[發明專利]保險欺詐識別的數據處理方法、裝置、設備及服務器

在審

• 申請號: 201810327070.6
• 申請日: 2018-04-12
• 公開（公告）號: CN108734479A
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 王修坤
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06Q40/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝

本說明書實施例公開了一種保險欺詐識別的數據處理方法、裝置、設備及服務器，所述方法可以包括：獲取目標人群的關系關聯數據，所述目標人群包括選取的申請理賠人員和被保險人的集合；基于所述關系關聯數據構建所述目標人群的多度關系網絡圖數據；利用無監督的學習算法對所述多度關系網絡圖數據進行聚類，確定所述目標人群的分類社群及對應的社群信息；基于所述社群信息計算所述分類社群的社群特征，將滿足騙保決策條件的分類社群標記為欺詐群體。本說明書提供的實施例可以，可以有效的從多度關系中高效的識別出騙保人員群體。

技術領域

本說明書實施例方案屬于保險反欺詐識別的計算機數據處理的技術領域，尤其涉及一種保險欺詐識別的數據處理方法、裝置、設備及服務器。

背景技術

保險是通過繳納規定的保費，然后可以享受的財務、人身等保障。隨著社會的經濟發展和人們保險意識的提高，保險業務的需求也越來越多。

然而，由于保險有一定的經濟杠桿效應，使得市場上出現大量騙保的行為，這些騙保人員通常故意制造保險事并依此獲得保險公司賠款。目前的騙保行為有發展為專業化、團隊化的趨勢，對保險行業的健康發展帶來非常不利的影響，損壞保險公司和公眾利益。目前傳統的識別騙保的方式主要依靠任人工對歷史騙保人員進行識別，憑借歷史騙保人員的行為預測是否存在騙保風險。但目前騙保群體的關系越來越發展，緊靠人工簡單的識別和審核騙保人員的方式識別出來的騙保人員覆蓋了不高，人工審核的效率也較為低下。

因此，業內亟需一種可以更加有效和高效的識別出騙保人員的處理方式。

發明內容

本說明書實施例目的在于提供一種保險欺詐識別的數據處理方法、裝置、設備及服務器，可以提供利用人員的多種關聯關系構建基礎關系網絡，然后利用無監督的算法分類后對社群進行騙保團伙的識別，可以有效的從多度關系中高效的識別出騙保人員群體。

本說明書實施例提供的一種保險欺詐識別的數據處理方法、裝置、設備及服務器是包括以下方式實現的：

一種保險欺詐識別的數據處理方法，所述方法包括：

獲取目標人群的關系關聯數據，所述目標人群包括選取的申請理賠人員和被保險人的集合；

基于所述關系關聯數據構建所述目標人群的多度關系網絡圖數據；

利用無監督的學習算法對所述多度關系網絡圖數據進行聚類，確定所述目標人群的分類社群及對應的社群信息；

基于所述社群信息計算所述分類社群的社群特征，將滿足騙保決策條件的分類社群標記為欺詐群體。

一種保險欺詐識別的數據處理裝置，包括：

人群選取模塊，用于獲取目標人群的關系關聯數據，所述目標人群包括選取的申請理賠人員和被保險人的集合；

關系構建模塊，用于基于所述關系關聯數據構建所述目標人群的多度關系網絡圖數據；

社群分類模塊，用于利用無監督的學習算法對所述多度關系網絡圖數據進行聚類，確定所述目標人群的分類社群及對應的社群信息；

騙保識別模塊，用于基于所述社群信息計算所述分類社群的社群特征，將滿足騙保決策條件的分類社群標記為欺詐群體。

一種處理設備，包括處理器以及用于存儲處理器可執行指令的存儲器，所述處理器執行所述指令時實現：

獲取目標人群的關系關聯數據，所述目標人群包括選取的申請理賠人員和被保險人的集合；

基于所述關系關聯數據構建所述目標人群的多度關系網絡圖數據；

利用無監督的學習算法對所述多度關系網絡圖數據進行聚類，確定所述目標人群的分類社群及對應的社群信息；