[發明專利]套利行為識別方法、套利行為識別模型訓練方法及系統

在審

• 申請號: 201910088114.9
• 申請日: 2019-01-29
• 公開（公告）號: CN110009511A
• 公開（公告）日: 2019-07-12
• 發明（設計）人: 林建濱;周俊;李小龍;劉穎琪;丁國祥
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

本公開提供了一種套利行為識別方法，包括：在接收到針對保險保單的索賠請求后，獲取保險保單的對應用戶的用戶個人特征向量數據；基于用戶關系圖模型，生成該對應用戶的用戶關系特征向量數據；以及使用套利行為識別模型來基于用戶個人特征向量數據和用戶關系特征向量數據識別該索賠請求是否屬于保險套利行為。利用該方法，即使針對用戶畫像數據缺失或者用戶歷史行為數據不夠豐富的保險套利賬戶、或者新近創建的保險套利賬戶，也可以有效且準確地識別出保險套利行為。

技術領域

本公開通常涉及互聯網技術領域，更具體地，涉及用于識別保險保單的套利行為的方法及裝置、套利行為識別模型的訓練方法及裝置。

背景技術

在比如訂單險、運輸險、健康險的保險領域，黑產行業經常使用保險套利行為來完成套利。為了實施保險套利行為，黑產通常會擁有多個買家賬戶和賣家賬戶。在實施保險套利行為時，黑產首先會利用買家賬戶購買黑產的賣家賬戶在平臺中出售的虛假商品；然后在交易成功后發起維權流程；與之響應，賣家賬戶不會履行正常賣家的義務，并且拒絕對該筆交易進行賠償。結果是，保險公司的資金會對黑產手中的買家賬戶進行賠償，由此黑產完成套利行為。因此，如何有效、準確地識別保險套利行為，對于保險事業的健康發展、打擊黑產和避免造成巨大的經濟損失有著重大的意義。

發明內容

鑒于上述問題，本公開提供了一種套利行為識別方法及裝置。利用該套利行為識別方法及裝置，即使針對用戶畫像數據缺失或者用戶歷史行為數據不夠豐富的保險套利賬戶、或者新近創建的保險套利賬戶，也可以有效且準確地識別保險套利行為。

根據本公開的一個方面，提供了一種用于識別保險保單的保險套利行為的方法，包括：在接收到針對保險保單的索賠請求后，獲取所述保險保單的對應用戶的用戶個人特征向量數據，所述用戶個人特征向量數據是基于用戶個人特征數據生成的，所述用戶個人特征數據至少包括當前保險保單信息數據、用戶畫像數據和用戶歷史行為數據；基于用戶關系圖模型，獲取所述用戶的用戶關系特征向量數據；以及使用套利行為識別模型來基于所述用戶個人特征向量數據和所述用戶關系特征向量數據識別針對所述保險保單的索賠請求是否屬于保險套利行為，其中，所述用戶關系圖模型是基于所獲取的各個歷史保險保單所對應的各個用戶的用戶關系特征數據生成的用戶關系特征向量數據集。

可選地，在上述方面的一個示例中，所述用戶關系特征數據包括下述關系特征數據中的至少一種：地理位置關系數據；好友關系數據；轉賬關系數據；交易關系數據和用戶登錄設備關系數據。

可選地，在上述方面的一個示例中，所使用的用戶關系特征數據的類型是基于所述保險保單的類型選定的。

可選地，在上述方面的一個示例中，所述用戶歷史行為數據包括所述保險保單中的商品交易買家和商品交易賣家的下述行為數據中的至少一種：歷史保險保單數；歷史索賠保險保單數；歷史索賠總金額；歷史套利交易總數和用于指示是否被標記過套利的套利標記數據。

可選地，在上述方面的一個示例中，在使用套利行為識別模型來基于所述用戶個人特征向量數據和所述用戶關系特征向量數據識別針對所述保險保單的索賠請求是否屬于保險套利行為之前，所述方法還可以包括：對所述用戶個人特征向量數據和所述用戶關系特征向量數據進行組合，以得到組合后的向量數據，以及使用套利行為識別模型來基于所述用戶個人特征向量數據和所述用戶關系特征向量數據識別針對所述保險保單的請求是否屬于保險套利行為可以包括：使用套利行為識別模型來基于所述組合后的向量數據識別針對所述保險保單的索賠請求是否屬于保險套利行為。