CN112667854A - 虚假保险报案处理方法、装置、计算机设备及存储介质 - Google Patents
虚假保险报案处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112667854A CN112667854A CN202011582853.2A CN202011582853A CN112667854A CN 112667854 A CN112667854 A CN 112667854A CN 202011582853 A CN202011582853 A CN 202011582853A CN 112667854 A CN112667854 A CN 112667854A
- Authority
- CN
- China
- Prior art keywords
- evaluation value
- user
- scene
- accident
- information
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 227
- 230000008859 change Effects 0.000 claims abstract description 43
- 230000001815 facial effect Effects 0.000 claims abstract description 39
- 230000008921 facial expression Effects 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 42
- 230000000875 corresponding effect Effects 0.000 claims description 20
- 230000002596 correlated effect Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013475 authorization Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000014509 gene expression Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 241001494479 Pecora Species 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及人工智能、区块链领域,公开了一种虚假保险报案处理方法、装置、计算机设备和存储介质。方法部分包括:获取用户上传的证件信息和事故现场视频,事故现场视频包含用户录入的事故详情口述音频和事故现场图像,事故现场图像包括用户的面部图像;获取对话数据,获取用户按照预设问题进行回答时用户的位置;获取面部微表情变化情况,并根据面部微表情变化情况获取面部表情评估值;提取事故详情信息和用户的声音变化情况,分析得到声音评估值,并分析事故详情信息获取场景评估值;获取说谎评估值;根据事故详情信息和用户的位置获取位置评估值;根据面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定是否存在虚假报案。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种虚假保险报案处理方法、装置、计算机设备及存储介质。
背景技术
保险行业最重要的是识别、防控风险,例如财产险中的车险是一种较大众普及的险种,受众面广,门槛较低,出现率较高。对于传统的保险公司,只能通过查勘员,或者定损员到事故现场拍照和人工取证。
发明人意识到,会存在保险人虚假报案、夸大损失情况,甚至存在团伙故意做假案,导致保险公司查勘员、定损员误报,漏报案件情况,最终会出现大量的虚假案件,导致虚假案件率较高。
发明内容
本发明实施例提供一种虚假保险报案处理方法、装置、计算机设备及存储介质,以解决虚假案件率较高的问题。
一种虚假保险报案处理方法,包括:
响应用户触发的保险报案请求,以向所述用户端发送材料提交请求;
获取所述用户根据所述材料提交请求上传的证件信息和事故现场视频,所述事故现场视频包含所述用户录入的事故详情口述音频和事故现场图像,所述事故现场图像包括用户的面部图像;
获取所述用户端所反馈的对话数据,所述对话数据为所述用户按照预设问题进行回答的对话数据,并获取所述用户按照预设问题进行回答时所述用户的位置;
分析所述用户的面部图像,以获取所述用户的面部微表情变化情况,并根据所述面部微表情变化情况获取面部表情评估值;
分析所述事故详情口述音频,以提取事故详情信息和所述用户的声音变化情况;
分析所述声音变化情况得到声音评估值,并分析所述事故详情信息获取场景评估值;
根据所述事故详情信息和所述对话数据获取说谎评估值;
根据所述事故详情信息和所述用户的位置获取位置评估值;
根据所述面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定所述用户是否存在虚假报案,并将判定结果与所述证件信息关联存储。
一种虚假保险报案处理装置,包括:
响应模块,用于响应用户触发的保险报案请求,以向所述用户端发送材料提交请求;
第一获取模块,用于获取所述用户根据所述材料提交请求上传的证件信息和事故现场视频,所述事故现场视频包含所述用户录入的事故详情口述音频和事故现场图像,所述事故现场图像包括用户的面部图像;
第二获取模块,用于获取所述用户端所反馈的对话数据,所述对话数据为所述用户按照预设问题提问进行回答的对话数据,并获取所述用户按照预设问题进行回答时所述用户的位置;
第一分析模块,用于分析所述用户的面部图像,以获取所述用户的面部微表情变化情况,并根据所述面部微表情变化情况获取面部表情评估值;
第二分析模块,用于分析所述事故详情口述音频,以提取事故详情信息和所述用户的声音变化情况;
第三分析模块,用于分析所述声音变化情况得到声音评估值,并分析所述事故详情信息获取场景评估值;
第三获取模块,用于根据所述事故详情信息和所述对话数据获取说谎评估值;
第四获取模块,用于根据所述事故详情信息和所述用户的位置获取位置评估值;
判定模块,用于根据所述面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定所述用户是否存在虚假报案;
存储模块,用于将判定结果与所述证件信息关联存储。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述虚假保险报案处理方法的步骤。
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计算机程序,所述计算机程序被处理器执行时实现上述虚假保险报案处理方法的步骤。
上述虚假保险报案处理方法、装置、计算机设备及存储介质所实现的方案中,主要为保险公司提供快速识别案件的反欺诈、反渗漏的风险识别和管控,本方案中,通过用户录制视频的方式,读取多个维度的判定信息,并依据判定信息去综合判定报案结果并关联存储出来,可降低保险公司因大量的人工判定产生的误差,同时节省大量的调查人力及社会资源,提高保险公司的案件的结案时效,提高用户对保险公司的案件处理能力和时效带来更好的体验,从而真正为保险公司带来降本增效的作用,极大地降到了虚假案件率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中虚假保险报案处理方法的一系统框架示意图;
图2是本发明一实施例中虚假保险报案处理方法的一流程示意图;
图3是图1步骤S60的一个具体实施方式示意图;
图4是图1步骤S70的一个具体实施方式示意图;
图5是图1步骤S80的一个具体实施方式示意图;
图6是本发明一实施例中虚假保险报案处理装置的一结构示意图;
图7是本发明一实施例中计算机设备的一结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
本发明提供了一种虚假保险报案处理方法,为便于理解,首选对本方案所涉及的虚假保险报案处理方法所应用的虚假保险报案处理系统做一个描述,如图1所示,本方案的虚假保险报案处理系统主要包括报案处理端、用户端、人机对话系统,还可以包括区块链系统。其中,用户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。人机对话系统可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
结合上述虚假保险报案处理系统,对本方案的虚假保险报案处理方法进行描述,如图1所示,主要包括如下步骤:
S10:响应用户触发的保险报案请求,以向用户端发送材料提交请求。
当出现保险事故时,对于购买了相应保险的用户,其可以通过保险官方应用触发保险报案请求。例如,以车险为例,用户可以为其车辆购买车险,当用户驾车过程中出现车祸、碰撞等事故时,需要申请车险理赔。其中,可以通过安装于用户端的保险官方应用触发保险报案请求。该用户端可以指的是用户的手机等终端设备,这里不做限定。在用户通过用户端的保险官方应用触发保险报案请求后,用户端会将保险报案请求反馈至报案处理端。
报案处理端接收到保险报案请求之后,会响应该保险报案请求,具体地,向用户端发送材料提交请求。其中,该材料提交请求用于包含指示信息,用于指示用户按照预设操作,上传用户的证件信息和事故现场视频。
用户端在接收到材料提交请求之后,用户则可以按照材料提交请求的指示,上传的证件信息和事故现场视频。其中,该指示信息还指示用于在录入事故现场视频时,所需包含的各种信息,其中包括用户的面部图像。也就是说,录入的事故现场视频中,用户需包含在该事故现场视频内,以便后续做进一步分析。
其中,事故现场视频包含用户录入的事故详情口述音频和事故现场图像,事故详情口述音频指的是,用户按照材料提交请求的指示,所录入的关于当前发生事故详细情况的音频,其中,该详细情况包括但不局限于事故的案发时间、案发地点、案发场景、涉案人员、损失情况等等。具体地,可以依据后续的虚假判定需求去配置材料提交请求,从而使用户按照需求录入所需的事故详情口述音频。事故现场图像指的是,用户对事故现场和自身进行拍摄的现场图像,如车辆碰撞事故中,需对碰撞事故现场的人、车、碰撞位置和碰撞地点等范围进行视频录制,从而使得事故现场视频包含事故现场图像。
其中,证件信息指的是用于指示上述用户唯一身份信息的信息,例如可以指的是身份证、驾驶证、社保卡等。
S20:获取用户根据材料提交请求上传的证件信息和事故现场视频,事故现场视频包含用户录入的事故详情口述音频和事故现场图像,事故现场图像包括用户的面部图像。
对于报案处理端而言,可以获取用户通过用户端所上传的证件信息和事故现场视频。
S30:获取用户端所反馈的对话数据,对话数据为用户按照预设问题进行回答的对话数据,并获取用户按照预设问题进行回答时用户的位置。
在获取用户根据材料提交请求上传的证件信息和事故现场视频之后,完成第一步的信息录入,本方案中,为提高虚假案件的虚假判定,需进一步获取用户端所反馈的对话数据,该对话数据为用户按照预设问答提问进行回答的对话数据。
具体地,在具体应用时,在获取用户根据材料提交请求上传的证件信息和事故现场视频之后,触发人机对话系统接入该用户端,以通过该用户端与用户进行人机对话。其中,本方案会预设有预设问题,并使人机对话系统通过预设问题向用户进行询问,从而获取用户的回答,以获取用户按照预设问题进行回答的对话数据,并反馈给报案处理端。需要说明的是,该预设问题可以是预先设定的模板,例如直接询问用户发生案件的案发地点、时间、位置和场景等信息;或者是通过解析用户所录入的事故详情口述音频得到的事故详情信息所生成,这里不做限定,只要对于后续做虚假案件判定有参考价值即可。
S40:分析用户的面部图像,以获取用户的面部微表情变化情况,并根据面部微表情变化情况获取面部表情评估值。
如前述,事故现场视频包含用户录入的事故详情口述音频和事故现场图像,而其中的事故现场图像还包括用户的面部图像,为了提高虚假保险报案处理,本方案还会分析用户的面部图像,以获取用户的面部微表情变化情况,并根据面部微表情变化情况获取面部表情评估值。也就是说,会对用户录制事故现场视频时的面部表情做评估,以确定用户做口述音频时的真假性。
具体地,在一应用场景中,报案处理端会将利用微表情处理技术对面部图像进行分析以获取用户的微表情,并将获取到的用户微表情反馈给反欺诈专家中做评估,通过反欺诈专家对目前已知的30种微表情(系统预设,取决于微表情处理技术,这里不做一一说明)中,由相应的反欺诈专家打分,分数范围为可以0-10,从而根据用户的微表情识别到的表情得到相应的得分,也即面部表情评估值。
具体地,在一应用场景中,报案处理端将利用微表情处理技术对面部图像进行分析以获取用户的微表情,并将获取到的用户微表情直接计算得到面部表情评估值。本方案不做限定。
S50:分析事故详情口述音频,以提取事故详情信息和用户的声音变化情况。
如前述,事故现场视频包含用户录入的事故详情口述音频,在获取到事故现场视频之后,通过音频解析技术便可提取到相应的事故详情口述音频,进一步利用音频分析技术分析事故详情口述音频,便可提取事故详情信息和用户的声音变化情况。
其中,事故详情信息与前述用户录制现场事故视频时,进行事故详情口述时有关,如前述,事故详情口述音频指的是,用户按照材料提交请求的指示,所录入的关于当前发生事故详细情况的音频,其中,该详细情况包括但不局限于事故的案发时间、案发地点、案发场景、涉案人员、损失情况等等。因此,分析事故详情口述音频,便可提取出事故的案发时间、案发地点、案发场景、涉案人员、损失情况等事故详情信息,具体依据虚假判定需求而提取。在实现上,可以通过事故详情口述音频中用户所回答的内容,通过中文分词技术识别出内容中的关键词,继而了解到事故详情信息。
声音变化情况,指的是事故详情口述音频中,反映用户的口述过程中的声音变化情况。
S60:分析声音变化情况得到声音评估值,并分析事故详情信息获取场景评估值。
声音变化情况在一定程度上可以反映用户的心理变化,通过获取的声音变化情况,也可以分析声音变化情况得到声音评估值。其中,若通过声音变化情况判定出用户口述内容存在虚假的可能性越高,则相应的声音评估值越高,若通过声音变化情况判定出用户口述内容存在虚假的可能性越低,则相应的声音评估值越低。需要说明的是,在实现上,可以通过声音评估算法去分析声音变化情况,从而得到用户口述内容存在虚假的可能性,从而得到声音评估值,具体这里不做详细描述。
并且,基于事故详情信息,还可以进一步分析事故详情信息获取场景评估值,其中,该场景评估值是用于表征当前事故场景真实性的评估值。
作为一个示例,事故详情信息包含案发地点和案发场景信息,如图3中,S60中,也即分析事故详情信息获取场景评估值,具体包括如下步骤:
S61:利用案发地点获取案发地点的周围环境信息。
如前述,通过解析事故详情信息可以包括案发地点和案发场景信息,其中,案发地点指的是发生事故的地点,案发场景信息指的是发生事故所在的场景信息。因此,在获取到案发地点之后,可以利用案发地点获取案发地点的周围环境信息。案发地点的周围环境信息包括案发地点周围的建筑物、道路情况等信息。
S62:将周围环境信息与案发场景信息进行场景匹配,以获取场景匹配度。
S63:根据场景匹配度获取场景评估值,其中,场景评估值与场景匹配度正相关。
例如,具体地,用户在口述时,可能说事故是由于地点A的路上出现一头羊导致不小心撞到路边护栏,这时就可以根据当时事故的地点A获取地点A的周围环境信息,该周围环境信息包括地点A的附近是否存在村庄,如果没有,说明场景匹配度较低,则可判断该案件是可能欺诈,反之场景匹配度较高;另外,如果案发地点是存在路面不平,多坑情况,那出现交通事故可能性更大,说明场景匹配度较高,反之,场景匹配度较低。根据场景匹配度获取场景评估值,其中,场景评估值与场景匹配度正相关。正相关指的是场景匹配度越高,则场景评估值越高。需要说明的是,通过场景验证,可以判定用户口述的内容是否存在虚假的可能性,进一步为后续做虚假判定提高有效地判定依据,提高了方案的判定准确率。
S70:根据事故详情信息和对话数据获取说谎评估值。
本方案中,还会进一步根据事故详情信息和对话数据获取说谎评估值。其中,该说谎评估值也是用于判定用户口述内容的虚假成分的评估值,与场景评估值不一样的是,说谎评估值还参考了对话数据,而不是简单依据事故详情信息。
作为一个示例,具体地,作为一个示例,事故详情信息包含案发时间、案发地点和案发场景信息,如图4所示,S70中,也即根据事故详情信息和对话数据获取说谎评估值,具体包括如下步骤:
S71:利用案发时间、案发地点和案发场景信息,生成预设问题。
S72:将预设问答发送至人机对话系统,以使人机对话系统通过预设问题向用户发起对话处理。
在解析事故详情口述视频得到事故详情信息,会利用利用案发时间、案发地点和案发场景信息,生成预设问题。例如,若案发时间在2020年5月3日17时,案发地点在城市A,案发场景信息为车辆撞到前方车辆且导致前车窗碎裂。则可以对应生成如下预设问题:“您是否在2020年5月3日17时发生事故?”;“您的事故案发地点是在城市A还是城市B?”;“您的事故案发情况是撞到其他车还是被他人车撞到,损伤位置在哪”?。
可见在该实施例中,通过用户自身口述内容去生成相应的预设问题,便于从后续用户的对话中找出逻辑问题,从而判定用户口述的虚假成分,进而判定虚假报案的可能。
具体地,将预设问答发送至人机对话系统,以使人机对话系统通过预设问题向用户发起对话处理。需要说明的是,通过接入人机对话系统,以让专门的系统执行对话过程,可减轻报案处理端的处理负担,提高效率。
S73:接收人机对话系统所反馈的用户按照预设问题所回答的对话数据,对话数据中包含用户所回答的案发时间、案发地点和案发场景信息。
人机对话系统接收到上述预设问题之后,便可按照预设问题接入用户端,并执行人机对话过程。具体地,人机对话系统所反馈的用户按照预设问题所回答的对话数据,对话数据中包含用户所回答的案发时间、案发地点和案发场景信息。
S74:将事故详情信息中的案发时间、案发地点和案发场景信息,分别与对话数据中的用户回答的案发时间、案发地点和案发场景信息进行信息匹配,得到回答信息匹配度。
可以理解,经过步骤S71-S73,便得到了两个方面的内容,一方面是通过用户上传的详情口述音频得到的案发时间、案发地点和案发场景信息;另一方面是通过再次对话得到的案发时间、案发地点和案发场景信息。该步骤中,将事故详情信息中的案发时间、案发地点和案发场景信息,分别与对话数据中的用户回答的案发时间、案发地点和案发场景信息进行信息匹配,得到回答信息匹配度。例如,若案发地点不匹配,说明用户前后出现矛盾,可能出现虚假报案的可能。需要说明的情况,在实际应用中,可以多设置匹配信息项,以综合并多次进行对话,获取所需的回答信息的回答信息匹配度。
其中,案发场景信息则取决于本方案适用于何种场景,举个简单例子,若当前案发场景是车辆事故场景,则上述案发场景信息可以指的是车辆涉及的人数、车辆损失部位等,具体不做限定。
S75:解析对话数据,以获取用户对每个预设问题进行回答时的停顿时长。
S76:根据回答信息匹配度和停顿时长获取说谎评估值,其中,说谎评估值与回答信息匹配度正相关,说谎评估值与停顿时长负相关。
对于步骤S75-S76,可以理解,通过对话数据,除了获取上述回答信息匹配度之外,还需进一步解析对话数据,以获取用户对每个预设问题进行回答时的停顿时长。根据对话中出现“停顿”的时长判断是否存在欺诈。可以理解,针对某个问题,如果回答停顿时间过长,说明给用户对该某个问题存在迟疑,存在虚假报案的可能性,因故,需获取用户对每个预设问题进行回答时的停顿时长。最后根据回答信息匹配度和停顿时长获取说谎评估值,其中,说谎评估值与回答信息匹配度正相关,说谎评估值与停顿时长负相关。说谎评估值与回答信息匹配度正相关,指的是回答信息匹配度越高,谎评估值越高,反之,则谎评估值越低;谎评估值与停顿时长负相关,指的是停顿时长越长,则谎评估值越低,反之,则谎评估值越高。最终的说谎评估值可以为回答信息匹配度和停顿时长对应的评估值的累加。
S80:根据事故详情信息和用户的位置获取位置评估值。
本方案中,还需进一步根据事故详情信息和用户的位置获取位置评估值,其中,该位置评估值是用于表征事故发生事故的准确性的评估值。
作为一个示例,如图5所示,事故详情信息包含案发地点,步骤S80中,也即根据事故详情信息和用户的位置获取位置评估值,具体包括如下步骤:
S81:预先获得用户的授权查阅用户端地点的授权。
本方案中,为了便于执行虚假报案的判定,需先获取用户的授权查阅用户端地点的授权,以避免涉及用户隐私问题。具体地,在用户同意授权之后,方可获取用户的用户端的位置。
S82:依据证件信息从用户端对应的运营商查询用户端地点,以获取产生对话数据时用户的位置。
如前述,在报案时,用户还会上传证件信息,报案处理端可以通过证件信息从用户端对应的运营商查询用户端地点。用户端对应的运营商会判定报案处理端是否得到授权,当确定该报案处理端得到用户授权之后,用户端对应的运营商才会依据报案处理端的查询请求,依据证件信息反馈相应的用户端地点,从而可以获取到产生对话数据时用户的位置,也即用户发生对话时的经纬度信息。
S83:将用户的位置与案发地点进行距离比较。
S84:根据距离比较结果获取位置评估值,其中,位置评估值与距离比较结果负相关。
在获取到用户的位置之后,将查询到的位置与解析事故详情口述内容提取出的案发地点进行比较,根据距离比较结果获取位置评估值,其中,位置评估值与距离比较结果负相关,位置评估值与距离比较结果负相关,指的是用户的位置与案发地点距离越远,则位置评估值越低,反之越高。
S90:根据面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定用户是否存在虚假报案,并将判定结果与证件信息关联存储。
需要说明的是,经过前述几个步骤,便可得到面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值,上述面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值均通过客观存在的事实而判定出来,最后根据面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定用户是否存在虚假报案,并将判定结果与证件信息关联存储,最终得到用户的报案处理结果。
作为一个示例,步骤S90中,也即根据面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定用户是否存在虚假报案,具体包括如下步骤:
S91:分别为面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值配置对应的权重值。
S92:按照如下公式计算目标评估值。
其中,totalScore表示目标评估值,ai对应表示各评估值对应的权重值,xi对应表示各评估值;
S93:判断目标评估值是否大于预设阈值。
S94:当目标评估值大于预设阈值,则判定用户为存在虚假报案。
S95:当目标评估值小于或等于预设阈值,则判定用户为非存在虚假报案。
最后,上述五个维度的得分结果的范围都是[0,10],然后给每个维度的分数赋予相应的权重,其中各维度的权重总和为1,最后总分的计算公式如下:
其中αi是各维度的权重值,默认取值依次为:(0.1,0.1,0.2,0.3,0.3)当totalscore大于8,则可认定风险较高;当totalscore值为[5,8)存在一定风险,低于5,存在风险极低
上述权重值可以依据最终反馈的风险结论,来重新调整以便更加贴近最终运行的结果。
作为一个示例,配置权重的规则主要是通过最终案件结论确认,具体为:当案件量达到2000,最终案件结论与该系统评分结果给出的结论一致占比低于50%,需对结论不一致的案件的结论进行归类,看哪几种维度的分数影响最终的分数。例如:当案件数量达到2000,但是最终结论与系统给出的结论一致的只有800,也就是只占40%,那么就需要对剩下的1200个案件的结论进行归类,统计每一维度的数量,根据每一位维度的数量除以总数1200,算出调整后的权重值。
作为一个示例,将判定结果与证件信息关联存储,指的是将判定结果与证件信息关联存储在区块链系统的区块链上。将证件信息关联存储在区块链系统的区块链上,方便对虚假报案人进行追溯和保证报案结果不被篡改。
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中,用户管理模块负责所有区块链参与者的身份信息管理,包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等,并且在授权的情况下,监管和审计某些真实身份的交易情况,提供风险控制的规则配置(风控审计);基础服务模块部署在所有区块链节点设备上,用来验证业务请求的有效性,并对有效请求完成共识后记录到存储上,对于一个新的业务请求,基础服务先对接口适配解析和鉴权处理(接口适配),然后通过共识算法将业务信息加密(共识管理),在加密之后完整一致的传输至共享账本上(网络通信),并进行记录存储;智能合约模块负责合约的注册发行以及合约触发和合约执行,开发人员可以通过某种编程语言定义合约逻辑,发布到区块链上(合约注册),根据合约条款的逻辑,调用密钥或者其它的事件触发执行,完成合约逻辑,同时还提供对合约升级注销的功能;运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出,例如:告警、监控网络情况、监控节点设备健康状态等。
可见,本发明实施例提供了一种虚假保险报案处理方法,主要为保险公司提供快速识别案件的反欺诈、反渗漏的风险识别和管控,通过用户录制视频的方式,读取多个维度的判定信息,并依据判定信息去综合判定报案结果并关联存储出来,可降低保险公司因大量的人工判定产生的误差,同时节省大量的调查人力及社会资源,提高保险公司的案件的结案时效,提高用户对保险公司的案件处理能力和时效带来更好的体验,从而真正为保险公司带来降本增效的作用,极大地降到了虚假案件率,提高了案件判定效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种虚假保险报案处理装置,该虚假保险报案处理装置与上述实施例中虚假保险报案处理方法一一对应。如图6所示,该虚假保险报案处理装置包括响应模块101、第一获取模块102、第二获取模块103、第一分析模块104、第二分析模块105、第三分析模块106、第三获取模块107、第四获取模块108、判定模块109和存储模块110。各功能模块详细说明如下:
响应模块,用于响应用户触发的保险报案请求,以向所述用户端发送材料提交请求;
第一获取模块,用于获取所述用户根据所述材料提交请求上传的证件信息和事故现场视频,所述事故现场视频包含所述用户录入的事故详情口述音频和事故现场图像,所述事故现场图像包括用户的面部图像;
第二获取模块,用于获取所述用户端所反馈的对话数据,所述对话数据为所述用户按照预设问题提问进行回答的对话数据,并获取所述用户按照预设问题进行回答时所述用户的位置;
第一分析模块,用于分析所述用户的面部图像,以获取所述用户的面部微表情变化情况,并根据所述面部微表情变化情况获取面部表情评估值;
第二分析模块,用于分析所述事故详情口述音频,以提取事故详情信息和所述用户的声音变化情况;
第三分析模块,用于分析所述声音变化情况得到声音评估值,并分析所述事故详情信息获取场景评估值;
第三获取模块,用于根据所述事故详情信息和所述对话数据获取说谎评估值;
第四获取模块,用于根据所述事故详情信息和所述用户的位置获取位置评估值;
判定模块,用于根据所述面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定所述用户是否存在虚假报案;
存储模块,用于将判定结果与所述证件信息关联存储。
在一实施例中,所述判定模块具体用于:
分别为所述面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值配置对应的权重值;
按照如下公式计算目标评估值:
其中,所述totalScore表示所述目标评估值,所述ai对应表示各所述评估值对应的权重值,xi对应表示各所述评估值;
判断所述目标评估值是否大于预设阈值;
当所述目标评估值大于预设阈值,则判定所述用户为存在虚假报案;
当所述目标评估值小于或等于预设阈值,则判定所述用户为非存在虚假报案。
在一实施例中,第三分析模块具体用于:
利用所述案发地点获取所述案发地点的周围环境信息;
将所述周围环境信息与所述案发场景信息进行场景匹配,以获取场景匹配度;
根据所述场景匹配度获取所述场景评估值,其中,所述场景评估值与所述场景匹配度正相关。
在一实施例中,所述事故详情信息包含案发时间、案发地点和案发场景信息,第三获取模块,具体用于:
利用所述案发时间、案发地点和案发场景信息,生成所述预设问题;
将所述预设问题发送至人机对话系统,以使所述人机对话系统通过所述预设问题向所述用户发起对话处理;
接收所述人机对话系统所反馈的所述用户按照所述预设问题所回答的对话数据,所述对话数据中包含所述用户所回答的案发时间、案发地点和案发场景信息;
将所述事故详情信息中的案发时间、案发地点和案发场景信息,分别与所述对话数据中的所述用户回答的案发时间、案发地点和案发场景信息进行信息匹配,得到回答信息匹配度;
解析所述对话数据,以获取所述用户对每个所述预设问题进行回答时的停顿时长;
根据所述回答信息匹配度和所述停顿时长获取所述说谎评估值,其中,所述说谎评估值与所述回答信息匹配度正相关,所述说谎评估值与所述停顿时长负相关。
在一实施例中,所述事故详情信息包含案发地点,第四获取模块,具体用于:
预先获得所述用户的授权查阅所述用户端地点的授权;
依据所述证件信息从所述用户端对应的运营商查询所述用户端地点,以获取产生所述对话数据时所述用户的位置;
将所述用户的位置与所述案发地点进行距离比较;
根据所述距离比较结果获取所述位置评估值,其中,所述位置评估值与所述距离比较结果负相关。
在一实施例中,该存储模块具体用于:所述将判定结果与所述证件信息关联存储在区块链系统的区块链上。
可见,本发明实施例提供了一种虚假保险报案处理装置,主要为保险公司提供快速识别案件的反欺诈、反渗漏的风险识别和管控,通过用户录制视频的方式,读取多个维度的判定信息,并依据判定信息去综合判定报案结果并关联存储出来,可降低保险公司因大量的人工判定产生的误差,同时节省大量的调查人力及社会资源,提高保险公司的案件的结案时效,提高用户对保险公司的案件处理能力和时效带来更好的体验,从而真正为保险公司带来降本增效的作用,极大地降到了虚假案件率,提高了案件判定效率。
关于虚假保险报案处理装置的具体限定可以参见上文中对于虚假保险报案处理方法的限定,在此不再赘述。上述虚假保险报案处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7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,该计算机设备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和易失性存储介质、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。该内存储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虚假保险报案处理方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
响应用户触发的保险报案请求,以向所述用户端发送材料提交请求;
获取所述用户根据所述材料提交请求上传的证件信息和事故现场视频,所述事故现场视频包含所述用户录入的事故详情口述音频和事故现场图像,所述事故现场图像包括用户的面部图像;
获取所述用户端所反馈的对话数据,所述对话数据为所述用户按照预设问题进行回答的对话数据,并获取所述用户按照预设问题进行回答时所述用户的位置;
分析所述用户的面部图像,以获取所述用户的面部微表情变化情况,并根据所述面部微表情变化情况获取面部表情评估值;
分析所述事故详情口述音频,以提取事故详情信息和所述用户的声音变化情况;
分析所述声音变化情况得到声音评估值,并分析所述事故详情信息获取场景评估值;
根据所述事故详情信息和所述对话数据获取说谎评估值;
根据所述事故详情信息和所述用户的位置获取位置评估值;
根据所述面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定所述用户是否存在虚假报案,并将判定结果与所述证件信息关联存储。
在一个实施例中,提供了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以下步骤:
响应用户触发的保险报案请求,以向所述用户端发送材料提交请求;
获取所述用户根据所述材料提交请求上传的证件信息和事故现场视频,所述事故现场视频包含所述用户录入的事故详情口述音频和事故现场图像,所述事故现场图像包括用户的面部图像;
获取所述用户端所反馈的对话数据,所述对话数据为所述用户按照预设问题进行回答的对话数据,并获取所述用户按照预设问题进行回答时所述用户的位置;
分析所述用户的面部图像,以获取所述用户的面部微表情变化情况,并根据所述面部微表情变化情况获取面部表情评估值;
分析所述事故详情口述音频,以提取事故详情信息和所述用户的声音变化情况;
分析所述声音变化情况得到声音评估值,并分析所述事故详情信息获取场景评估值;
根据所述事故详情信息和所述对话数据获取说谎评估值;
根据所述事故详情信息和所述用户的位置获取位置评估值;
根据所述面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定所述用户是否存在虚假报案,并将判定结果与所述证件信息关联存储。
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,本申请所提供的各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)、双数据率SDRAM(DDRSDRAM)、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。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种虚假保险报案处理方法,其特征在于,包括:
响应用户触发的保险报案请求,以向所述用户端发送材料提交请求;
获取所述用户根据所述材料提交请求上传的证件信息和事故现场视频,所述事故现场视频包含所述用户录入的事故详情口述音频和事故现场图像,所述事故现场图像包括用户的面部图像;
获取所述用户端所反馈的对话数据,所述对话数据为所述用户按照预设问题进行回答的对话数据,并获取所述用户按照预设问题进行回答时所述用户的位置;
分析所述用户的面部图像,以获取所述用户的面部微表情变化情况,并根据所述面部微表情变化情况获取面部表情评估值;
分析所述事故详情口述音频,以提取事故详情信息和所述用户的声音变化情况;
分析所述声音变化情况得到声音评估值,并分析所述事故详情信息获取场景评估值;
根据所述事故详情信息和所述对话数据获取说谎评估值;
根据所述事故详情信息和所述用户的位置获取位置评估值;
根据所述面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定所述用户是否存在虚假报案,并将判定结果与所述证件信息关联存储。
3.如权利要求1所述的虚假保险报案处理方法,其特征在于,所述事故详情信息包含案发地点和案发场景信息,所述分析所述事故详情信息获取场景评估值,包括:
利用所述案发地点获取所述案发地点的周围环境信息;
将所述周围环境信息与所述案发场景信息进行场景匹配,以获取场景匹配度;
根据所述场景匹配度获取所述场景评估值,其中,所述场景评估值与所述场景匹配度正相关。
4.如权利要求1所述的虚假保险报案处理方法,其特征在于,所述事故详情信息包含案发时间、案发地点和案发场景信息,所述根据所述事故详情信息和所述对话数据获取说谎评估值,包括:
利用所述案发时间、案发地点和案发场景信息,生成所述预设问题;
将所述预设问题发送至人机对话系统,以使所述人机对话系统通过所述预设问题向所述用户发起对话处理;
接收所述人机对话系统所反馈的所述用户按照所述预设问题所回答的对话数据,所述对话数据中包含所述用户所回答的案发时间、案发地点和案发场景信息;
将所述事故详情信息中的案发时间、案发地点和案发场景信息,分别与所述对话数据中的所述用户回答的案发时间、案发地点和案发场景信息进行信息匹配,得到回答信息匹配度;
解析所述对话数据,以获取所述用户对每个所述预设问题进行回答时的停顿时长;
根据所述回答信息匹配度和所述停顿时长获取所述说谎评估值,其中,所述说谎评估值与所述回答信息匹配度正相关,所述说谎评估值与所述停顿时长负相关。
5.如权利要求1所述的虚假保险报案处理方法,其特征在于,所述事故详情信息包含案发地点,所述根据所述事故详情信息和所述用户的位置获取位置评估值,包括:
预先获得所述用户的授权查阅所述用户端地点的授权;
依据所述证件信息从所述用户端对应的运营商查询所述用户端地点,以获取产生所述对话数据时所述用户的位置;
将所述用户的位置与所述案发地点进行距离比较;
根据所述距离比较结果获取所述位置评估值,其中,所述位置评估值与所述距离比较结果负相关。
6.如权利要求1所述的虚假保险报案处理方法,其特征在于,所述将判定结果与所述证件信息关联存储,包括:
所述将判定结果与所述证件信息关联存储在区块链系统的区块链上。
7.一种虚假保险报案处理装置,其特征在于,包括:
响应模块,用于响应用户触发的保险报案请求,以向所述用户端发送材料提交请求;
第一获取模块,用于获取所述用户根据所述材料提交请求上传的证件信息和事故现场视频,所述事故现场视频包含所述用户录入的事故详情口述音频和事故现场图像,所述事故现场图像包括用户的面部图像;
第二获取模块,用于获取所述用户端所反馈的对话数据,所述对话数据为所述用户按照预设问题提问进行回答的对话数据,并获取所述用户按照预设问题进行回答时所述用户的位置;
第一分析模块,用于分析所述用户的面部图像,以获取所述用户的面部微表情变化情况,并根据所述面部微表情变化情况获取面部表情评估值;
第二分析模块,用于分析所述事故详情口述音频,以提取事故详情信息和所述用户的声音变化情况;
第三分析模块,用于分析所述声音变化情况得到声音评估值,并分析所述事故详情信息获取场景评估值;
第三获取模块,用于根据所述事故详情信息和所述对话数据获取说谎评估值;
第四获取模块,用于根据所述事故详情信息和所述用户的位置获取位置评估值;
判定模块,用于根据所述面部表情评估值、声音评估值、场景评估值、说谎评估值和位置评估值判定所述用户是否存在虚假报案;
存储模块,用于将判定结果与所述证件信息关联存储。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述虚假保险报案处理方法的步骤。
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如权利要求1至6任一项所述虚假保险报案处理方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582853.2A CN112667854A (zh) | 2020-12-28 | 2020-12-28 | 虚假保险报案处理方法、装置、计算机设备及存储介质 |
PCT/CN2021/109443 WO2022142319A1 (zh) | 2020-12-28 | 2021-07-30 | 虚假保险报案处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582853.2A CN112667854A (zh) | 2020-12-28 | 2020-12-28 | 虚假保险报案处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112667854A true CN112667854A (zh) | 2021-04-16 |
Family
ID=75411151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011582853.2A Pending CN112667854A (zh) | 2020-12-28 | 2020-12-28 | 虚假保险报案处理方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112667854A (zh) |
WO (1) | WO2022142319A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170030A (zh) * | 2021-12-08 | 2022-03-11 | 北京百度网讯科技有限公司 | 用于车辆远程定损的方法、装置、电子设备和介质 |
WO2022142319A1 (zh) * | 2020-12-28 | 2022-07-07 | 深圳壹账通智能科技有限公司 | 虚假保险报案处理方法、装置、计算机设备及存储介质 |
TWI801082B (zh) * | 2022-01-06 | 2023-05-01 | 國立清華大學 | 車禍嚴重度預測方法及裝置、電腦可讀取的記錄媒體 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8972266B2 (en) * | 2002-11-12 | 2015-03-03 | David Bezar | User intent analysis extent of speaker intent analysis system |
CN109829358A (zh) * | 2018-12-14 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 微表情贷款控制方法、装置、计算机设备及存储介质 |
CN111192150B (zh) * | 2019-12-23 | 2023-07-25 | 中国平安财产保险股份有限公司 | 车辆出险代理业务的处理方法、装置、设备及存储介质 |
CN112667854A (zh) * | 2020-12-28 | 2021-04-16 | 深圳壹账通智能科技有限公司 | 虚假保险报案处理方法、装置、计算机设备及存储介质 |
-
2020
- 2020-12-28 CN CN202011582853.2A patent/CN112667854A/zh active Pending
-
2021
- 2021-07-30 WO PCT/CN2021/109443 patent/WO2022142319A1/zh active Application Filing
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022142319A1 (zh) * | 2020-12-28 | 2022-07-07 | 深圳壹账通智能科技有限公司 | 虚假保险报案处理方法、装置、计算机设备及存储介质 |
CN114170030A (zh) * | 2021-12-08 | 2022-03-11 | 北京百度网讯科技有限公司 | 用于车辆远程定损的方法、装置、电子设备和介质 |
CN114170030B (zh) * | 2021-12-08 | 2023-09-26 | 北京百度网讯科技有限公司 | 用于车辆远程定损的方法、装置、电子设备和介质 |
TWI801082B (zh) * | 2022-01-06 | 2023-05-01 | 國立清華大學 | 車禍嚴重度預測方法及裝置、電腦可讀取的記錄媒體 |
Also Published As
Publication number | Publication date |
---|---|
WO2022142319A1 (zh) | 2022-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112667854A (zh) | 虚假保险报案处理方法、装置、计算机设备及存储介质 | |
US20190259390A1 (en) | Voice recognition system and methods | |
CN109815803B (zh) | 面审风险控制方法、装置、计算机设备和存储介质 | |
CN110633963A (zh) | 电子票据处理方法、装置、计算机可读存储介质和设备 | |
CN104935438A (zh) | 用于身份验证的方法和装置 | |
CN110458662B (zh) | 反欺诈风控方法及装置 | |
CN111353925A (zh) | 基于区块链的防欺诈系统及方法 | |
CN111899100A (zh) | 业务控制方法、装置和设备及计算机存储介质 | |
CN113505393A (zh) | 应用于大数据的区块链支付数据处理方法及云服务器 | |
CN114090985A (zh) | 区块链中用户操作权限的设置方法、装置和电子设备 | |
CN113873088B (zh) | 语音通话的交互方法、装置、计算机设备和存储介质 | |
CN114004639B (zh) | 优惠信息的推荐方法、装置、计算机设备和存储介质 | |
CN115330345A (zh) | 一种电子签章防伪方法及系统 | |
CN111476640A (zh) | 认证方法、系统、存储介质及大数据认证平台 | |
CN108876633B (zh) | 外国人保单的核保处理方法、装置、计算机设备和存储介质 | |
CN107948973B (zh) | 一种应用于安全风险控制的ios系统的设备指纹生成方法 | |
CN111192150A (zh) | 车辆出险代理业务的处理方法、装置、设备及存储介质 | |
CN110599332A (zh) | 基于区块链的用户意愿确定方法、装置、设备和存储介质 | |
CN111652720A (zh) | 云取证方法、装置、计算机设备及存储介质 | |
US20230027253A1 (en) | Method for confirming the identity of a user in a browsing session of an online service | |
CN113988862B (zh) | 一种区块链数据上链方法的安全预警系统及安全预警方法 | |
Pawade et al. | Blockchain based secure traffic police assistant system | |
KR102332997B1 (ko) | 금융사기 위험도 판단 서버, 방법 및 프로그램 | |
CN113395257B (zh) | 一种税务数据处理系统的实现方法及装置 | |
CN112017066A (zh) | 一种信息处理方法、装置、服务器及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40045434 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |