，输出目标用户对应的目标决策结果以及目标决策结果对应的目标置信度。
131.具体地，将目标待决策数据对应的目标事件集输入决策模型后，决策模型不仅会输出目标用户对应的目标决策结果，还会输出该目标决策结果对应的目标置信度。
132.示例性地，若数据决策应用于针对医疗险健康告知免责的理赔决策场景中，决策模型输出的目标决策结果可以包括拒赔以及拒赔对应的第一目标置信度或者赔付以及赔付对应的第二目标置信度。
133.s710，判断目标置信度是否大于置信度阈值。
134.具体地，为了确保数据决策的准确性，避免由于用户端或服务器的错误决策造成损失或影响用户体验，在得到目标用户对应的目标决策结果以及目标决策结果对应的目标置信度之后，可以进一步判断该目标决策结果对应的目标置信度是否大于置信度阈值，进
而再确定最终的决策结果。
135.可以理解地，不同的目标决策结果对应的置信度阈值可以不同，也可以相同，本说明书实施例对此不作限定。
136.示例性地，若数据决策应用于针对医疗险健康告知免责的理赔决策场景中，当决策模型输出的目标决策结果为拒赔时，其对应的置信度阈值可以但不限于为0.8、0.9等，当决策模型输出的目标决策结果为赔付时，其对应的置信度阈值可以但不限于为0.8、0.7等。
137.s712，若是，则将目标决策结果作为目标用户对应的最终决策结果。
138.具体地，若目标决策结果对应的目标置信度大于置信度阈值，说明该目标决策结果较准确，则可以直接将该目标决策结果确定为目标用户对应的最终决策结果。
139.s714，若否，则基于目标待决策数据对应的人工审核决策结果确定目标用户对应的最终决策结果。
140.具体地，若目标决策结果对应的目标置信度小于或等于置信度阈值，说明该目标决策结果出现错误的可能性较大，为了确保决策结果的准确性，避免决策舆情的产生，可以先通过网络将目标待决策数据发送至审核端，由审核端的审核人员进行人工审核决策，然后再通过网络接收到审核端发送的人工审核决策结果。最后，可以直接将该目标待决策数据对应的人工审核决策结果作为目标用户对应的最终决策结果。
141.本说明书实施例在将目标待决策数据对应的目标事件集输入决策模型中，输出目标用户对应的目标决策结果以及目标决策结果对应的目标置信度之后，还会进一步判断目标置信度是否大于置信度阈值，若是，则将目标决策结果作为目标用户对应的最终决策结果，若否，则基于目标待决策数据对应的人工审核决策结果确定目标用户对应的最终决策结果，从而实现在确保数据决策效率的同时，还能够通过人工审核的方式进一步保障数据决策的准确性。
142.接下来请参考图8，其为本说明书一示例性实施例提供的另一种数据决策方法的流程示意图。如图8所示，该数据决策方法包括以下几个步骤：
143.s802，获取目标用户对应的目标待决策数据。
144.具体地，在针对医疗险健康告知免责的理赔决策场景中，上述目标待决策数据可以为申请理赔的目标用户的目标医疗数据。健康告知免责是医疗险理赔中重要参考依据，涉及对全量医疗材料的中所发生的疾病，手术及住院行为事件的核验，及事件前因后果的解读。健康告知是指保险公司在接受客户投保申请时，要求其填写的关于健康情况的说明。保险公司会根据健康告知的情况，对投保人的申请作出正常承保、条件承保、延期承保的决定。健康告知免责是指医疗险中因违反健康告知而导致拒赔的责任条款。上述s802的实现过程与s202一致，此处不再赘述。
145.s804，基于目标医疗数据判断目标用户是否存在目标投保前信息。
146.具体地，上述目标投保前信息表征目标用户在投保之前所发生的疾病、住院以及手术等医疗信息。在获取到目标用户对应的目标医疗数据之后，可以先确定目标医疗数据中是否存在在目标用户投保之前发生的医疗信息，若是，则可以判断目标用户存在目标投保前信息，若否，则可以判断目标用户不存在目标投保前信息。
147.可选地，在获取到目标用户对应的目标医疗数据之后，可以直接根据目标医疗数据中所涉及的时间信息与目标用户购买医疗险时的时间进行比较，从而判断目标用户是否
存在目标投保前信息。例如但不限于，若目标医疗数据中所涉及的时间信息均在目标用户购买医疗险时的时间之后，即目标医疗数据中不存在在目标用户购买医疗险的时间之前的时间信息，则可以确定目标用户不存在目标投保前信息；若目标医疗数据中存在在目标用户购买医疗险的时间之前的时间信息，则可以确定目标用户存在目标投保前信息。
148.可以理解地，不同的保险公司的医疗险对应的健康告知免责的内容以及时间期限可能不同，因此，在基于目标医疗数据判断目标用户是否存在目标投保前信息时，可以结合实际的应用情况确定目标投保前信息所包括的事件以及判断目标用户是否存在即在投保前是否发生过目标投保前信息中的事件。
149.s806，若是，则提取目标待决策数据中的有效信息。
150.具体地，若目标用户存在目标投保前信息，说明目标用户的理赔申请存在风险，则可以进一步提取目标待决策数据(目标医疗数据)中的有效信息，并通过决策模型进行理赔决策。上述目标待决策数据中的有效信息可以包括医疗事件信息以及与该医疗事件信息关联的时间信息。上述医疗事件信息包括以下至少一种：疾病信息、住院信息、手术信息以及治愈信息。上述与医疗事件信息关联的时间信息可以但不限于包括各医疗事件信息的发生时间、结束时间以及持续时间等。上述s806中提取目标待决策数据中的有效信息的实现过程与s204一致，此处不再赘述。
151.s808，基于有效信息确定目标待决策数据对应的目标事件集，目标事件集包括至少一个目标事件，目标事件包括事件类型信息以及时间信息。
152.具体地，s808与s206一致，此处不再赘述。
153.s810，将目标事件集输入决策模型中，输出目标用户对应的目标决策结果。
154.具体地，s810与s208一致，此处不再赘述。
155.如图8所示，在s804，基于目标医疗数据判断目标用户是否存在目标投保前信息之后，上述数据决策方法还包括：
156.s812，若否，则确定目标用户对应的目标决策结果为赔付。
157.具体地，若目标用户不存在目标投保前信息，说明目标用户的理赔申请没有风险，则无需通过决策模型进行决策，就可以直接确定目标用户对应的目标决策结果(目标理赔决策结果)为赔付，从而缩短该场景下理赔决策所需的时间，在确保理赔决策准确性以及安全性的同时，在一定程度上还可以提高理赔决策的效率。
158.接下来请参考图9，其为本说明书一示例性实施例提供的另一种数据决策方法的流程示意图。如图9所示，该数据决策方法包括以下几个步骤：
159.s902，获取目标用户对应的目标待决策数据。
160.具体地，s902与s202一致，此处不再赘述。
161.s904，提取目标待决策数据中的有效信息。
162.具体地，s904与s204一致，此处不再赘述。
163.s906，基于有效信息确定目标待决策数据对应的目标事件集，目标事件集包括至少一个目标事件，目标事件包括事件类型信息以及时间信息。
164.具体地，s906与s206一致，此处不再赘述。
165.s908，基于目标事件集判断目标用户是否存在目标投保前信息
。
166.具体地，为了确保判断目标用户是否存在目标投保前信息的准确性，可以在确定
目标待决策数据对应的目标事件集之后，再根据目标事件集中是否包含目标投保前信息中的事件来判断目标用户是否存在目标投保前信息，或者先确定目标事件集中是否存在在目标用户投保之前发生的目标事件，若是，则可以判断目标用户存在目标投保前信息，若否，则可以判断目标用户不存在目标投保前信息。
167.s910，若是，则将目标事件集输入决策模型中，输出目标用户对应的目标决策结果。
168.具体地，若目标用户存在目标投保前信息，说明目标用户的理赔申请存在风险，则可以将目标事件集输入决策模型中，通过决策模型决策出目标用户对应的目标决策结果。上述s910中将目标事件集输入决策模型中，输出目标用户对应的目标决策结果的实现过程与s208一致，此处不再赘述。
169.s912，若否，则确定目标用户对应的目标决策结果为赔付。
170.具体地，若目标用户不存在目标投保前信息，说明目标用户的理赔申请没有风险，则无需通过决策模型进行决策，就可以直接确定目标用户对应的目标决策结果为赔付，提高目标用户不存在目标投保前信息情况下的理赔决策效率。
171.接下来请参考图10，其为本说明书一示例性实施例提供的一种数据决策方法的实现过程示意图。如图10所示，在医疗险的理赔决策场景中，在获取到目标用户的目标待决策数据之后，若目标待决策数据中无目标投保前信息，说明目标用户的理赔申请不存在风险，则可以直接确定目标用户的目标理赔决策结果为赔付。若目标待决策数据中有目标投保前信息，说明目标用户的理赔申请存在风险，则可以先抽取出其中的目标有效句集，然后再从目标有效句集中抽取出对应的有效信息，并将目标待决策数据对应的所有有效信息进行拆分(分类)，得到各种类型的目标信息，例如但不限于疾病信息、行为信息、时间信息以及治愈信息等。为了确保理赔决策的准确性和效率，可以将上述不同类型的目标信息进行融合，从而得到目标待决策数据对应的目标事件集，目标事件集中的目标事件包括事件类型信息以及时间信息。在得到目标待决策数据对应的目标事件集之后，可以直接将上述目标事件集输入训练好的决策模型中，输出对应的目标决策结果以及该目标决策结果对应的目标置信度。目标决策结果可以包括赔付或者拒赔。当目标置信度不大于置信度阈值时，说明该目标决策结果出现错误的可能性较大，为了确保决策结果的准确性，避免决策舆情的产生，用户端或服务器会将上述目标待决策数据发给审核端进行人工审核，并根据接收到的审核端反馈的人工审核决策结果确定最终的目标理赔决策结果(最终目标决策结果)。当目标置信度大于置信度阈值时，说明该目标决策结果比较准确，无需人工审核确认，就可以直接将目标决策结果确定为目标用户最终的目标理赔决策结果(最终目标决策结果)。
172.接下来请参考图11，其为本说明书一示例性实施例提供的一种数据决策装置的结构示意图。如图11所示，该数据决策装置1100包括：
173.第一获取模块1110，用于获取目标用户对应的目标待决策数据；
174.提取模块1120，用于提取上述目标待决策数据中的有效信息；上述有效信息为表征影响数据决策的信息；
175.第一确定模块1130，用于基于上述有效信息确定上述目标待决策数据对应的目标事件集；上述目标事件集包括至少一个目标事件；上述目标事件包括事件类型信息以及时间信息；
176.数据决策模块1140，用于将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果；上述决策模型基于已知决策结果的多个事件集进行训练得到；上述事件集包括至少一个事件。
177.在一种可能的实现方式中，上述目标待决策数据包括由至少一个句子组成的目标文本；
178.上述提取模块1120包括：
179.抽取单元，用于抽取上述目标文本中的目标有效句集；上述目标有效句集包括至少一个目标有效句子；
180.提取单元，用于提取上述目标有效句集中各目标有效句子的有效信息。
181.在一种可能的实现方式中，上述抽取单元具体用于：
182.将上述目标文本输入文本摘要抽取模型中，输出上述目标文本对应的目标有效句集；上述文本摘要抽取模型基于多个已知有效句集的文本进行训练得到。
183.在一种可能的实现方式中，上述文本摘要抽取模型包括longformer和bertsum；
184.上述抽取单元包括：
185.第一提取子单元，用于利用上述bertsum提取上述目标文本中各句子的第一编码信息；
186.第二提取子单元，用于利用上述longformer提取上述目标文本中各句子相对全局交叉后的第二编码信息；
187.融合子单元，用于将上述目标文本中各句子的第一编码信息以及第二编码信息进行融合，得到上述目标文本中各句子的目标编码信息；
188.确定子单元，用于基于上述目标文本中各句子的目标编码信息确定上述目标文本对应的目标有效句集。
189.在一种可能的实现方式中，上述第一确定模块1130包括：
190.拆分单元，用于对上述有效信息进行拆分，得到目标信息集；上述目标信息集包括以下至少两种类型的目标信息：疾病类型、行为类型、时间类型以及治愈类型；
191.融合单元，用于将上述目标信息集中的目标信息进行融合，得到上述目标待决策数据对应的目标事件集。
192.在一种可能的实现方式中，上述数据决策模块1140具体用于：
193.将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果以及上述目标决策结果对应的目标置信度；
194.上述数据决策装置1100还包括：
195.第一判断模块，用于判断上述目标置信度是否大于置信度阈值；
196.第二确定模块，用于若是，则将上述目标决策结果作为上述目标用户对应的最终决策结果。
197.在一种可能的实现方式中，上述数据决策装置1100还包括：
198.第三确定模块，用于若否，则基于上述目标待决策数据对应的人工审核决策结果确定上述目标用户对应的最终决策结果。
199.在一种可能的实现方式中，上述目标待决策数据为目标医疗数据；上述有效信息包括医疗事件信息以及与上述医疗事件信息关联的时间信息；上述医疗事件信息包括以下
至少一种：疾病信息、住院信息、手术信息以及治愈信息；上述目标决策结果为目标理赔决策结果。
200.在一种可能的实现方式中，上述数据决策装置1100还包括：
201.第二判断模块，用于基于上述目标医疗数据或上述目标事件集判断上述目标用户是否存在目标投保前信息；
202.上述数据决策模块1140具体用于：
203.若是，则将上述目标事件集输入决策模型中，输出上述目标用户对应的目标理赔决策结果。
204.在一种可能的实现方式中，上述数据决策装置1100还包括：
205.第四确定模块，用于若否，则确定上述目标用户对应的目标决策结果为赔付。
206.上述数据决策装置中各模块的划分仅用于举例说明，在其他实施例中，可将数据决策装置按照需要划分为不同的模块，以完成上述数据决策装置的全部或部分功能。本说明书实施例中提供的数据决策装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时，实现本说明书实施例中所描述的数据决策方法的全部或部分步骤。
207.接下来请参阅图12，其为本说明书一示例性实施例提供的一种电子设备的结构示意图。如图12所示，该电子设备1200可以包括：至少一个处理器1210、至少一个通信总线1220、用户接口1230、至少一个网络接口1240、存储器1250。其中，通信总线1220可用于实现上述各个组件的连接通信。
208.其中，用户接口1230可以包括显示屏(display)和摄像头(camera)，可选用户接口还可以包括标准的有线接口、无线接口。
209.其中，网络接口1240可选的可以包括蓝牙模块、近场通信(near field communication，nfc)模块、无线保真(wireless fidelity，wi-fi)模块等。
210.其中，处理器1210可以包括一个或者多个处理核心。处理器1210利用各种接口和线路连接整个电子设备1200内的各个部分，通过运行或执行存储在存储器1250内的指令、程序、代码集或指令集，以及调用存储在存储器1250内的数据，执行路由电子设备1200的各种功能和处理数据。可选的，处理器1210可以采用数字信号处理(digital signal processing，dsp)、现场可编程门阵列(field-programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器1210可集成处理器(central processing unit，cpu)、图像处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1210中，单独通过一块芯片进行实现。
211.其中，存储器1250可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory，rom)。可选的，该存储器1250包括非瞬时性计算机可读介质。存储器1250可用于存储指令、程序、代码、代码集或指令集。存储器1250可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能
的指令(比如获取功能、提取功能、数据决策功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1250可选的还可以是至少一个位于远离前述处理器1210的存储装置。如图12所示，作为一种计算机存储介质的存储器1250中可以包括操作系统、网络通信模块、用户接口模块以及应用程序。
212.具体地，处理器1210可以用于调用存储器1250中存储的应用程序，并具体执行以下操作：
213.获取目标用户对应的目标待决策数据。
214.提取上述目标待决策数据中的有效信息；上述有效信息为表征影响数据决策的信息。
215.基于上述有效信息确定上述目标待决策数据对应的目标事件集；上述目标事件集包括至少一个目标事件；上述目标事件包括事件类型信息以及时间信息；
216.将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果；上述决策模型基于已知决策结果的多个事件集进行训练得到；上述事件集包括至少一个事件。
217.在一些可能的实施例中，上述目标待决策数据包括由至少一个句子组成的目标文本；
218.上述处理器1210执行提取上述目标待决策数据中的有效信息时，具体用于执行：
219.抽取上述目标文本中的目标有效句集；上述目标有效句集包括至少一个目标有效句子。
220.提取上述目标有效句集中各目标有效句子的有效信息。
221.在一些可能的实施例中，上述处理器1210执行抽取上述目标文本中的目标有效句集时，具体用于执行：
222.将上述目标文本输入文本摘要抽取模型中，输出上述目标文本对应的目标有效句集；上述文本摘要抽取模型基于多个已知有效句集的文本进行训练得到。
223.在一些可能的实施例中，上述文本摘要抽取模型包括longformer和bertsum；
224.上述处理器1210执行将上述目标文本输入文本摘要抽取模型中，输出上述目标文本对应的目标有效句集时，具体用于执行：
225.利用上述bertsum提取上述目标文本中各句子的第一编码信息。
226.利用上述longformer提取上述目标文本中各句子相对全局交叉后的第二编码信息。
227.将上述目标文本中各句子的第一编码信息以及第二编码信息进行融合，得到上述目标文本中各句子的目标编码信息。
228.基于上述目标文本中各句子的目标编码信息确定上述目标文本对应的目标有效句集。
229.在一些可能的实施例中，上述处理器1210执行基于上述有效信息确定上述目标待决策数据对应的目标事件集时，具体用于执行：
230.对上述有效信息进行拆分，得到目标信息集；上述目标信息集包括以下至少两种类型的目标信息：疾病类型、行为类型、时间类型以及治愈类型。
231.将上述目标信息集中的目标信息进行融合，得到上述目标待决策数据对应的目标
事件集。
232.在一些可能的实施例中，上述处理器1210执行将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果时，具体用于执行：
233.将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果以及上述目标决策结果对应的目标置信度。
234.上述处理器1210执行将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果之后，还用于执行：
235.判断上述目标置信度是否大于置信度阈值。
236.若是，则将上述目标决策结果作为上述目标用户对应的最终决策结果。
237.在一些可能的实施例中，上述处理器1210执行判断上述目标置信度是否大于置信度阈值之后，还用于执行：
238.若否，则基于上述目标待决策数据对应的人工审核决策结果确定上述目标用户对应的最终决策结果。
239.在一些可能的实施例中，上述目标待决策数据为目标医疗数据；上述有效信息包括医疗事件信息以及与上述医疗事件信息关联的时间信息；上述医疗事件信息包括以下至少一种：疾病信息、住院信息、手术信息以及治愈信息；上述目标决策结果为目标理赔决策结果。
240.在一些可能的实施例中，上述处理器1210执行将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果之前，还用于执行：
241.基于上述目标医疗数据或上述目标事件集判断上述目标用户是否存在目标投保前信息。
242.上述处理器1210执行将上述目标事件集输入决策模型中，输出上述目标用户对应的目标决策结果时，具体用于执行：
243.若是，则将上述目标事件集输入决策模型中，输出上述目标用户对应的目标理赔决策结果。
244.本说明书实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机或处理器上运行时，使得计算机或处理器执行上述实施例中的一个或多个步骤。上述数据决策装置的各组成模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取存储介质中。
245.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。上述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行上述计算机程序指令时，全部或部分地产生按照本说明书实施例上述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中，或者通过上述计算机可读存储介质进行传输。上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用
介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字多功能光盘(digital versatile disc，dvd))、或者半导体介质(例如，固态硬盘(solid state disk，ssd))等。
246.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，可以通过计算机程序来指令相关的硬件来完成，该程序可存储于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。而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可存储程序代码的介质。在不冲突的情况下，本实施例和实施方案中的技术特征可以任意组合。
247.以上所述的实施例仅仅是本说明书的优选实施例方式进行描述，并非对本说明书的范围进行限定，在不脱离本说明书的设计精神的前提下，本领域普通技术人员对本说明书的技术方案作出的各种变形及改进，均应落入权利要求书确定的保护范围内。
248.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书和说明书中记载的动作或步骤可以按照不同于说明书记载的实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

技术特征：
1.一种数据决策方法，所述方法包括：获取目标用户对应的目标待决策数据；提取所述目标待决策数据中的有效信息；所述有效信息为表征影响数据决策的信息；基于所述有效信息确定所述目标待决策数据对应的目标事件集；所述目标事件集包括至少一个目标事件；所述目标事件包括事件类型信息以及时间信息；将所述目标事件集输入决策模型中，输出所述目标用户对应的目标决策结果；所述决策模型基于已知决策结果的多个事件集进行训练得到；所述事件集包括至少一个事件。2.如权利要求1所述的方法，所述目标待决策数据包括由至少一个句子组成的目标文本；所述提取所述目标待决策数据中的有效信息，包括：抽取所述目标文本中的目标有效句集；所述目标有效句集包括至少一个目标有效句子；提取所述目标有效句集中各目标有效句子的有效信息。3.如权利要求2所述的方法，所述抽取所述目标文本中的目标有效句集，包括：将所述目标文本输入文本摘要抽取模型中，输出所述目标文本对应的目标有效句集；所述文本摘要抽取模型基于多个已知有效句集的文本进行训练得到。4.如权利要求3所述的方法，所述文本摘要抽取模型包括longformer和bertsum；所述将所述目标文本输入文本摘要抽取模型中，输出所述目标文本对应的目标有效句集，包括：利用所述bertsum提取所述目标文本中各句子的第一编码信息；利用所述longformer提取所述目标文本中各句子相对全局交叉后的第二编码信息；将所述目标文本中各句子的第一编码信息以及第二编码信息进行融合，得到所述目标文本中各句子的目标编码信息；基于所述目标文本中各句子的目标编码信息确定所述目标文本对应的目标有效句集。5.如权利要求1所述的方法，所述基于所述有效信息确定所述目标待决策数据对应的目标事件集，包括：对所述有效信息进行拆分，得到目标信息集；所述目标信息集包括以下至少两种类型的目标信息：疾病类型、行为类型、时间类型以及治愈类型；将所述目标信息集中的目标信息进行融合，得到所述目标待决策数据对应的目标事件集。6.如权利要求1所述的方法，所述将所述目标事件集输入决策模型中，输出所述目标用户对应的目标决策结果，包括：将所述目标事件集输入决策模型中，输出所述目标用户对应的目标决策结果以及所述目标决策结果对应的目标置信度；所述将所述目标事件集输入决策模型中，输出所述目标用户对应的目标决策结果之后，所述方法还包括：判断所述目标置信度是否大于置信度阈值；若是，则将所述目标决策结果作为所述目标用户对应的最终决策结果。7.如权利要求6所述的方法，所述判断所述目标置信度是否大于置信度阈值之后，所述
方法还包括：若否，则基于所述目标待决策数据对应的人工审核决策结果确定所述目标用户对应的最终决策结果。8.如权利要求1-7任一项所述的方法，所述目标待决策数据为目标医疗数据；所述有效信息包括医疗事件信息以及与所述医疗事件信息关联的时间信息；所述医疗事件信息包括以下至少一种：疾病信息、住院信息、手术信息以及治愈信息；所述目标决策结果为目标理赔决策结果。9.如权利要求8所述的方法，所述将所述目标事件集输入决策模型中，输出所述目标用户对应的目标决策结果之前，所述方法还包括：基于所述目标医疗数据或所述目标事件集判断所述目标用户是否存在目标投保前信息；所述将所述目标事件集输入决策模型中，输出所述目标用户对应的目标决策结果，包括：若是，则将所述目标事件集输入决策模型中，输出所述目标用户对应的目标理赔决策结果。10.如权利要求9所述的方法，所述基于所述目标医疗数据或所述目标事件集判断所述目标用户是否存在目标投保前信息之后，所述方法还包括：若否，则确定所述目标用户对应的目标决策结果为赔付。11.一种数据决策装置，所述装置包括：第一获取模块，用于获取目标用户对应的目标待决策数据；提取模块，用于提取所述目标待决策数据中的有效信息；所述有效信息为表征影响数据决策的信息；第一确定模块，用于基于所述有效信息确定所述目标待决策数据对应的目标事件集；所述目标事件集包括至少一个目标事件；所述目标事件包括事件类型信息以及时间信息；数据决策模块，用于将所述目标事件集输入决策模型中，输出所述目标用户对应的目标决策结果；所述决策模型基于已知决策结果的多个事件集进行训练得到；所述事件集包括至少一个事件。12.一种电子设备，包括：处理器和存储器；所述处理器与所述存储器相连；所述存储器，用于存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如权利要求1-10任一项所述的方法。13.一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-10任一项的方法步骤。14.一种包含指令的计算机程序产品，当所述计算机程序产品在计算机或处理器上运行时，使得所述计算机或所述处理器执行如权利要求1-10任一项所述的数据决策方法。

技术总结
本说明书实施例公开了一种数据决策方法、装置、电子设备、介质及程序产品。其中，该方法包括：获取目标用户对应的目标待决策数据；提取目标待决策数据中的有效信息，有效信息为表征影响数据决策的信息；基于有效信息确定目标待决策数据对应的目标事件集，目标事件集包括至少一个目标事件，目标事件包括事件类型信息以及时间信息；将目标事件集输入决策模型中，输出目标用户对应的目标决策结果，决策模型基于已知决策结果的多个事件集进行训练得到，事件集包括至少一个事件。件集包括至少一个事件。件集包括至少一个事件。


技术研发人员：李风仪 胡坚才 黄文亢 王洪彬 王航
受保护的技术使用者：支付宝（杭州）信息技术有限公司
技术研发日：2023.04.28
技术公布日：2023/8/28