[发明专利]机动车保险欺诈检测方法及系统

摘要

本发明适用于数据处理技术领域，提供了一种机动车保险欺诈检测方法与系统，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和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时间段内碰撞网络的相似度，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之前时间段的碰撞网络进行秩排序，获取第一目标群体；通过矩阵变换算法，获取第二、三目标群体。借此，本发明可避免人为规避行为对识别和检测的影响，且可快速准确的鉴别出高可疑车辆碰撞团伙和广义人员团伙。

主权项

一种机动车保险欺诈检测方法，其特征在于，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；其中：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Ct：建立所述碰撞网络和所述车辆之间的关系矩阵Gt步骤包括：步骤A：定义空集合M以及全体车辆的唯一编码vi，i为大于0的整数，从v1开始循环，从所述矩阵Ct中查找行向量C1，t，记录所述v1并加入到所述集合M中，使M＝{v1)；步骤B：遍历所述行向量C1，t的每个元素，如果元素c1，j，t为1，则记录vj，并加入到所述集合M中，使M＝{v1，…，vj，…}，1≤j≤n；步骤C：遍历完C1，t每个元素后，设置v1为已访问标志位1；步骤D：查找所述集合M中每个元素vi，1≤i≤n，如果vi的访问标志位为1，继续获取访问标志位不为1的vi；步骤E：若vi的访问标志位不为1，则查找对应矩阵Ct的行向量Ci，t，并遍历完所述Ci，t每个元素，判断所述集合M中是否包含所述元素，如果不包含，则将所述元素加入到所述集合M中，并设置vi为已访问标志位1，返回所述步骤D；步骤F：如果所述集合M中每个vi的访问标志位都为1，则结束一次查找，所述M为一个碰撞关系网络，所述集合M的每个元素代表该网络中包含的车辆编码，将所述集合M映射为Gt的行向量，所述Gt为碰撞网络和车辆的对应关系的二元碰撞网络矩阵；依次按照步骤A～步骤F，构建每一个所述Gt的行向量，获取矩阵Gt；对所述第一时间段内的碰撞网络进行秩排序处理的步骤包括：第一步：给定l(t)×n的公共节点矩阵Ut，取行向量Ui，t＝(ui，1，tui，2，t…ui，n，t)，1≤i≤l(t)；第二步：计算Ut第i个行向量Ui，t的行和，对所有的ui，j，t＞0分别在Ct和Ct‑1中抽取所有的第j行和第j列构建公共车辆碰撞关系的s(i)×s(i)阶子矩阵和Qt‑1，i：表示车辆vi和vj的碰撞关系，0表示没有碰撞，1表示有碰撞，Qt‑1，i表示如下：第三步：分别求和Qt‑1，i的秩和r(Qi，i‑1)，得出Ut的秩运算结果的l(t)×2矩阵Rt如下：Rt=r(Q1,tt-1)r(Q1,t-1)......r(Qi,tt-1)r(Qi,t-1)......r(Ql(t),tt-1)r(Ql(t),t-1)=(Rt,1,Rt,2)]]>第四步：对于1≤k≤m(t)，遍历以下：表示碰撞网络Gk，t中包含的车辆数，order2(k)=order2(k)+Σj=1m(t-1)(r(Q(k-1)×m(t-1)+j,tt-1)+r(Q(k-1)×m(t-1)+j,t-1))]]>表示t时间段碰撞网络矩阵Gt中的碰撞网络Gk，t和t‑1时间段碰撞网络矩阵Gt‑1中的每一个碰撞网络Gi，t‑1比较后，得到公共节点秩运算的合计值；order3(k)＝order3(k)+2m(t‑1)，表示在计算order2(k)时，累加的秩的个数；第五步：同理，重复上述第一到第四步的计算方法，可以得出Ut‑1，Ut‑2，…U2对应的秩运算结果矩阵Rt‑1，Rt‑2，...R2，分别遍历m(t‑i)次，2≤i≤t‑1，其中m(t‑i)为矩阵Gt‑i的行维度，m(t)为矩阵Gt的行维度；order2(k)=order2(k)+Σj=1m(t-i)(r(Q(k-1)×m(t-i)+j,tt-i)+r(Q(k-1)×m(t-i)+j,t-i)),2≤i≤t-1]]>order3(k)＝order3(k)+2m(t‑i)，2≤i≤t‑1第六步：令对全部的order1(k)，y(k)，从大到小进行排序，就可以得到m(t)×n个碰撞网络的可疑度排序结果矩阵Ft(1)；第七步：提取Ft(1)中满足y(k)＞0的全部碰撞网络，可以得到高可疑的m×n个碰撞网络排序结果矩阵第八步：对于中的每一个碰撞网络，结合碰撞网络公共节点秩运算结果矩阵Rt，Rt‑1，Rt‑2，...R3，R2，对于Gt中的每一个Gk，t计算出与Gt‑i中的Gj，t‑i公共节点矩阵的秩的平均值rk，i，j，如下：rk,i,j=r(Qk,tt-i)+r(Qj,t-i)2,1≤i≤t-1,1≤j≤m(t-i)]]>然后按rk，i，j从大到小对Gj，t‑i进行排序，得出Gk，t中高可疑的狭义团伙。