[發明專利]基于人工智能的欺詐識別方法、裝置、設備及存儲介質

在審

• 申請號: 202310764638.1
• 申請日: 2023-06-26
• 公開（公告）號: CN116611941A
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 陳奕宇
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G06N3/0442;G06N3/08;G06F18/214;G06F18/21
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 羅志銘

本申請實施例屬于人工智能領域與金融科技領域，涉及一種基于人工智能的欺詐識別方法，包括：對理賠行為數據進行樣本抽取，構建訓練集樣本與測試集樣本；使用訓練集樣本對初始長短期記憶模型進行訓練；基于目標梯度下降算法對長短期記憶模型進行參數更新，并使用測試集樣本對長短期記憶模型進行模型優化，得到欺詐識別模型；獲取保單案件的目標理賠行為數據；基于欺詐識別模型對目標理賠行為數據進行識別，生成欺詐識別結果。本申請還提供一種基于人工智能的欺詐識別裝置、計算機設備及存儲介質。此外，本申請還涉及區塊鏈技術，錯誤定位信息可存儲于區塊鏈中。本申請可應用于金融領域的欺詐識別場景，能快速準確生成理賠行為數據的欺詐識別結果。

技術領域

本申請涉及人工智能開發技術領域與金融科技領域，尤其涉及基于人工智能的欺詐識別方法、裝置、計算機設備及存儲介質。

背景技術

目前，在金融保險領域，通常會出現部分客戶在辦理相關保險理賠業務時，以騙保為目的進行投保的現象，或者出現客戶提供虛假的理賠信息的現象。為了規避這類欺詐風險，金融保險相關企業通常會設置專門的理賠審核崗位，采用人工審核的方式，根據自身的專業經驗對客戶的理賠申請行為進行欺詐識別，然而這種欺詐識別的方式處理效率低，并且由于各個理賠審核審核人員的專業水平不一，因此可能有部分理賠案件的欺詐識別力度不足，導致理賠欺詐識別的準確性較低。

發明內容

本申請實施例的目的在于提出一種基于人工智能的欺詐識別方法、裝置、計算機設備及存儲介質，以解決現有的基于人工審核的欺詐識別的方式處理效率低，并且由于各個理賠審核審核人員的專業水平不一，因此可能有部分理賠案件的欺詐識別力度不足，導致理賠欺詐識別的準確性較低的技術問題。

為了解決上述技術問題，本申請實施例提供一種基于人工智能的欺詐識別方法，采用了如下所述的技術方案：

獲取各個業務階段的初始理賠行為數據，并對所述初始理賠行為數據進行預處理得到處理后的理賠行為數據；

基于預設的采樣方法對所述理賠行為數據進行樣本抽取，構建訓練集樣本與測試集樣本；

使用所述訓練集樣本對預設的初始長短期記憶模型進行訓練，得到訓練后的長短期記憶模型；

基于預設的評測規則從預設的多種梯度下降方法中確定出目標梯度下降方法；

基于所述目標梯度下降算法對所述長短期記憶模型進行參數更新，并使用所述測試集樣本對長短期記憶模型進行模型優化，得到欺詐識別模型；

獲取待處理的保單案件的目標理賠行為數據；

基于所述欺詐識別模型對所述目標理賠行為數據進行識別，生成與所述目標理賠行為數據對應的欺詐識別結果。

進一步的，所述對所述初始理賠行為數據進行預處理得到處理后的理賠行為數據的步驟，具體包括：

對所述初始理賠行為數據進行特征工程處理，得到第一特征數據；

對所述第一特征數據進行歸一化處理，得到第二特征數據；

將所述第二特征數據作為所述理賠行為數據。

進一步的，所述基于預設的采樣方法對所述理賠行為數據進行樣本抽取，構建訓練集樣本與測試集樣本的步驟，具體包括：

獲取預設的提取規則；

基于所述提取規則對所述理賠行為數據進行重要特征提取，得到第三特征數據；

基于所述采樣方法對所述第三特征數據進行樣本抽取，構建訓練集樣本與測試集樣本。

進一步的，所述基于預設的評測規則從預設的多種梯度下降方法中確定出目標梯度下降方法的步驟，具體包括：

獲取預設的測評數據；