Traitement du langage : Clauses
bénéficiaires
bénéficiaires
< Retour
#NLP #Traitement du langage naturel #Deep Learning #Clauses bénéficiaires #Détection des entités #Date #Personnes physique #Adresse #Relation familiale
Objectifs de la mission
- Extraire les éléments d’intérêt (nom, prénoms, date de naissance, type de relation, adresse, …) dans les clauses bénéficiaires librement rédigées afin de les imputer dans une base de données
- Construire un modèle prédictif permettant d’identifier les clauses complexes, c’est-à-dire celles qui prendront beaucoup de temps à être traitées par le gestionnaire en cas de survenance de sinistre
Travaux realisés
- Récupération et retraitement des clauses, tagging des entités d'intérêt
- Entraînement et validation du modèle
- Analyse de la pertinence et de la performance du modèle
- Entrainement et validation du modèle de prédiction de la durée de traitement de la clause
- Rédaction du rapport et réalisation des supports de présentation
Livrables
- Une base des bénéficiaires extraite des clauses
- Le modèle d'identification des entités, ainsi que ses métriques de performance
- Le modèle de prédiction des durées de traitement des clauses
- Les rapports sur la conception et l'évaluation des modèles
- Les supports de présentation des modèles et de leurs performances
122211.Gains 1
- Constitution de la base des bénéficiaires
- Anticipation dans la recherche des clauses bénéficiaires libres, qui peuvent être complexes. Au moment du traitement, cela aide à raccourcir les délais de traitement et à améliorer l'expérience des clients
- En conséquence, la réduction du nombre de contrats en déshérence contribue à réduire le risque d'être pénalisé par le régulateur
Ciblage : Activation des clients dormants
Découvrir
Computer vision : Lecture automatique des pièces d’identité
Découvrir
< Retour