[发明专利]一种基于知识图谱的车险理赔欺诈风险识别方法和系统

说明书

本发明公开了一种基于知识图谱的车险理赔欺诈风险识别方法和系统，该方法通过解析、拆分历史车险案件的结构化数据，根据车险理赔反欺诈业务场景、理赔流程设计的本体，历史案件实例化为案件知识图谱后，使用子图关键节点筛选和图点集向量化，建立多个案件间高欺诈风险筛选模型。该方法将不同时间段的车险理赔案件放于同一知识图谱中，通过分析不同时间、相似节点特征，串联关联案件，从而提示新提交车险案件风险等级。该方法对新提交车险案件进行欺诈风险评估，提供历史关联或相似案件作为风险点参考，提高车险理赔业务欺诈案件治理能力。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于知识图谱的车险理赔欺诈风险识别方法和系统。

背景技术

目前计算机技术发展的日新月异，计算机数据库中存储了数据量越来越庞大的业务数据。不法分子在车险理赔中实施的欺诈行为产生的业务数据之间具有一定的关联性，如何从大量业务数据中及时发现其中潜在风险点对识别欺诈行为具有越来越重要的作用。传统技术中，将业务数据按照各自规范分门别类的存储于数据库中。但由于不同数据表之间独立存储，表和表之间不存在关联性，形成了一个又一个数据孤岛，难以简易、批量对比关联案件。现有技术中有提出运用图技术，在查找关联关系时在不同数据表之间跳转，极大地降低了数据关联关系获取的效率。也有使用知识图谱在金融借贷进行反欺诈风险识别。该方法应用于金融借贷业务而且部署在金融借贷业务前端，目前缺少使用知识图谱技术运用于车险业务中控制欺诈风险的系统。该技术可以增加查找效率，但不能及时、有效的推断案件是否暗含欺诈风险。

发明内容

针对现有技术的不足，本发明提出一种基于知识图谱的车险理赔欺诈风险识别方法和系统，运用基于知识图谱技术的反欺诈模型有效降低保险公司成本，对降低车险费率、新险种的设计和定价有很大的帮助。

本发明的目的通过如下的技术方案来实现：

一种基于知识图谱的车险理赔欺诈风险识别方法，该方法包括如下步骤：

步骤一：将历史车险案件按照车险反欺诈本体进行分类整理，所述车险反欺诈本体包括人员本体及其属性单元、机构本体及其属性单元、保单本体及其属性单元、车辆本体及其属性单元、零部件本体及其属性单元、案件本体及其属性单元；

步骤二：根据整理后历史车险案件的数据建立知识图谱关系图；所述知识图谱关系图中包括各个实体和实体关联关系，每个实体为一个节点；

步骤三：从所述知识图谱关系图删除连接度小于预设的连接度阈值的节点，再删除那些与案件没建立连接的节点；

步骤四：以报案人和修理厂为中心，将知识图谱关系图进行划分，形成若干个关键子图，每个关键子图对应多个案件；

步骤五：根据RotatE、TransE、TransH、TransR、TransD模型将所述关键子图进行向量化，得到每个关键子图中每个案件对应的5个特征值；

步骤六：利用每个案件的对应的5个特征值和该案件在关系型数据库中存储的相关信息，以及每个车险案件是否为欺诈案件的标签，对案件间高欺诈风险筛选模型进行训练，得到训练后的案件间高欺诈风险筛选模型；

步骤七：将待识别的车险案件按照所述车险反欺诈本体进行分类整理，并将整理后的案件数据加入所述知识图谱关系图中；采用RotatE、TransE、TransH、TransR、TransD模型对待识别车险案件对应的节点和实体关联关系进行向量化，得到该案件对应的5个特征值；然后将该案件的信息和5个特征值输入训练后的案件间高欺诈风险筛选模型，模型输出待识别车险案件的风险值。

进一步地，所述案件间高欺诈风险筛选模型为XGB模型。

进一步地，输入到训练后的案件间高欺诈风险筛选模型中的信息需为布尔型或数字型特征。

进一步地，所述连接度阈值为5。