[发明专利]一种基于电信数据的保险欺诈识别方法及装置

说明书

技术领域

本发明涉及欺诈识别领域，具体地，涉及一种基于电信数据的保险欺诈识别方法及装置。

背景技术

近年来，国内保险公司车险业务保费总收入逐年提升，但盈利状况堪忧。保监会统计显示，车险索赔中约有20％的案例属于欺诈。车险经营之所以一直处于亏损边沿，一个很重要的原因就在于车险欺诈的泛滥。欺诈被喻为保险业无声的巨灾，无时无刻不在吞噬着保险业微薄的盈利空间，使保险公司遭受无辜的损失。因此，反欺诈系统的推行对于促进保险业的健康发展和提升保险公司盈利能力都有重大意义。

保险公司处理索赔的传统流程中，使用人工对每个索赔案例进行反欺诈调查；而近年来，国内外提出智能识别欺诈案例的反欺诈系统，可以智能识别众多索赔案中的高欺诈风险的案例，针对高欺诈风险的案例进行深入调查。但其主要针对保险案例本身的数据，利用单一的监督式学习算法、回归分析或其他统计方法进行识别，对欺诈案例的识别错判、漏判情况较多。

发明内容

本发明实施例提供一种基于电信数据的保险欺诈识别方法及装置，能够快速准确识别保险欺诈，避免保险公司无辜遭受损失，提高索赔案处理的效率。

本发明实施例提供一种基于电信数据的保险欺诈识别方法，包括：

从待识别的保险案例的涉案人员电信数据中提取所述涉案人员两两之间的相互联系数据；其中，所述相互联系数据包括通话次数、通话时长或短信长度中的至少一项；

根据所述涉案人员两两之间的相互联系数据，采用预先配置的第一数据模型，计算所述涉案人员两两之间的相关系数；

根据所述相关系数，判断所述涉案人员是否关系紧密；

根据所述涉案人员是否关系紧密，判断所述待识别的保险案例是否为欺诈案例。

实施本发明实施例，具有如下有益效果：

本发明实施例提供的基于电信数据的保险欺诈识别方法，根据电信数据获得涉案人员两两之间的相关系数，根据相关系数判断是否关系紧密进而判断保险案例是否为欺诈案例。相比于现有技术仅根据保险案例的数据分析是否为欺诈案例，本发明实施例利用了电信数据分析涉案人员之间的关系密切程度，若涉案人员之间的关系紧密，则有高可信度将涉案人员标识为团伙，进而判定欺诈案例，及时向保险公司发出警报，避免保险公司无辜遭受损失，而被判定为非欺诈的案例即可立即进入索赔理算程序，提高索赔案处理的效率，降低保险公司用于调查的资源、人力成本。

进一步地，所述根据所述相关系数，判断所述涉案人员是否关系紧密，具体包括：

计算所述相关系数的总和；

若所述相关系数的总和大于或等于预设的第一阈值，则确认所述涉案人员关系紧密；

若所述相关系数的总和小于预设的第一阈值，则确认所述涉案人员不是关系紧密。

进一步地，在所述根据所述涉案人员是否关系紧密，判断所述待识别的保险案例是否为欺诈案例之前，还包括：

从待识别的保险案例的原始数据和涉案人员电信数据中提取第一特征变量；其中，所述第一特征变量有多个；

根据所述第一特征变量，采用预先配置的第二数据模型，计算所述待识别的保险案例的欺诈概率；其中，所述第二数据模型是用多个历史案例的原始数据和涉案人员电信数据作为样本训练得到的；

则所述根据所述涉案人员是否关系紧密，判断所述待识别的保险案例是否为欺诈案例，具体为：

结合所述涉案人员是否关系紧密的结论和所述欺诈概率，判断所述待识别的保险案例是否为欺诈案例。

进一步地，在所述根据所述涉案人员是否关系紧密，判断所述待识别的保险案例是否为欺诈案例之前，还包括：

若所述涉案人员关系紧密，则根据所述相关系数，获取涉案人员中的核心人员；并查询预先配置的黑名单，判断所述核心人员是否属于黑名单人员；

所述结合所述涉案人员是否关系紧密的结论和所述欺诈概率，判断所述待识别的保险案例是否为欺诈案例，具体包括：

按照预先设定的赋值表，为所述涉案人员是否关系紧密的结论赋值，得到团伙欺诈因数；

按照预先设定的赋值表，为所述核心人员是否属于黑名单人员的结论赋值；得到人员欺诈因数；

按照预先设定的权重表，对所述团伙欺诈因数、每一涉案人员的欺诈因数以及欺诈概率进行加权求和；

根据所述加权求和的运算结果，判断所述待识别的保险案例是否为欺诈案例；