CN114493898A - 保险理赔案件的风险实体识别方法、装置、电子设备和存储介质 - Google Patents
保险理赔案件的风险实体识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114493898A CN114493898A CN202210120714.0A CN202210120714A CN114493898A CN 114493898 A CN114493898 A CN 114493898A CN 202210120714 A CN202210120714 A CN 202210120714A CN 114493898 A CN114493898 A CN 114493898A
- Authority
- CN
- China
- Prior art keywords
- node
- entity
- relationship network
- vehicle
- historical
- 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 41
- 206010039203 Road traffic accident Diseases 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请提供保险理赔案件的风险实体识别方法、装置、电子设备和存储介质。该方法包括:获取实体关系网络,其中,实体关系网络包括多个节点和节点连接线,实体关系网络的各个节点分别对应历史理赔案件所涉及的各个实体,以及实体关系网络的各个节点连接线,分别表征节点连接线两端节点所对应的实体,在历史理赔案件中存在关联关系;分别针对实体关系网络中的各个节点,根据节点所对应实体的特征信息和节点的节点连接线,确定节点所对应实体的风险评分;根据实体关系网络中各个节点分别对应的实体的风险评分,确定风险实体。相当于现有技术通过人工识别出风险实体,能够提高识别效率。
Description
技术领域
本申请涉及智能理赔技术领域,具体而言,涉及保险理赔案件的风险实体识别方法、装置、电子设备和存储介质。
背景技术
在商业保险改革进一步深化的行业背景下,保险公司对保险理赔案件的反欺诈极为重视。但在现有保险理赔案件的反欺诈中,主要通过风控人员对保险理赔案件进行分析,进而人工识别出风险实体,该方式对风险实体识别的效率较低。
发明内容
本申请实施例的目的在于提供保险理赔案件的风险实体识别方法、装置、电子设备和存储介质,用于解决现有技术对风险实体识别效率较低的问题。
本申请实施例第一方面提供了一种保险理赔案件的风险实体识别方法,包括:
获取实体关系网络,其中,所述实体关系网络包括多个节点和节点连接线,所述实体关系网络的各个节点分别对应历史理赔案件所涉及的各个实体,以及所述实体关系网络的各个节点连接线,分别表征所述节点连接线两端节点所对应的实体,在历史理赔案件中存在关联关系;
分别针对所述实体关系网络中的各个节点,根据所述节点所对应实体的特征信息和所述节点的节点连接线,确定所述节点所对应实体的风险评分;
根据所述实体关系网络中各个节点分别对应的实体的风险评分,确定风险实体。
于一实施例中,历史理赔案件所涉及的各个实体,具体包括如下任意一种或多种实体:
历史理赔案件所涉及的各个参与方;
历史理赔案件所涉及的各个车辆;
历史理赔案件所涉及的各个参与方的联系方式。
于一实施例中,根据所述节点所对应实体的特征信息和所述节点的节点连接线,确定所述节点所对应实体的风险评分,具体包括:
根据所述节点所对应实体的特征信息、所述节点的节点连接线以及评分规则,确定所述节点所对应实体的风险评分。
于一实施例中,根据所述节点所对应实体的特征信息、所述节点的节点连接线以及评分规则,确定所述节点所对应实体的风险评分,具体包括:
在所述节点所对应的实体具体为历史理赔案件所涉及的车辆的情况下,根据所述车辆的特征信息,确定所述车辆是否为套牌车、所述车辆是否为发生多次事故的三者车、所述车辆是否为发生多次事故的单辆标的车以及所述车辆是否为黑名单中记录的车辆,并根据所述节点的节点连接线,确定所述车辆是否与其他车辆形成多车闭环碰撞以及所述车辆是否与同一车辆发生多次碰撞,以确定所述车辆的风险评分。
于一实施例中,根据所述节点所对应实体的特征信息、所述节点的节点连接线以及评分规则,确定所述节点所对应实体的风险评分,具体包括:
在所述节点所对应的实体具体为历史理赔案件所涉及的参与方的情况下,根据所述参与方的特征信息,确定所述参与方是否发生过多次交通事故、所述参与方的高理赔金额交通事故的次数,以及所述参与方是否为黑名单中记录的人员,并根据所述节点的节点连接线,确定所述参与方是否与另一参与方共同涉及多个历史理赔案件,以确定所述参与方的风险评分。
于一实施例中,根据所述节点所对应实体的特征信息和所述节点的节点连接线,确定所述节点所对应实体的风险评分,具体包括:
利用评分模型对所述节点所对应实体的特征信息和所述节点的节点连接线进行处理,以获取所述节点所对应实体的风险评分。
于一实施例中,获取实体关系网络,具体包括:
获取历史理赔案件的案件数据,所述案件数据包括所述历史理赔案件所涉及的各个实体以及各个实体的关联关系;
利用所述案件数据生成所述实体关系网络。
于一实施例中,所述实体关系网络的各个节点的节点标识,分别为对应实体的实体标识的密文。
于一实施例中,所述方法还包括:在所述实体关系网络中突出显示所述风险实体对应的节点。
本申请实施例第二方面提供了一种保险理赔案件的风险实体识别装置,包括:
获取单元,用于获取实体关系网络,其中,所述实体关系网络包括多个节点和节点连接线,所述实体关系网络的各个节点分别对应历史理赔案件所涉及的各个实体,以及所述实体关系网络的各个节点连接线,分别表征所述节点连接线两端节点所对应的实体,在历史理赔案件中存在关联关系;
风险评分确定单元,用于分别针对所述实体关系网络中的各个节点,根据所述节点所对应实体的特征信息和所述节点的节点连接线,确定所述节点所对应实体的风险评分;
风险实体确定单元,用于根据所述实体关系网络中各个节点分别对应的实体的风险评分,确定风险实体。
本申请实施例第三方面提供了一种电子设备,包括:
存储器,用以存储计算机程序;
处理器,用以执行本申请方法实施例中任一项所述的方法。
本申请实施例第四方面提供了一种存储介质,包括:程序,当其在电子设备上运行时,使得电子设备可执行本申请方法实施例中任一项所述的方法。
采用本申请实施例所提供的保险理赔案件的风险实体识别方法,包括获取实体关系网络,然后分别针对实体关系网络中的各个节点,根据该节点所对应实体的特征信息和该节点的节点连接线,确定该节点所对应实体的风险评分,然后根据实体关系网络中各个节点分别对应的实体的风险评分,确定风险实体。由于该实体关系网络的各个节点分别对应历史理赔案件所涉及的各个实体,以及实体关系网络的各个节点连接线,分别表征所述节点连接线两端节点所对应的实体,在历史理赔案件中存在关联关系,因此通过节点所对应实体的特征信息和节点的节点连接线,所确定出出节点所对应实体的风险评分,能够反应出该实体的风险高低,进而能够基于该风险评分确定出风险实体,该方法与现有技术通过风控人员人工方式确定风险实体相比,能够提高效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请一实施例提供的,保险理赔案件的风险实体识别方法的具体流程示意图;
图2为本申请一实施例提供的,实体关系网络的结构示意图;
图3为本申请一实施例提供的,保险理赔案件的风险实体识别装置的具体结构示意图;
图4为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。在本申请的描述中,诸如“第一”、“第二”、“第三”等术语仅用于区分描述,而不能理解为指示或暗示相对重要性或先后顺序。
如前所述,在商业保险改革进一步深化的行业背景下,保险公司对保险理赔案件的反欺诈极为重视。但在现有保险理赔案件的反欺诈中,主要通过风控人员对保险理赔案件进行分析,进而人工识别出风险实体,该方式对风险实体识别的效率较低。
比如,车险理赔案件中,需要识别参与方是否存在欺诈,而目前的反欺诈主要依赖风控人员人工识别,导致效率较低。
基于此,本申请实施例提供了一种保险理赔案件的风险实体识别方法,能够用于解决现有技术的问题。如图1所示为该方法的具体流程示意图,该方法包括如下步骤:
步骤S11:获取实体关系网络。
需要说明的是,该实体关系网络包括多个节点和节点连接线。如图2所示为实际应用中,实体关系网络的结构示意图,在该实体关系网络中包括多个节点21和节点连接线22,节点连接线22连接两个不同的节点21。
其中,该实体关系网络的各个节点分别对应历史理赔案件所涉及的各个实体;实体关系网络的各个节点连接线,分别表征该节点连接线两端节点所对应的实体,在历史理赔案件中存在关联关系。因此,可以利用该实体关系网络,存储历史理赔案件的案件数据。
比如,在车险的历史理赔案件中,涉及到的实体通常包括该历史理赔案件的各个参与方、历史理赔案件所涉及的各个车辆以及该历史理赔案件所涉及的各个参与方的联系方式。因此对于某个车险的历史理赔案件,可以将该历史理赔案件的各个参与方,包括定审员、各个涉事车主等,各个参与方的联系方式,包括各个参与方的电话号码、邮件地址等,以及所涉及的各个车辆,包括各个涉事车辆等,分别作为实体关系网络中的节点;并且,由于这些实体彼此之间存在关联关系,比如定审员需要对各个涉事车辆进行鉴定和评估,因此与各个涉事车辆之间存在关联关系,各个涉事车主之间也存在关联关系,各个参与方的电话号码与对应参与方之间存在关联关系等,因此在该实体关系网络中,需要在这些节点之间生成节点连接线,从而表征相应实体之间存在关联关系。
在实际应用中,获取实体关系网络的具体方式可以是,实时生成该实体关系网络,也可以是获取预先生成的该实体关系网络。其中,对于实时生成或预先生成该实体关系网络的具体方式可以是,先获取历史理赔案件的案件数据,该案件数据包括历史理赔案件所涉及的各个实体以及各个实体的关联关系,然后利用该案件数据生成该实体关系网络,比如将该案件数据中的各个实体作为节点,并在存在关联关系的实体所对应的节点之间构建节点连接线,从而生成该实体关系网络。
需要进一步说明的是,对于实体关系网络中的各个节点,可以在节点中设置节点标识,该节点标识可以分别为对应实体的实体标识的密文,也可以为对应实体的实体标识的明文。比如,为了对信息进行保护,通常可以将实体标识的密文作为节点标识。
步骤S12:分别针对实体关系网络中的各个节点,根据该节点所对应实体的特征信息和该节点的节点连接线,确定该节点所对应实体的风险评分。
在获取到实体关系网络之后,可以分别针对该实体关系网络中的各个节点,从而确定各个节点分别对应的实体的风险评分,其中,该风险评分能够用于评估节点所对应的实体的风险高低,比如某个节点所对应的实体的风险评分越高,说明该实体的风险越高,在保险理赔案件中进行欺诈的可能性也越高;或,某个节点所对应的实体的风险评分越低,说明该实体的风险越低,在保险理赔案件中进行欺诈的可能性也越低。
在确定节点所对应的实体的风险评分时,主要结合两个层面的因素,第一个方面是该实体的特征信息,该特征信息能够表征该实体所具有的固有特性,从而从实体自身的层面反映出风险的高低;第二个方面是该节点的节点连接线,比如节点连接线的数量、是否与其他节点的节点连接线形成多节点闭环等,由于节点连接线能够表征两端的节点对应的实体的存在关联关系,因此该节点的节点连接线数量越多、形成多节点闭环等,能够从多个实体间关系的层面反映出风险的高低。这样,本申请的步骤S12从实体自身和多个实体间关系两个层面,确定出实体的风险评分,使该风险评分能够更准确地反应出实体的风险高低。
步骤S13:根据实体关系网络中各个节点分别对应的实体的风险评分,确定风险实体。
在步骤S12中确定出实体关系网络中各个节点分别对应的实体的风险评分之后,可以根据这些实体的风险评分,确定出风险实体。比如,可以将风险评分大于预设阈值的实体确定为风险实体。
在实际应用中,可以根据实际需要来设定该预设阈值的大小,比如根据理赔场景(比如,车险理赔、财产保险理赔、大病保险理赔等)的不同,设置与理赔场景对应的预设阈值。比如,在车险理赔的场景中,通常可以针对车险的历史理赔案件进行大数据分析,从而确定出车险理赔场景的预设阈值。
采用本申请实施例所提供的保险理赔案件的风险实体识别方法,包括获取实体关系网络,然后分别针对实体关系网络中的各个节点,根据该节点所对应实体的特征信息和该节点的节点连接线,确定该节点所对应实体的风险评分,然后根据实体关系网络中各个节点分别对应的实体的风险评分,确定风险实体。由于该实体关系网络的各个节点分别对应历史理赔案件所涉及的各个实体,以及实体关系网络的各个节点连接线,分别表征所述节点连接线两端节点所对应的实体,在历史理赔案件中存在关联关系,因此通过节点所对应实体的特征信息和节点的节点连接线,所确定出出节点所对应实体的风险评分,能够反应出该实体的风险高低,进而能够基于该风险评分确定出风险实体,该方法与现有技术通过风控人员人工方式确定风险实体相比,能够提高效率。
在上述步骤S12中提到了确定实体的风险评分,这里可以对确定实体的风险评分的具体方式进行进一步的说明,如下所示有多种确定实体的风险评分的具体方式:
方式一:分别针对实体关系网络中的各个节点,根据该节点所对应实体的特征信息、节点的节点连接线以及评分规则,确定该节点所对应实体的风险评分。
在该方式一中,主要利用评分规则确定实体的风险评分。在实际应用中,可以根据实际需要来设定该预设阈值的大小,比如根据理赔场景的不同,可以制定理赔场景对应的评分规则,然后结合该评分规则、节点所对应实体的特征信息以及节点的节点连接线,确定出节点所对应实体的风险评分。
这里可以以车险理赔的场景为例进行说明,在该场景下,实体关系网络中的各个节点分别对应的实体,包括车险的历史理赔案件的各个参与方、车险的历史理赔案件所涉及的各个车辆,以及车险的历史理赔案件所涉及的各个参与方的联系方式。
这样,在确定某个节点所对应的实体的风险评分时,在该节点所对应的实体具体为,车险的历史理赔案件所涉及的车辆的情况下,可以根据该车辆的特征信息,确定该车辆是否为套牌车、该车辆是否为发生多次事故的三者车、该车辆是否为发生多次事故的单辆标的车,以及车辆是否为黑名单中记录的车辆,并根据该节点的节点连接线,确定该车辆是否与其他车辆形成多车闭环碰撞,以及该车辆是否与同一车辆发生多次碰撞,从而确定车辆的风险评分。
比如,根据该车辆的特征信息,若该车辆为套牌车,则在基础分值的基础上增加20分(或其他分值),其中,该基础分值可以为10分(或其他分值);若该车辆为发生多次事故的三者车,则每发生一次事故增加3分(或其他分值);若该车辆为发生多次事故的单辆标的车,则每发生一次事故增加3分(或其他分值);若该车辆为黑名单中记录的车辆,则增加5分(或其他分值);根据该节点的节点连接线,若确定该车辆与其他车辆形成多车闭环碰撞,则根据形成多车闭环碰撞的车辆数量,确定增加的分值,比如每增加1辆车,增加的分值为5分(或其他分值);若该车辆与同一车辆发生多次碰撞,则每发生一次碰撞增加10分(或其他分值)。这样,能够确定出车辆的风险评分。
比如,某个车辆为套牌车,并且与同一车辆发生3次碰撞,则该车辆的风险评分为10+20+3*10=60分;或,某个车辆为发生5次事故的三者车,则每发生一次事故增加3分,并且与4辆车形成多车闭环碰撞,则该车辆的风险评分为10+5*3+4*5=45分。
另外,对于节点对应的车辆为套牌车、三者车、单辆标的车或黑名单中记录的车辆,可以在实体关系网络中突出显示该节点,并在该节点的内部或周边进行标注;并且,若多个车辆形成多车闭环碰撞,则可以在实体关系网络突出显示形成闭环的多个节点连接线;若某个车辆与同一车辆发生多次碰撞,则可以将这两个车辆对应的节点突出显示,并将两者之间的节点连接线突出显示。
其中,对于上述突出显示节点的具体方式,比如,可以是将节点标注为高亮色彩、将节点的线条加粗、将节点连接线加粗等。
在该车险理赔的场景下,在确定某个节点所对应的实体的风险评分时,在该节点所对应的实体具体为,历史理赔案件所涉及的参与方的情况下,可以根据该参与方的特征信息,确定该参与方是否发生过多次交通事故,该参与方的高理赔金额交通事故的次数,以及该参与方是否为黑名单中记录的人员,并根据该参与方所对应节点的节点连接线,确定该参与方是否与另一参与方方共同涉及多个历史理赔案件,以确定该参与方的风险评分。
比如,根据该参与方的特征信息,若确定该参与方发生过多次交通事故,则每发生一次事故增加3分(或其他分值);确定出该参与方的高理赔金额交通事故的次数,其中,高理赔金额交通事故可以是理赔金额超过1万元(或其他金额)的交通事故,比如每增加1次,增加的分值为5分(或其他分值);若确定该参与方为黑名单中记录的人员,则增加5分(或其他分值);根据该参与方所对应节点的节点连接线,若确定该参与方与另一参与方共同涉及多个历史理赔案件,则根据共同涉及的历史理赔案件的数量,确定增加的分值,比如每增加1个案件,增加的分值为10分(或其他分值),从而最终确定出该参与方的风险评分。
比如,根据该参与方的特征信息,确定某个参与方为黑名单中记录的人员,并且与另一参与方共同涉及3个历史理赔案件,则该参与方的风险评分为10(基础分值)+5+10*3=45分;或,某个参与方发生过4次交通事故,并且还发生过1次高理赔金额交通事故,则该参与方的风险评分为10(基础分值)+3*4+5*1=27分。
另外,对于节点对应的参与方,若发生过多次交通事故、发生过高理赔金额交通事故或为黑名单中记录的人员,也可以在实体关系网络中突出显示该节点,并在该节点的内部或周边进行标注;并且,若确定某个参与方与另一参与方共同涉及多个历史理赔案件,则可以将这两个参与方对应的节点突出显示,并将两者之间的节点连接线也突出显示。
在该车险理赔的场景下,在确定某个节点所对应的实体的风险评分时,在该节点所对应的实体具体为参与方的联系方式的情况下,可以根据该联系方式的特征信息,确定该联系方式的注册用户与使用用户是否相同、确定该联系方式的使用用户是否有多个,以及确定该联系方式是否为黑名单中的联系方式,并根据该联系方式所对应节点的节点连接线,确定该联系方式是否与另一联系方式共同涉及多个历史理赔案件,以确定该联系方式的风险评分。
比如,若确定该联系方式为黑名单中的联系方式,则增加的分值为5分(或其他分值);若确定该联系方式的注册用户与使用用户不相同,则增加的分值为10分(或其他分值);若确定该联系方式的使用用户有多个,则每增加1个使用用户,增加的分值为3分;根据该联系方式所对应节点的节点连接线,若确定该联系方式与另一联系方式共同涉及多个历史理赔案件,则根据共同涉及的历史理赔案件的数量,确定增加的分值,比如每增加1个案件,增加的分值为10分(或其他分值),从而最终确定出该联系方式的风险评分。
另外,对于节点对应的联系方式,若该联系方式的注册用户与使用用户不相同、该联系方式的使用用户有多个或为黑名单中记录的联系方式,也可以在实体关系网络中突出显示该节点,并在该节点的内部或周边进行标注;并且,若确定某个联系方式与另一联系方式共同涉及多个历史理赔案件,则可以将这两个联系方式对应的节点突出显示,并将两者之间的节点连接线也突出显示。
上述的方式一中,主要利用评分规则确定实体的风险评分。在实际应用中,还可以利用评分模型来确定实体的风险评分。因此,还可以提供方式二:利用评分模型对节点所对应实体的特征信息和节点的节点连接线进行处理,以获取该节点所对应实体的风险评分。
比如,在实际应用中,可以预先训练得到该评分模型,然后将实体关系网络中节点的特征信息,和该节点的节点连接线输入至该评分模型,利用该评分模型对该特征信息和节点连接线进行处理,从而得到评分模型的输出结果,也即该节点所对应实体的风险评分。
在预先训练得到该评分模型的过程中,可以通过对历史理赔案件的案件数据进行特征提取,从而生成训练集和测试集,然后利用训练集对待训练的评分模型进行训练,得到第一评分模型;然后利用测试集对该第一评分模型进行测试,比如测试该第一评分模型的准确度、鲁棒性、时间复杂度、空间复杂度等,当完成测试后,得到该评分模型。
另外,对于该评分模型的模型结构,可以是深度神经网络模型,也可以是卷积神经网络模型,也可以是循环神经网络模型,也可以是其他类型的模型,这里对该评分模型的模型结构并不做具体限定。
需要进一步说明的是,在上述的步骤S13中,确定出风险实体之后,该方法还可以包括,在实体关系网络中突出显示该风险实体对应的节点,当然,还可以在该风险实体对应的节点内部或周边,展示该风险实体的风险评分。
基于与本申请实施例所提供的,保险理赔案件的风险实体识别方法相同的发明构思,本申请实施例还提供了一种保险理赔案件的风险实体识别装置,对于该装置实施例,如有不清楚之处,可以参考方法实施例的相应内容。如图3所示为该装置30的具体结构示意图,该装置30包括:获取单元301、风险评分确定单元302和风险实体确定单元303,其中:
获取单元301,用于获取实体关系网络,其中,所述实体关系网络包括多个节点和节点连接线,所述实体关系网络的各个节点分别对应历史理赔案件所涉及的各个实体,以及所述实体关系网络的各个节点连接线,分别表征所述节点连接线两端节点所对应的实体,在历史理赔案件中存在关联关系;
风险评分确定单元302,用于分别针对所述实体关系网络中的各个节点,根据所述节点所对应实体的特征信息和所述节点的节点连接线,确定所述节点所对应实体的风险评分;
风险实体确定单元303,用于根据所述实体关系网络中各个节点分别对应的实体的风险评分,确定风险实体。
采用本申请实施例所提供的装置30,由于该装置30采用与本申请实施例所提供的,保险理赔案件的风险实体识别方法相同的发明构思,在该方法能够解决技术问题的前提下,该装置30也能够解决技术问题,这里对此不再赘述。
另外,在实际应用中,通过将该装置30与具体硬件设备、云技术等相结合所取得的技术效果,也在本申请的保护范围之内,比如采用分布式集群的方式将该装置30中的不同单元布设于分布式集群中的不同节点中,从而提高效率等。
在实际应用中,该历史理赔案件所涉及的各个实体,具体包括如下任意一种或多种实体:历史理赔案件所涉及的各个参与方;历史理赔案件所涉及的各个车辆;历史理赔案件所涉及的各个参与方的联系方式。
该风险评分确定单元302可以包括第一风险评分确定子单元,用于根据所述节点所对应实体的特征信息、所述节点的节点连接线以及评分规则,确定所述节点所对应实体的风险评分。
在实际应用中,该第一风险评分确定子单元可以包括第一风险评分确定子模块,用于在所述节点所对应的实体具体为历史理赔案件所涉及的车辆的情况下,根据所述车辆的特征信息,确定所述车辆是否为套牌车、所述车辆是否为发生多次事故的三者车、所述车辆是否为发生多次事故的单辆标的车以及所述车辆是否为黑名单中记录的车辆,并根据所述节点的节点连接线,确定所述车辆是否与其他车辆形成多车闭环碰撞以及所述车辆是否与同一车辆发生多次碰撞,以确定所述车辆的风险评分。
在实际应用中,该第一风险评分确定子单元还可以包括第二风险评分确定子模块,用于在所述节点所对应的实体具体为历史理赔案件所涉及的参与方的情况下,根据所述参与方的特征信息,确定所述参与方是否发生过多次交通事故、所述参与方的高理赔金额交通事故的次数,以及所述参与方是否为黑名单中记录的人员,并根据所述节点的节点连接线,确定所述参与方是否与另一参与方共同涉及多个历史理赔案件,以确定所述参与方的风险评分。
该风险评分确定单元302还可以包括第二风险评分确定子单元,用于利用评分模型对所述节点所对应实体的特征信息和所述节点的节点连接线进行处理,以获取所述节点所对应实体的风险评分。
获取单元301可以包括案件数据获取子单元和实体关系网络生成子单元,其中:
案件数据获取子单元,用于获取历史理赔案件的案件数据,所述案件数据包括所述历史理赔案件所涉及的各个实体以及各个实体的关联关系;
实体关系网络生成子单元,用于利用所述案件数据生成所述实体关系网络。
对于实体关系网络的各个节点的节点标识,可以分别为对应实体的实体标识的密文。
如图4所示,本实施例还提供一种电子设备4,包括:至少一个处理器41和存储器42,图4中以一个处理器为例。处理器41和存储器42可以通过总线40连接,存储器42存储有可被处理器41执行的指令,指令被处理器41执行,以使电子设备4可执行下述的实施例中方法的全部或部分流程。
该电子设备4可以是手机、笔记本电脑、台式电脑或其组成的大型服务器或服务器集群等。
本发明实施例还提供了一种存储介质,包括:程序,当其在电子设备上运行时,使得电子设备可执行上述实施例中方法的全部或部分流程。其中,存储介质可为磁盘、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等。存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (12)
1.一种保险理赔案件的风险实体识别方法,其特征在于,包括:
获取实体关系网络,其中,所述实体关系网络包括多个节点和节点连接线,所述实体关系网络的各个节点分别对应历史理赔案件所涉及的各个实体,以及所述实体关系网络的各个节点连接线,分别表征所述节点连接线两端节点所对应的实体,在历史理赔案件中存在关联关系;
分别针对所述实体关系网络中的各个节点,根据所述节点所对应实体的特征信息和所述节点的节点连接线,确定所述节点所对应实体的风险评分;
根据所述实体关系网络中各个节点分别对应的实体的风险评分,确定风险实体。
2.根据权利要求1所述的方法,其特征在于,历史理赔案件所涉及的各个实体,具体包括如下任意一种或多种实体:
历史理赔案件所涉及的各个参与方;
历史理赔案件所涉及的各个车辆;
历史理赔案件所涉及的各个参与方的联系方式。
3.根据权利要求2所述的方法,其特征在于,根据所述节点所对应实体的特征信息和所述节点的节点连接线,确定所述节点所对应实体的风险评分,具体包括:
根据所述节点所对应实体的特征信息、所述节点的节点连接线以及评分规则,确定所述节点所对应实体的风险评分。
4.根据权利要求3所述的方法,其特征在于,根据所述节点所对应实体的特征信息、所述节点的节点连接线以及评分规则,确定所述节点所对应实体的风险评分,具体包括:
在所述节点所对应的实体具体为历史理赔案件所涉及的车辆的情况下,根据所述车辆的特征信息,确定所述车辆是否为套牌车、所述车辆是否为发生多次事故的三者车、所述车辆是否为发生多次事故的单辆标的车以及所述车辆是否为黑名单中记录的车辆,并根据所述节点的节点连接线,确定所述车辆是否与其他车辆形成多车闭环碰撞以及所述车辆是否与同一车辆发生多次碰撞,以确定所述车辆的风险评分。
5.根据权利要求3所述的方法,其特征在于,根据所述节点所对应实体的特征信息、所述节点的节点连接线以及评分规则,确定所述节点所对应实体的风险评分,具体包括:
在所述节点所对应的实体具体为历史理赔案件所涉及的参与方的情况下,根据所述参与方的特征信息,确定所述参与方是否发生过多次交通事故、所述参与方的高理赔金额交通事故的次数,以及所述参与方是否为黑名单中记录的人员,并根据所述节点的节点连接线,确定所述参与方是否与另一参与方共同涉及多个历史理赔案件,以确定所述参与方的风险评分。
6.根据权利要求1所述的方法,其特征在于,根据所述节点所对应实体的特征信息和所述节点的节点连接线,确定所述节点所对应实体的风险评分,具体包括:
利用评分模型对所述节点所对应实体的特征信息和所述节点的节点连接线进行处理,以获取所述节点所对应实体的风险评分。
7.根据权利要求1所述的方法,其特征在于,获取实体关系网络,具体包括:
获取历史理赔案件的案件数据,所述案件数据包括所述历史理赔案件所涉及的各个实体以及各个实体的关联关系;
利用所述案件数据生成所述实体关系网络。
8.根据权利要求1所述的方法,其特征在于,所述实体关系网络的各个节点的节点标识,分别为对应实体的实体标识的密文。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:在所述实体关系网络中突出显示所述风险实体对应的节点。
10.一种保险理赔案件的风险实体识别装置,其特征在于,包括:
获取单元,用于获取实体关系网络,其中,所述实体关系网络包括多个节点和节点连接线,所述实体关系网络的各个节点分别对应历史理赔案件所涉及的各个实体,以及所述实体关系网络的各个节点连接线,分别表征所述节点连接线两端节点所对应的实体,在历史理赔案件中存在关联关系;
风险评分确定单元,用于分别针对所述实体关系网络中的各个节点,根据所述节点所对应实体的特征信息和所述节点的节点连接线,确定所述节点所对应实体的风险评分;
风险实体确定单元,用于根据所述实体关系网络中各个节点分别对应的实体的风险评分,确定风险实体。
11.一种电子设备,其特征在于,包括:
存储器,用以存储计算机程序;
处理器,用以执行如权利要求1至9中任一项所述的方法。
12.一种存储介质,其特征在于,包括:程序,当其在电子设备上运行时,使得电子设备可执行如权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210120714.0A CN114493898A (zh) | 2022-02-09 | 2022-02-09 | 保险理赔案件的风险实体识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210120714.0A CN114493898A (zh) | 2022-02-09 | 2022-02-09 | 保险理赔案件的风险实体识别方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114493898A true CN114493898A (zh) | 2022-05-13 |
Family
ID=81478087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210120714.0A Pending CN114493898A (zh) | 2022-02-09 | 2022-02-09 | 保险理赔案件的风险实体识别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114493898A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160042355A1 (en) * | 2014-08-06 | 2016-02-11 | Alibaba Group Holding Limited | Method and Apparatus of Identifying a Transaction Risk |
CN106803178A (zh) * | 2015-11-26 | 2017-06-06 | 阿里巴巴集团控股有限公司 | 一种处理实体的方法和设备 |
CN109003089A (zh) * | 2018-06-28 | 2018-12-14 | 中国工商银行股份有限公司 | 风险识别方法及装置 |
CN112529715A (zh) * | 2019-09-18 | 2021-03-19 | 杭州联保致新科技有限公司 | 一种基于复杂拓扑网络分析的车辆理赔群体欺诈识别方法 |
CN113487109A (zh) * | 2021-07-27 | 2021-10-08 | 中国平安财产保险股份有限公司 | 群体识别方法、装置、电子设备及存储介质 |
CN113902540A (zh) * | 2021-09-03 | 2022-01-07 | 度小满科技(北京)有限公司 | 一种用于风险识别的方法和装置 |
-
2022
- 2022-02-09 CN CN202210120714.0A patent/CN114493898A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160042355A1 (en) * | 2014-08-06 | 2016-02-11 | Alibaba Group Holding Limited | Method and Apparatus of Identifying a Transaction Risk |
CN106803178A (zh) * | 2015-11-26 | 2017-06-06 | 阿里巴巴集团控股有限公司 | 一种处理实体的方法和设备 |
CN109003089A (zh) * | 2018-06-28 | 2018-12-14 | 中国工商银行股份有限公司 | 风险识别方法及装置 |
CN112529715A (zh) * | 2019-09-18 | 2021-03-19 | 杭州联保致新科技有限公司 | 一种基于复杂拓扑网络分析的车辆理赔群体欺诈识别方法 |
CN113487109A (zh) * | 2021-07-27 | 2021-10-08 | 中国平安财产保险股份有限公司 | 群体识别方法、装置、电子设备及存储介质 |
CN113902540A (zh) * | 2021-09-03 | 2022-01-07 | 度小满科技(北京)有限公司 | 一种用于风险识别的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522304B (zh) | 异常对象识别方法及装置、存储介质 | |
CN111460312A (zh) | 空壳企业识别方法、装置及计算机设备 | |
CN106507354B (zh) | 用于防止移动设备恶意注册的方法及装置 | |
CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
CN106355414A (zh) | 处理用户反馈信息的方法及装置 | |
CN111372242B (zh) | 欺诈识别方法、装置、服务器及存储介质 | |
CN109547942A (zh) | 诈骗号码识别方法、装置、设备及计算机可读存储介质 | |
CN110796578A (zh) | 一种分级救援的判断方法及装置、计算机设备和存储介质 | |
CN116189079A (zh) | 一种用于监控设备的异常检测方法及设备 | |
CN111090729B (zh) | 欺诈团伙的识别方法、装置、服务器和存储介质 | |
CN110365634B (zh) | 异常数据监控方法、装置、介质及电子设备 | |
CN114297735A (zh) | 数据处理方法及相关装置 | |
CN111400695B (zh) | 一种设备指纹生成方法、装置、设备和介质 | |
CN113065748A (zh) | 业务风险评估方法、装置、设备及存储介质 | |
CN114493898A (zh) | 保险理赔案件的风险实体识别方法、装置、电子设备和存储介质 | |
CN116909913A (zh) | 金融支付系统测试方法、装置、设备及可读存储介质 | |
CN116109320A (zh) | 订单违规监控方法及装置 | |
CN106535102A (zh) | 一种移动终端定位方法及移动终端 | |
CN114970495A (zh) | 人名消歧方法、装置、电子设备及存储介质 | |
CN110458707B (zh) | 基于分类模型的行为评估方法、装置及终端设备 | |
CN112883363A (zh) | 一种识别设备指纹碰撞的方法 | |
CN113780407B (zh) | 一种数据检测方法、装置、电子设备及存储介质 | |
CN113538147B (zh) | 股权详情数据生成方法、装置及电子设备 | |
CN111294840B (zh) | 一种专网断点定位方法及装置 | |
CN109982274A (zh) | 一种信息获取方法、装置、服务器及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220513 |