CN108470312A - 理赔案件的分析方法、装置、存储介质及终端 - Google Patents
理赔案件的分析方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN108470312A CN108470312A CN201810122412.0A CN201810122412A CN108470312A CN 108470312 A CN108470312 A CN 108470312A CN 201810122412 A CN201810122412 A CN 201810122412A CN 108470312 A CN108470312 A CN 108470312A
- Authority
- CN
- China
- Prior art keywords
- case
- network
- personal connections
- resolution
- information
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于通信技术领域,提供了一种理赔案件的分析方法,所述方法包括:从在库理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联所述理赔案件对应的案件编号并设置网络编号,以构建案件关系网;从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,组合所述案件关系网对应的网络编号,得到所述业务员对应的案件关系网群;根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网;获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并发送至前端设备。本发明解决了解决现有对团伙欺诈风险的管控水平较低的问题。
Description
技术领域
本发明属于通信技术领域,尤其涉及一种理赔案件的分析方法、装置、存储介质及终端。
背景技术
在寿险理赔案件中,通常会存在因投保人、被保人、申请人、受益人、出险人或者受托人而产生关联的理赔案件。现有技术在对理赔案件进行审核、分析的过程中,只能针对单个案件进行风险检视,无法关联多个案件进行团伙欺诈风险评估。若要进行团伙欺诈风险评估,只能依赖于作业人员的工作经验,缺乏可视化的技术手段,对团伙欺诈风险的管控水平较低,无法实现快速、直观的识别及定位。
发明内容
本发明实施例提供了一种理赔案件的分析方法、装置、存储介质及终端,以解决现有技术依赖作业经验识别团伙欺诈风险、对团伙欺诈风险的管控水平较低的问题。
本发明实施例提供了一种理赔案件的分析方法,所述分析方法包括:
获取在库理赔案件的案件编号和案件属性信息;
从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网;
从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,组合存在同一业务员的属性信息的案件关系网对应的网络编号,得到所述业务员对应的案件关系网群;
根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网;
获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备。
进一步地,所述分析方法还包括:
针对所构建的每一个案件关系网,计算所述案件关系网对应的风险分值;
关联并存储所述案件关系网对应的网络编号、风险分值以及所包括的理赔案件的案件编号。
进一步地,所述计算所述案件关系网对应的风险分值包括:
获取所述案件关系网中的每一个理赔案件所触犯的评分大类及所述评分大类下的评分细则;
根据所述评分大类获取对应的分值信息,根据所述评分细则获取对应的权重信息;
求取所述分值信息和权重信息的加权和,得到所述案件关系网的风险分值。
进一步地,所述获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备包括:
获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网对应的网络编号;
根据所述网络编号获取所述案件关系网对应的风险分值;
获取风险分值最大的案件关系网以及所述案件关系网所涉及业务员的业务关系网,并创建URL链接;
将所述URL链接发送至前端设备,以使所述前端设备根据所述URL链接展示所述案件关系网和业务关系网对应的网络拓扑图。
进一步地,所述案件属性信息包括理赔案件对应的若干类人员的若干种属性信息;
所述从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网包括:
从所述理赔案件中以无放回的方式随机抽取一个理赔案件作为待匹配案件,遍历所述待匹配案件中的每一类人员,将该类人员的每一种属性信息分别与剩余的理赔案件中的每一类人员的同种属性信息进行交叉比对;
对所有的理赔案件进行遍历,根据交叉比对结果,获取存在相同案件属性信息的两个及以上个数的理赔案件;
以所述相同案件属性信息作为链信息,关联所述理赔案件对应的案件编号并设置网络编号,以构建案件关系网。
本发明实施例还提供了一种理赔案件的分析装置,所述分析装置包括:
获取模块,用于获取在库理赔案件的案件编号和案件属性信息;
第一构建模块,用于从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网;
组合模块,用于从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,组合存在同一业务员的属性信息的案件关系网对应的网络编号,得到所述业务员对应的案件关系网群;
第二构建模块,用于根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网;
分析提示模块,用于获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备。
进一步地,所述分析装置还包括:
风险计算模块,用于针对所构建的每一个案件关系网,计算所述案件关系网对应的风险分值;
关联存储模块,用于关联并存储所述案件关系网对应的网络编号、风险分值以及所包括的理赔案件的案件编号。
进一步地,所述风险计算模块包括:
第一获取单元,用于获取所述案件关系网中的每一个理赔案件所触犯的评分大类及所述评分大类下的评分细则;
第二获取单元,用于根据所述评分大类获取对应的分值信息,根据所述评分细则获取对应的权重信息;
计算单元,用于求取所述分值信息和权重信息的加权和,得到所述案件关系网的风险分值。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序由处理器执行时实现如上所述的理赔案件的分析方法所述的步骤。
本发明实施例还提供了一种终端,所述终端包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的理赔案件的分析方法的所述的步骤。
与现有技术相比,本发明实施例通过获取在库理赔案件的案件属性信息;从所述理赔案件中获取存在相同的案件属性信息的两个及以上个数的理赔案件,关联所述理赔案件以构建案件关系网;以及,从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,关联所述案件关系网对应的网络编号,得到所述业务员对应的案件关系网群;根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网;获取待分析理赔案件的报案信息,获取与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备,以使前端设备向审核岗输出所述案件关系网和业务关系网;从而实现了可视化的团伙网络侦破方式,有利于审核岗精准定位团伙欺诈中的关键人物及关键信息,解决了现有技术依赖作业经验识别团伙欺诈风险、对团伙欺诈风险的管控水平较低的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1是本发明实施例提供的理赔案件的分析方法的第一实现流程图;
图2是本发明实施例提供的理赔案件的分析方法的第二实现流程图;
图3是本发明实施例提供的理赔案件的分析方法中步骤S203的具体实现流程图;
图4是本发明实施例提供的理赔案件的分析方法中步骤S207的具体实现流程图;
图5(a)是本发明实施例提供的案件关系网的网络拓扑示意图,5(b)是本发明实施例提供的业务关系网的网络拓扑示意图;
图6是本发明实施例提供的构建案件关系网的具体实现流程图;
图7是本发明实施例提供的理赔案件的分析装置的组成结构图;
图8是本发明实施例提供的终端的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1示出了本发明实施例提供的理赔案件的分析方法的第一实现流程。本发明实施例提供的所述理赔案件的分析方法应用于终端,包括但不限于计算机、服务器。在这里,所述终端上安装有SNA***,SNA是Social Network Analysis 的缩写,为社会网络分析***。参阅图1,所述分析方法包括:
在步骤S101中,获取在库理赔案件的案件属性信息。
在这里,所述在库理赔案件是指存储在dBASE数据库中的理赔案件。可选地,每一个理赔案件对应的案件属性信息包括但不限于若干类人员的若干种属性信息。示例性地,所述若干类人员包括但不限于投保人、被保人、申请人、受益人、出险人和受托人;所述若干种属性信息包括但不限于手机号、客户号、身份证号、银行***、设备号和地址信息。可选地,每一个理赔案件对应的案件属性信息还可以包括业务员信息、就诊信息、机构信息、拒赔历史信息等。
在步骤S102中,从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网。
本发明实施例在dBASE数据库中维护着一张宽表,记为第一宽表,通过该宽表记录不同的案件关系网的网络编号、包括的理赔案件的案件编号及其案件属性信息、相同的案件属性信息,得到理赔案件之间的拓扑关系。根据所述拓扑关系可生成案件关系网的网络拓扑图。其中,所述案件关系网中以理赔案件作为关键节点、以相同的案件属性信息作为链信息。一个案件关系网可以关联两个及以上个数的理赔案件。
本发明实施例在SNA***上,采用spark大数据平台来执行案件关系网的构建过程,通过从所述理赔案件中获取存在相同的案件属性信息的两个及以上个数的理赔案件,将所述理赔案件的案件编号、相同的案件属性信息以及网络编号存储至所预设的宽表中,以将所述理赔案件关联起来,得到所述理赔案件之间的关系谱,完成案件关系网的构建。
可选地,所关联起来的理赔案件之间可以包括一个或多个相同的案件属性信息。所述案件属性信息可以是同类人员的属性信息,比如理赔案件P的投保人的身份证号为4452XXXX0001,理赔案件Q的投保人的身份证号也为 4452XXXX0001,那么认为该两个理赔案件之间存在相同的案件属性,所述身份证号4452XXXX0001为理赔案件P和理赔案件Q之间的相同的案件属性;所述案件属性信息也可以是不同类人员的属性信息,比如理赔案件P的投保人的身份证号为4452XXXX0001,理赔案件Q的被保人的身份证号也为 4452XXXX0001,那么也认为该两个理赔案件之间存在相同的案件属性,所述身份证号4452XXXX0001为理赔案件P和理赔案件Q之间的相同的案件属性。
在步骤S103中,从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,组合存在同一业务员的属性信息的案件关系网对应的网络编号,得到所述业务员对应的案件关系网群。
在步骤S104中,根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网。
在本发明实施例中,理赔网络除了包括第一层案件关系网,还包括基于业务员的第二层业务关系网。在这里,所述业务关系网以业务员作为关键节点、以案件关系网作为链信息,一个业务关系网可以通过案件关系网的网络编号关联两个及以上个数的业务员。同样地,可以通过在dBASE数据库中维护着一张宽表,记为第二宽表,通过该宽表记录不同的业务员以及所述业务员的对应的案件关系网群中每一个案件关系网的网络编号。
本发明实施例通过从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,将所述案件关系网对应的网络编码、共同的业务员存储至所预设的宽表中,然后基于该宽表筛选出具有相同的网络编号的业务员进行关联,得到所述业务员之间的关系谱,完成业务关系网的构建。
可选地,所述业务员属性信息包括但不限于手机号、身份证号、地址信息和设备号。只要任意两个及以上个数的案件关系网之间包括同一业务员的上述任一种或多种属性信息,则将该两个及以上个数的案件关系网关联起来。
示例性地,假设案件关系网Y1中包括业务员S的手机号、业务员T的身份证号;案件关系网Y2中包括业务员S的地址信息、业务员R的手机号、业务员T的手机号;案件关系网Y3中包括业务员U的地址信息。则组合所述案件关系网Y1和案件关系网Y2,作为业务员S的案件关系网群;组合所述案件关系网Y1和案件关系网Y2,作为业务员T的案件关系网群;若业务员只涉及其中一个案件关系网,则直接以该案件关系网组成案件关系网群,在这里,以案件关系网Y2组成业务员R的案件关系网群,以案件关系网Y3组成业务员U 的案件关系网群。然后筛选出具有相同案件关系网对应的网络编号的业务员进行关联,可以得到,业务员S、业务员T之间存在相同的案件关系网,即案件关系网Y1,对所述业务员S和业务员T进行关联;业务员S和业务员R之间存在相同的案件关系网,即案件关系网Y2,对所述业务员S和业务员R进行关联,得到业务员之间的关系谱。业务员U未与业务员S、业务员R或者T关联。在构建业务关系网时,则以关系谱的记录生成包括业务员S、业务员R和业务员T的业务关系网。
在步骤S105中,获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备。
在本发明实施例中,报案人可以采用线上报案的方式,通过客户端(即前端设备)上的APP提交报案材料;也可以采用线下报案方式,通过柜台业务员提交报案材料。所述报案材料包括但不限于报案信息表、理赔授权委托书、理赔申请书、医疗诊治资料、医疗费用资料、身份证材料、给付转账存折(卡) 等。前端设备获取到报案材料后,首先发送至理赔***CHS进行集中作业,由受理人员核查并记录报案信息,比如手机号、身份证号、保单号、案件号、银行***、客户号等,录入SNA***。在报案信息受理通过时,通过SNA***根据所述报案信息查询宽表,比如根据报案信息中的手机号或银行***,获取存在相同属性信息的案件关系网和业务关系网,并生成所述案件关系网和业务关系网对应的网络拓扑图及URL链接,将所述URL链接返回至所述前端设备,以供审核岗参考,根据单个案件的风险和多个案件的风险综合评估待分析理赔案件的风险大小。
在本发明实施例中,所述案件关系网体现了不同理赔案件之间的关联性,通过分析该关联性可进行团伙欺诈风险评估;所述业务关系网体现了不同业务人员之间的关联性,通过分析该关联性可进行业务人员参与的团伙骗保风险的识别和预警;有效地解决了现有技术只能依赖于作业人员的工作经验、对团伙欺诈风险的管控水平较低的问题;且通过可视化的图表技术手段,实现了对团伙欺诈中的关键人物和关键信息的快速、直观的识别及定位,尤其是业务员主导的团伙欺诈案件。
进一步地,基于图1提供的理赔案件的分析方法的第一实现流程的基础上,提出本发明实施例提供的理赔案件的分析方法的第二实现流程。
如图2所示,是本发明实施例提供的理赔案件的分析方法的第二实现流程示意图。所述分析方法还包括:
步骤S201至步骤S202,其中,步骤S201至步骤S202与图1实施例中所述的步骤S101至步骤S102相同,具体请参见上述实施例的叙述,此处不再赘述。在步骤S102之后,所述分析方法还包括:
在步骤S203中,针对所构建的每一个案件关系网,计算所述案件关系网对应的风险分值。
在本发明实施例中,所述风险评分值用于衡量案件关系网的风险概率,风险评分值越大时代表的风险概率越大,发生欺诈或团伙欺诈的可能性越高。本发明实施例通过预设评分规则,根据案件关系网中所包括的每一个理赔案件的若干类人员及其对应的若干种属性信息是否触犯该预设的评分规则来计算风险分值。
可选地,图3示出了本发明实施例提供的步骤S203中计算所述案件关系网对应的风险分值的具体实现流程。参阅图3,所述步骤S203包括:
在步骤S301中,获取所述案件关系网中的每一个理赔案件所触犯的评分大类及所述评分大类下的评分细则。
在这里,本发明实施例根据以往的欺诈行为信息,归纳总结了一套评分规则。在所述评分规则中,包括若干条评分大类,每一条评分大类下包括若干个评分细则。属于同一个评分大类下的不同评分细则表示触犯评分大类的程度。
作为本发明的一个优选示例,以寿险为例,所述欺诈行为信息包括但不限于出险描述、医院出诊记录、就诊信息以及案件信息等,基于所述欺诈行为信息总结的一套评分规则可以包括一条或多条评分大类,比如评分大类A、评分大类B、评分大类C……。其中,评分大类A为案件关系网中业务人员的比重,评分细则可以包括:
评分细则A1,业务人员的比重小于等于10%;
评分细则A2,业务人员的比重为大于10%且小于等于30%;
评分细则A3,业务人员的比重为大于30%且小于等于50%;
评分细则A4,业务人员的比重大于50%。
评分大类B为医院等级,评分细则可以包括:
评分细则B1,医院等级为一甲医院;
评分细则B2,医院等级为二甲医院;
评分细则B3,医院等级为三甲医院。……
本发明实施例遍历所述案件关系网中的每一个理赔案件,将所述理赔案件的案件属性信息逐一与所述评分大类比对,若触犯所述评分大类时进一步将所述理赔案件的案件属性信息与所述评分大类下的评分细则进行逐一比对,获取所述理赔案件所触犯的评分大类及所述评分大类下的评分细则。
在步骤S302中,根据所述评分大类获取对应的分值信息,根据所述评分细则获取对应的权重信息。
进一步地,本发明实施例预先对所述评分规则中的每一个评分大类设置对应的分值信息,以及对评分大类下的每一个评分细则设置对应的权重信息。所述分值信息用于衡量对应的评分大类对理赔案件的风险贡献值,所述权重信息用于衡量评分细则对评分大类的贡献程度。
示例性地,如前所述,可以设置评分大类A对应的分值信息为20,其中的评分细则A1中业务员的比重最低,由业务员产生欺诈的可能性较低,对评分大类的贡献程度较低,权重信息为0.1;评分细则A2的贡献程度略高,权重信息为0.2;评分细则A3的贡献程度较高,权重信息为0.3;评分细则A4的贡献程度最大,权重信息为0.4。又比如,可以设置评分大类B对应的分值信息为 10,其中的评分细则B1中一甲医院级别较低,数量较多,对评分大类的贡献程度较低,权重信息为0.2;评分细则B2的贡献程度较高,权重信息为0.3;评分细则B3的贡献程度最高,权重信息为0.5。
本发明实施例以评分大类的分值信息与评分细则的权重信息之积,作为理赔案件触犯某条评分大类的得分。通过根据评分细则细化权重,将理赔案件触发评分大类的程度也考虑进去计算风险分值,有利于提高风险评分的准确性。
在步骤S303中,求取所述分值信息和权重信息的加权和,得到所述案件关系网的风险分值。
每一个理赔案件都可能涉及其中的评分大类,因此,所述案件关系网可能触犯其中的一条或多条评分大类。当涉及多条评分大类时,本发明实施例统计所述案件关系网总共触犯的评分大类,求取所述评分大类对应的分值信息和权重信息的加权和,即求取每一个理赔案件所触犯的每一条评分大类对应的分值信息和权重信息之积,得到每一条评分大类的得分,然后求取所有得分之和,以所得到的和值作为所述案件关系网的风险分值。
为了进一步说明风险分值的计算过程,以上述评分大类A和B为示例。若案件关系网X中包括理赔案件X1和理赔案件X2。其中,理赔案件X1包括业务员,触犯了评分大类A,继续判断业务员的比重;若理赔案件X1中的业务员比重为15%,触犯了细则A2,可以得到权重信息为0.2,则理赔案件X1触犯该评分大类A的得分为20*0.2=4。理赔案件X2包括业务员,也触犯评分大类A,继续判断业务员的比重;若理赔案件X2中的业务员比重为40%,触犯了细则A3,可以得到权重信息为0.3,则理赔案件X2触犯该评分大类A的得分为 20*0.3=6;若理赔案件X2的就诊医院等级应当为社区,而出险人到三甲医院就诊,则触犯评分大类B中的细则B3,权重信息为0.5,该理赔案件X2触犯评分大类B的得分为10*0.5=5。将案件关系网X所触犯的评分大类得分相加, 4+6+5=15,总和15为所述案件关系网X的风险分值。
可选地,本发明实施例还可以风险分值划分风险等级。由于风险分值会随着评分规则及网络总个数的大小(增量更新)不断变化,本发明实施例按照比例进行划分。假设风险等级包括高风险网络、中风险网络、低风险网络,则划分逻辑可以为:首先计算所有案件关系网的风险分值,按照风险分值由大到小进行排序;然后以案件关系网的总个数为基数,将排序中第一比例的案件关系网设为高风险网络,将排序中第二比例的案件关系网设为中风险网络,将排序中第三比例的案件关系网设为低风险网络。示例性地,可以将排序中前20%的案件关系网设为高风险网络,将排序中前20%-60%的案件关系网设为中风险网络,最后将排序中靠后的40%的案件关系网设为低风险网络。
在步骤S204中,关联并存储所述案件关系网对应的网络编号、风险分值以及所包括的理赔案件的案件编号。
在得到案件关系网对应的风险分值后,将所述风险分值存储至dBASE数据库的预设宽表中,以将所述案件关系网对应的网络编号、风险分值、所包括的理赔案件的案件编号进行关联存储,生成对应关系。其中,所述预设宽表可以为上述实施例中所述的第一宽表,也可以为新增的宽表。
在步骤S205中,从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,组合存在同一业务员的属性信息的案件关系网对应的网络编号,得到所述业务员对应的案件关系网群。
在步骤S206中,根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网。
其中,步骤S205、步骤S206分别与图1实施例中所述的步骤S103、S104 相同,具体请参见上述实施例的叙述,此处不再赘述。
在步骤S207中,获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备。
在这里,查询出来的与报案信息相同的案件关系网可能有多个,本发明实施例进一步基于风险分值来筛选出最具参考价值的案件关系网。
可选地,图4示出了本发明实施例提供的理赔案件的分析方法中步骤S206 的具体实现流程。参阅图4,所述步骤S206还包括:
在步骤S401中,获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网对应的网络编号。
示例性地,本发明实施例通过查询所述第一宽表来获取与所述报案信息相关的案件关系网对应的网络编号。比如采用报案信息中的银行***和/或手机号,与所述第一宽表中的每一个案件关系网所包括的理赔案件对应的案件属性信息进行匹配,获取存在重叠的银行***和/或手机号的案件关系网对应的网络编号,得到与所述报案信息匹配的网络编号。
在步骤S402中,根据所述网络编号获取所述案件关系网对应的风险分值。
根据所述网络编号,从步骤S204中记录的案件关系网对应的网络编号与风险分值之间的对应关系,查询所匹配的网络编号对应的风险分值。
在步骤S403中,获取风险分值最大的案件关系网以及所述案件关系网所涉及业务员的业务关系网,并创建URL链接。
在这里,通过步骤S401匹配出来的案件关系网可能有多个,为了提高输出给审核岗的案件关系网的参考价值,提升审核岗的风险分析准确性,本发明实施例对所匹配出来的案件关系网的风险分值进行排序。
在本发明实施例中,所述风险评分值用于衡量案件关系网的风险概率,风险评分值越大时代表的风险概率越大,发生欺诈或团伙欺诈的可能性越高。本发明实施例获取风险分值最大的案件关系网,以及所述案件关系网涉及的业务关系网。根据宽表记录的各理赔案件的案件编号、相同的案件属性信息、网络编号、业务员属性信息生成网络拓扑图,得到以图表示的案件关系网或者业务关系网,并创建对应的URL链接。
可选地,图5(a)给出本发明实施例提供的案件关系网的网络拓扑示意图, (b)给出本发明实施例提供的业务关系网的网络拓扑示意图。其中,图5(a) 中包括理赔案件1、理赔案件2、理赔案件3和理赔案件4,相同案件属性信息包括身份证号1、身份证号2、客户编号1、银行***1和地址信息1。图5(b) 中包括业务员1、业务员2、业务员3,每个业务员的右侧为案件关系网群的展开列表;其中,业务员1的案件关系网群中包括案件关系网1、案件关系网2,业务员2的案件关系网群中包括案件关系网2和案件关系网3;业务员3的案件关系网群中包括案件关系网3、案件关系网4、案件关系网5。
可选地,若风险分值最大的案件关系网有多个时,本发明实施例进一步从所述一个或多个案件关系网中筛选出包括最新理赔案件的网络,作为输出至前端设备的案件关系网,以进一步提高参考价值,提升审核岗的风险分析效率和准确性。
在步骤S404中,将所述URL链接发送至前端设备,以使所述前端设备根据所述URL链接展示所述案件关系网和业务关系网对应的网络拓扑图。
本发明实施例采用API接口的方式,将所创建的URL链接发送至前端设备。前端设备接收到所述URL链接后,加载页面展示与当前待分析案件的报案信息相关的案件关系网及业务关系网,以辅助审核岗查看及检视待分析理赔案件的风险。由于所述案件关系网体现了不同理赔案件之间的关联性,通过分析该关联性可进行团伙欺诈风险评估;所述业务关系网体现了不同业务人员之间的关联性,通过分析该关联性可进行业务人员参与的团伙骗保风险的识别和预警;有效地解决了现有技术只能依赖于作业人员的工作经验、对团伙欺诈风险的管控水平较低的问题;且通过可视化的图表技术手段,实现了对团伙欺诈中的关键人物和关键信息的快速、直观的识别及定位,尤其是业务员主导的团伙欺诈案件。
进一步地,基于图1或图2提供的理赔案件的分析方法的实现流程的基础上,下面以一个具体地实施例对步骤S102或步骤S202中从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网进行详细说明。
如图6所示,是本发明实施例提供的构建案件关系网的具体实现流程示意图,包括:
在步骤S601中,从所述理赔案件中以无放回的方式随机抽取一个理赔案件作为待匹配案件,遍历所述待匹配案件中的每一类人员,将该类人员的每一种属性信息分别与剩余的理赔案件中的每一类人员的同种属性信息进行交叉比对。
在这里,本发明实施例采用交叉递归的方式来筛选出具有相同的案件属性信息的两个及以上个数的理赔案件。所谓交叉递归是指解决问题时不断地重复执行一种交叉比对操作,使问题规模由大化小,直至操作结束,完成枚举,在本发明实施例中为将所有具有关联的理赔案件全部枚举出来。
在本发明实施例中,理赔案件的案件属性信息包括若干类人员的若干种属性信息。所述若干类人员包括但不限于投保人、被保人、申请人、受益人、出险人、受托人,所述若干种属性信息包括但不限于手机号、客户编号、身份证号、银行***、设备号和地址信息。所述交叉递归的方式具体为:
假设有N个在库理赔案件,从所述N个在库理赔案件中以无放回的方式随机抽取一个理赔案件作为待匹配案件,将所述待匹配案件与剩下的N-1个理赔案件进行比对,再从剩下的N-1个理赔案件中以无放回的方式随机抽取一个理赔案件作为待匹配案件进行比对……依次类推,遍历N-1轮。在每一轮比对中,以待匹配案件作为比较对象,获取所述待匹配案件对应的某一类人员的其中一种属性信息,将所述属性信息与该轮比较中的另一理赔案件对应的每一类人员的同种属性信息进行比对,遍历所述某一类人员的其余属性信息;直至该某一类人员匹配完毕后,获取所述待匹配案件对应的下一类人员进行下一轮比对。
示例性地,假设理赔案N3为待匹配案件,针对剩余的每一个理赔案件Nk(k 不等于3),以理赔案件N3作为比较对象时,获取所述理赔案件N3对应的某一类人员的其中一种属性信息,比如申请人的手机号码;然后获取理赔案件Nk对应的六类人员的手机号码,分别包括投保人、被保人、申请人、受益人、出险人、受托人对应的手机号码。将所述理赔案件N3对应的申请人的手机号码,分别与所述理赔案件Nk对应的六类人员的手机号码,进行逐一比较。然后获取申请人的其余属性信息:客户编号、身份证号、银行***、设备号、地址信息,按照与手机号码同样的方式进行比对;直至该申请人的所有属性信息匹配完毕后,获取所述待匹配案件N3对应的下一类人员,比如投保人,按照与申请人同样的方式进行比对;直至该待匹配案件N3的每一类人员的每一种属性信息匹配完毕后,从剩余的N-1个在库案件中以无放回的方式随机抽取下一个待匹配案件,与剩余的N-2个在库案件进行匹配。
在步骤S602中,对所有的理赔案件进行遍历,根据交叉比对结果,获取存在相同案件属性信息的两个及以上个数的理赔案件。
若经过交叉比对后,得到存在相同的案件属性信息的两个及以上个数的理赔案件,则将所述两个及以上个数的理赔案件进行标记。在本发明实施例中,所述两个及以上个数的理赔案件之间的相同的属性信息可以包括一个或者多个。
在步骤S603中,以所述相同案件属性信息作为链信息,关联所述理赔案件对应的案件编号并设置网络编号,以构建案件关系网。
可选地,在得到关联的两个或以上个数的理赔案件之后,记录所述相同的属性信息作为关联的理赔案件之间的链信息,并设置网络编号,建立所述理赔案件对应的案件编号、网络编号以及所述链信息之间的关联关系,比如通过存储至预设的宽表中的方式,完成案件关系网构建。在这里,所述链信息为构建网络拓扑图时建立连接线的依据。
本发明实施例采用交叉递归的方式对于案件属性信息进行匹配,以构建案件关系网,避免了漏掉其中的任一参数信息,降低了比对过程的复杂度,提高了构建案件关系网的效率及准确性。
应理解,在上述实施例中,各步骤的序号的大小并不意味着执行顺序的先后,各步骤的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例2
图7示出了本发明实施例提供的理赔案件的分析装置的组成结构图,为了便于说明,仅示出了与本发明实施例相关的部分。
在本发明实施例中,所述理赔案件的分析装置用于实现上述图1、图2、图 3、图4、图6实施例中所述的理赔案件的分析方法,可以是内置于终端的软件单元、硬件单元或者软硬件结合的单元。
参阅图7,所述理赔案件的分析装置包括:
获取模块71,用于获取在库理赔案件的案件编号和案件属性信息;
第一构建模块72,用于从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网;
组合模块73,用于从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,组合存在同一业务员的属性信息的案件关系网对应的网络编号,得到所述业务员对应的案件关系网群;
第二构建模块74,用于根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网;
分析提示模块75,用于获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备。
可选地,所述分析装置还包括:
风险计算模块76,用于针对所构建的每一个案件关系网,计算所述案件关系网对应的风险分值;
关联存储模块77,用于关联并存储所述案件关系网对应的网络编号、风险分值以及所包括的理赔案件的案件编号。
可选地,所述风险计算模块76包括:
第一获取单元761,用于获取所述案件关系网中的每一个理赔案件所触犯的评分大类及所述评分大类下的评分细则;
第二获取单元762,用于根据所述评分大类获取对应的分值信息,根据所述评分细则获取对应的权重信息;
计算单元763,用于求取所述分值信息和权重信息的加权和,得到所述案件关系网的风险分值。
可选地,所述分析提示模块75包括:
查询单元751,用于获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网对应的网络编号;
分值获取单元752,用于根据所述网络编号获取所述案件关系网对应的风险分值;
网络获取单元753,用于获取风险分值最大的案件关系网以及所述案件关系网所涉及业务员的业务关系网,并创建URL链接;
发送单元754,用于将所述URL链接发送至前端设备,以使所述前端设备根据所述URL链接展示所述案件关系网和业务关系网对应的网络拓扑图。
可选地,所述案件属性信息包括理赔案件对应的若干类人员的若干种属性信息;
所述第一构建模块72包括:
比对单元721,用于从所述理赔案件中以无放回的方式随机抽取一个理赔案件作为待匹配案件,遍历所述待匹配案件中的每一类人员,将该类人员的每一种属性信息分别与剩余的理赔案件中的每一类人员的同种属性信息进行交叉比对;
结果获取单元722,用于对所有的理赔案件进行遍历,根据交叉比对结果,获取存在相同案件属性信息的两个及以上个数的理赔案件;
关联单元723,用于以所述相同案件属性信息作为链信息,关联所述理赔案件对应的案件编号并设置网络编号,以构建案件关系网。
需要说明的是,本发明实施例中的各模块/单元可以用于实现上述方法实施例中的全部技术方案,其具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
实施例3
本实施例提供一计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现实施例1中理赔案件的分析方法,为避免重复,这里不再赘述。或者,该计算机程序被处理器执行时实现实施例2中理赔案件的分析装置中各模块/单元的功能,为避免重复,这里不再赘述。
实施例4
图8是本发明实施例提供的一种终端的示意图,所述终端包括但不限于服务器、移动终端。如图8所示,该实施例的终端8包括:处理器80、存储器81 以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述理赔案件的分析方法实施例中的步骤,例如图1所示的步骤S101至S105,图2实施例中所述的步骤S201至 S207,图3实施例中所述的步骤S301至S303以及图4实施例中所述的步骤S401 至步骤S404、图6实施例中所述的步骤S601至步骤S603,或者,所述处理器 80执行所述计算机程序82时实现上述网络图中连接线的优化装置实施例中各模块/单元的功能,例如图7所示模块71至75的功能。
示例性的,所述计算机程序82可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器81中,并由所述处理器80执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在所述终端8中的执行过程。例如,所述计算机程序82可以被分割成获取模块、第一构建模块、组合模块、第二构建模块、分析提示模块,各模块具体功能如下:
获取模块,用于获取在库理赔案件的案件编号和案件属性信息;
第一构建模块,用于从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网;
组合模块,用于从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,组合存在同一业务员的属性信息的案件关系网对应的网络编号,得到所述业务员对应的案件关系网群;
第二构建模块,用于根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网;
分析提示模块,用于获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备。
所述终端8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是终端8的示例,并不构成对终端8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述终端的控制中心,利用各种接口和线路连接整个终端的各个部分。
所述存储器81可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述终端的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序 (比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘、智能存储卡(SmartMedia Card, SMC)、安全数字卡(Secure Digital,SD)、闪存卡(Flash Card),至少一个磁盘存储器件、闪存器件或其他易失性固态存储器件。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种理赔案件的分析方法,其特征在于,所述分析方法包括:
获取在库理赔案件的案件编号和案件属性信息;
从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网;
从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,组合存在同一业务员的属性信息的案件关系网对应的网络编号,得到所述业务员对应的案件关系网群;
根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网;
获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备。
2.如权利要求1所述的理赔案件的分析方法,其特征在于,所述分析方法还包括:
针对所构建的每一个案件关系网,计算所述案件关系网对应的风险分值;
关联并存储所述案件关系网对应的网络编号、风险分值以及所包括的理赔案件的案件编号。
3.如权利要求2所述的理赔案件的分析方法,其特征在于,所述计算所述案件关系网对应的风险分值包括:
获取所述案件关系网中的每一个理赔案件所触犯的评分大类及所述评分大类下的评分细则;
根据所述评分大类获取对应的分值信息,根据所述评分细则获取对应的权重信息;
求取所述分值信息和权重信息的加权和,得到所述案件关系网的风险分值。
4.如权利要求2或3所述的理赔案件的分析方法,其特征在于,所述获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备包括:
获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网对应的网络编号;
根据所述网络编号获取所述案件关系网对应的风险分值;
获取风险分值最大的案件关系网以及所述案件关系网所涉及业务员的业务关系网,并创建URL链接;
将所述URL链接发送至前端设备,以使所述前端设备根据所述URL链接展示所述案件关系网和业务关系网对应的网络拓扑图。
5.如权利要求1至3任一项所述的理赔案件的分析方法,其特征在于,所述案件属性信息包括理赔案件对应的若干类人员的若干种属性信息;
所述从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网包括:
从所述理赔案件中以无放回的方式随机抽取一个理赔案件作为待匹配案件,遍历所述待匹配案件中的每一类人员,将该类人员的每一种属性信息分别与剩余的理赔案件中的每一类人员的同种属性信息进行交叉比对;
对所有的理赔案件进行遍历,根据交叉比对结果,获取存在相同案件属性信息的两个及以上个数的理赔案件;
以所述相同案件属性信息作为链信息,关联所述理赔案件对应的案件编号并设置网络编号,以构建案件关系网。
6.一种理赔案件的分析装置,其特征在于,所述分析装置包括:
获取模块,用于获取在库理赔案件的案件编号和案件属性信息;
第一构建模块,用于从所述理赔案件中获取存在相同案件属性信息的两个及以上个数的理赔案件,关联存在相同案件属性信息的理赔案件对应的案件编号并设置网络编号,以构建案件关系网;
组合模块,用于从所述案件关系网中获取存在同一业务员的属性信息的一个或多个案件关系网,组合存在同一业务员的属性信息的案件关系网对应的网络编号,得到所述业务员对应的案件关系网群;
第二构建模块,用于根据所述案件关系网群,关联具有相同案件关系网对应的网络编号的业务员,以构建业务关系网;
分析提示模块,用于获取待分析理赔案件的报案信息,查询与所述报案信息相关的案件关系网和业务关系网,并将所述案件关系网和业务关系网发送至前端设备。
7.如权利要求6所述的理赔案件的分析装置,其特征在于,所述分析装置还包括:
风险计算模块,用于针对所构建的每一个案件关系网,计算所述案件关系网对应的风险分值;
关联存储模块,用于关联并存储所述案件关系网对应的网络编号、风险分值以及所包括的理赔案件的案件编号。
8.如权利要求7所述的理赔案件的分析装置,其特征在于,所述风险计算模块包括:
第一获取单元,用于获取所述案件关系网中的每一个理赔案件所触犯的评分大类及所述评分大类下的评分细则;
第二获取单元,用于根据所述评分大类获取对应的分值信息,根据所述评分细则获取对应的权重信息;
计算单元,用于求取所述分值信息和权重信息的加权和,得到所述案件关系网的风险分值。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序由处理器执行时实现权利要求1至5任一项所述的理赔案件的分析方法所述的步骤。
10.一种终端,所述终端包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上述权利要求1至5任一项所述的理赔案件的分析方法所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810122412.0A CN108470312B (zh) | 2018-02-07 | 2018-02-07 | 理赔案件的分析方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810122412.0A CN108470312B (zh) | 2018-02-07 | 2018-02-07 | 理赔案件的分析方法、装置、存储介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108470312A true CN108470312A (zh) | 2018-08-31 |
CN108470312B CN108470312B (zh) | 2021-07-06 |
Family
ID=63266234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810122412.0A Active CN108470312B (zh) | 2018-02-07 | 2018-02-07 | 理赔案件的分析方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108470312B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919781A (zh) * | 2019-01-24 | 2019-06-21 | 平安科技(深圳)有限公司 | 团伙欺诈案件识别方法、电子装置及计算机可读存储介质 |
CN109919782A (zh) * | 2019-01-24 | 2019-06-21 | 平安科技(深圳)有限公司 | 关联案件识别方法、电子装置及计算机可读存储介质 |
CN110717425A (zh) * | 2019-09-26 | 2020-01-21 | 深圳市商汤科技有限公司 | 案件关联方法及装置、电子设备和存储介质 |
CN111382990A (zh) * | 2018-12-29 | 2020-07-07 | 达丰(上海)电脑有限公司 | 信息关联管理方法及其装置、设备和存储介质 |
CN111445261A (zh) * | 2018-12-29 | 2020-07-24 | 达丰(上海)电脑有限公司 | 客户理赔案件的处理方法、***、电子终端、及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160253750A1 (en) * | 2014-12-22 | 2016-09-01 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive investigation of bad actor behavior based on automatic clustering of related data in various data structures |
CN106445988A (zh) * | 2016-06-01 | 2017-02-22 | 上海坤士合生信息科技有限公司 | 一种大数据的智能处理方法和*** |
CN107194623A (zh) * | 2017-07-20 | 2017-09-22 | 深圳市分期乐网络科技有限公司 | 一种团伙欺诈的发现方法及装置 |
CN107230154A (zh) * | 2017-05-22 | 2017-10-03 | 中国平安人寿保险股份有限公司 | 具有团伙欺诈风险的寿险理赔案件的识别方法及装置 |
CN107403326A (zh) * | 2017-08-14 | 2017-11-28 | 云数信息科技(深圳)有限公司 | 一种基于电信数据的保险欺诈识别方法及装置 |
-
2018
- 2018-02-07 CN CN201810122412.0A patent/CN108470312B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160253750A1 (en) * | 2014-12-22 | 2016-09-01 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive investigation of bad actor behavior based on automatic clustering of related data in various data structures |
CN106445988A (zh) * | 2016-06-01 | 2017-02-22 | 上海坤士合生信息科技有限公司 | 一种大数据的智能处理方法和*** |
CN107230154A (zh) * | 2017-05-22 | 2017-10-03 | 中国平安人寿保险股份有限公司 | 具有团伙欺诈风险的寿险理赔案件的识别方法及装置 |
CN107194623A (zh) * | 2017-07-20 | 2017-09-22 | 深圳市分期乐网络科技有限公司 | 一种团伙欺诈的发现方法及装置 |
CN107403326A (zh) * | 2017-08-14 | 2017-11-28 | 云数信息科技(深圳)有限公司 | 一种基于电信数据的保险欺诈识别方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382990A (zh) * | 2018-12-29 | 2020-07-07 | 达丰(上海)电脑有限公司 | 信息关联管理方法及其装置、设备和存储介质 |
CN111445261A (zh) * | 2018-12-29 | 2020-07-24 | 达丰(上海)电脑有限公司 | 客户理赔案件的处理方法、***、电子终端、及存储介质 |
CN109919781A (zh) * | 2019-01-24 | 2019-06-21 | 平安科技(深圳)有限公司 | 团伙欺诈案件识别方法、电子装置及计算机可读存储介质 |
CN109919782A (zh) * | 2019-01-24 | 2019-06-21 | 平安科技(深圳)有限公司 | 关联案件识别方法、电子装置及计算机可读存储介质 |
CN110717425A (zh) * | 2019-09-26 | 2020-01-21 | 深圳市商汤科技有限公司 | 案件关联方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108470312B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470312A (zh) | 理赔案件的分析方法、装置、存储介质及终端 | |
Xu et al. | Sok: Decentralized exchanges (dex) with automated market maker (amm) protocols | |
Wan Mohammad et al. | Board and audit committee effectiveness, ethnic diversification and earnings management: a study of the Malaysian manufacturing sector | |
CN109690539A (zh) | 自清理令牌库 | |
CN109859052A (zh) | 一种投资策略的智能推荐方法、装置、存储介质和服务器 | |
Yang et al. | What drives emerging-economy outbound FDI decisions to obtain strategic assets? | |
CN108564255A (zh) | 匹配模型构建方法、孤儿单分配方法、装置、介质及终端 | |
CN109800363A (zh) | 构建资信关系网络的方法、装置、设备及存储介质 | |
Cheung et al. | Exploring the potential for predicting project dispute resolution satisfaction using logistic regression | |
Chen et al. | Research on the risk of block chain technology in Internet finance supported by wireless network | |
Aliyev | Technologies ensuring the sustainability of information security of the formation of the digital economy and their perspective development directions | |
CN108198018A (zh) | 一种用于区块链地址排名的交易网络***及其实现方法 | |
Perko | Behaviour-based short-term invoice probability of default evaluation | |
US8073717B2 (en) | Systems for digital management of underwriting insurance contracts | |
CN111461727A (zh) | 交易行为的监控预警方法、装置、存储介质和智能设备 | |
CN115936447A (zh) | 一种欠薪预警方法、***、装置以及介质 | |
CN113657546B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN110223132A (zh) | 基于多权限角色的订单处理方法、装置、终端及存储介质 | |
CN105868217A (zh) | 数值自动转换方法及*** | |
KR20220049496A (ko) | 블록체인 기반의 웹사이트 선정 방법, 장치, 설비 및 저장매체 | |
Jianyu et al. | [Retracted] Construction of Real Estate Debt Crisis Early Warning Model Based on RBF Neural Network | |
US8073716B2 (en) | Methods for digital management of underwriting insurance contracts | |
Ma et al. | Adopting a QCA approach to investigating the risks involved in megaprojects from auditing perspective | |
CN112598507A (zh) | 基于知识图谱的过度授信风险预测***和方法 | |
Rocha de Azevedo et al. | Ceremonial use of the performance-based budgeting by São Paulo municipalities. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |