[發明專利]一種保險行業理賠反欺詐識別方法及裝置

在審

• 申請號: 202011483005.6
• 申請日: 2020-12-15
• 公開（公告）號: CN112561713A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 張洪濤;鞠芳
• 申請（專利權）人: 中國人壽保險股份有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 李翔

1.一種保險行業理賠反欺詐識別方法，其特征在于，包括：

獲取待測保單的數據；

獲取預先生成的反欺詐分析模型基于所述待測保單的數據的分析結果，判斷待測保單是否為高風險保單，并得到高風險保單的可疑點；

將得到的高風險保單的可疑點與預先生成的理賠欺詐手段知識庫進行比對，判斷所述高風險保單的可疑點是否屬于所述理賠欺詐手段知識庫中的高風險因子，輸出符合判斷條件的所述高風險保單的可疑點為認定的風險點。

2.根據權利要求1所述的保險行業理賠反欺詐識別方法，其特征在于，所述待測保單的數據包括但不限于投保人收入、累計保費、投保人年齡。

3.根據權利要求1所述的保險行業理賠反欺詐識別方法，其特征在于，所述判斷待測保單是否為高風險保單包括，獲取所述反欺詐分析模型基于所述待測保單的風險評估值，判斷獲取的所述風險評估值是否高于預設評估值。

4.根據權利要求3所述的保險行業理賠反欺詐識別方法，其特征在于，預先生成所述理賠欺詐手段知識庫的過程包括：

獲取歷史保單的理賠數據，并從所述歷史保單的理賠數據中提取風險特征；

利用Shap方法對各所述風險特征對風險評估值的貢獻程度進行量化計算，得到各所述風險特征的貢獻值；

基于各所述風險特征的貢獻值計算結果，將篩選出的貢獻值大于預設的貢獻閾值的風險特征輸出為高風險因子；

將輸出的高風險因子匯總，生成理賠欺詐手段知識庫；

對風險特征的貢獻值計算過程及高風險因子的篩選過程進行迭代，更新理賠欺詐手段知識庫。

5.根據權利要求4所述的保險行業理賠反欺詐識別方法，其特征在于，在將輸出的高風險因子匯總，生成理賠欺詐手段知識庫前，所述方法還包括：

基于歷史保單的理賠經驗數據對輸出的高風險因子進行驗證，剔除未通過驗證的高風險因子。

6.根據權利要求1所述的保險行業理賠反欺詐識別方法，其特征在于，所述方法還包括：

基于認定的風險點，從相應的外部數據庫中取得與所述風險點相關的證據。

7.根據權利要求6所述的保險行業理賠反欺詐識別方法，其特征在于，在從相應的外部數據庫中取得與所述風險點相關的證據前，所述方法還包括：

向所述待測保單的客戶發出授權問詢，取得授權則進行下一步流程，反之終止取證。

8.根據權利要求1所述的保險行業理賠反欺詐識別方法，其特征在于，預先生成所述反欺詐分析模型的過程包括：

獲取歷史理賠案件樣本；

為每個歷史理賠案件樣本標定對應的風險指標值，形成樣本數據集；

從樣本數據集中提取特征信息；

將提取出的特征信息分為第一比例的訓練集和第二比例的驗證集；

利用訓練集訓練邏輯回歸模型，得出邏輯回歸模型與特征信息的關聯關系；

利用驗證集對得出的邏輯回歸模型與特征信息的關聯關系進行驗證，若未通過驗證，則增加歷史理賠案件樣本的數量，重新訓練，直至通過驗證，輸出反欺詐分析模型。

9.根據權利要求1所述的保險行業理賠反欺詐識別方法，其特征在于，在獲取預先生成的反欺詐分析模型基于所述待測保單的數據的分析結果之前，所述方法還包括：

根據所述待測保單所屬的險種從各反欺詐分析模型中確定評估用的目標反欺詐分析模型。

10.一種保險行業理賠反欺詐識別裝置，其特征在于，包括：

獲取模塊，用于獲取待測保單的數據；

分析模塊，用于獲取預先生成的反欺詐分析模型基于所述待測保單的數據的分析結果，判斷待測保單是否為高風險保單，并得到高風險保單的可疑點；

輸出模塊，用于將得到的高風險保單的可疑點與預先生成的理賠欺詐手段知識庫進行比對，判斷所述高風險保單的可疑點是否屬于所述理賠欺詐手段知識庫中的高風險因子，輸出符合判斷條件的所述高風險保單的可疑點為認定的風險點。