自然语言处理在保险中的应用

的应用自然语言处理随着越来越多的公司发现文本数据的用途，NLP也在不断增加。这包括保险公司与大数据存储索赔和客户支持门票。

在这篇文章中，我们将看看NLP在保险业的应用程序。我们将通过考察四个软件供应商提供的基于自然语言处理的解决方案，以保险业，并评估应用NLP保险操作的可能性做到这一点。

此报告所提供的解决方案NLP对保险公司中详述的公司如下：

IBM声称在众多业务解决方案中利用人工智能。他们的文本挖掘软件Watson Explorer据称可以从非结构化文本数据中提取重要信息，以改进索赔处理。
Taiger也提供索赔处理软件，但他们的解决方案帮助保险代理人更容易找到他们需要处理索赔的信息。他们还声称他们的软件可以帮助自动登机。
健康富达提供医疗欺诈检测软件，但在这份报告中，我们将更密切地关注该欺诈检测软件背后的NLP算法。
软件进展提供了聊天机器人软件他们说可以帮助客户选择的保险政策，以及与医疗服务提供者安排约会。

在深入研究每个供应商之前，我们将先看看NLP解决方案是如何为保险行业开发的。

保险中的自然语言处理-预先洞察

IBM拥有的任何公司的AI人才本报告中的最高密度。Progress软件与健康富达有类似大小的AI工作人员，但也不是一样强大的是IBM的。最小的公司，Taiger，尚未获得其NLP解决多大吸引力，但是这可能是因为它没有足够的时间与第一轮选择客户现在利用该软件。

IBM是最有可能实际上是利用AI在他们的产品。他们的业绩和AI的高数据量和数据科学的人才使这种明显的。然而，Progress软件与健康富达不共享相同的可能性。他们每个人都缺少工作人员的强大列表与AI的背景，以及关于他们的软件的成功进展软件不提供信息。

泰格尔的人工智能领导人拥有强大的学术背景，但他们实际使用人工智能的可能性尚不清楚。这是因为他们的人工智能人才要么是2018年新加入公司的，要么是最近才被提升到人工智能岗位。

这四家公司本报告所考察的，只有Progress软件公司没有与他们的软件任何案例可以显示出成功。话虽这么说，其他公司只有针对保险的NLP解决一个案例研究。这是一个迹象，表明该应用程序还没有看到在该领域还没有很成功，因为即使是IBM，历史最悠久的四家公司，不能提供企业成功的多个实例。

我们将开始我们的NLP的与索赔处理由IBM和Taiger提供软件保险状态的探索：

索赔处理的NLP

IBM

IBM报价软件名为IBM沃森资源管理器中，该公司声称可以帮助保险公司访问和组织文本数据以改进客户服务和索赔处理。该软件采用自然语言处理。

IBM沃森浏览器通过梳理结构化和非结构化的文本数据找到正确的信息来处理保险索赔。此信息通常来自客户作出要求，但还声称帮助软件能够识别更多的术语和短语。该软件可应用于旨在帮助客户服务代理应用程序，谁可能需要寻找正确的信息通过内部网或类似的员工资源。

我们可以推断，沃森探索者背后的机器学习模型需要针对成千上万的客户的保险索赔进行培训。每个索赔都将根据索赔申请表的章节和通常填写的术语进行标记。然后IBM或客户公司的数据科学家将机器学习算法暴露给这些标记的数据。

然后，软件将能够扫描通过一个新的权利要求的申请表，并提取从每个部分中的每个数据点。谁可以说话的客户手机上的客户服务代理，然后可以搜索过去的索赔类似于客户端的。然后，该软件将与打开这些文件的列表中，找到趋势，并找出可能的原因的选项提供给用户。这将使他们能够轻松地管理数据通过客户公司的具体程序验证。

下面是一个短五-分钟视频演示如何IBM Watson Explorer工作并显示了从文本内容挖掘数据的介绍：

IBM声称有帮助领先的保险提供商从大型存储系统和多种来源的组织数据。该数据应该被缩减为呼叫中心代理处理保险索赔数据库。根据该案例研究，屈臣氏Explorer软件降低了客户的索赔处理时间从两天十分钟，保存14000个代理人平均每通话3秒。

IBM还列出了丰田金融服务公司和ING直接如一些他们过去的客户。

汤姆·埃克是IBM的全球CTO。他拥有计算生物学和罗格斯大学分子生物物理学博士学位。此前，埃克是在第一数据公司新兴技术负责人。

Taiger

Taiger提供同名软件他们的索赔帮助保险公司使用自然语言处理自动处理索赔和客户登船。

泰格的网站将该软件描述为一个虚拟助手，可以从客户的索赔中提取重要信息，并为保险代理人回答他们可能向客户提出的问题。这些问题可能是关于索赔要求上为什么留空字段，或者要求提供关于索赔要求所针对的事件的更多信息。

这将防止进一步的问题，最初要求后，一个来回节省时间的交易。Taiger还声称，该软件可以在客户获取过程中提供协助，但目前还不清楚虚拟助理实际上如何传达信息给客户，而不是雇员。

我们可以推断出参与软件的机器学习模型将需要数千客户公司的保险理赔进行训练，开始有效运作。权利要求书将被应用程序形式的部分进行标记，然后可以通过机器学习算法具有涉及该保险索赔关键词和短语，例如在汽车或房子损坏的类型一起运行。

这将训练算法识别文本的，人类所理解的信息片段在申请表中填写的枷锁。

然后，该软件将能够通过客户的索赔申请表格梳理，并从中提取的保险经纪公司处理索赔的重要信息。这个信息是从用户访问仪表盘显示的要求本身，并从软件中提取的信息。

这可以从大约损害到汽车或房子，丢失物品的数量在暴风雨中，在一次车祸中受伤的细节。该软件将列出这些对于保险代理人，那么谁可以与前面列出以下要点核实索赔更快。

NLP的欺诈检测

健康富达

健康富达提供一种名为HF Reveal NLP的软件，他们声称这是一种自然语言处理引擎，使许多功能在风险管理软件，他们提供给保险公司。他们还声称，该软件可以处理非结构化数据，如临床文件中的书面记录，这有助于过去的客户使用他们以前无法使用的数据。

HF显示NLP充当两个保健计划网络和供应商的风险调整方案的引擎。健康富达侧重于风险调整，并提供了从各个角度调整的风险进行彻底处理。这将最终需要非结构化数据，如长电子邮件或保险索赔。这些类型的文件，以及为健康保险公司临床批件，将需要通过NLP软件运行前的数据点可以被解释为指示的高风险。

健康保真也有一个术语引擎，他们用来帮助高频揭示NLP检测他们服务的保险部门的重要术语和短语。这包括像ICD-10(国际疾病分类，第十次修订)这样的健壮分类法。

我们可以推断HF Reveal NLP背后的机器学习模型是针对数万份临床文件和健康保险索赔进行训练的。所有的索赔都将根据它们是否具有欺诈性而被标记，并且索赔表单中包含欺诈性信息的字段将被标记以注意这一点。

然后，数据科学家可能使机器学习模型来标记的数据。这将是训练辨别文字和文字链，人类理解为索赔表格上的信息。它也将被训练识别时的信息很可能是欺诈。

然后，用户可以将一个新文档输入到软件中，软件可以标记文档中可能存在欺诈或提供欺诈信息的单词、短语或部分。例如，保险索赔可以声明客户手臂骨折，但客户急诊的临床文档可能不会声明相同的信息。如果文档中说客户可能会骨折，但结果并没有，那么软件可以检测到这一点，并将索赔标记为欺诈或可能是欺诈。

下面是Health Fidelity网站上的一幅截图。它详细说明了他们的软件平台，并显示了他们的术语引擎，以供高频揭示NLP:

健康富达不提供任何案例研究，显示保险公司的成功与他们的软件。

健康富达该公司没有在其网站上列出任何过去的保险客户的名字，但他们已经筹集了1930万美元的风险投资，并得到了UPMC的支持。

Raj女子是Health Fidelity的首席架构师。他拥有俄勒冈健康与科学大学电子工程硕士学位。之前，Tiwari是Surgent Networks的技术总监。

聊天机器人自动化任命和选择策略

软件进展

软件进展提供了一个称为Kinvey本地聊天软件，它声称可以帮助保险公司提供使用自然语言处理自助服务交易一个聊天机器人。

Kinvey原生聊天机器人用于自动安排约会时间，并为客户找到正确的保险单。有了这个解决方案，客户可以在没有代理的情况下完成这项工作，并为他们自己和客户公司节省时间。

我们可以推断出机器学习模型为他们的聊天机器人软件将需要几十万片断从客户文本聊天对话进行培训。这些对话将涉及到要求保险相关的问题，请求帮助，或者提出索赔。每个短语，术语和有关刑罚将根据其支持请求的类别标记是，它被标之后的数据科学家将算法公开这些数据。这将训练它识别文本的链，人类感知为客户服务请求和数据集的要求是指。

客户可以向聊天机器人发送信息，Progress Software的机器学习算法将能够将信息分类为与保险有关的问题，寻求帮助，或需要提出索赔。软件可能有一个关于分类正确程度的置信区间。它还将根据置信区间进行特定的操作，例如将用户导向正确的索赔页面。在一定比例下，聊天机器人会将消息发送给人类代理进行审查。

下面是一个显示本地聊天是如何帮助客户找到正确的保单很短的视频：