[發(fā)明專利]用戶欺詐行為檢測方法、裝置、設備及存儲介質

有效

• 申請?zhí)枺?/td>: 202011351758.1
• 申請日: 2020-11-25
• 公開（公告）號: CN112463923B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設計）人: 顏澤龍;王健宗;吳天博;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F18/214;G06N20/20;G06Q40/08;G16H10/60
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 魏潤潔

本發(fā)明涉及人工智能，公開一種用戶欺詐行為檢測方法、裝置、設備及存儲介質，該方法包括：從醫(yī)療數(shù)據(jù)中讀取醫(yī)療診斷信息以及用戶描述信息；根據(jù)醫(yī)療診斷信息查找對應的欺詐行為檢測模型；根據(jù)醫(yī)療診斷信息和用戶描述信息生成模型嵌入向量；將模型嵌入向量輸入模型中獲得模型輸出結果；然后判斷用戶是否存在欺詐行為。由于是根據(jù)醫(yī)療數(shù)據(jù)中的醫(yī)療診斷信息選取欺詐行為檢測模型，從而能夠保證模型選取的準確性和針對性，另外根據(jù)醫(yī)療診斷信息和用戶描述信息生成模型嵌入向量，相較于將整個醫(yī)療數(shù)據(jù)籠統(tǒng)的輸入到模型中進行欺詐行為檢測的方式，本發(fā)明的模型嵌入向量更為準確，也能夠保證檢測結果的準確度和可靠性。

技術領域

本發(fā)明涉及人工智能技術領域，尤其涉及一種用戶欺詐行為檢測方法、裝置、設備及存儲介質。

背景技術

醫(yī)療保險欺詐會給保險公司造成嚴重的經濟損失，并且會同時導致消費者保費和自付費用的升高。傳統(tǒng)的保險索賠采用的是固定規(guī)則+人工核查的方式，會非常耗費人力。

近年來，保險索賠進入智能檢測階段之后，往往采用智能預警+多維核驗的方式來進行用戶保險欺詐行為的檢測。所謂智能預警+多維核驗，即先通過自然語言處理技術對投保用戶提交的醫(yī)療(保險)數(shù)據(jù)進行語義特征的挖掘，然后根據(jù)挖掘的語義特征從多個維度核驗用戶提交的醫(yī)療數(shù)據(jù)中是否存在與事實不符的欺詐特征，最后再確定是否存在欺詐行為。這種方式雖然應用場景較為廣泛，但在一些具體醫(yī)療場景，例如針對某一類具體疾病或癥狀時，對投保用戶欺詐行為的識別結果不夠準確。

上述內容僅用于輔助理解本發(fā)明的技術方案，并不代表承認上述內容是現(xiàn)有技術。

發(fā)明內容

本發(fā)明的主要目的在于提供了一種用戶欺詐行為檢測方法、裝置、設備及存儲介質，旨在解決現(xiàn)有技術對投保用戶欺詐行為的識別結果不夠準確的技術問題。

為實現(xiàn)上述目的，本發(fā)明提供了一種用戶欺詐行為檢測方法，所述方法包括以下步驟：

從用戶提交的醫(yī)療數(shù)據(jù)中讀取醫(yī)療診斷信息以及用戶描述信息；

根據(jù)所述醫(yī)療診斷信息在預設模型數(shù)據(jù)庫中查找對應的欺詐行為檢測模型；

根據(jù)所述醫(yī)療診斷信息和所述用戶描述信息生成模型嵌入向量；

將所述模型嵌入向量輸入至所述欺詐行為檢測模型，以獲得模型輸出結果；

根據(jù)所述模型輸出結果判斷所述用戶是否存在欺詐行為。

優(yōu)選地，所述根據(jù)所述醫(yī)療診斷信息在預設模型數(shù)據(jù)庫中查找對應的欺詐行為檢測模型的步驟，包括：

獲取所述醫(yī)療診斷信息中包含的疾病類型標簽；

獲取所述疾病類型標簽的標簽數(shù)量，并根據(jù)所述標簽數(shù)量確定模型類別；

根據(jù)所述模型類別在預設模型數(shù)據(jù)庫中查找對應的欺詐行為檢測模型。

優(yōu)選地，所述從用戶提交的醫(yī)療數(shù)據(jù)中讀取醫(yī)療診斷信息以及用戶描述信息的步驟之前，所述方法還包括：

從中心服務器獲取待訓練的初始分類模型；

在接收到樣本對齊指令時，根據(jù)所述樣本對齊指令中包含的樣本標識從本地數(shù)據(jù)庫中提取模型訓練集；

獲取所述模型訓練集中包含的醫(yī)療數(shù)據(jù)樣本和所述醫(yī)療數(shù)據(jù)樣本對應的欺詐結果；

根據(jù)所述醫(yī)療數(shù)據(jù)樣本和所述欺詐結果對所述初始分類模型執(zhí)行基于聯(lián)邦學習的模型訓練，獲得欺詐行為檢測模型。

優(yōu)選地，所述根據(jù)所述醫(yī)療數(shù)據(jù)樣本和所述欺詐結果對所述初始分類模型執(zhí)行基于聯(lián)邦學習的模型訓練，獲得欺詐行為檢測模型的步驟，包括：

從所述醫(yī)療數(shù)據(jù)樣本中讀取醫(yī)療診斷樣本和用戶描述樣本；