CN117710113A - 基于法人业务知识图谱的异常投保行为识别方法及系统 - Google Patents

基于法人业务知识图谱的异常投保行为识别方法及系统 Download PDF

Info

Publication number
CN117710113A
CN117710113A CN202311536172.6A CN202311536172A CN117710113A CN 117710113 A CN117710113 A CN 117710113A CN 202311536172 A CN202311536172 A CN 202311536172A CN 117710113 A CN117710113 A CN 117710113A
Authority
CN
China
Prior art keywords
legal
nodes
node
information
insured
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
Application number
CN202311536172.6A
Other languages
English (en)
Other versions
CN117710113B (zh
Inventor
孙宁宁
刘庆杰
周爱广
王义龙
胡源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Life Insurance Co ltd Shandong Branch
Original Assignee
China Life Insurance Co ltd Shandong Branch
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Life Insurance Co ltd Shandong Branch filed Critical China Life Insurance Co ltd Shandong Branch
Priority to CN202311536172.6A priority Critical patent/CN117710113B/zh
Publication of CN117710113A publication Critical patent/CN117710113A/zh
Application granted granted Critical
Publication of CN117710113B publication Critical patent/CN117710113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提出了一种基于法人业务知识图谱的异常投保行为识别方法及系统,该方法包括:以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;根据预设风险传递原则,标记风险节点,若新投保业务或变更被保人构成业务涉及的节点被标记为风险节点,则新投保业务或变更被保人构成业务识别为异常投保行为,有效地提高了法人客户的异常投保行为识别效率以及可靠性。

Description

基于法人业务知识图谱的异常投保行为识别方法及系统
技术领域
本发明涉及异常投保行为识别领域,尤其是涉及基于法人业务知识图谱的异常投保行为识别方法及系统。
背景技术
在寿险公司保险业务中,法人业务是指法人客户通过团单为多个被保人提供权益保障,比如建筑类企业为建筑工人提供工伤和意外保险。由于工作人员流动,法人客户会通过“增减人”的方式变更被保人构成。整个业务流程中,法人客户(投保方)、被保人和销售代理人均可能存在风险,主要的风险点包括:(1)某些高赔付风险的被保人出现在多个法人客户保单的被保人清单中,这些法人客户与骗保团伙关联的可能性较大。(2)既往纳入“黑名单”的法人客户绕开“黑名单”机制,通过关联企业或实控公司进行投保,此类业务赔付风险很大。(3)部分自身存在较大经营风险的法人客户投保后,存在道德风险。(4)法人业务的被保人清单中包含违规失信人员。(5)某些销售代理人因业务压力承接“高风险”业务。
在法人业务承保环节,寿险公司需要快速识别包含上述风险点的异常投保行为,降低公司损失和被欺诈风险。
相关技术中,对于法人客户的异常投保行为识别方法;一种是多基于公司业务系统内的“表格类”数据和黑名单数据,通过关联查询,确定新投保业务是否包含风险点,存在异常行为;但是,通过表格类数据分析法人客户、被保人和销售代理人之间的关联关系时,需要进行复杂关联查询,耗时较长,返回结果依然为表格类数据,难以快速直观呈现三者之间的复杂关系,加之“增减人”行为发生在随机的时间点,现有识别方法不利于定位风险点,发现异常投保行为。
另外一种是多基于业务系统内的保险信息,难以发现法人客户之间的“特殊”联系,比如法人客户之间的股权实控关系;难以判定法人客户的经营情况;无法有效识别存在违规失信行为的被保人,导致识别的风险点单一,不够全面。
综上所述,现有技术中法人客户的异常投保行为识别效率以及可靠性不高,为解决现有技术中法人客户的异常投保行为识别效率以及可靠性不高的问题,现提出本方案。
发明内容
本发明为了解决现有技术中存在的问题,创新提出了基于法人业务知识图谱的异常投保行为识别方法及系统,有效解决由于现有技术造成法人客户的异常投保行为识别效率以及可靠性不高的问题,有效地提高了法人客户的异常投保行为识别效率以及可靠性。
本发明第一方面提供了一种基于法人业务知识图谱的异常投保行为识别方法,包括:
以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;
当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;
根据预设风险传递原则,标记风险节点,若新投保业务或变更被保人构成业务涉及的节点被标记为风险节点,则新投保业务或变更被保人构成业务识别为异常投保行为。
可选地,所述法人业务知识图谱包括多个节点,
所述节点包括法人客户节点、被保人节点、赔案节点、销售代理人节点;每个法人客户节点代表一个法人客户;每个被保人节点代表一个自然人客户;每个销售代理人节点代表一名销售代理人;每个赔案节点代表一个赔案;
法人客户节点和被保人节点之间的边代表一次投保被保关系,法人客户节点和被保人节点之间的边被标记为投保被保类型,由法人客户节点指向被保人节点表示法人客户投保业务的被保人清单中包括被保人;
法人客户节点和销售代理人节点之间的边代表一次销售投保关系,法人客户节点和销售代理人节点之间的边被标记为销售投保类型,由销售代理人节点指向法人客户节点,表示法人客户投保业务的销售代理人信息;
不同法人客户节点之间的边表示两个企业之间存在股权或实控关联,不同法人客户节点之间的边被标记为股权或实控关联类型,不同法人客户节点之间的边的方向由被控方指向实控方;
被保人节点和赔案节点之间的边代表一次被保理赔关系,被保人节点和赔案节点之间的边被标记为被保理赔类型,由被保人节点指向赔案节点,表示被保人发生了一次理赔行为。
进一步地,将统一信用代码作为法人客户节点唯一标识,所述法人客户节点的属性信息包含法人客户名称、企业类别、企业规模、企业收入、经营风险、是否黑名单;将被保人身份证号作为被保人节点唯一标识,所述被保人节点的属性信息包含姓名、生日、性别;将销售代理人工号作为销售代理人节点唯一标识,所述销售代理人节点的属性信息包含姓名、入司时间、职级、年龄;将赔案号作为赔案节点唯一标识,所述赔案节点的属性信息包含申请时间、赔付时间、理赔原因、赔付金额。
可选地,法人客户节点和被保人节点之间的边的属性信息包括保单号、投保时间、生效时间、保险期、保费、保额;法人客户节点和销售代理人节点之间的边的属性包括投保单号、投保时间、保费、保额等信息;不同法人客户节点之间的边的属性信息包括关联类型、数据来源;被保人节点和赔案节点之间的边所对应的赔案信息存储在赔案节点中。
进一步地,所述当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系具体为:
将法人客户产生新投保业务或变更被保人构成业务所涉及的法人客户、被保人和销售代理人作为节点更新到法人业务知识图谱中,若对应节点已存在,只更新对应节点的属性信息,若对应节点不存在,则新建对应节点;
根据法人客户产生新投保业务或变更被保人构成业务的保险业务信息,新建或更新对应节点之间的边以及对应节点之间边的属性信息。
可选地,在法人业务知识图谱中,预设风险传递原则为:与风险节点的最短路径为第一数量边的节点的风险性大于与风险节点的最短路径为第二数量边的节点的风险性;所述第一数量小于第二数量。
进一步地,所述根据预设风险传递原则,标记风险节点包括:
根据法人客户的保险业务信息,将存在预设风险类型的法人客户节点标记为风险节点;
将第一预设时长内大于第一预设数量的不同法人客户均为该被保人投保过的被保人节点标记为风险节点;
将第二预设时长内发生赔案次数超过预设次数的被保人节点标记为风险节点。
进一步地,所述根据预设风险传递原则,标记风险节点还包括:
将存在违规失信行为的未被标记为风险节点的被保人节点标记为风险节点;
将满足预设条件的法人客户节点标记为风险节点;所述预设条件包括:与大于第二预设数量的风险节点的最短路径均为第三预设数量边,且所述风险节点类型均为被保人节点,且法人客户节点未被标记为风险节点;
将与节点类型为法人客户节点的风险节点的最短路径为第三预设数量边,且未被标记为风险节点的法人客户节点标记为风险节点;
将与大于第四预设数量的风险节点的最短路径均为第三预设数量边的销售代理人节点标记为风险节点。
可选地,保险业务信息包括法人客户保险业务信息、法人客户黑名单信息、法人客户的工商信息、法人客户的法律诉讼信息、法人客户的经营风险信息、自然人客户的违规失信信息;
所述法人客户保险业务信息包括保险保单信息、保险保单中的投保人信息、保险保单中的被保人信息、保险保单中的销售代理人信息、保险保单中的被保人理赔信息;
所述法人客户黑名单信息为保险公司业务方积累的法人客户黑名单信息,法人客户黑名单中的法人客户因存在违规行为,保险公司不再受理对应的投保业务;
法人客户的工商信息包括反映企业经营情况的经营收入信息、反映企业经营情况的利润信息、反映法人户之间关联关系的的分支机构、反映法人户之间关联关系的的关联企业以及反映法人户之间关联关系的的股权构成信息;
法人客户的法律诉讼信息包括法人客户涉及的司法案件、法人客户涉及的失信信息、法人客户涉及的立案信息、法人客户涉及的股权冻结信息;
法人客户的经营风险信息包括法人客户涉及的行政处罚、法人客户涉及的经营异常、法人客户涉及的严重违法信息;
自然人客户的违规失信信息包括违规失信的自然人客户的身份信息。
本发明第二方面提供了一种基于法人业务知识图谱的异常投保行为识别系统,包括:
建立模块,以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;
更新模块,当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;
标记模块,根据预设风险传递原则,标记风险节点,若新投保业务或变更被保人构成业务涉及的节点被标记为风险节点,则新投保业务或变更被保人构成业务识别为异常投保行为。
本发明采用的技术方案包括以下技术效果:
1、本发明技术方案中以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;根据预设风险传递原则,标记风险节点,若新投保业务或变更被保人构成业务涉及的节点被标记为风险节点,则新投保业务或变更被保人构成业务识别为异常投保行为,有效解决由于现有技术造成法人客户的异常投保行为识别效率以及可靠性不高的问题,有效地提高了法人客户的异常投保行为识别效率以及可靠性。
2、本发明技术方案可以充分利用知识图谱处理复杂关联关系的能力,快速识别新承保法人业务中法人客户的相关风险点,降低公司损失和被欺诈风险,提升业务质量。
3、本发明技术方案中所述法人业务知识图谱包括多个节点,每个法人客户节点代表一个法人客户;每个被保人节点代表一个自然人客户;每个销售代理人节点代表一名销售代理人;每个赔案节点代表一个赔案;不同节点之间的指向、边、边的属性信息,共同构成了法人客户保险业务不同主体之间的相互业务关系,可以进一步地提高了法人客户的异常投保行为识别效率以及可靠性。
4、本发明技术方案中在法人业务知识图谱中,预设风险传递原则为:与风险节点的最短路径为第一数量边的节点的风险性大于与风险节点的最短路径为第二数量边的节点的风险性;所述第一数量小于第二数量,可以快速识别新承保法人业务中法人客户的风险性较高的相关风险点,降低公司损失和被欺诈风险,提升业务质量。
应当理解的是以上的一般描述以及后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
为了更清楚说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍,显而易见的,对于本领域普通技术人员而言,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的附图。
图1为本发明方案中实施例一方法的流程示意图;
图2为本发明方案中实施例一方法中法人客户、被保人、销售代理人之间的关系示意图;
图3为本发明方案中实施例一方法中法人业务知识图谱的示例示意图;
图4为本发明方案中实施例一方法中步骤S2的流程示意图;
图5为本发明方案中实施例二系统的结构示意图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例一
如图1所示,本发明提供了一种基于法人业务知识图谱的异常投保行为识别方法,包括:
S1,以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;
S2,当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;
S3,根据预设风险传递原则,标记风险节点;
S4,判断新投保业务或变更被保人构成业务涉及的节点是否被标记为风险节点,如果判断结果为是,则执行步骤S5;如果判断结果为否,则执行步骤S6;
S5,则新投保业务或变更被保人构成业务识别为异常投保行为;
S6,则新投保业务或变更被保人构成业务识别不为异常投保行为。
其中,在步骤S1之前,首先要获取保险业务信息,保险业务信息具体可以包括法人客户保险业务信息、法人客户黑名单信息、法人客户的工商信息、法人客户的法律诉讼信息、法人客户的经营风险信息、自然人客户的违规失信信息;
所述法人客户保险业务信息包括保险保单信息、保险保单中的投保人信息、保险保单中的被保人信息、保险保单中的销售代理人信息、保险保单中的被保人理赔信息;
所述法人客户黑名单信息为保险公司业务方积累的法人客户黑名单信息,法人客户黑名单中的法人客户因存在违规行为,保险公司不再受理对应的投保业务;
法人客户的工商信息包括反映企业经营情况的经营收入信息、反映企业经营情况的利润信息、反映法人户之间关联关系的的分支机构、反映法人户之间关联关系的的关联企业以及反映法人户之间关联关系的的股权构成信息;
法人客户的法律诉讼信息包括法人客户涉及的司法案件、法人客户涉及的失信信息、法人客户涉及的立案信息、法人客户涉及的股权冻结信息;
法人客户的经营风险信息包括法人客户涉及的行政处罚、法人客户涉及的经营异常、法人客户涉及的严重违法信息;
自然人客户的违规失信信息包括违规失信的自然人客户的身份信息。
在步骤S1中,如图2-图3所示,以法人客户、被保人、赔案、销售代理人分别为节点,基于保险业务信息(历史数据)建立的法人业务知识图谱包括多个节点,节点类型可以包括法人客户节点、被保人节点、赔案节点、销售代理人节点;每个法人客户节点代表一个法人客户;每个被保人节点代表一个自然人客户;每个销售代理人节点代表一名销售代理人;每个赔案节点代表一个赔案;
法人客户节点和被保人节点之间的边(关系)代表一次“投保被保”关系,法人客户节点和被保人节点之间的边被标记为“投保被保”类型,由法人客户节点指向被保人节点表示法人客户投保业务的被保人清单中包括被保人;例如,“法人客户1”节点和“被保人1”节点之间的“边”代表一次“投保被保”关系,该边被标记为“投保被保”类型,由“法人客户1”节点指向“被保人1”节点,表示法人客户1投保业务的被保人清单中包含了被保人1,“边”的属性包含了保单号、投保时间、保费、保额等信息。
法人客户节点和销售代理人节点之间的边代表一次销售投保关系,法人客户节点和销售代理人节点之间的边被标记为销售投保类型,由销售代理人节点指向法人客户节点,表示法人客户投保业务的销售代理人信息;例如,“法人客户1”节点和“销售代理人1”节点之间的“边”代表一次“销售投保”关系,该边被标记为“销售投保”类型,由“销售代理人1”节点指向“法人客户1”节点,表示法人客户1投保业务的销售代理人是销售代理人1,“边”的属性包含了保单号、投保时间、保费、保额等信息。
不同法人客户节点之间的边表示两个企业之间存在股权或实控关联,不同法人客户节点之间的边被标记为股权或实控关联类型,不同法人客户节点之间的边的方向由被控方指向实控方;例如,“法人客户1”节点和“法人客户2”节点之间的“边”表示两个企业之间存在股权或实控关联,该边被标记为“股权或实控关联”类型,边的方向由被控方指向实控方,边的属性包含股权或实控关联(分支机构、控股),数据来源等。
被保人节点和赔案节点之间的边代表一次被保理赔关系,被保人节点和赔案节点之间的边被标记为被保理赔类型,由被保人节点指向赔案节点,表示被保人发生了一次理赔行为;例如,“被保人2”节点和“赔案1”节点之间的“边”代表一次“被保理赔”关系,该边被标记为“被保理赔”类型,由“被保人2”节点指向“赔案1”节点,表示被保人2发生了一次理赔行为,赔案信息存储在赔案1节点中。
将统一信用代码作为法人客户节点唯一标识,所述法人客户节点的属性信息(法人客户属性)包含法人客户名称、企业类别、企业规模、企业收入、经营风险、是否黑名单;将被保人身份证号作为被保人节点唯一标识,所述被保人节点的属性信息(被保人属性)包含姓名、生日、性别;将销售代理人工号作为销售代理人节点唯一标识,所述销售代理人节点的属性信息(销售代理人属性)包含姓名、入司时间、职级、年龄;将赔案号作为赔案节点唯一标识,所述赔案节点的属性信息包含申请时间、赔付时间、理赔原因、赔付金额。
法人客户节点和被保人节点之间的边的属性信息(关系属性)包括保单号、投保时间、生效时间、保险期、保费、保额;法人客户节点和销售代理人节点之间的边的属性包括投保单号(一个投保单号可能对应对多个保单号)、投保时间、保费、保额等信息;不同法人客户节点之间的边的属性信息包括关联类型、数据来源;被保人节点和赔案节点之间的边所对应的赔案信息存储在赔案节点中。
其中,如图4所示,步骤S2具体包括:
S21,将法人客户产生新投保业务或变更被保人构成业务所涉及的法人客户、被保人和销售代理人作为节点更新到法人业务知识图谱中,若对应节点已存在,只更新对应节点的属性信息,若对应节点不存在,则新建对应节点;
当法人客户产生新投保或“增减人”(变更被保人构成)业务时,首先将法人客户、被保人和销售代理人作为节点更新补充到法人业务知识图谱中,若相关节点已存在,只更新相关节点的属性信息,若相关节点不存在,则新建相关节点。
例如,法人客户产生新投保业务或变更被保人构成业务所涉及的法人客户为“法人客户1”、被保人为“被保人3”和销售代理人为“销售代理人2”作为节点更新到法人业务知识图谱中,因为“法人客户1”节点已存在,只更新对应“法人客户1”节点的属性信息;因为“被保人3”节点和“销售代理人2”不存在,则新建“被保人3”节点和销售代理人为“销售代理人2”,并更新“被保人3”节点和“销售代理人2”的属性信息;
S22,根据法人客户产生新投保业务或变更被保人构成业务的保险业务信息,新建或更新对应节点之间的边以及对应节点之间边的属性信息。
根据保险业务信息(当前,或待识别,或新投保业务或变更被保人构成业务),建立或更新节点之间的“投保被保”关系、“销售投保”关系和“股权或实控关联”关系。
在步骤S3中,如图3所示,在法人业务知识图谱中,预设风险传递原则为:与风险节点的最短路径为第一数量边的节点的风险性大于与风险节点的最短路径为第二数量边的节点的风险性;所述第一数量小于第二数量。即,节点A(法人客户2)与节点B(法人客户1)之间通过一条边直接相连(节点A与节点B之间的最短路径为一条边,从节点A到节点B的路径上,点和边都不可以重复,不考虑边的方向,节点A到节点B的最短路径包含几条边,就是几跳可达,即两个节点之间的最短路径包含的边的数量),称为节点A到节点B一跳可达。节点A到节点C(被保人2)必须经过两条边(节点A与节点C之间的最短路径为两条边,从节点A到节点C的路径上,点和边都不可以重复,不考虑边的方向,节点A到节点C的最短路径包含几条边,就是几跳可达),称为节点A到节点C两跳可达,以此类推。根据风险传递原则,从风险点M(例如节点A,法人客户2)出发,一跳可达的节点(法人客户1)要比两跳可达的节点(被保人2)风险性更强。
根据预设风险传递原则,标记风险节点包括:
(1)根据法人客户的保险业务信息,将存在预设风险类型的法人客户节点标记为风险节点;例如,根据法人客户的工商信息、法律诉讼数据和经营风险数据,将存在显著风险(预设风险类型包括法人客户黑名单中法人客户、亏损严重,司法案件,股权冻结)的法人客户节点标记为风险节点;
(2)将第一预设时长(例如两年)内大于第一预设数量(例如3)的不同法人客户均投保过的被保人节点标记为风险节点;例如,将两年内四个及以上不同法人客户为其(该被保人,即同一自然人)投保过的被保人节点(与四个及以上法人客户节点一跳可达)标记为风险节点。
(3)将第二预设时长(例如两年)内发生赔案次数超过预设次数(例如,2次)的被保人节点标记为风险节点,例如,将两年内发生过三起及以上赔案的被保人节点(与三个及以上“赔案”节点一跳可达)标记为风险节点。
进一步地,根据预设风险传递原则,标记风险节点还包括:
(4)将存在违规失信行为的未被标记为风险节点的被保人节点标记为风险节点;例如,将存在违规失信行为的未被标记为风险节点的“被保人”节点标记为风险节点;
(5)将满足预设条件的法人客户节点标记为风险节点;所述预设条件包括:与大于第二预设数量(例如2)的风险节点的最短路径均为第三预设数量(例如1)边,且所述风险节点类型均为被保人节点,且法人客户节点未被标记为风险节点;例如,将与三个及以上风险被保人节点均“一跳”可达的未被标记为风险节点的法人客户节点标记为风险节点;
(6)将与节点类型为法人客户节点的风险节点的最短路径为第三预设数量边,且未被标记为风险节点的法人客户节点标记为风险节点;例如,将与风险法人客户节点“一跳”可达的未被标记为风险节点的法人客户节点标记为风险节点;
(7)将与大于第四预设数量(例如2)的风险节点的最短路径均为第三预设数量边的销售代理人节点标记为风险节点;例如,将与三个及以上风险节点均“一跳”可达的销售代理人节点标记为风险节点。
本发明技术方案中以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;根据预设风险传递原则,标记风险节点,若新投保业务或变更被保人构成业务涉及的节点被标记为风险节点,则新投保业务或变更被保人构成业务识别为异常投保行为,有效解决由于现有技术造成法人客户的异常投保行为识别效率以及可靠性不高的问题,有效地提高了法人客户的异常投保行为识别效率以及可靠性。
本发明技术方案可以充分利用知识图谱处理复杂关联关系的能力,快速识别新承保法人业务中法人客户的相关风险点,降低公司损失和被欺诈风险,提升业务质量。
本发明技术方案中所述法人业务知识图谱包括多个节点,每个法人客户节点代表一个法人客户;每个被保人节点代表一个自然人客户;每个销售代理人节点代表一名销售代理人;每个赔案节点代表一个赔案;不同节点之间的指向、边、边的属性信息,共同构成了法人客户保险业务不同主体之间的相互业务关系,可以进一步地提高了法人客户的异常投保行为识别效率以及可靠性。
本发明技术方案中在法人业务知识图谱中,预设风险传递原则为:与风险节点的最短路径为第一数量边的节点的风险性大于与风险节点的最短路径为第二数量边的节点的风险性;所述第一数量小于第二数量,可以快速识别新承保法人业务中法人客户的风险性较高的相关风险点,降低公司损失和被欺诈风险,提升业务质量。
实施例二
如图5所示,本发明技术方案还提供了一种基于法人业务知识图谱的异常投保行为识别系统,包括:
建立模块101,以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;
更新模块102,当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;
标记模块103,根据预设风险传递原则,标记风险节点,若新投保业务或变更被保人构成业务涉及的节点被标记为风险节点,则新投保业务或变更被保人构成业务识别为异常投保行为。
本实施例二中的监控及建立模块101、更新模块102、标记模块103的实现过程与实施例一中的方法步骤相对应,本实施例二在此不做赘述。
本发明技术方案中以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;根据预设风险传递原则,标记风险节点,若新投保业务或变更被保人构成业务涉及的节点被标记为风险节点,则新投保业务或变更被保人构成业务识别为异常投保行为,有效解决由于现有技术造成法人客户的异常投保行为识别效率以及可靠性不高的问题,有效地提高了法人客户的异常投保行为识别效率以及可靠性。
本发明技术方案可以充分利用知识图谱处理复杂关联关系的能力,快速识别新承保法人业务中法人客户的相关风险点,降低公司损失和被欺诈风险,提升业务质量。
本发明技术方案中所述法人业务知识图谱包括多个节点,每个法人客户节点代表一个法人客户;每个被保人节点代表一个自然人客户;每个销售代理人节点代表一名销售代理人;每个赔案节点代表一个赔案;不同节点之间的指向、边、边的属性信息,共同构成了法人客户保险业务不同主体之间的相互业务关系,可以进一步地提高了法人客户的异常投保行为识别效率以及可靠性。
本发明技术方案中在法人业务知识图谱中,预设风险传递原则为:与风险节点的最短路径为第一数量边的节点的风险性大于与风险节点的最短路径为第二数量边的节点的风险性;所述第一数量小于第二数量,可以快速识别新承保法人业务中法人客户的风险性较高的相关风险点,降低公司损失和被欺诈风险,提升业务质量。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于法人业务知识图谱的异常投保行为识别方法,其特征是,包括:
以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;
当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;
根据预设风险传递原则,标记风险节点,若新投保业务或变更被保人构成业务涉及的节点被标记为风险节点,则新投保业务或变更被保人构成业务识别为异常投保行为。
2.根据权利要求1所述的一种基于法人业务知识图谱的异常投保行为识别方法,其特征是,所述法人业务知识图谱包括多个节点,
所述节点包括法人客户节点、被保人节点、赔案节点、销售代理人节点;每个法人客户节点代表一个法人客户;每个被保人节点代表一个自然人客户;每个销售代理人节点代表一名销售代理人;每个赔案节点代表一个赔案;
法人客户节点和被保人节点之间的边代表一次投保被保关系,法人客户节点和被保人节点之间的边被标记为投保被保类型,由法人客户节点指向被保人节点表示法人客户投保业务的被保人清单中包含了被保人;
法人客户节点和销售代理人节点之间的边代表一次销售投保关系,法人客户节点和销售代理人节点之间的边被标记为销售投保类型,由销售代理人节点指向法人客户节点,表示法人客户投保业务的销售代理人信息;
不同法人客户节点之间的边表示两个企业之间存在股权或实控关联,不同法人客户节点之间的边被标记为股权或实控关联类型,不同法人客户节点之间的边的方向由被控方指向实控方;
被保人节点和赔案节点之间的边代表一次被保理赔关系,被保人节点和赔案节点之间的边被标记为被保理赔类型,由被保人节点指向赔案节点,表示被保人发生了一次理赔行为。
3.根据权利要求2所述的一种基于法人业务知识图谱的异常投保行为识别方法,其特征是,将统一信用代码作为法人客户节点唯一标识,所述法人客户节点的属性信息包含法人客户名称、企业类别、企业规模、企业收入、经营风险、是否黑名单;将被保人身份证号作为被保人节点唯一标识,所述被保人节点的属性信息包含姓名、生日、性别;将销售代理人工号作为销售代理人节点唯一标识,所述销售代理人节点的属性信息包含姓名、入司时间、职级、年龄;将赔案号作为赔案节点唯一标识,所述赔案节点的属性信息包含申请时间、赔付时间、理赔原因、赔付金额。
4.根据权利要求2所述的一种基于法人业务知识图谱的异常投保行为识别方法,其特征是,法人客户节点和被保人节点之间的边的属性信息包括保单号、投保时间、生效时间、保险期、保费、保额;法人客户节点和销售代理人节点之间的边的属性包括投保单号、投保时间、保费、保额等信息;不同法人客户节点之间的边的属性信息包括关联类型、数据来源;被保人节点和赔案节点之间的边所对应的赔案信息存储在赔案节点中。
5.根据权利要求4所述的一种基于法人业务知识图谱的异常投保行为识别方法,其特征是,所述当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系具体为:
将法人客户产生新投保业务或变更被保人构成业务所涉及的法人客户、被保人和销售代理人作为节点更新到法人业务知识图谱中,若对应节点已存在,只更新对应节点的属性信息,若对应节点不存在,则新建对应节点;
根据法人客户产生新投保业务或变更被保人构成业务的保险业务信息,新建或更新对应节点之间的边以及对应节点之间边的属性信息。
6.根据权利要求1所述的一种基于法人业务知识图谱的异常投保行为识别方法,其特征是,在法人业务知识图谱中,预设风险传递原则为:与风险节点的最短路径为第一数量边的节点的风险性大于与风险节点的最短路径为第二数量边的节点的风险性;所述第一数量小于第二数量。
7.根据权利要求6所述的一种基于法人业务知识图谱的异常投保行为识别方法,其特征是,所述根据预设风险传递原则,标记风险节点包括:
根据法人客户的保险业务信息,将存在预设风险类型的法人客户节点标记为风险节点;
将第一预设时长内大于第一预设数量的不同法人客户均为该被保人投保过的被保人节点标记为风险节点;
将第二预设时长内发生赔案次数超过预设次数的被保人节点标记为风险节点。
8.根据权利要求7所述的一种基于法人业务知识图谱的异常投保行为识别方法,其特征是,所述根据预设风险传递原则,标记风险节点还包括:
将存在违规失信行为的未被标记为风险节点的被保人节点标记为风险节点;
将满足预设条件的法人客户节点标记为风险节点;所述预设条件包括:与大于第二预设数量的风险节点的最短路径均为第三预设数量边,且所述风险节点类型均为被保人节点,且法人客户节点未被标记为风险节点;
将与节点类型为法人客户节点的风险节点的最短路径为第三预设数量边,且未被标记为风险节点的法人客户节点标记为风险节点;
将与大于第四预设数量的风险节点的最短路径均为第三预设数量边的销售代理人节点标记为风险节点。
9.根据权利要求1-8任意一项所述的一种基于法人业务知识图谱的异常投保行为识别方法,其特征是,保险业务信息包括法人客户保险业务信息、法人客户黑名单信息、法人客户的工商信息、法人客户的法律诉讼信息、法人客户的经营风险信息、自然人客户的违规失信信息;
所述法人客户保险业务信息包括保险保单信息、保险保单中的投保人信息、保险保单中的被保人信息、保险保单中的销售代理人信息、保险保单中的被保人理赔信息;
所述法人客户黑名单信息为保险公司业务方积累的法人客户黑名单信息,法人客户黑名单中的法人客户因存在违规行为,保险公司不再受理对应的投保业务;
法人客户的工商信息包括反映企业经营情况的经营收入信息、反映企业经营情况的利润信息、反映法人户之间关联关系的的分支机构、反映法人户之间关联关系的的关联企业以及反映法人户之间关联关系的的股权构成信息;
法人客户的法律诉讼信息包括法人客户涉及的司法案件、法人客户涉及的失信信息、法人客户涉及的立案信息、法人客户涉及的股权冻结信息;
法人客户的经营风险信息包括法人客户涉及的行政处罚、法人客户涉及的经营异常、法人客户涉及的严重违法信息;
自然人客户的违规失信信息包括违规失信的自然人客户的身份信息。
10.一种基于法人业务知识图谱的异常投保行为识别系统,其特征是,包括:
建立模块,以法人客户、被保人、赔案、销售代理人分别为节点,建立法人业务知识图谱,所述法人业务知识图谱用于存储保险业务信息以及保险业务信息之间的关联关系;
更新模块,当法人客户产生新投保业务或变更被保人构成业务时,更新法人业务知识图谱中的节点信息以及节点之间的关联关系;
标记模块,根据预设风险传递原则,标记风险节点,若新投保业务或变更被保人构成业务涉及的节点被标记为风险节点,则新投保业务或变更被保人构成业务识别为异常投保行为。
CN202311536172.6A 2023-11-17 2023-11-17 基于法人业务知识图谱的异常投保行为识别方法及系统 Active CN117710113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311536172.6A CN117710113B (zh) 2023-11-17 2023-11-17 基于法人业务知识图谱的异常投保行为识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311536172.6A CN117710113B (zh) 2023-11-17 2023-11-17 基于法人业务知识图谱的异常投保行为识别方法及系统

Publications (2)

Publication Number Publication Date
CN117710113A true CN117710113A (zh) 2024-03-15
CN117710113B CN117710113B (zh) 2024-06-18

Family

ID=90161423

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311536172.6A Active CN117710113B (zh) 2023-11-17 2023-11-17 基于法人业务知识图谱的异常投保行为识别方法及系统

Country Status (1)

Country Link
CN (1) CN117710113B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469697A (zh) * 2021-06-30 2021-10-01 重庆富民银行股份有限公司 基于知识图谱的无监督异常检测方法及装置
CN113989018A (zh) * 2021-10-25 2022-01-28 中国工商银行股份有限公司 风险管理方法、装置、电子设备和介质
CN114066624A (zh) * 2021-11-30 2022-02-18 重庆银行股份有限公司 基于图计算的黑名单关联图谱挖掘方法及系统
CN115358880A (zh) * 2022-09-14 2022-11-18 阳光人寿保险股份有限公司 基于知识图谱的保险业务信息的处理方法及装置
WO2023040499A1 (zh) * 2021-09-16 2023-03-23 支付宝(杭州)信息技术有限公司 知识图谱数据融合
CN115936831A (zh) * 2022-12-28 2023-04-07 四川新网银行股份有限公司 基于大规模工商图网络的社区风险传导预测方法及系统
CN116167867A (zh) * 2022-12-26 2023-05-26 中国人民财产保险股份有限公司 基于知识图谱的保险业务风险识别方法、装置及电子设备
CN116228439A (zh) * 2022-12-28 2023-06-06 中国人民财产保险股份有限公司 基于知识图谱的风险识别方法、装置、设备以及存储介质
CN116308824A (zh) * 2023-03-23 2023-06-23 平安健康保险股份有限公司 基于知识图谱的团伙欺诈风险识别方法及相关设备
CN116739795A (zh) * 2023-03-16 2023-09-12 中国建设银行股份有限公司 基于知识图谱的保险风险评估方法、装置和电子设备
CN116757812A (zh) * 2023-06-26 2023-09-15 中国平安财产保险股份有限公司 检测异常数据的方法、装置、电子设备及存储介质
CN117036060A (zh) * 2023-09-27 2023-11-10 之江实验室 车险欺诈识别方法、装置和存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469697A (zh) * 2021-06-30 2021-10-01 重庆富民银行股份有限公司 基于知识图谱的无监督异常检测方法及装置
WO2023040499A1 (zh) * 2021-09-16 2023-03-23 支付宝(杭州)信息技术有限公司 知识图谱数据融合
CN113989018A (zh) * 2021-10-25 2022-01-28 中国工商银行股份有限公司 风险管理方法、装置、电子设备和介质
CN114066624A (zh) * 2021-11-30 2022-02-18 重庆银行股份有限公司 基于图计算的黑名单关联图谱挖掘方法及系统
CN115358880A (zh) * 2022-09-14 2022-11-18 阳光人寿保险股份有限公司 基于知识图谱的保险业务信息的处理方法及装置
CN116167867A (zh) * 2022-12-26 2023-05-26 中国人民财产保险股份有限公司 基于知识图谱的保险业务风险识别方法、装置及电子设备
CN115936831A (zh) * 2022-12-28 2023-04-07 四川新网银行股份有限公司 基于大规模工商图网络的社区风险传导预测方法及系统
CN116228439A (zh) * 2022-12-28 2023-06-06 中国人民财产保险股份有限公司 基于知识图谱的风险识别方法、装置、设备以及存储介质
CN116739795A (zh) * 2023-03-16 2023-09-12 中国建设银行股份有限公司 基于知识图谱的保险风险评估方法、装置和电子设备
CN116308824A (zh) * 2023-03-23 2023-06-23 平安健康保险股份有限公司 基于知识图谱的团伙欺诈风险识别方法及相关设备
CN116757812A (zh) * 2023-06-26 2023-09-15 中国平安财产保险股份有限公司 检测异常数据的方法、装置、电子设备及存储介质
CN117036060A (zh) * 2023-09-27 2023-11-10 之江实验室 车险欺诈识别方法、装置和存储介质

Also Published As

Publication number Publication date
CN117710113B (zh) 2024-06-18

Similar Documents

Publication Publication Date Title
US10700976B2 (en) System and method for an automated system for continuous observation, audit and control of user activities as they occur within a mobile network
US9532227B2 (en) System and method for an automated system for continuous observation, audit and control of user activities as they occur within a mobile network
JP5134545B2 (ja) マネーローンダリング防止プログラムを管理するための方法及びシステム
US10504174B2 (en) System and method to search and verify borrower information using banking and investment account data and process to systematically share information with lenders and government sponsored agencies for underwriting and securitization phases of the lending cycle
US9280658B2 (en) System and method for systematic detection of fraud rings
AU2019230035A1 (en) Blockchain transaction safety
Noor et al. Exploring the adaptation of artificial intelligence in whistleblowing practice of the internal auditors in Malaysia
Kersten et al. An empirical approach to supply chain risk management: development of a strategic framework
US9443244B2 (en) System and method for utilizing customer data in a communication system
US20130346328A1 (en) Method and system for assessing compliance risk of regulated institutions
US20130132150A1 (en) Method and system for assessing compliance risk of regulated institutions
US20140358811A1 (en) Illegal Activity Detection through Interpersonal Relationship Resolution
US11151659B2 (en) System and method for identifying and distributing matured policy proceeds
US11765116B2 (en) Method for electronic impersonation detection and remediation
CN102089780A (zh) 用于追踪、监视及报告产权保险单的偿清的系统及方法
Salau et al. Data cooperatives for neighborhood watch
CN117710113B (zh) 基于法人业务知识图谱的异常投保行为识别方法及系统
CN115879548B (zh) 一种用于客户身份识别的知识图谱构建方法和系统
CA2852491A1 (en) Method and system for assessing compliance risk of regulated institutions
CN114066624A (zh) 基于图计算的黑名单关联图谱挖掘方法及系统
Scherbina et al. The Effect of Malicious Cyber Activity on the US Corporate Sector
CN113421058A (zh) 一种公共管理系统
JP2022074072A (ja) コンピュータ実装方法、システムおよびコンピュータ・プログラム(コンテキスト・ノードに基づいた姉妹ノードの識別)
Hiererra et al. Blockchain technology for Fraud Detection and Risk Prevention in Insurance Industry
US20120284060A1 (en) Systems and methods for processing insurance information

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