CN108985950A - 电子装置、用户骗保风险预警方法及存储介质 - Google Patents
电子装置、用户骗保风险预警方法及存储介质 Download PDFInfo
- Publication number
- CN108985950A CN108985950A CN201810768272.4A CN201810768272A CN108985950A CN 108985950 A CN108985950 A CN 108985950A CN 201810768272 A CN201810768272 A CN 201810768272A CN 108985950 A CN108985950 A CN 108985950A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- insurance fraud
- insures
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种电子装置、用户骗保风险预警方法及存储介质,所述方法包括:获取投保用户的网络访问记录信息;根据所述网络访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。能够发现潜在的骗保行为,降低骗保风险。
Description
技术领域
本发明涉及保险安全领域,尤其涉及一种电子装置、用户骗保风险预警方法及存储介质。
背景技术
随着汽车的普及,针对驾驶安全考虑,通常车主会购买保险公司相应的车险,以减少因车辆发生事故时,对人员及车辆的财产损失。
但是,目前针对汽车车险骗保行为不断发生,成为困扰保险公司的一件事情。且当前针对骗保,保险公司采取的措施仅仅局限于用户驾驶行为的研究,而对于用户所处的关系网络的研究比较少,比如若有客户属于团伙犯罪、团伙骗保等高危群体,则通过该客户所处的群体中其他客户的参保行为,便可发现潜在的骗保行为,降低骗保风险。
发明内容
有鉴于此,本发明提出一种电子装置、基于动态图片的人机识别方法及存储介质,能够提高了人机识别的准确性,且用户的识别过程简单,识别效率高。
首先,为实现上述目的,本发明提出一种电子装置,所述电子装置包括存储器、及与所述存储器连接的处理器,所述处理器用于执行所述存储器上存储的用户骗保风险预警程序,所述用户骗保风险预警程序被所述处理器执行时实现如下步骤:
A1、获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;
A2、根据所述一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;
A3、根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;
A4、根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;
A5、若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。
优选地,所述用户骗保风险预警程序被所述处理器执行时还实现如下步骤:
若确定的骗保概率值小于预设的骗保概率阈值,则确定该投保用户不存在骗保的风险,不需要针对该用户做骗保风险预警。
优选地,所述步骤A2包括:
根据所述一个或多个操作信息以及与所述操作信息相对应的时间信息,通过直接按照所述时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息,所述访问轨迹信息包括至少一个所述操作信息。
优选地,所述步骤A2包括:
通过对所述操作信息进行筛选后,按照所述操作信息相对应的时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息;
或者,通过对于所述操作信息相对应的时间信息进行筛选后,将所述操作信息确定为一条或多条该投保用户访问轨迹信息。
优选地,所述预先确定的聚类算法为基于密度的聚类算法,所述基于密度的聚类算法为DBscan算法。
此外,为实现上述目的,本发明还提出一种用户骗保风险预警方法,所述方法包括如下步骤:
S1、获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;
S2、根据所述一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;
S3、根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;
S4、根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;
S5、若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。
优选地,所述方法还实现如下步骤:
若确定的骗保概率值小于预设的骗保概率阈值,则确定该投保用户不存在骗保的风险,不需要针对该用户做骗保风险预警。
优选地,所述步骤A2包括:
根据所述一个或多个操作信息以及与所述操作信息相对应的时间信息,通过直接按照所述时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息,所述访问轨迹信息包括至少一个所述操作信息。
优选地,所述步骤A2包括:
通过对所述操作信息进行筛选后,按照所述操作信息相对应的时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息;
或者,通过对于所述操作信息相对应的时间信息进行筛选后,将所述操作信息确定为一条或多条该投保用户访问轨迹信息。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有用户骗保风险预警程序,所述用户骗保风险预警程序可被至少一个处理器执行,以使所述至少一个处理器执行如上所述的用户骗保风险预警方法的步骤。
本发明所提出的电子装置、用户骗保风险预警方法及存储介质,首先通过获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;然后根据所述网络访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;再次根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;最后根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。能够发现潜在的骗保行为,降低骗保风险。
附图说明
图1是本发明提出的电子装置一可选的硬件架构的示意图;
图2是本发明电子装置一实施例中用户骗保风险预警程序的程序模块示意图;
图3是本发明用户骗保风险预警方法较佳实施例的实施流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参阅图1所示,是本发明提出的电子装置一可选的硬件架构示意图。本实施例中,电子装置10可包括,但不仅限于,可通过通信总线14相互通信连接存储器11、处理器12、网络接口13。需要指出的是,图1仅示出了具有组件11-14的电子装置10,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,存储器11至少包括一种类型的计算机可读存储介质,计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器11可以是电子装置10的内部存储单元,例如电子装置10的硬盘或内存。在另一些实施例中,存储器11也可以是电子装置10的外包存储设备,例如电子装置10上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器11还可以既包括电子装置10的内部存储单元也包括其外包存储设备。本实施例中,存储器11通常用于存储安装于电子装置10的操作系统和各类应用软件,例如用户骗保风险预警程序等。此外,存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。处理器12通常用于控制电子装置10的总体操作。本实施例中,处理器12用于运行存储器11中存储的程序代码或者处理数据,例如运行的用户骗保风险预警程序等。
网络接口13可包括无线网络接口或有线网络接口,网络接口13通常用于在电子装置10与其他电子设备之间建立通信连接。
通信总线14用于实现组件11-13之间的通信连接。
图1仅示出了具有组件11-14以及用户骗保风险预警程序的电子装置10,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
可选地,电子装置10还可以包括用户接口(图1中未示出),用户接口可以包括显示器、输入单元比如键盘,其中,用户接口还可以包括标准的有线接口、无线接口等。
可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED触摸器等。进一步地,显示器也可称为显示屏或显示单元,用于显示在电子装置10中处理信息以及用于显示可视化的用户界面。
在一实施例中,存储器11中存储的用户骗保风险预警程序被处理器12执行时,实现如下操作:
A、获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;
具体地,可以根据各种通信协议,通过各类对应的数据传输接口,与存储或者提供所述访问记录信息的一个或多个数据库或其他第三方设备相交互,以获取所述数据库或所述第三方设备中所存储或提供的用户的访问记录信息;或者还可以根据各种通信协议,通过各类数据传输接口,与所述用户相对应的用户设备直接交互,例如通过获取在所述用户设备的浏览器等中所存储的访问历史记录信息,以获取所述用户的访问记录信息;进一步地,在获取投保用户的网络访问记录信息时,需根据所述用户的用户标识信息,例如身份证号码、驾驶证号码、手机号码、邮箱号码、注册名等,或者根据用户终端的终端标识信息,例如终端的MAC码等来确定是该投保用户的访问记录信息;具体地,所述用户标识信息以及所述用户终端的终端标识信息可以通过在用户购买车险的时候直接获取到。具体地,所述访问记录信息包括一个或多个操作信息以及与所述操作信息相对应的时间信息。在此,所述操作信息中包括但不限于操作方式信息(如搜索、点击、浏览等)、访问对象信息(如访问的网页链接、网页内容、访问的视频名称、视频简介、视频链接等信息)等,与所述操作信息相对应的时间信息中包括但不限于访问时间点和/或访问持续时间等。
B、根据所述网络访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;
具体地,根据所述访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,通过直接按照所述时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息;或者通过对所述操作信息进行筛选后,按照所述操作信息相对应的时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息;或者,通过对于所述操作信息相对应的时间信息进行筛选后,将所述操作信息确定为一条或多条该投保用户访问轨迹信息。其中,所述访问轨迹信息包括至少一个所述操作信息。
例如,所述访问记录信息中包含N个操作信息以及与所述N个操作信息所对应的时间信息,按照所述操作信息所对应的时间信息,将所述N个操作信息按时间顺序确定为一条用户访问轨迹信息;或者,对所述N个操作信息的操作方式信息(如搜索、点击、浏览等)进行筛选,将具有同样操作方式信息的操作信息按其所对应的时间信息确定为一条或多条用户访问轨迹信息;或者,根据所述N个操作信息所对应的访问对象信息,将相同或相似的访问对象信息所对应的操作信息,按照时间顺序确定为一条或多条访问轨迹;或者,对所述N个操作信息所对应的时间信息进行筛选,例如计算相邻两个操作信息之间的时间间隔信息,若所述时间间隔信息小于一定阈值,则将所述相邻两个操作信息保留以作为该投保用户访问轨迹信息中的操作信息,以此类推,直到相邻的两个操作信息之间的时间间隔信息超过所述阈值为止,从而使得连续的多个操作信息形成一条轨迹等。C、根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;
优选地,预先确定的聚类算法可以是,例如基于密度的聚类算法,在一实施例中,基于密度的聚类算法为DBscan算法,具体的该基于密度的聚类算法包括:以获取的该投保用户在预设时间内(例如,离当前时间点最近的半年内)的访问对象信息分别作为DBscan算法的不同输入对象,可以理解的是,获取到的访问对象信息所属的类别不同,可以根据类别分为不同的离散数据,并预设扫描半径e(例如,e=7天)以及最小包含点数minp(例如,minp=5,表示5类不同的访问对象信息),然后任选一个未被访问的点(访问对象信息的类别)开始,找出在时间间隔e之内(包括e)该点被访问(访问该类对象信息)的次数,若在时间间隔e之内该点被访问的次数大于或等于minp,则该点(当前的访问对象信息)与其他在时间间隔e之内被访问的次数大于或等于minp次的点形成一个簇(一个聚类的簇),并且开始点(在预设时间内第一次访问对象信息的类别)被标记为已访问点(已访问的对象信息,对应在本实施例中为用户相关的用户群体类别)。然后递归,以相同的方法处理该簇内所有未被访问的点(访问对象信息),从而对簇进行扩展。若在时间间隔e之内该点被访问的次数小于minp,则该点(访问对象信息)暂时被标记作为噪声点(非聚类的点,对应在本实施例中为用户不相关的用户群体类别),若簇充分地被扩展,即簇内的所有点被标记为已访问,则用同样的算法去处理未被访问的点(未被访问的访问对象信息)。通过这种聚类分析方法可以从获取到的用户访问对象信息中聚类出用户相关的用户群体,以及与用户不相关的用户群体。需要说明的是,在上述实施例中,DBscan算法中出现的点均指的是访问对象信息。
D、根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;
E、若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。
或者,若确定的骗保概率值小于预设的骗保概率阈值,则确定该投保用户不存在骗保的风险,不需要针对该用户做骗保风险预警。
由上述实施例可知,本发明提出的电子装置,首先通过获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;然后根据所述网络访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;再次根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;最后根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。能够发现潜在的骗保行为,降低骗保风险。
此外,本发明的用户骗保风险预警程序依据其各部分所实现的功能不同,可用具有相同功能的程序模块进行描述。请参阅图2所示,是本发明电子装置一实施例中用户骗保风险预警程序的程序模块示意图。本实施例中,用户骗保风险预警程序依据其各部分所实现的功能的不同,可以被分割成提示信息获取模块201、第一确定模块202、聚类模块203、第二确定模块204以及预警模块205。由上面的描述可知,本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述用户骗保风险预警程序在电子装置10中的执行过程。所述模块201-205所实现的功能或操作步骤均与上文类似,此处不再详述,示例性地,例如其中:
获取模块201用于获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;
第一确定模块202用于根据所述网络访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;
聚类模块203用于根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;
第二确定模块204用于根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;
预警模块205用于在若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。
此外,本发明还提出一种用户骗保风险预警方法,请参阅图3所示,所述用户骗保风险预警方法包括如下步骤:
S301、获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;
具体地,可以根据各种通信协议,通过各类对应的数据传输接口,与存储或者提供所述访问记录信息的一个或多个数据库或其他第三方设备相交互,以获取所述数据库或所述第三方设备中所存储或提供的用户的访问记录信息;或者还可以根据各种通信协议,通过各类数据传输接口,与所述用户相对应的用户设备直接交互,例如通过获取在所述用户设备的浏览器等中所存储的访问历史记录信息,以获取所述用户的访问记录信息;进一步地,在获取投保用户的网络访问记录信息时,需根据所述用户的用户标识信息,例如身份证号码、驾驶证号码、手机号码、邮箱号码、注册名等,或者根据用户终端的终端标识信息,例如终端的MAC码等来确定是该投保用户的访问记录信息;具体地,所述用户标识信息以及所述用户终端的终端标识信息可以通过在用户购买车险的时候直接获取到。具体地,所述访问记录信息包括一个或多个操作信息以及与所述操作信息相对应的时间信息。在此,所述操作信息中包括但不限于操作方式信息(如搜索、点击、浏览等)、访问对象信息(如访问的网页链接、网页内容、访问的视频名称、视频简介、视频链接等信息)等,与所述操作信息相对应的时间信息中包括但不限于访问时间点和/或访问持续时间等。
S302、根据所述网络访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;
具体地,根据所述访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,通过直接按照所述时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息;或者,通过对所述操作信息进行筛选后,按照所述操作信息相对应的时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息;或者,通过对于所述操作信息相对应的时间信息进行筛选后,将所述操作信息确定为一条或多条该投保用户访问轨迹信息。其中,所述访问轨迹信息包括至少一个所述操作信息。
例如,所述访问记录信息中包含N个操作信息以及与所述N个操作信息所对应的时间信息,按照所述操作信息所对应的时间信息,将所述N个操作信息按时间顺序确定为一条用户访问轨迹信息;或者,对所述N个操作信息的操作方式信息(如搜索、点击、浏览等)进行筛选,将具有同样操作方式信息的操作信息按其所对应的时间信息确定为一条或多条用户访问轨迹信息;或者,根据所述N个操作信息所对应的访问对象信息,将相同或相似的访问对象信息所对应的操作信息,按照时间顺序确定为一条或多条访问轨迹;或者,对所述N个操作信息所对应的时间信息进行筛选,例如计算相邻两个操作信息之间的时间间隔信息,若所述时间间隔信息小于一定阈值,则将所述相邻两个操作信息保留以作为该投保用户访问轨迹信息中的操作信息,以此类推,直到相邻的两个操作信息之间的时间间隔信息超过所述阈值为止,从而使得连续的多个操作信息形成一条轨迹等。
S303、根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;
优选地,预先确定的聚类算法可以是,例如基于密度的聚类算法,在一实施例中,基于密度的聚类算法为DBscan算法,具体的该基于密度的聚类算法包括:以获取的该投保用户在预设时间内(例如,离当前时间点最近的半年内)的访问对象信息分别作为DBscan算法的不同输入对象,可以理解的是,获取到的访问对象信息所属的类别不同,可以根据类别分为不同的离散数据,并预设扫描半径e(例如,e=7天)以及最小包含点数minp(例如,minp=5,表示5类不同的访问对象信息),然后任选一个未被访问的点(访问对象信息的类别)开始,找出在时间间隔e之内(包括e)该点被访问(访问该类对象信息)的次数,若在时间间隔e之内该点被访问的次数大于或等于minp,则该点(当前的访问对象信息)与其他在时间间隔e之内被访问的次数大于或等于minp次的点形成一个簇(一个聚类的簇),并且开始点(在预设时间内第一次访问对象信息的类别)被标记为已访问点(已访问的对象信息,对应在本实施例中为用户相关的用户群体类别)。然后递归,以相同的方法处理该簇内所有未被访问的点(访问对象信息),从而对簇进行扩展。若在时间间隔e之内该点被访问的次数小于minp,则该点(访问对象信息)暂时被标记作为噪声点(非聚类的点,对应在本实施例中为用户不相关的用户群体类别),若簇充分地被扩展,即簇内的所有点被标记为已访问,则用同样的算法去处理未被访问的点(未被访问的访问对象信息)。通过这种聚类分析方法可以从获取到的用户访问对象信息中聚类出用户相关的用户群体,以及与用户不相关的用户群体。需要说明的是,在上述实施例中,DBscan算法中出现的点均指的是访问对象信息。
S304、根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体若确定的骗保概率值小于预设的骗保概率阈值,则确定该投保用户不存在骗保的风险,不需要针对该用户做骗保风险预警。中的用户骗保的概率值;
S305、若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。
或者,若确定的骗保概率值小于预设的骗保概率阈值,则确定该投保用户不存在骗保的风险,不需要针对该用户做骗保风险预警。
由上述实施例可知,本发明提出的用户骗保风险预警方法,首先通过获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;然后根据所述网络访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;再次根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;最后根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。能够发现潜在的骗保行为,降低骗保风险。
此外,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有用户骗保风险预警程序,所述用户骗保风险预警程序被处理器执行时实现如下操作:
获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;
根据所述网络访问记录信息中的一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;
根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;
根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;
若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。
本发明计算机可读存储介质具体实施方式与上述电子装置以及用户骗保风险预警方法各实施例基本相同,在此不作累述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电子装置,其特征在于,所述电子装置包括存储器、及与所述存储器连接的处理器,所述处理器用于执行所述存储器上存储的用户骗保风险预警程序,所述用户骗保风险预警程序被所述处理器执行时实现如下步骤:
A1、获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;
A2、根据所述一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;
A3、根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;
A4、根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;
A5、若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。
2.如权利要求1所述的电子装置,其特征在于,所述用户骗保风险预警程序被所述处理器执行时还实现如下步骤:
若确定的骗保概率值小于预设的骗保概率阈值,则确定该投保用户不存在骗保的风险,不需要针对该用户做骗保风险预警。
3.如权利要求2所述的电子装置,其特征在于,所述步骤A2包括:
根据所述一个或多个操作信息以及与所述操作信息相对应的时间信息,通过直接按照所述时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息,所述访问轨迹信息包括至少一个所述操作信息。
4.如权利要求3所述的电子装置,其特征在于,所述步骤A2包括:
通过对所述操作信息进行筛选后,按照所述操作信息相对应的时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息;
或者,通过对于所述操作信息相对应的时间信息进行筛选后,将所述操作信息确定为一条或多条该投保用户访问轨迹信息。
5.如权利要求1-4任一项所述的电子装置,其特征在于,所述预先确定的聚类算法为基于密度的聚类算法,所述基于密度的聚类算法为DBscan算法。
6.一种用户骗保风险预警方法,其特征在于,所述方法包括如下步骤:
S1、获取投保用户的网络访问记录信息,其中,所述访问记录信息中包括一个或多个操作信息以及与所述操作信息相对应的时间信息;
S2、根据所述一个或多个操作信息以及与所述操作信息相对应的时间信息,确定一条或多条该投保用户的访问轨迹信息;
S3、根据预先确定的聚类算法将确定的该投保用户的访问轨迹信息进行聚类分析,以得到该投保用户所属的客户群体;
S4、根据预先存储的客户群体与用户骗保概率值之间的映射关系,确定该投保用户所属的客户群体中的用户骗保的概率值;
S5、若确定的骗保概率值大于或者等于预设的骗保概率阈值,则确定该投保用户存在骗保的风险,需要针对该用户做骗保风险预警。
7.如权利要求6所述的用户骗保风险预警方法,其特征在于,所述方法还实现如下步骤:
若确定的骗保概率值小于预设的骗保概率阈值,则确定该投保用户不存在骗保的风险,不需要针对该用户做骗保风险预警。
8.如权利要求7所述的用户骗保风险预警方法,其特征在于,所述步骤A2包括:
根据所述一个或多个操作信息以及与所述操作信息相对应的时间信息,通过直接按照所述时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息,所述访问轨迹信息包括至少一个所述操作信息。
9.如权利要求8所述的用户骗保风险预警方法,其特征在于,所述步骤A2包括:
通过对所述操作信息进行筛选后,按照所述操作信息相对应的时间信息将所述操作信息确定为一条或多条该投保用户访问轨迹信息;
或者,通过对于所述操作信息相对应的时间信息进行筛选后,将所述操作信息确定为一条或多条该投保用户访问轨迹信息。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有用户骗保风险预警程序,所述用户骗保风险预警程序可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求6-9中任一项所述的用户骗保风险预警方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810768272.4A CN108985950B (zh) | 2018-07-13 | 2018-07-13 | 电子装置、用户骗保风险预警方法及存储介质 |
PCT/CN2018/107679 WO2020010712A1 (zh) | 2018-07-13 | 2018-09-26 | 电子装置、用户骗保风险预警方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810768272.4A CN108985950B (zh) | 2018-07-13 | 2018-07-13 | 电子装置、用户骗保风险预警方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108985950A true CN108985950A (zh) | 2018-12-11 |
CN108985950B CN108985950B (zh) | 2023-04-18 |
Family
ID=64537195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810768272.4A Active CN108985950B (zh) | 2018-07-13 | 2018-07-13 | 电子装置、用户骗保风险预警方法及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108985950B (zh) |
WO (1) | WO2020010712A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852893A (zh) * | 2019-10-12 | 2020-02-28 | 中国平安财产保险股份有限公司 | 基于海量数据的风险识别方法、系统、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013126281A1 (en) * | 2012-02-24 | 2013-08-29 | Lexisnexis Risk Solutions Fl Inc. | Systems and methods for putative cluster analysis |
CN105488046A (zh) * | 2014-09-16 | 2016-04-13 | 钛马信息网络技术有限公司 | 基于车辆保险业务的大数据分析系统 |
CN107194815A (zh) * | 2016-11-15 | 2017-09-22 | 平安科技(深圳)有限公司 | 客户分类方法及系统 |
CN107563429A (zh) * | 2017-07-27 | 2018-01-09 | 国家计算机网络与信息安全管理中心 | 一种网络用户群体的分类方法及装置 |
CN107657376A (zh) * | 2017-09-26 | 2018-02-02 | 武汉默联股份有限公司 | 商业健康保险骗保风险控制系统及方法 |
CN107798557A (zh) * | 2017-09-30 | 2018-03-13 | 平安科技(深圳)有限公司 | 电子装置、基于lbs数据的服务场所推荐方法及存储介质 |
CN107862614A (zh) * | 2017-11-08 | 2018-03-30 | 广东翼卡车联网服务有限公司 | 一种防止车险骗保的方法、存储设备及车载终端 |
CN108257033A (zh) * | 2018-01-12 | 2018-07-06 | 中国平安人寿保险股份有限公司 | 一种保单分析方法、装置、终端设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874356B (zh) * | 2016-12-28 | 2018-08-21 | 平安科技(深圳)有限公司 | 地理位置信息管理方法和装置 |
CN107689008A (zh) * | 2017-06-09 | 2018-02-13 | 平安科技(深圳)有限公司 | 一种用户投保行为预测的方法及装置 |
CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
-
2018
- 2018-07-13 CN CN201810768272.4A patent/CN108985950B/zh active Active
- 2018-09-26 WO PCT/CN2018/107679 patent/WO2020010712A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013126281A1 (en) * | 2012-02-24 | 2013-08-29 | Lexisnexis Risk Solutions Fl Inc. | Systems and methods for putative cluster analysis |
CN105488046A (zh) * | 2014-09-16 | 2016-04-13 | 钛马信息网络技术有限公司 | 基于车辆保险业务的大数据分析系统 |
CN107194815A (zh) * | 2016-11-15 | 2017-09-22 | 平安科技(深圳)有限公司 | 客户分类方法及系统 |
CN107563429A (zh) * | 2017-07-27 | 2018-01-09 | 国家计算机网络与信息安全管理中心 | 一种网络用户群体的分类方法及装置 |
CN107657376A (zh) * | 2017-09-26 | 2018-02-02 | 武汉默联股份有限公司 | 商业健康保险骗保风险控制系统及方法 |
CN107798557A (zh) * | 2017-09-30 | 2018-03-13 | 平安科技(深圳)有限公司 | 电子装置、基于lbs数据的服务场所推荐方法及存储介质 |
CN107862614A (zh) * | 2017-11-08 | 2018-03-30 | 广东翼卡车联网服务有限公司 | 一种防止车险骗保的方法、存储设备及车载终端 |
CN108257033A (zh) * | 2018-01-12 | 2018-07-06 | 中国平安人寿保险股份有限公司 | 一种保单分析方法、装置、终端设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852893A (zh) * | 2019-10-12 | 2020-02-28 | 中国平安财产保险股份有限公司 | 基于海量数据的风险识别方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020010712A1 (zh) | 2020-01-16 |
CN108985950B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190005588A1 (en) | Enhancement using analytics based on vehicle kinematic data | |
CN109919781A (zh) | 团伙欺诈案件识别方法、电子装置及计算机可读存储介质 | |
CN107688987A (zh) | 电子装置、保险推荐方法、及计算机可读存储介质 | |
CN111460312A (zh) | 空壳企业识别方法、装置及计算机设备 | |
CN107818506A (zh) | 电子装置、信贷风险控制方法及存储介质 | |
CN106156151A (zh) | 互联网操作事件的风险识别方法及装置 | |
CN108510400B (zh) | 汽车保险信息处理方法及装置、服务器及可读存储介质 | |
CN107657051A (zh) | 一种图片标签的生成方法、终端设备及存储介质 | |
CN109636424A (zh) | 一种车辆信息的管理方法及相关设备 | |
CN113641994B (zh) | 基于图数据的数据处理方法及系统 | |
CN109376178A (zh) | 时空大数据轨迹分析平台、方法、服务器及存储介质 | |
CN109214258A (zh) | 失驾人员违规驾驶的检测方法及装置 | |
CN109191180A (zh) | 评价的获取方法及装置 | |
Chen et al. | Driving behaviors analysis based on feature selection and statistical approach: a preliminary study | |
CN113423063A (zh) | 基于车载t-box的车辆监控方法、装置、车辆及介质 | |
CN106779692A (zh) | 一种车载支付方法及装置 | |
CN111401690A (zh) | 车队风险识别方法、电子装置及可读存储介质 | |
CN108985950A (zh) | 电子装置、用户骗保风险预警方法及存储介质 | |
CN106982213A (zh) | 一种应用于车载设备的网络攻击防御方法及相关装置 | |
CN109063435A (zh) | 车辆功能权限解锁方法与装置 | |
CN103595573B (zh) | 一种策略规则的下发方法及装置 | |
CN107784625A (zh) | 电子装置、虚拟样本生成方法及存储介质 | |
CN113095281A (zh) | 套牌车识别方法、装置、电子设备及存储介质 | |
CN110674749B (zh) | 套牌车识别方法、装置和存储介质 | |
CN107844520A (zh) | 电子装置、车辆数据导入方法及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |