CN105069686A - 案件自动检测方法和*** - Google Patents
案件自动检测方法和*** Download PDFInfo
- Publication number
- CN105069686A CN105069686A CN201510497231.2A CN201510497231A CN105069686A CN 105069686 A CN105069686 A CN 105069686A CN 201510497231 A CN201510497231 A CN 201510497231A CN 105069686 A CN105069686 A CN 105069686A
- Authority
- CN
- China
- Prior art keywords
- case
- rule
- model
- parsing
- client
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及一种案件自动检测方法，包括：模型绑定步骤，规则应用步骤，规则结果过滤步骤，以及检测结果生成步骤。根据本发明实施例的案件自动检测方法能够检测车险理赔过程中可能会出现欺诈、不规范行为，并能够对车险理赔过程中的各类业务对象进行检测和控制。
Description
技术领域
本发明涉及一种案件自动检测方法和***。
背景技术
目前，拥有、涉及或提供车险理赔业务和/或服务的保险公司和其他企业和机构，在车险理赔过程中可能会出现欺诈、不规范行为，而且难以对车险理赔过程中的各类业务对象，如工时、配件等的价格进行检测和控制。
发明内容
技术问题
有鉴于此，本发明要解决的技术问题是：提供一种案件自动检测方法和***，能够检测车险理赔过程中可能会出现欺诈、不规范行为，并能够对车险理赔过程中的各类业务对象进行检测和控制。
解决方案
为了解决上述技术问题，本发明提供了一种案件自动检测方法，其特征在于，包括以下步骤：
模型绑定步骤，按照先后顺序对客户提供的案件对象及***内定义的案件模型执行模型绑定，具体包括如下子步骤：
序列化/解析子步骤，为将客户提供的以XML，JSON、或者Excel表格形式提供的案件对象转换为案件模型；
反序列化/解析后处理子步骤，采用与查找序列化/解析程序相同的方式，查找为配置的客户定制的反序列化/解析后处理程序；以及模型对象识别子步骤，调用识别服务提供者程序，从标准统一化的案件模型对象中提取文字性的字段内容作为参数传递给识别服务提供者，识别服务提供者识别传入的文字内容，匹配到***基础数据库中的定义的对象；
规则应用步骤，基于Java开源框架EasyRules，为每个规则集分配一个独立的规则引擎，或者成为规则执行环境，在同一规则集内，指定每个检测规则的检测顺序及相互的依赖关系，从而依据所述模型对象识别子步骤中识别出的准确定义的对象，进行更加精细、准确的分析和判断；
规则结果过滤步骤，查找***的运行环境中是否提供了针对当前完成的规则集和或者针对所有规则/规则集适用的规则应用结果过滤器，若查询到相应的过滤器，则调用过滤器对所述规则应用步骤中的规则应用结果进行处理；以及检测结果生成步骤，在完成规则应用、规则结果收集和过滤之后，将规则检测结果定制并格式化并返回给客户，其中，定义了检测结果的构建器接口IClaimCheckResponseBuilder，以为各类客户提供高度定制化的实现。
有益效果
根据本发明实施例的案件自动检测方法能够检测车险理赔过程中可能会出现欺诈、不规范行为，并能够对车险理赔过程中的各类业务对象进行检测和控制。
根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面，并且用于解释本发明的原理。
图1示出案件自动检测方法的流程。
具体实施方式
本发明的案件自动检测方法和***以RestfulWebServices的形式向用户提供车险理赔案件检测服务。该***包括：面向***目标客户的组件、规则平台、数据平台以及专家案件检测***。所述面向***目标客户的组件通过应用案件检测规则对车险理赔案件进行检测，检测规则由公司在运营过程中以人工或***智能数据分析的方式提炼、编撰。本发明的案件自动检测***定义规则的接口，包含规则的输入、规则的执行、规则的输出及规则的组织形式。所述规则平台和所述数据平台，分别为车险检测规则提供理论、事实依据和数据支持。
本发明的案件自动检测***的检测对象为车险理赔案件，为此，所述面向***目标客户的组件包含了对车险理赔案件对象统一的，标准化的定义，即对象模型。本发明的案件自动检测***提供针对车险理赔案件的检测分析均以所述对象模型所定义的对象和/或其包含的子对象进行。
所述对象模型的基本结构造定义如下：
案件
·保险公司
·报案号
·报案信息
·查勘信息
o查勘任务<集合>
·定损信息<集合>
o修理厂信息
■名称
■资质
■类型
o车辆信息
■车型
■车牌号
■车架号
o工时<集合>
■名称
■修理类型
■OEM
■数量
■价格
o配件<集合>
■名称
■OEM
■数量
■价格
o辅料<集合>
o名称
oOEM
o数量
o价格
·人伤信息<集合>
·保单信息<集合>
o保单号
o保单类型
o车辆信息
o险别信息<集合>
o特别约定<集合>
o历史赔案<集合>
o批改情况<集合>
·案件照片
o名称
o类型
o拍摄时间
o获取地址
案件对象模型的代码设计借鉴了Java面向对象设计中的DynaBean及.NETFramework下Dynamic对象(ExpandoObject、ElasticObject)的设计概念，所有的案件模型对象均继承DynaModel类型，其提供了承载除静态声明的之外的，用户提供的特殊业务字段，或者案件检测过程中产生的中间数据字段功能。DynaModel的实现机制为利用HashMap作为弹性字段的存储，并提供统一的字段设置和获取的API方法。这样的设计的目的为了够是案件对象模型能够容纳来自各个客户的多样化的案件对象模型数据集，以及承载在案件检测过程中产生的临时状态数据。
本发明的案件自动检测***按照在案件检测流程中的先后顺序，包含如下的功能模块：
·模型绑定模块
·规则应用模块
·规则结果过滤模块
·检测结果生成模块
模型绑定模块
用户接入本发明的案件自动检测***提供的案件检测服务时，会给出各自不同的、与本发明的案件自动检测***定义的案件模型不同的案件模型。为了能够使客户的案件进入规则应用模块从而进行检测，本发明的案件自动检测***定义了模型绑定功能模块。所述模型绑定模块按照先后顺序对客户提供的案件对象及***内定义的案件模型执行如下的操作：
·序列化/解析
·反序列化/解析后处理
·模型对象识别
序列化/解析
序列化/解析过程为将客户提供的以XML，JSON、或者Excel表格形式提供的案件对象转换为本发明的案件自动检测***定义的案件模型。模型绑定模块使用JavaEE框架提供的依赖注入机制实现为可客户定制的两级机制。当接收到客户发送的案件检测请求并调用案件检索时，案件自动检测***读取到配置的客户信息，使用客户名称利用JavaEE的CDINamedQualifier机制查找到为客户定制反序列化/解析程序，并调用得到统一化的案件模型对象。
案件自动检测***实现了以图形用户面的方式匹配并生成XML序列化/解析类的功能。其生成的XML序列化/解析类采用JavaEE下JXAB的STAX技术对XML文档进行解析，工作原理为在便利XML文档过程中，将读取到XML经过转换赋值到Java的对象属性。数据类型的转换提供了基础原始类型之间的转换，XML元素值与Java枚举成员映射匹配的支持。
反序列化/解析后处理
序列化/解析过程完成之后，模型绑定模块采用与查找序列化/解析程序相同的方式，查找为配置的客户定制的反序列化/解析后处理程序。当查找并获取到后处理程序时，模型绑定模块调用后处理程序对统一化的案件模型进行后处理，后处理的内容包含如下的内容：
·案件模型对象结构调整，如类似于Map/Reduce算法中Reduce阶段的处理；
·特殊字段的特殊处理，如类型转换，特殊字符修剪等；
·数据值字段的计算，如配件，工时的价格基于折扣，管理费等字段的计算。
模型对象识别
在完成序列化/解析和后处理之后，***得到了比较完整，标准化的案件模型对象。为了给之后的规则应用提供更加统一精确的数据基础，模型绑定模块调用案件自动检测***的识别服务提供者程序，从标准统一化的案件模型对象中提取文字性的字段内容作为参数传递给识别服务提供者。识别服务提供者识别传入的文字内容，匹配到***基础数据库中的定义的对象，如修理厂、分公司、车型、配件。后续的规则应用模块依据这些识别出的这些准确定义的对象，可以进行更加精细、准确的分析和判断。
模型对象设别体系架构分为三个层次：
·模型对象识别服务组织者
·模型对象识别服务提供者
·识别逻辑实现
模型对象识别服务组织者
模型对象识别服务组织者是可以为客户定制的，定义识别对象的范围，顺序的识别组织程序。模型绑定模块进行案件模型对象识别时，获取***默认提供的模型对象识别服务组织者，调用其接口API以获取模型对象识别服务提供者列表。然后，模型绑定模块遍历并调用模型对象识别服务提供者的接口API进行模型对象的识别。
模型对象识别服务提供者
模型对象识别服务提供者负责案件模型对象中业务对象的识别工作。其操作对象为统一化的案件对象，工作原理为从案件对象中提取相关的文字字段，并调用识别逻辑实现，将文字的字段与***内或者基础数据库中定义的数据对象进行匹配。模型绑定模块提供了如下的案件对象中业务对象的识别服务提供者实现：
·保险公司分公司
·修理厂
·车型
·配件
·工时
·辅料
识别逻辑实现
识别逻辑实现提供基础的，原子性的，与案件模型对象相关性不大的文本分析和/或数据库查询服务。透过其文本分析，数据库检索等服务，模型对象识别服务提供者将案件模型对象中的文字字段与基础数据库或者***内定义的数据对象进行匹配。
规则应用模块
案件自动检测***的规则应用模块借鉴了JSR-94的规则引擎规范的概念，并基于Java开源框架EasyRules实现案件检测规则的应用。规则应用模块以规则集为单位应用案件检测规则。规则集为根据单独规则的关联性，或者从抽象到具体组合形成的一组案件检测规则的集合。案件规则应用模块为每个规则集分配一个独立的规则引擎，或者成为规则执行环境。在同一规则集内，需要指定每个检测规则的检测顺序及相互的依赖关系。
案件检测规则的形态设计基于EasyRules框架中规则定义。规则应用分为两个阶段，首先，案件检测规则对案件对象模型进行评估，评估的依据来源于运营团队在行业内的知识积累以及基础数据库，规则评估的结果为boolean类型的值。对于欺诈规则而言，评估结果意味值被检测的案件是否存在欺诈的风险；对于价格检测案件而言，评估结果意味着案件中业务对象的报价是否高于基础数据库中定义的正常水平。规则评估完成之后，规则根据的评估的结果执行规则的行为。在案件自动检测***中，规则的行为体现为记录下风险的评估结果或价格检测结果。在规则应用完成所有的规则检测之后，统一的收集这些规则的应用结果，将它们返回给客户。
规则结果过滤模块
案件自动检测模块完成每一个规则集应用时和完成所有规则集的应用时，会查找***的运行环境中，是否提供了针对当前完成的规则集和或者针对所有规则/规则集适用的规则应用结果过滤器。若查询到相应的过滤器，则调用过滤器对规则应用结果进行处理。规则结果过滤器的应用场景包含如下几类：
·依据规则的成熟度对规则的执行结果进行筛选
案件自动检测***将规则按照成熟度分为三个等级：开发，测试，生产。生产阶段的规则结果将直接发送给客户，可选地，客户可以配置将测试阶段的规则返回，开发阶段规则的检测结果强烈建议不返回。
·依据规则的检测结果对案件的风险等级进行评估
依据规则检测结果相应规则的风险等级系数，评估计算案件的风险等级级别。
·案件检测流程控制
依据案件的规则检测结果及/或其相应规则的特性，评估案件是否需要进一步的人工检查确认。
·规则集应用结果的自定义处理
每个规则集可以定义各自的规则检测结果过滤程序，已对规则集内的检测结果进行筛选或处理。
检测结果生成模块
案件自动检测***在完成规则应用、检测结果收集和过滤之后，需要将规则检测结果定制并格式化并返回给客户。案件自动检测***定义了检测结果的构建器接口IClaimCheckResponseBuilder，以为各类客户提供高度定制化的实现。在将要返回检测结果到客户方时，案件自动检测***查找运行时环境中的检测结果构建器实现，调用其以获取可以返回给客户的案件检测结果。
案件自动检测***默认提供高度灵活的，可以满足大部分客户要求的检测结果构建器实现。
默认的案件检测结果构建器将规则的执行结果(RuleExecutionResult)转换为***中定义的Risk对象，或自定义的Risk子类。Risk对象包含对风险类型、风险名称、风险提示文字的定义。默认实现将规则检测结果(RuleExecutionResult)转换为Risk对象的工作由其定义的RuleExecutionResultToRiskMapper接口的实现类型完成。RuleExecutionResultToRiskMapper定义了其能够对能够对规则执行结果转换程度级别的枚举，基本级、规则级、客户自定义级。默认实现首先利用CDI机制查找运行时环境中定义的所有RuleExecutionResultToRiskMapper实现。针对每个规则执行结果，默认实现首先征询所有的RuleExecutionResultToRiskMapper实现对规则执行结果的转换程度，选取够最大程度将规则执行结果转换为Risk的实现。获取到合适的RuleExecutionResultToRiskMapper实现后，默认实现调用其转换方法，将规则执行结果转换为Risk对象。转化后的Risk对象最终将被序列化，并返回给客户。
案件检测服务接入流程
本发明的案件自动检测***的外部接口为RestfulWebAPI接口。客户接入案件检测服务须执行如下过程：
·通信链路约定
为了保证案件数据机密性及服务的稳定性，客户端与案件自动检测***服务之间通信应以加密的SSLHTTP安全连接，或者建立网络服务供应商层级的专用网络链路进行双方***间的数据通信。在接入案件检测服务前，双方应协商并约定好通信链路方案。
·模型匹配约定
本发明的案件自动检测***检测服务是基于自身定义的案件检测模型。因此在接入服务前，双方需要约定传输数据的格式，JSON或者XML，以及双方之间案件模型对象结构及字段内容的匹配。
·客户方能够接受的检测结果格式定义
客户方需要提供其对规则检测结果格式及内容方面的要求，本发明的件自动检测***依据要求规范实现检测结果的定制方案。
本发明的案件自动检测方法包括以下步骤：
步骤S201，模型绑定步骤。按照先后顺序对客户提供的案件对象及***内定义的案件模型执行模型绑定，具体以下如下子步骤：
·序列化/解析子步骤，为将客户提供的以XML，JSON、或者Excel表格形式提供的案件对象转换为本发明的案件自动检测***定义的案件模型。
·反序列化/解析后处理子步骤，采用与查找序列化/解析程序相同的方式，查找为配置的客户定制的反序列化/解析后处理程序。
·模型对象识别子步骤，调用识别服务提供者程序，从标准统一化的案件模型对象中提取文字性的字段内容作为参数传递给识别服务提供者，识别服务提供者识别传入的文字内容，匹配到***基础数据库中的定义的对象。
步骤S202，规则应用步骤。借鉴JSR-94的规则引擎规范的概念，基于Java开源框架EasyRules实现案件检测规则的应用。在规则应用步骤中以规则集为单位应用案件检测规则。规则集为根据单独规则的关联性，或者从抽象到具体组合形成的一组案件检测规则的集合。在规则应用步骤中为每个规则集分配一个独立的规则引擎，或者成为规则执行环境。在同一规则集内，需要指定每个检测规则的检测顺序及相互的依赖关系。依据所述模型对象识别子步骤中识别出的准确定义的对象，可以进行更加精细、准确的分析和判断。
案件检测规则的形态设计基于EasyRules框架中规则定义。规则应用分为两个阶段，首先，案件检测规则对案件对象模型进行评估，评估的依据来源于运营团队在行业内的知识积累以及基础数据库，规则评估的结果为boolean类型的值。对于欺诈规则而言，评估结果意味值被检测的案件是否存在欺诈的风险；对于价格检测案件而言，评估结果意味着案件中业务对象的报价是否高于基础数据库中定义的正常水平。规则评估完成之后，规则根据的评估的结果执行规则的行为。规则的行为体现为记录下风险的评估结果或价格检测结果。在规则应用完成所有的规则检测之后，统一的收集这些规则的应用结果，将它们返回给客户。
步骤S203，规则结果过滤步骤。案件自动检测***完成每一个规则集应用时和完成所有规则集的应用时，会查找***的运行环境中，是否提供了针对当前完成的规则集和或者针对所有规则/规则集适用的规则应用结果过滤器。若查询到相应的过滤器，则调用过滤器对规则应用结果进行处理。规则结果过滤器的应用场景包含如下几类：
·依据规则的成熟度对规则的执行结果进行筛选
·依据规则的检测结果对案件的风险等级进行评估
·案件检测流程控制
·规则集应用结果的自定义处理
步骤S204，检测结果生成步骤。案件自动检测***在完成规则应用、规则结果收集和过滤之后，需要将规则检测结果定制并格式化并返回给客户。案件自动检测***定义了检测结果的构建器接口IClaimCheckResponseBuilder，以为各类客户提供高度定制化的实现。在将要返回检测结果到客户方时，案件自动检测***查找运行时环境中的检测结果构建器实现，调用其以获取可以返回给客户的案件检测结果。
案件自动检测***默认提供高度灵活的，可以满足大部分客户要求的检测结果构建器实现。
默认的案件检测结果构建器将规则的执行结果(RuleExecutionResult)转换为***中定义的Risk对象，或自定义的Risk子类。Risk对象包含对风险类型、风险名称、风险提示文字的定义。默认实现将规则检测结果(RuleExecutionResult)转换为Risk对象的工作由其定义的RuleExecutionResultToRiskMapper接口的实现类型完成。RuleExecutionResultToRiskMapper定义了其能够对能够对规则执行结果转换程度级别的枚举，基本级、规则级、客户自定义级。默认实现首先利用CDI机制查找运行时环境中定义的所有RuleExecutionResultToRiskMapper实现。针对每个规则执行结果，默认实现首先征询所有的RuleExecutionResultToRiskMapper实现对规则执行结果的转换程度，选取够最大程度将规则执行结果转换为Risk的实现。获取到合适的RuleExecutionResultToRiskMapper实现后，默认实现调用其转换方法，将规则执行结果转换为Risk对象。转化后的Risk对象最终将被序列化，并返回给客户。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种案件自动检测方法，其特征在于，包括以下步骤：
模型绑定步骤，按照先后顺序对客户提供的案件对象及***内定义的案件模型执行模型绑定，具体包括如下子步骤：
序列化/解析子步骤，为将客户提供的以XML，JSON、或者Excel表格形式提供的案件对象转换为案件模型；
反序列化/解析后处理子步骤，采用与查找序列化/解析程序相同的方式，查找为配置的客户定制的反序列化/解析后处理程序；以及模型对象识别子步骤，调用识别服务提供者程序，从标准统一化的案件模型对象中提取文字性的字段内容作为参数传递给识别服务提供者，识别服务提供者识别传入的文字内容，匹配到***基础数据库中的定义的对象；
规则应用步骤，基于Java开源框架EasyRules，为每个规则集分配一个独立的规则引擎，或者成为规则执行环境，在同一规则集内，指定每个检测规则的检测顺序及相互的依赖关系，从而依据所述模型对象识别子步骤中识别出的准确定义的对象，进行更加精细、准确的分析和判断；
规则结果过滤步骤，查找***的运行环境中是否提供了针对当前完成的规则集和或者针对所有规则/规则集适用的规则应用结果过滤器，若查询到相应的过滤器，则调用过滤器对所述规则应用步骤中的规则应用结果进行处理；以及检测结果生成步骤，在完成规则应用、规则结果收集和过滤之后，将规则检测结果定制并格式化并返回给客户，其中，定义了检测结果的构建器接口IClaimCheckResponseBuilder，以为各类客户提供高度定制化的实现。
2.根据权利要求1所述的案件自动检测方法，其特征在于：在所述序列化/解析子步骤中，使用JavaEE框架提供的依赖注入机制实现为可客户定制的两级机制，当接收到客户发送的案件检测请求并调用案件检索时，案件自动检测***读取到配置的客户信息，使用客户名称利用JavaEE的CDINamedQualifier机制查找到为客户定制反序列化/解析程序，并调用得到统一化的案件模型对象。
3.根据权利要求1所述的案件自动检测方法，其特征在于：在所述序列化/解析子步骤中，以图形用户面的方式匹配并生成XML序列化/解析类的功能，生成的XML序列化/解析类采用JavaEE下JXAB的STAX技术对XML文档进行解析，在便利XML文档过程中，将读取到XML经过转换赋值到Java的对象属性，数据类型的转换提供了基础原始类型之间的转换，XML元素值与Java枚举成员映射匹配的支持。
4.根据权利要求1所述的案件自动检测方法，其特征在于：所述反序列化/解析后处理子步骤包括以下处理：
利用Map/Reduce算法中Reduce阶段对案件模型对象结构进行调整；
对特殊字段进行类型转换处理或对特殊字符进行修剪处理；
对数据值字段进行计算。
5.一种案件自动检测***，其特征在于，包括：
模型绑定模块，按照先后顺序对客户提供的案件对象及***内定义的案件模型执行模型绑定，具体包括如下子模块：
序列化/解析子模块，为将客户提供的以XML，JSON、或者Excel表格形式提供的案件对象转换为案件模型；
反序列化/解析后处理子模块，采用与查找序列化/解析程序相同的方式，查找为配置的客户定制的反序列化/解析后处理程序；以及
模型对象识别子模块，调用识别服务提供者程序，从标准统一化的案件模型对象中提取文字性的字段内容作为参数传递给识别服务提供者，识别服务提供者识别传入的文字内容，匹配到***基础数据库中的定义的对象；
规则应用模块，基于Java开源框架EasyRules，为每个规则集分配一个独立的规则引擎，或者成为规则执行环境，在同一规则集内，指定每个检测规则的检测顺序及相互的依赖关系，从而依据所述模型对象识别子模块中识别出的准确定义的对象，进行更加精细、准确的分析和判断；
规则结果过滤模块，查找***的运行环境中是否提供了针对当前完成的规则集和或者针对所有规则/规则集适用的规则应用结果过滤器，若查询到相应的过滤器，则调用过滤器对所述规则应用模块中的规则应用结果进行处理；以及检测结果生成模块，在完成规则应用、规则结果收集和过滤之后，将规则检测结果定制并格式化并返回给客户，其中，定义了检测结果的构建器接口IClaimCheckResponseBuilder，以为各类客户提供高度定制化的实现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510497231.2A CN105069686B (zh) | 2015-08-13 | 2015-08-13 | 案件自动检测方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510497231.2A CN105069686B (zh) | 2015-08-13 | 2015-08-13 | 案件自动检测方法和*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105069686A true CN105069686A (zh) | 2015-11-18 |
| CN105069686B CN105069686B (zh) | 2016-11-23 |
Family
ID=54499045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510497231.2A Active CN105069686B (zh) | 2015-08-13 | 2015-08-13 | 案件自动检测方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105069686B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107657047A (zh) * | 2017-10-10 | 2018-02-02 | 民太安财产保险公估股份有限公司 | 保险欺诈侦测方法及*** |
| CN108492195A (zh) * | 2018-03-08 | 2018-09-04 | 中国平安人寿保险股份有限公司 | 一种规则引擎包的入参泛化方法、设备及存储介质 |
| CN108876642A (zh) * | 2018-09-12 | 2018-11-23 | 北京精友世纪软件技术有限公司 | 一种车险理赔智能风控*** |
| CN109034734A (zh) * | 2018-07-06 | 2018-12-18 | 北京精友世纪软件技术有限公司 | 一种远程处理车险理赔业务的方法及其*** |
| CN109191312A (zh) * | 2018-08-07 | 2019-01-11 | 阳光财产保险股份有限公司 | 一种理赔反欺诈风控方法及装置 |
| CN110019655A (zh) * | 2017-07-21 | 2019-07-16 | 北京国双科技有限公司 | 先例案件获取方法及装置 |
| CN110334214A (zh) * | 2019-07-09 | 2019-10-15 | 四川省广安市人民检察院 | 一种自动识别案件中虚假诉讼的方法 |
| CN110968604A (zh) * | 2019-12-05 | 2020-04-07 | 长春嘉诚信息技术股份有限公司 | 一种自动检索互联网经营企业违规经营的方法 |
| CN116503182A (zh) * | 2023-06-25 | 2023-07-28 | 凯泰铭科技（北京）有限公司 | 基于规则引擎实现动态采集车险人伤数据方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050015619A1 (en) * | 2003-07-14 | 2005-01-20 | Wing Lee | Integration infrastrucuture |
| CN1650279A (zh) * | 2002-03-25 | 2005-08-03 | 数据质量解决公司 | 企业业务过程管理的方法和*** |
-
2015
- 2015-08-13 CN CN201510497231.2A patent/CN105069686B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1650279A (zh) * | 2002-03-25 | 2005-08-03 | 数据质量解决公司 | 企业业务过程管理的方法和*** |
| US20050015619A1 (en) * | 2003-07-14 | 2005-01-20 | Wing Lee | Integration infrastrucuture |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110019655A (zh) * | 2017-07-21 | 2019-07-16 | 北京国双科技有限公司 | 先例案件获取方法及装置 |
| CN107657047A (zh) * | 2017-10-10 | 2018-02-02 | 民太安财产保险公估股份有限公司 | 保险欺诈侦测方法及*** |
| CN108492195A (zh) * | 2018-03-08 | 2018-09-04 | 中国平安人寿保险股份有限公司 | 一种规则引擎包的入参泛化方法、设备及存储介质 |
| CN108492195B (zh) * | 2018-03-08 | 2020-11-27 | 中国平安人寿保险股份有限公司 | 一种规则引擎包的入参泛化方法、设备及存储介质 |
| CN109034734A (zh) * | 2018-07-06 | 2018-12-18 | 北京精友世纪软件技术有限公司 | 一种远程处理车险理赔业务的方法及其*** |
| CN109191312A (zh) * | 2018-08-07 | 2019-01-11 | 阳光财产保险股份有限公司 | 一种理赔反欺诈风控方法及装置 |
| CN108876642A (zh) * | 2018-09-12 | 2018-11-23 | 北京精友世纪软件技术有限公司 | 一种车险理赔智能风控*** |
| CN110334214A (zh) * | 2019-07-09 | 2019-10-15 | 四川省广安市人民检察院 | 一种自动识别案件中虚假诉讼的方法 |
| CN110334214B (zh) * | 2019-07-09 | 2021-05-14 | 四川省广安市人民检察院 | 一种自动识别案件中虚假诉讼的方法 |
| CN110968604A (zh) * | 2019-12-05 | 2020-04-07 | 长春嘉诚信息技术股份有限公司 | 一种自动检索互联网经营企业违规经营的方法 |
| CN116503182A (zh) * | 2023-06-25 | 2023-07-28 | 凯泰铭科技（北京）有限公司 | 基于规则引擎实现动态采集车险人伤数据方法和装置 |
| CN116503182B (zh) * | 2023-06-25 | 2023-09-01 | 凯泰铭科技（北京）有限公司 | 基于规则引擎实现动态采集车险人伤数据方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105069686B (zh) | 2016-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105069686A (zh) | 案件自动检测方法和*** | |
| US9594797B2 (en) | Data quality assessment | |
| CN104331366A (zh) | 一种测试用例设计效率提升方法及*** | |
| EP1810131A2 (en) | Services oriented architecture for data integration services | |
| US10657530B2 (en) | Automated transactions clearing system and method | |
| CN109408067A (zh) | 一种基于单体应用的数据管理方法和服务器 | |
| CN102760096A (zh) | 测试用数据的生成方法、单元测试方法以及单元测试*** | |
| US20220303355A1 (en) | Resource discovery agent computing device, software application, and method | |
| CN111639690A (zh) | 基于关系图谱学习的欺诈分析方法、***、介质及设备 | |
| CN109002470A (zh) | 知识图谱构建方法及装置、客户端 | |
| CN113868498A (zh) | 数据存储方法、电子装置、装置及可读存储介质 | |
| CN103186463A (zh) | 确定软件的测试范围的方法和*** | |
| CN103455476A (zh) | 网络信息的处理方法和抽象语法树的建立方法及其装置 | |
| CN114418714A (zh) | 一种5g基站运维管理***及方法 | |
| KR102418796B1 (ko) | 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템 | |
| US20150106151A1 (en) | Systems and Methods for Creating a Maturity Model Based Roadmap and Business Information Framework for Managing Enterprise Business Information | |
| CN116957828A (zh) | 报账审核方法、设备、存储介质及装置 | |
| Habibi et al. | Generating test as a web service (TaaWS) through a method-based attribute grammar | |
| CN113032256A (zh) | 自动化测试方法、装置、计算机***和可读存储介质 | |
| CN111681108A (zh) | 数据的授信方法、装置、***及计算机可读存储介质 | |
| Fisher et al. | An automated analysis methodology to detect inconsistencies in web services with WSDL interfaces | |
| CN114297283B (zh) | 一种基于元数据驱动的数据安全管理方法与*** | |
| US11875374B2 (en) | Automated auditing and recommendation systems and methods | |
| US10997056B1 (en) | Generation of explanatory and executable repair examples | |
| US11537747B1 (en) | Generating and continuously maintaining a record of data processing activity for a computer-implemented system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |