CN109377361A - 基于大数据分析的保险理赔监管库的建设方法及装置 - Google Patents
基于大数据分析的保险理赔监管库的建设方法及装置 Download PDFInfo
- Publication number
- CN109377361A CN109377361A CN201811089675.2A CN201811089675A CN109377361A CN 109377361 A CN109377361 A CN 109377361A CN 201811089675 A CN201811089675 A CN 201811089675A CN 109377361 A CN109377361 A CN 109377361A
- Authority
- CN
- China
- Prior art keywords
- insurance
- history
- settlement
- biological information
- case
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007405 data analysis Methods 0.000 title claims abstract description 43
- 238000005516 engineering process Methods 0.000 claims abstract description 24
- 230000006399 behavior Effects 0.000 claims description 26
- 238000010276 construction Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000001815 facial effect Effects 0.000 description 48
- 238000010586 diagram Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 241000209202 Bromus secalinus Species 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000009333 weeding Methods 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请揭示了一种基于大数据分析的保险理赔监管库的建设方法及装置,其中方法包括:获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息;对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数;将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息;将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库。本申请通过形成保险理赔监管库,借助生物识别技术来快速地识别出办理当前保险理赔案件的当前客户是否为黄牛,有效地防止黄牛骗保欺诈,保障了保险公司的利益。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种基于大数据分析的保险理赔监管库的建设方法及装置。
背景技术
黄牛,有一种解释是指恃力气或利用不正当手法抢购物资以及车票、门票后高价出售而从中取利的人,目前,这个词已衍生到多个行业。其中,保险行业也会存在黄牛,黄牛活跃在交通人伤事故的处理理赔过程,一边收取高额代理费甚至用少量资金买断伤者的赔付,另一边通过造假向保险公司“狮子大开口”索赔,然后将大部分保险赔偿金纳入私囊。保险行业的黄牛给保险公司带来了一定的麻烦,黄牛通过造假,使得保险公司需要赔付更多的不必要的费用,黄牛的非法代理诉讼行为风险小,收益大,而职能部门又很难对其进行处罚。
目前保险公司的理赔业务人员在办理理赔案件时,有些理赔案件是由一些身份为黄牛的客户作为投保方来处理理赔的案件,这些黄牛通过做一些假账或假记录来进行骗保或夸大案件情况以争取到更多的非法利益。理赔业务人员只能凭借自身的工作经验来识别当前的客户是否为黄牛,识别速度慢且准确率不高,并且市场业内的保险公司目前也还没有出现能够借助生物识别技术来快速识别出当前客户是否为黄牛的数据库产品。
因此提供一种借助生物识别技术来快速识别出当前客户是否为黄牛的数据库产品是亟需解决的问题。
发明内容
本申请的主要目的为提供一种能够能够借助生物识别技术来快速识别出当前客户是否为黄牛的数据库产品的建设方法及装置。
为了实现上述申请目的,本申请提出一种保险理赔监管库的建设方法,包括:
获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息;
对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数;
将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息;
将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库。
优选地,所述获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息的步骤,包括:
获取由指定设备采集的每一个所述历史保险理赔案件对应的客户的历史生物特征信息;
判断同一个所述历史保险理赔案件内是否存在相同的历史生物特征信息;
若是,保留所述相同的历史生物特征信息中的一个历史生物特征信息。
优选地,所述判断同一个历史保险理赔案件内是否存在相同的历史生物特征信息的步骤,包括:
对所述同一个所述历史保险理赔案件内的所有历史生物特征信息进行相似度比较;
判断是否存在相似度大于预设的第一相似度阈值的多个历史生物特征信息;
若是,则判定同一个历史保险理赔案件内存在相同的历史生物特征信息,否则判定同一个历史保险理赔案件内不存在相同的历史生物特征信息。
优选地,所述对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数的步骤,包括:
将每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较;
记录相似度大于预设的第二相似度阈值的历史生物特征信息的数量值;
将所述数量值加1,得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数。
优选地,所述将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库的步骤之后,包括:
获取办理当前保险理赔案件的当前客户的当前生物特征信息;
通过生物识别技术,将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配;
若匹配成功,将所述当前客户识别为黄牛。
优选地,所述将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配的步骤,包括:
通过所述当前客户的当前生物特征信息判断出所述当前客户的性别信息及年龄信息;
筛选出所述保险理赔监管库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息;
将所述当前客户的当前生物特征信息和所述黄牛信息库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息进行匹配。
优选地,所述通过生物识别技术,将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配的步骤之后,包括:
若匹配不成功,获取业务人员对所述当前客户的行为作出的评价信息;
通过所述评价信息判断所述当前客户是否为黄牛;
若是,将所述当前客户的当前生物特征信息加入所述保险理赔监管库。
本申请还提供一种基于大数据分析的保险理赔监管库的建设装置,包括:
第一获取模块,用于获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息;
分析模块,用于对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数;
标记模块,用于将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息;
形成模块,用于将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于大数据分析的保险理赔监管库的建设方法及装置,通过获取每一个历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数,再将筛选出在所有的历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息,并将黄牛生物特征信息存储到预设的数据库中来形成保险理赔监管库。本申请通过建设存储有黄牛生物特征信息的保险理赔监管库,并将采集到的当前客户的当前生物特征信息与保险理赔监管库内的黄牛生物特征信息进行匹配,若匹配成功便可确定当前客户的黄牛身份,借助生物识别技术来快速地识别出当前办理保险理赔案件的当前客户是否为黄牛,从而有效地防止黄牛骗保欺诈,保障保险公司的利益。
附图说明
图1为本申请一实施例的基于大数据分析的保险理赔监管库的建设方法的流程示意图;
图2为本申请一实施例的基于大数据分析的保险理赔监管库的建设装置的结构示意图;
图3为本申请一实施例的基于大数据分析的保险理赔监管库的建设装置的第一获取模块的结构示意图;
图4为本申请一实施例的基于大数据分析的保险理赔监管库的建设装置的第一判断单元的结构示意图;
图5为本申请一实施例的基于大数据分析的保险理赔监管库的建设装置的分析模块的结构示意图;
图6为本申请一实施例的基于大数据分析的保险理赔监管库的建设装置的结构示意图;
图7为本申请一实施例的基于大数据分析的保险理赔监管库的建设装置的匹配模块的结构示意图;
图8为本申请一实施例的基于大数据分析的保险理赔监管库的建设装置的结构示意图;
图9为本申请一实施例的计算机设备的结构示意图。
本申请目的的实现、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
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请一实施例提供一种基于大数据分析的保险理赔监管库的建设方法,包括步骤:
S1:获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息。
如上述步骤S1所述,历史保险理赔案件,是指在当前保险理赔案件出现的时刻之前,所记录下的每一个保险理赔案件;历史客户是指在当前客户出现的时刻之前所记录下的每一个客户。在处理历史保险理赔案件时,业务人员会通过一些指定的智能设备来采集与每一个历史保险理赔案件对应的历史客户的生物特征信息,其中,生物特征信息包括指纹、人脸图像、虹膜等。将每一个历史保险理赔案件与对应的历史客户的生物特征信息作为历史数据,对应存储到一个历史数据库,通过对该历史数据库内的历史数据进行分析,便可明确知道历史客户办理保险理赔案件的情况,举例地,出现了同一个客户同时参与了多个不同的保险理赔案件的情况。
S2:对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数。
S3:将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息。
如上述步骤S2和S3所述,黄牛,有一种解释是指恃力气或利用不正当手法抢购物资以及车票、门票后高价出售而从中取利的人,目前,这个词已衍生到各个行业。其中,保险行业也会存在黄牛,黄牛活跃在交通人伤事故的处理理赔过程,一边收取高额代理费甚至用少量资金买断伤者的赔付,另一边通过造假向保险公司“狮子大开口”索赔,然后将大部分保险赔偿金纳入私囊。后续提到的所述的黄牛均是指在保险行业的黄牛。可通过对存储的每一个历史保险理赔案件与对应的历史客户的生物特征信息进行数据分析处理,即将每一个历史保险案件内的历史生物特征信息分别与其它的历史保险理赔案件内的历史生物特征一一进行比对,找出每一个历史保险案件内的历史生物特征信息在其它的历史保险案件中出现的次数,便可得出每一个历史保险理赔案件内的历史生物特征信息在所有的历史保险理赔案件中出现的次数。设置一个黄牛规则,如果某一个历史保险理赔案件内的历史生物特征信息在所有的历史保险理赔案件中出现频繁,即出现的次数过多,大于一个指定值,则表明着同一个历史客户同时参与了多个不同的历史保险理赔案件,则可将该同时参与了多个不同的历史保险理赔案件的历史客户视为黄牛。具体地,设置一个预设值,当某一个历史保险理赔案件内的历史生物特征信息在所有的历史保险理赔案件中出现的次数大于上述预设值,则将上述的某一个历史保险理赔案件内的历史生物特征信息所对应的历史客户的身份确定为黄牛,并将在所有的上述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息,该黄牛生物特征信息对应着黄牛身份。举例地,将预设值设置为3,如果在所有的历史保险理赔案件中,同一个客户的历史生物特征信息出现在所有的历史保险理赔案件的次数为3次及3次以上,则可将该客户视为黄牛。另外,将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息。在处理当前的保险理赔案件时,若采集到的当前客户的生物特征信息存在于上述黄牛生物特征信息内,则可将当前客户的身份确定为黄牛。
S4:将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库。
如上述步骤S4所述,将上述黄牛生物特征信息筛选出来,并存储到预设的数据库中形成保险理赔监管库。由于保险理赔监管库内存储有黄牛生物特征信息,且黄牛生物特征信息对应着黄牛身份,当出现作为黄牛身份的客户来尝试在保险理赔案件中骗保欺诈的情况,便可通过保险理赔监管库,并借助生物识别技术来快速识别出当前客户的黄牛身份,即通过生物识别技术,将采集到的当前客户的当前生物特征信息与保险理赔监管库内的黄牛生物特征信息进行匹配,若匹配成功便可确定当前客户的黄牛身份,从而防止黄牛骗保欺诈的行为发生,保障了保险公司的利益。
进一步地,本申请一实施例中,步骤S1,包括:
S10:获取由指定设备采集的每一个所述历史保险理赔案件对应的客户的历史生物特征信息。
如上述步骤S10所述,上述指定设备根据需要采集的生物特征信息所需设备决定,假若采集的是客户的人脸图像或虹膜,则采用对应的摄像类设备;假若采集的是客户的指纹,则采用对应的指纹提取类设备。通过指定设备,便能采集到每一个历史保险理赔案件对应的客户的历史生物特征信息。
S11:判断同一个所述历史保险理赔案件内是否存在相同的历史生物特征信息。
如上述步骤S11所述,可为每一个不同的历史保险案件设置一一对应的案件号,案件号为利用有序或无序的任意数字或英文等符号对每一个保险理赔案件编号数,来对不同的保险理赔案件起标记和区分作用,通过为每一个历史保险理赔案件设置一一对应的案件号,能清楚地区分出不同的历史保险理赔案件,而具有相同案件号的历史保险理赔案件指的就是同一个历史保险理赔案件。在处理同一个历史保险理赔案件时,通过指定设备采集历史客户的历史生物特征信息时,可能出现指定设备对同一历史客户的历史生物特征信息进行了多次采集的情况,举例地,在案件号为1的历史保险理赔案件中,通过从指定设备(头戴式摄像头)拍摄的视频流V1中截取出了多张人脸图像a、b、c、d,其中,可能出现a和b是同一个人的不同时刻的人脸图像的情况。
S12:若是,保留所述相同的历史生物特征信息中的一个历史生物特征信息。
如上述步骤S12所述,若同一件历史保险理赔案件内出现了相同的历史生物特征信息,则只保留相同的历史生物特征信息中的一个生物特征信息,从而剔除掉了重复的人脸图像,减少了需要存储的人脸图像数据,并节省了上述历史数据库的存储空间。举例地,通过从指定设备(头戴式摄像头)拍摄的视频流V1中截取出了多张人脸图像a、b、c、d,其中a和b是同一个人的不同时刻的人脸图像,则剔除掉a与b中的任意一张人脸图像,只保留剩下的不重复的3张人脸图像(a、c、d或b、c、d),从而减少了需要存储的人脸图像数据,节省了历史数据库的存储空间。
进一步地,本申请另一实施例中,步骤S11,包括:
S110:对所述同一个所述历史保险理赔案件内的所有历史生物特征信息进行相似度比较。
S111:判断是否存在相似度大于预设的第一相似度阈值的多个历史生物特征信息;
S112:若是,则判定同一个历史保险理赔案件内存在相同的历史生物特征信息,否则判定同一个历史保险理赔案件内不存在相同的历史生物特征信息。
如上述步骤S110至S112所述,预先设置用于判断相似度程度的第一相似度阈值,通过对同一个历史保险理赔案件内的所有历史生物特征信息进行相似度比较,若存在相似度大于预设的第一相似度阈值的多个的历史生物特征信息,则可将上述多个的历史生物特征信息视为相同的生物特征信息。举例地,第一相似度阈值为0.95,对于包含人脸图像a、b、c、d的同一个保险理赔案件,若其中a和b的相似度为0.96,则可将a和b视为相同的人脸图像,若其中a和c的相似度为0.98,则可将a和c视为相同的人脸图像。
进一步地,本申请一实施例中,步骤S2,包括:
S20:将每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较。
如上述步骤S20所述,通过将每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较,来判断每一个历史客户的历史生物特征信息是否存在于其它不同的历史保险案件中,即判断是否出现了同一个历史客户同时办理了不同的历史保险理赔案件的情况。
S21:记录相似度大于预设的第二相似度阈值的历史生物特征信息的数量值。
如上述步骤S21所述,预先设置用于判断相似度程度的第二相似度阈值,通过对每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较,若存在相似度大于预设的第二相似度阈值的多个历史生物特征信息,则可将上述多个的历史生物特征信息视为相同的历史生物特征信息,并记录下相似度大于第二相似度阈值的历史生物特征信息的数量值。
S22:将所述数量值加1,得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数。
如上述步骤S22所述,由于是将每一个历史保险理赔案件内的历史生物特征信息分别与其它的历史保险理赔案件内的历史生物特征一一进行相似度比较,并记录相似度大于预设的第二相似度阈值的历史生物特征信息的数量值,之后将所记录的相似度大于预设的第二相似度阈值的历史生物特征信息的数量值加1后得到的值,即代表了得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数。举例地,将第二相似度阈值设为0.95,针对历史保险理赔案件1,将历史保险理赔案件1内的人脸图像a,与其它的历史保险理赔案件内的历史生物特征一一进行相似度比较后,得到与人脸图像w的相似度为0.98的人脸图像x、与人脸图像w的相似度为0.97的人脸图像y、以及与人脸图像w的相似度为0.99的人脸图像z,则记录的数量值为3(代表的是x,y,z的加起来的数量),而人脸图像w在所有的历史保险理赔案件中出现的次数为3+1的值4(代表的是x,y,z的加起来的数量再加上w本身)。
进一步地,本申请另一实施例中,步骤S4之后,包括:
S5:获取办理当前保险理赔案件的当前客户的当前生物特征信息;
如上述步骤S5所述,当前客户的当前生物特征信息,是指在步骤S1获取到了历史客户的生物特征信息的时刻之后,在当前保险理赔案件中所采集到的新的生物特征信息。
S6:通过生物识别技术,将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配;
如上述步骤S6所述,由于保险理赔监管库存储有黄牛生物特征信息,通过生物识别技术,来将上述当前客户的当前生物特征信息与保险理赔监管库内的黄牛生物特征信息进行匹配,进而判断出保险理赔监管库内是否存储有上述当前客户的当前生物特征信息。
S7:若匹配成功,将所述当前客户识别为黄牛。
如上述步骤S7所述,如果匹配成功,即保险理赔监管库内存在与当前客户的当前生物特征信息相同的黄牛生物特征信息,则可将当前客户识别为黄牛,并对业务人员发出显示预警,告知业务人员当前客户的身份为黄牛。通过创建存储有黄牛生物特征信息的保险理赔监管库,能快速地判断出办理当前保险理赔案件的当前客户是否为黄牛,从而有效地防止黄牛骗保欺诈,并保障保险公司的利益。
进一步地,本申请另一实施例中,步骤S6,包括:
S60:通过所述当前客户的当前生物特征信息判断出所述当前客户的性别信息及年龄信息。
如上述步骤S60所述,可先通过纹理信息、皱纹作为人体性别与人体年龄的信息特征,采用纹理提取算法提取出当前客户的性别信息特征及年龄信息特征,通过人体性别识别模型以及人体年龄识别模型从当前客户的当前生物特征信息判断出其的性别信息及年龄信息。
S61:筛选出所述保险理赔监管库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息。
如上述步骤S61所述,可预先将保险理赔监管库内所有的黄牛生物特征信息根据性别和年龄进行分类,从而能从保险理赔监管库内快速筛选出与当前客户的性别信息及年龄信息一致的黄牛生物特征信息。
S62:将所述当前客户的当前生物特征信息和所述保险理赔监管库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息进行匹配。
如上述步骤S62所述,通过剔除掉保险理赔监管库内与当前客户的性别信息及年龄信息不符合的黄牛生物特征信息,再将当前客户的当前生物特征信息与筛选出的保险理赔监管库内与当前客户的性别信息及年龄信息相符合的黄牛生物特征信息进行匹配,能快速地判断出保险理赔监管库内是否存在与当前客户的当前生物特征信息相匹配的黄牛生物特征信息,有效地提高了判断当前客户是否为黄牛的速度。举例地,假设当前的保险理赔监管库内有100000个人脸图像,从采集到的当前客户的人脸图像能判断出该客户的性别信息为男及年龄信息为30-40岁区间,经过对保险理赔监管库内的100000个人脸图像进行筛选,其中性别信息为男及年龄信息为30-40岁区间的人脸图像数量为60000个,则可直接将客户的生物特征信息与保险理赔监管库内的性别信息为男及年龄信息为30-40岁区间的人脸数量为60000个的人脸图像来进行匹配比对,而不需要与保险理赔监管库内全部的人脸图像进行匹配比对,减少了对当前客户的生物特征信息的匹配次数,大大提高了匹配的速度和精度,并能快速准确地判断出当前客户的身份是否为黄牛。
进一步地,本申请另一实施例中,步骤S6之后,包括:
S600:若匹配不成功,获取业务人员对所述当前客户的行为作出的评价信息。
如上述步骤S600所述,如果在保险理赔监管库内没有找到与当前客户的当前生物特征信息相匹配的黄牛生物特征信息,从保险理赔监管库的角度上看,表明当前客户的身份不是黄牛,但由于存在当前客户可能初次作为黄牛角色的可能性,为了避免当前客户为黄牛身份但保险理赔监管库内并未存储有其黄牛生物特征信息,则需要业务人员认真观察当前客户在办理保险理赔案件处理过程中表现出的行为,并对当前客户的行为作出客观真实的评价。
S601:根据所述评价信息判断所述当前客户是否为黄牛。
如上述步骤S601所述,假如当前客户在保险理赔案件处理过程中表现出了骗保欺诈的行为,且业务人员的评价信息涉及了当前客户的骗保的行为,则将当前客户识别为黄牛。通过加入业务人员对当前客户的行为的评价步骤,可以有效避免当前客户实际为黄牛,但保险理赔监管库内并未存储有其生物特征信息,从而没有将当前客户作为黄牛来对待处理的情况,进而有效地防止了初次作为黄牛的客户的骗保的行为,保障了保险公司的利益。
S602:若是,将所述当前客户的当前生物特征信息加入所述保险理赔监管库。
如上述步骤S602所述,当确定了当前客户表现出了骗保的行为,便将采集到的当前客户的生物特征信息标记为黄牛生物特征信息,并加入到保险理赔监管库内,那么假如当前客户以黄牛的身份出现再一次骗保的行为时,可以直接通过保险理赔监管库内来匹配到该客户的生物特征信息而将其黄牛的身份识别出来,而不需要业务人员对该客户在保险案件处理过程中表现出的行为进行评价来判断该客户是否为黄牛,能有效地简化业务人员的工作。相比于业务员的人工评价,通过保险理赔监管库对该客户进行生物特征信息的匹配来识别其是否为黄牛,更加高效便捷,省时省力。
综上所述,本申请的基于大数据分析的保险理赔监管库的建设方法,通过获取每一个历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数,再将筛选出在所有的历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息,并将黄牛生物特征信息存储到预设的数据库中来形成保险理赔监管库。本申请通过建设存储有黄牛生物特征信息的保险理赔监管库,借助生物识别技术来快速地识别出当前办理保险理赔案件的当前客户是否为黄牛,从而有效地防止黄牛骗保欺诈,保障保险公司的利益。
参照图2,本申请实施例中还提供一种基于大数据分析的保险理赔监管库的建设装置,包括:
第一获取模块1,用于获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息;
在上述第一获取模块中,历史保险理赔案件,是指在当前保险理赔案件出现的时刻之前,所记录下的每一个保险理赔案件;历史客户是指在当前客户出现的时刻之前所记录下的每一个客户。在处理历史保险理赔案件时,业务人员会通过一些指定的智能设备来采集与每一个历史保险理赔案件对应的历史客户的生物特征信息,其中,生物特征信息包括指纹、人脸图像、虹膜等。将每一个历史保险理赔案件与对应的历史客户的生物特征信息作为历史数据对应存储到一个历史数据库,通过对历史数据库内的历史数据进行分析,便可明确知道历史客户办理保险理赔案件的情况,举例地,出现了同一个客户同时参与了多个不同的保险理赔案件的情况。
分析模块2,用于获取每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数;
标记模块3,用于将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息;
在上述分析模块和标记模块中,黄牛,有一种解释是指恃力气或利用不正当手法抢购物资以及车票、门票后高价出售而从中取利的人,目前,这个词已衍生到各个行业。其中,保险行业也会存在黄牛,黄牛活跃在交通人伤事故的处理理赔过程,一边收取高额代理费甚至用少量资金买断伤者的赔付,另一边通过造假向保险公司“狮子大开口”索赔,然后将大部分保险赔偿金纳入私囊。后续提到的所述的黄牛均是指在保险行业的黄牛。可通过对存储的每一个历史保险理赔案件与对应的历史客户的生物特征信息进行数据分析处理,即将每一个历史保险案件内的历史生物特征信息分别与其它的历史保险理赔案件内的历史生物特征一一进行比对,找出每一个历史保险案件内的历史生物特征信息在其它的历史保险案件中出现的次数,便可得出每一个历史保险理赔案件内的历史生物特征信息在所有的历史保险理赔案件中出现的次数。设置一个黄牛规则,如果某一个历史保险理赔案件内的历史生物特征信息在所有的历史保险理赔案件中出现频繁,即出现的次数过多,大于一个指定值,则表明着同一个历史客户同时参与了多个不同的历史保险理赔案件,则可将该同时参与了多个不同的历史保险理赔案件的历史客户视为黄牛。具体地,设置一个预设值,当某一个历史保险理赔案件内的历史生物特征信息在所有的历史保险理赔案件中出现的次数大于上述预设值,则将上述的某一个历史保险理赔案件内的历史生物特征信息所对应的历史客户的身份确定为黄牛,并将在所有的上述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息,该黄牛生物特征信息对应着黄牛身份。举例地,将预设值设置为3,如果在所有的历史保险理赔案件中,同一个客户的历史生物特征信息出现在所有的历史保险理赔案件的次数为3次及3次以上,则可将该客户视为黄牛。另外,将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息。在处理当前的保险理赔案件时,若采集到的当前客户的生物特征信息存在于上述黄牛生物特征信息内,则可将当前客户的身份确定为黄牛。
形成模块4,用于将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库。
在上述形成模块中,将上述黄牛生物特征信息筛选出来,并存储到预设的数据库中形成保险理赔监管库。由于保险理赔监管库内存储有黄牛生物特征信息,且黄牛生物特征信息对应着黄牛身份,当出现作为黄牛身份的客户来尝试在保险理赔案件中骗保欺诈的情况,便可通过保险理赔监管库,并借助生物识别技术来快速识别出当前客户的黄牛身份,即通过生物识别技术,将采集到的当前客户的当前生物特征信息与保险理赔监管库内的黄牛生物特征信息进行匹配,若匹配成功便可确定当前客户的黄牛身份,从而防止黄牛骗保欺诈的行为发生,保障了保险公司的利益。
参照图3,进一步地,上述第一获取模块1,包括:
获取单元10,用于获取由指定设备采集的每一个所述历史保险理赔案件对应的客户的历史生物特征信息。
在上述获取单元中,上述指定设备根据需要采集的生物特征信息所需设备决定,假若采集的是客户的人脸图像或虹膜,则采用对应的摄像类设备;假若采集的是客户的指纹,则采用对应的指纹提取类设备。通过指定设备,便能采集到每一个历史保险理赔案件对应的客户的历史生物特征信息。
第一判断单元11,用于判断同一个所述历史保险理赔案件内是否存在相同的历史生物特征信息。
在上述第一判断单元中,可为每一个不同的历史保险案件设置一一对应的案件号,案件号为利用有序或无序的任意数字或英文等符号对每一个保险理赔案件编号数,来对不同的保险理赔案件起标记和区分作用,通过为每一个历史保险理赔案件设置一一对应的案件号,能清楚地区分出不同的历史保险理赔案件,而具有相同案件号的历史保险理赔案件指的就是同一个历史保险理赔案件。在处理同一个历史保险理赔案件时,通过指定设备采集历史客户的历史生物特征信息时,可能出现指定设备对同一历史客户的历史生物特征信息进行了多次采集的情况,举例地,在案件号为1的历史保险理赔案件中,通过从指定设备(头戴式摄像头)拍摄的视频流V1中截取出了多张人脸图像a、b、c、d,其中,可能出现a和b是同一个人的不同时刻的人脸图像的情况。
保留单元12,用于若是,保留所述相同的历史生物特征信息中的一个历史生物特征信息。
在上述保留单元中,若同一件历史保险理赔案件内出现了相同的历史生物特征信息,则只保留相同的历史生物特征信息中的一个生物特征信息,从而剔除掉了重复的人脸图像,减少了需要存储的人脸图像数据,并节省了上述历史数据库的存储空间。举例地,通过从指定设备(头戴式摄像头)拍摄的视频流V1中截取出了多张人脸图像a、b、c、d,其中a和b是同一个人的不同时刻的人脸图像,则剔除掉a与b中的任意一张人脸图像,只保留剩下的不重复的3张人脸图像(a、c、d或b、c、d),从而减少了需要存储的人脸图像数据,节省了历史数据库的存储空间。
参照图4,进一步地,上述第一判断单元11,包括:
比较子单元110,用于对所述同一个所述历史保险理赔案件内的所有历史生物特征信息进行相似度比较。
判断子单元111,用于判断是否存在相似度大于预设的第一相似度阈值的多个历史生物特征信息;
判定单元112,用于若是,则判定同一个历史保险理赔案件内存在相同的历史生物特征信息,否则判定同一个历史保险理赔案件内不存在相同的历史生物特征信息。
本实施例中,预先设置用于判断相似度程度的第一相似度阈值,通过对同一个历史保险理赔案件内的所有历史生物特征信息进行相似度比较,若存在相似度大于预设的第一相似度阈值的多个的历史生物特征信息,则可将上述多个的历史生物特征信息视为相同的生物特征信息。举例地,第一相似度阈值为0.95,对于包含人脸图像a、b、c、d的同一个保险理赔案件,若其中a和b的相似度为0.96,则可将a和b视为相同的人脸图像,若其中a和c的相似度为0.98,则可将a和c视为相同的人脸图像。
参照图5,进一步地,上述分析模块,包括:
比较单元20,用于将每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较。
本实施例中,通过将每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较,来判断每一个历史客户的历史生物特征信息是否存在于其它不同的历史保险案件中,即判断是否出现了同一个历史客户同时办理了不同的历史保险理赔案件的情况。
记录单元21,用于记录相似度大于预设的第二相似度阈值的历史生物特征信息的数量值。
在上述记录单元中,预先设置用于判断相似度程度的第二相似度阈值,通过对每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较,若存在相似度大于预设的第二相似度阈值的多个历史生物特征信息,则可将上述多个的历史生物特征信息视为相同的历史生物特征信息,并记录下相似度大于第二相似度阈值的历史生物特征信息的数量值。
得到单元22,用于将所述数量值加1,得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数。
在上述得到单元中,由于是将每一个历史保险理赔案件内的历史生物特征信息分别与其它的历史保险理赔案件内的历史生物特征一一进行相似度比较,并记录相似度大于预设的第二相似度阈值的历史生物特征信息的数量值,之后将所记录的相似度大于预设的第二相似度阈值的历史生物特征信息的数量值加1后得到的值,即代表了得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数。举例地,将第二相似度阈值设为0.95,针对历史保险理赔案件1,将历史保险理赔案件1内的人脸图像a,与其它的历史保险理赔案件内的历史生物特征一一进行相似度比较后,得到与人脸图像w的相似度为0.98的人脸图像x、与人脸图像w的相似度为0.97的人脸图像y、以及与人脸图像w的相似度为0.99的人脸图像z,则记录的数量值为3(代表的是x,y,z的加起来的数量),而人脸图像w在所有的历史保险理赔案件中出现的次数为3+1的值4(代表的是x,y,z的加起来的数量再加上w本身)。
参照图6,进一步地,上述基于大数据分析的保险理赔监管库的建设装置还包括:
第二获取模块5,用于获取办理当前保险理赔案件的当前客户的当前生物特征信息;
在上述第二获取模块中,当前客户的当前生物特征信息,是指在步骤S1获取到了历史客户的生物特征信息的时刻之后,在当前保险理赔案件中所采集到的新的生物特征信息。
匹配模块6,用于通过生物识别技术,将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配;
在上述匹配模块中,由于保险理赔监管库存储有黄牛生物特征信息,通过生物识别技术,来将上述当前客户的当前生物特征信息与保险理赔监管库内的黄牛生物特征信息进行匹配,进而判断出保险理赔监管库内是否存储有上述当前客户的当前生物特征信息。
识别模块7,用于若匹配成功,将所述当前客户识别为黄牛。
在上述识别模块中,如果匹配成功,即保险理赔监管库内存在与当前客户的当前生物特征信息相同的黄牛生物特征信息,则可将当前客户识别为黄牛,并对业务人员发出显示预警,告知业务人员当前客户的身份为黄牛。通过创建存储有黄牛生物特征信息的保险理赔监管库,能快速地判断出办理当前保险理赔案件的当前客户是否为黄牛,从而有效地防止黄牛骗保欺诈,并保障保险公司的利益。
参照图7,进一步地,上述匹配模块6,包括:
第二判断单元60,用于通过所述当前客户的当前生物特征信息判断出所述当前客户的性别信息及年龄信息。
在上述第二判断单元中,可先通过纹理信息、皱纹作为人体性别与人体年龄的信息特征,采用纹理提取算法提取出当前客户的性别信息特征及年龄信息特征,通过人体性别识别模型以及人体年龄识别模型从当前客户的当前生物特征信息判断出其的性别信息及年龄信息。
筛选单元61,用于筛选出所述保险理赔监管库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息。
在上述筛选单元中,可预先将保险理赔监管库内所有的黄牛生物特征信息根据性别和年龄进行分类,从而能从保险理赔监管库内快速筛选出与当前客户的性别信息及年龄信息一致的黄牛生物特征信息。
匹配单元62:将所述当前客户的当前生物特征信息和所述黄牛信息库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息进行匹配。
在上述匹配单元中,通过剔除掉保险理赔监管库内与当前客户的性别信息及年龄信息不符合的黄牛生物特征信息,再将当前客户的当前生物特征信息与筛选出的保险理赔监管库内与当前客户的性别信息及年龄信息相符合的黄牛生物特征信息进行匹配,能快速地判断出保险理赔监管库内是否存在与当前客户的当前生物特征信息相匹配的黄牛生物特征信息,有效地提高了判断当前客户是否为黄牛的速度。举例地,假设当前的保险理赔监管库内有100000个人脸图像,从采集到的当前客户的人脸图像能判断出该客户的性别信息为男及年龄信息为30-40岁区间,经过对保险理赔监管库内的100000个人脸图像进行筛选,其中性别信息为男及年龄信息为30-40岁区间的人脸图像数量为60000个,则可直接将客户的生物特征信息与保险理赔监管库内的性别信息为男及年龄信息为30-40岁区间的人脸数量为60000个的人脸图像来进行匹配比对,而不需要与保险理赔监管库内全部的人脸图像进行匹配比对,减少了对当前客户的生物特征信息的匹配次数,大大提高了匹配的速度和精度,并能快速准确地判断出当前客户的身份是否为黄牛。
参照图8,进一步地,上述基于大数据分析的保险理赔监管库的建设装置还包括:
第三获取模块600:若匹配不成功,获取业务人员对所述当前客户的行为作出的评价信息。
在上述第三获取模块中,如果在保险理赔监管库内没有找到与当前客户的当前生物特征信息相匹配的黄牛生物特征信息,从保险理赔监管库的角度上看,表明当前客户的身份不是黄牛,但由于存在当前客户可能初次作为黄牛角色的可能性,为了避免当前客户为黄牛身份但保险理赔监管库内并未存储有其黄牛生物特征信息,则需要业务人员认真观察当前客户在办理保险理赔案件处理过程中表现出的行为,并对当前客户的行为作出客观真实的评价。
判断模块601,用于根据所述评价信息判断所述当前客户是否为黄牛。
在上述判断模块中,假如当前客户在保险理赔案件处理过程中表现出了骗保欺诈的行为,且业务人员的评价信息涉及了当前客户的骗保的行为,则将当前客户识别为黄牛。通过加入业务人员对当前客户的行为的评价步骤,可以有效避免当前客户实际为黄牛,但保险理赔监管库内并未存储有其生物特征信息,从而没有将当前客户作为黄牛来对待处理的情况,进而有效地防止了初次作为黄牛的客户的骗保的行为,保障了保险公司的利益。
加入模块602,用于若是,将所述当前客户的当前生物特征信息加入所述保险理赔监管库。
在上述加入模块中,当确定了当前客户表现出了骗保的行为,便将采集到的当前客户的生物特征信息标记为黄牛生物特征信息,并加入到保险理赔监管库内,那么假如当前客户以黄牛的身份出现再一次骗保的行为时,可以直接通过保险理赔监管库内来匹配到该客户的生物特征信息而将其黄牛的身份识别出来,而不需要业务人员对该客户在保险案件处理过程中表现出的行为进行评价来判断该客户是否为黄牛,能有效地简化业务人员的工作。相比于业务员的人工评价,通过保险理赔监管库对该客户进行生物特征信息的匹配来识别其是否为黄牛,更加高效便捷,省时省力。
综上所述,本申请的基于大数据分析的保险理赔监管库的建设装置,通过获取每一个历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数,再将筛选出在所有的历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息,并将黄牛生物特征信息存储到预设的数据库中来形成保险理赔监管库。本申请通过建设存储有黄牛生物特征信息的保险理赔监管库,借助生物识别技术来快速地识别出当前办理保险理赔案件的当前客户是否为黄牛,从而有效地防止黄牛骗保欺诈,保障保险公司的利益。
参照图9,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于大数据分析的保险理赔监管库的建设模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于大数据分析的保险理赔监管库的建设方法。
上述处理器执行上述基于大数据分析的保险理赔监管库的建设方法的步骤:获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息;对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数;将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息;将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库。
在一个实施例中,上述处理器执行获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息的步骤,包括:获取由指定设备采集的每一个所述历史保险理赔案件对应的客户的历史生物特征信息;判断同一个所述历史保险理赔案件内是否存在相同的历史生物特征信息;若是,保留所述相同的历史生物特征信息中的一个历史生物特征信息。
在一个实施例中,上述处理器执行判断同一个历史保险理赔案件内是否存在相同的历史生物特征信息的步骤,包括:对所述同一个所述历史保险理赔案件内的所有历史生物特征信息进行相似度比较;判断是否存在相似度大于预设的第一相似度阈值的多个历史生物特征信息;若是,则判定同一个历史保险理赔案件内存在相同的历史生物特征信息,否则判定同一个历史保险理赔案件内不存在相同的历史生物特征信息。
在一个实施例中,上述处理器执行对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数的步骤,包括:将每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较;记录相似度大于预设的第二相似度阈值的历史生物特征信息的数量值;将所述数量值加1,得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数。
在一个实施例中,上述处理器执行将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库的步骤之后,包括:获取办理当前保险理赔案件的当前客户的当前生物特征信息;将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配;若匹配成功,将所述当前客户识别为黄牛。
在一个实施例中,上述处理器执行将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配的步骤,包括:通过所述当前客户的当前生物特征信息判断出所述当前客户的性别信息及年龄信息;筛选出所述保险理赔监管库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息;将所述当前客户的当前生物特征信息和所述黄牛信息库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息进行匹配。
在一个实施例中,上述处理器执行通过生物识别技术,将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配的步骤之后,包括:若匹配不成功,获取业务人员对所述当前客户的行为作出的评价信息;通过所述评价信息判断所述当前客户是否为黄牛;若是,将所述当前客户的当前生物特征信息加入所述保险理赔监管库。
综上所述,本申请的计算机设备通过获取每一个历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数,再将筛选出在所有的历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息,并将黄牛生物特征信息存储到预设的数据库中来形成保险理赔监管库。本申请通过建设存储有黄牛生物特征信息的保险理赔监管库,借助生物识别技术来快速地识别出当前办理保险理赔案件的当前客户是否为黄牛,从而有效地防止黄牛骗保欺诈,保障保险公司的利益。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种基于大数据分析的保险理赔监管库的建设方法,具体为:获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息;对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数;将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息;将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库。
在一个实施例中,上述处理器执行获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息的步骤,包括:获取由指定设备采集的每一个所述历史保险理赔案件对应的客户的历史生物特征信息;判断同一个所述历史保险理赔案件内是否存在相同的历史生物特征信息;若是,保留所述相同的历史生物特征信息中的一个历史生物特征信息。
在一个实施例中,上述处理器执行判断同一个历史保险理赔案件内是否存在相同的历史生物特征信息的步骤,包括:对所述同一个所述历史保险理赔案件内的所有历史生物特征信息进行相似度比较;判断是否存在相似度大于预设的第一相似度阈值的多个历史生物特征信息;若是,则判定同一个历史保险理赔案件内存在相同的历史生物特征信息,否则判定同一个历史保险理赔案件内不存在相同的历史生物特征信息。
在一个实施例中,上述处理器执行对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数的步骤,包括:将每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较;记录相似度大于预设的第二相似度阈值的历史生物特征信息的数量值;将所述数量值加1,得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数。
在一个实施例中,上述处理器执行将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库的步骤之后,包括:获取办理当前保险理赔案件的当前客户的当前生物特征信息;将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配;若匹配成功,将所述当前客户识别为黄牛。
在一个实施例中,上述处理器执行将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配的步骤,包括:通过所述当前客户的当前生物特征信息判断出所述当前客户的性别信息及年龄信息;筛选出所述保险理赔监管库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息;将所述当前客户的当前生物特征信息和所述黄牛信息库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息进行匹配。
在一个实施例中,上述处理器执行通过生物识别技术,将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配的步骤之后,包括:若匹配不成功,获取业务人员对所述当前客户的行为作出的评价信息;通过所述评价信息判断所述当前客户是否为黄牛;若是,将所述当前客户的当前生物特征信息加入所述保险理赔监管库。
综上所述,本申请的存储介质通过获取每一个历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数,再将筛选出在所有的历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息,并将黄牛生物特征信息存储到预设的数据库中来形成保险理赔监管库。本申请通过建设存储有黄牛生物特征信息的保险理赔监管库,借助生物识别技术来快速地识别出当前办理保险理赔案件的当前客户是否为黄牛,从而有效地防止黄牛骗保欺诈,保障保险公司的利益。
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,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于大数据分析的保险理赔监管库的建设方法,其特征在于,包括:
获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息;
对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数;
将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息;
将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库。
2.根据权利要求1所述的基于大数据分析的保险理赔监管库的建设方法,其特征在于,所述获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息的步骤,包括:
获取由指定设备采集的每一个所述历史保险理赔案件对应的客户的历史生物特征信息;
判断同一个所述历史保险理赔案件内是否存在相同的历史生物特征信息;
若是,保留所述相同的历史生物特征信息中的一个历史生物特征信息。
3.根据权利要求2所述的基于大数据分析的保险理赔监管库的建设方法,其特征在于,所述判断同一个历史保险理赔案件内是否存在相同的历史生物特征信息的步骤,包括:
对所述同一个所述历史保险理赔案件内的所有历史生物特征信息进行相似度比较;
判断是否存在相似度大于预设的第一相似度阈值的多个历史生物特征信息;
若是,则判定同一个历史保险理赔案件内存在相同的历史生物特征信息,否则判定同一个历史保险理赔案件内不存在相同的历史生物特征信息。
4.根据权利要求1所述的基于大数据分析的保险理赔监管库的建设方法,其特征在于,所述对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数的步骤,包括:
将每一个所述历史保险理赔案件内的历史生物特征信息分别与其它的所述历史保险理赔案件内的历史生物特征一一进行相似度比较;
记录相似度大于预设的第二相似度阈值的历史生物特征信息的数量值;
将所述数量值加1,得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数。
5.根据权利要求1所述的基于大数据分析的保险理赔监管库的建设方法,其特征在于,所述将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库的步骤之后,包括:
获取办理当前保险理赔案件的当前客户的当前生物特征信息;
通过生物识别技术,将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配;
若匹配成功,将所述当前客户识别为黄牛。
6.根据权利要求5所述的基于大数据分析的保险理赔监管库的建设方法,其特征在于,所述将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配的步骤,包括:
通过所述当前客户的当前生物特征信息判断出所述当前客户的性别信息及年龄信息;
筛选出所述保险理赔监管库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息;
将所述当前客户的当前生物特征信息和所述保险理赔监管库内与所述当前客户的性别信息及年龄信息一致的黄牛生物特征信息进行匹配。
7.根据权利要求5所述的基于大数据分析的保险理赔监管库的建设方法,其特征在于,所述通过生物识别技术,将所述当前客户的当前生物特征信息与所述保险理赔监管库内的黄牛生物特征信息进行匹配的步骤之后,包括:
若匹配不成功,获取业务人员对所述当前客户的行为作出的评价信息;
通过所述评价信息判断所述当前客户是否为黄牛;
若是,将所述当前客户的当前生物特征信息加入所述保险理赔监管库。
8.一种基于大数据分析的保险理赔监管库的建设装置,其特征在于,包括:
第一获取模块,用于获取每一个历史保险理赔案件及其对应的历史客户的历史生物特征信息;
分析模块,用于对所有的所述历史保险理赔案件内的历史生物特征信息进行数据分析,以得到每一个所述历史保险理赔案件内的历史生物特征信息在所有的所述历史保险理赔案件中出现的次数;
标记模块,用于将在所有的所述历史保险理赔案件中出现次数大于预设值的历史生物特征信息标记为黄牛生物特征信息;
形成模块,用于将所述黄牛生物特征信息存储到预设的数据库中形成保险理赔监管库。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811089675.2A CN109377361A (zh) | 2018-09-18 | 2018-09-18 | 基于大数据分析的保险理赔监管库的建设方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811089675.2A CN109377361A (zh) | 2018-09-18 | 2018-09-18 | 基于大数据分析的保险理赔监管库的建设方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109377361A true CN109377361A (zh) | 2019-02-22 |
Family
ID=65405614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811089675.2A Pending CN109377361A (zh) | 2018-09-18 | 2018-09-18 | 基于大数据分析的保险理赔监管库的建设方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377361A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140230032A1 (en) * | 2013-02-13 | 2014-08-14 | Daniel Duncan | Systems and Methods for Identifying Biometric Information as Trusted and Authenticating Persons Using Trusted Biometric Information |
CN105225155A (zh) * | 2015-09-25 | 2016-01-06 | 中国人民财产保险股份有限公司 | 一种基于生物识别技术的保险风险管控方法 |
CN106447501A (zh) * | 2016-12-19 | 2017-02-22 | 东软集团股份有限公司 | 交通事故理赔方法及装置 |
CN107123054A (zh) * | 2017-04-07 | 2017-09-01 | 平安科技(深圳)有限公司 | 车险理赔数据分析方法和系统 |
CN107392222A (zh) * | 2017-06-07 | 2017-11-24 | 深圳市深网视界科技有限公司 | 一种人脸聚类方法、装置以及存储介质 |
US20180089688A1 (en) * | 2016-09-27 | 2018-03-29 | Mastercard International Incorporated | System and methods for authenticating a user using biometric data |
CN108416677A (zh) * | 2017-03-13 | 2018-08-17 | 平安科技(深圳)有限公司 | 理赔调查的方法及装置 |
-
2018
- 2018-09-18 CN CN201811089675.2A patent/CN109377361A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140230032A1 (en) * | 2013-02-13 | 2014-08-14 | Daniel Duncan | Systems and Methods for Identifying Biometric Information as Trusted and Authenticating Persons Using Trusted Biometric Information |
CN105225155A (zh) * | 2015-09-25 | 2016-01-06 | 中国人民财产保险股份有限公司 | 一种基于生物识别技术的保险风险管控方法 |
US20180089688A1 (en) * | 2016-09-27 | 2018-03-29 | Mastercard International Incorporated | System and methods for authenticating a user using biometric data |
CN106447501A (zh) * | 2016-12-19 | 2017-02-22 | 东软集团股份有限公司 | 交通事故理赔方法及装置 |
CN108416677A (zh) * | 2017-03-13 | 2018-08-17 | 平安科技(深圳)有限公司 | 理赔调查的方法及装置 |
CN107123054A (zh) * | 2017-04-07 | 2017-09-01 | 平安科技(深圳)有限公司 | 车险理赔数据分析方法和系统 |
CN107392222A (zh) * | 2017-06-07 | 2017-11-24 | 深圳市深网视界科技有限公司 | 一种人脸聚类方法、装置以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767322B (zh) | 基于大数据的可疑交易分析方法、装置和计算机设备 | |
Abdallah et al. | Fraud detection system: A survey | |
CN109345375B (zh) | 一种可疑洗钱行为识别方法及装置 | |
JP6702045B2 (ja) | 監視装置 | |
CN107563757A (zh) | 数据风险控制的方法及装置 | |
CN102945366A (zh) | 一种人脸识别的方法及装置 | |
CN110598548A (zh) | 常住人员识别方法、装置、计算机设备和存储介质 | |
US20160125404A1 (en) | Face recognition business model and method for identifying perpetrators of atm fraud | |
EP4075399A1 (en) | Information processing system | |
CN112966758B (zh) | 一种农作物病虫草害识别方法、装置、系统及存储介质 | |
EP1503329A2 (en) | Method and system for determining whether a situation is logically true or false upon occurrence of an event | |
CN112381640A (zh) | 业务数据监控方法、装置、设备及存储介质 | |
US20230244969A1 (en) | Method of Improving Processing Efficiency Decision Making Within a Computer System | |
CN111259813A (zh) | 人脸检测跟踪方法、装置、计算机设备和存储介质 | |
CN109767226A (zh) | 基于大数据的可疑交易统计视图生成方法和装置 | |
CN113689218A (zh) | 风险账户的识别方法、装置、计算机设备和存储介质 | |
US20170109837A1 (en) | Know your customer alert systems and methods | |
CN113704731A (zh) | 面向医院的患者异常就医行为检测方法及系统 | |
CN109377361A (zh) | 基于大数据分析的保险理赔监管库的建设方法及装置 | |
CN112687044A (zh) | 滞留人员的管理方法、系统、介质及设备 | |
CN116416072A (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
KR102240495B1 (ko) | 신분 인증 부정 사용자 차등 관리 방법 및 서버 | |
CN113642450A (zh) | 视频人脸识别方法、系统及存储介质 | |
JP2005242869A (ja) | 現金自動取引システム及び現金自動取引装置 | |
NAGAGOPIRAJU et al. | MACHINE LEARNING AND BLOCKCHAIN-BASED REAL-TIME FACIAL RECOGNITION ATTENDANCE SYSTEM |
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 |