[发明专利]机动车保险欺诈检测方法及系统

说明书

技术领域

本发明涉及数据处理技术领域，尤其涉及一种机动车保险欺诈检测方法及系统。

背景技术

自20世纪90年代开始，保险欺诈在全球呈蔓延趋势，各国也开始制定相关法律法规和进行相关的学术研究。根据美国保险反欺诈联盟2009年最新统计，在汽车车身损害保险的索赔案件中，保险欺诈金额占保险公司总赔付额的17％～20％。我国北京和上海保险监管机构估测，我国机动车保险欺诈的比重大致为20％。保险欺诈影响保险业的偿付能力，严重的保险欺诈甚至会导致保险市场失效。

国外很早就有关于机动车保险欺诈方面的理论研究，目前还引入了外部分析法，比如寻找与机动车保险诈骗的外部因素分析，比如定量分析经济周期与汽车保险诈骗行为，此外还对机动车保险欺诈行为的微观建模，比如将社会网络引入机动车保险欺诈检测中。

国外已有的技术方法中，目前主要依靠两类分析技术，第一类是统计精算技术，即将欺诈风险损失纳入机动车保险的整体定价中，第二类是数据挖掘技术对欺诈行为建模，包括利用风险评级(线性回归)、聚类、BP神经网络、Bayesian分类和决策树等相关技术检测保险欺诈。第一类技术，最大的问题是无法真正检测出欺诈的主体，而仅将风险转嫁给消费者；第二类技术，不论是风险评级或者其他数据挖掘技术，都需要一定的已确定欺诈样本进行训练才能进行。

国内对机动车保险欺诈检测理论、方法缺乏研究，我国目前对机动车保险诈骗的检测都是依靠国外的经验及方法。现有的机动车保险欺诈检测模型普遍存在以下问题：

(1)现有模型缺少风险统计支持，影响检测准确性；

(2)基于统计学习的计算模型在数据缺失的情况下准确性会降低；

(3)现有模型针对海量数据，计算效率低下；

(4)对机动车保险欺诈的团伙特征建模不够；

(5)传统相似度计算的结果需要增加排序以便减少误差。

综上可知，现有的机动车保险欺诈检测方法及系统，在实际使用上显然存在不便与缺陷，所以有必要加以改进。

发明内容

针对上述的缺陷，本发明的目的在于提供一种机动车保险欺诈检测方法及系统，可以避免人为规避行为对识别和检测的影响，并能快速准确的鉴别出高可疑车辆碰撞群体。

为了实现上述目的，本发明提供一种机动车保险欺诈检测方法，所述方法包括：

将预定时间分为若干等长的时间段，并根据第一时间段内的事件数据建立车辆之间碰撞关系矩阵；

根据所述碰撞关系矩阵计算获取碰撞网络，并建立所述碰撞网络和所述车辆之间的关系矩阵；

计算获取所述第一时间段内的碰撞网络与其它所述时间段内的碰撞网络的相似度，并将所述相似度不满足预设阈值的碰撞网络删除；

对所述第一时间段内的碰撞网络进行秩排序处理；

对每个所述碰撞网络分别和所述第一时间段之前的时间段的碰撞网络进行秩排序，获取第一目标群体。

根据本发明的机动车保险欺诈检测方法，所述方法还包括：

建立相关人员与车辆的关系矩阵；

所述获取第一目标群体步骤后还包括：

根据相关人员与车辆的关系矩阵获取第二目标群体。

根据本发明的机动车保险欺诈检测方法，所述方法还包括：

建立修理厂与车辆的关系矩阵；

所述获取第一目标群体步骤后还包括：

根据所述修理厂与车辆的关系矩阵获取第三目标群体。

根据本发明的机动车保险欺诈检测方法，所述将预定时间分为若干等长的时间段，并根据第一时间段内的事件数据建立车辆之间碰撞关系矩阵步骤包括：

将所述预定时间划分为t个等长的统计时间段，以0，1，2，3…t表示，所述第一时间段t内的全部事件信息映射成一个车辆和车辆的n×n碰撞关系矩阵C_t：

所述建立所述碰撞网络和所述车辆之间的关系矩阵步骤包括：

步骤A：定义空集合M以及全体车辆的唯一编码v_i，i为大于0的整数，从v₁开始循环，从所述矩阵C_t中查找行向量C_1，t，记录所述v₁并加入到所述集合M中，使M＝{v₁}；