[發明專利]基于深度學習的人工智能反欺詐預測方法、裝置及介質

在審

• 申請號: 202210834747.1
• 申請日: 2022-07-14
• 公開（公告）號: CN115131040A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 陳強
• 申請（專利權）人: 重慶軟江圖靈人工智能科技有限公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06Q10/04;G06Q40/00;G06N3/04;G06N3/08
• 代理公司: 成都頂峰專利事務所(普通合伙) 51224
• 代理人: 李崧巖

1.一種基于深度學習的人工智能反欺詐預測方法，其特征在于，包括：

獲取用戶的歷史報銷數據和當前報銷數據；

對所述歷史報銷數據進行特征提取，得到第一特征數據；

基于所述第一特征數據構建訓練數據集，根據所述訓練數據集對人工神經網絡進行訓練，生成報銷數據識別模型；

提取當前報銷數據的第二特征數據，并將所述第二特征數據輸入至所述報銷數據識別模型中，獲得識別結果；

當所述識別結果為不可識別結果時，判定所述識別結果包括欺詐信息。

2.如權利要求1所述的一種基于深度學習的人工智能反欺詐預測方法，其特征在于，獲取用戶的歷史報銷數據，包括：

獲取原始報銷數據；

剔除所述原始報銷數據中報銷金額為空值和報銷金額小于0的歷史報銷數據，得到中間報銷數據；

將所述中間報銷數據中不同格式的報銷金額轉換為第一預設格式的報銷金額，并將所述中間報銷格式中的不同格式的報銷時間轉換為第二預設格式的報銷時間，得到所述歷史報銷數據。

3.如權利要求1所述的一種基于深度學習的人工智能反欺詐預測方法，其特征在于，所述歷史報銷數據包括：報銷金額、報銷時間、報銷用途以及報銷人員，其中，任一歷史報銷數據中的報銷時間包括報銷流程的開始時間和結束時間；

對所述歷史報銷數據進行特征提取，得到第一特征數據，包括：

基于每個歷史報銷數據中的報銷時間，得到每個格式化歷史報銷數據的報銷時長；

根據每個格式化歷史報銷數據中的報銷人員、報銷用途和報銷時長，得到每個報銷人員在預設歷史時間段內各種報銷用途對應的報銷次數，以及各種報銷用途對應的平均報銷時長；

基于每個格式化歷史報銷數據中的報銷人員、報銷用途以及報銷金額，得到每個報銷人員在所述預設歷史時間段內各種報銷用途對應的平均報銷金額；

根據每個報銷人員在預設歷史時間段內各種報銷用途對應的平均報銷時長和平均報銷金額，從每個報銷人員的格式化歷史報銷數據中，篩選出報銷金額大于目標報銷金額以及報銷時長大于目標報銷時長的格式化歷史報銷數據，以便基于篩選出的格式化歷史報銷數據，得出每個報銷人員的各種報銷用途對應的異常報銷次數，其中，所述目標報銷金額為格式化歷史報銷數據中報銷用途對應的平均報銷金額，目標報銷時長為格式化歷史報銷數據中報銷用途對應的平均報銷時長；

基于每個報銷人員的各種報銷用途對應的報銷次數、平均報銷時長、平均報銷金額以及異常報銷次數構建所述第一特征數據。

4.如權利要求1所述的一種基于深度學習的人工智能反欺詐預測方法，其特征在于，基于所述第一特征數據構建訓練數據集包括：

基于所述第i個歷史報銷數據中的報銷人員和報銷用途，獲取所述第i個歷史報銷數據的所述第一特征數據；

當i從1循環至n時，得到n個第一特征數據，以n個第一特征數據構建所述訓練數據集。

5.如權利要求1所述的一種基于深度學習的人工智能反欺詐預測方法，其特征在于，根據所述訓練數據集對人工神經網絡進行訓練，生成報銷數據識別模型，包括：

對所述訓練數據集進行無放回抽樣，獲得多個數據樣本；

按照預設比例對所述多個數據樣本進行劃分嗎，獲得訓練集和驗證集；

根據所述訓練集對預設的人工神經網絡進行訓練，得到初始模型；

將所述驗證集輸入至所述初始模型中，得到模型輸出結果；

根據所述模型輸出結果調整所述初始模型的模型參數，以在參數調整完成后，得到所述報銷數據識別模型。