保单检测方法、保单检测装置、电子设备及存储介质与流程

1.本技术涉及人工智能技术领域，尤其涉及一种保单检测方法、保单检测装置、电子设备及存储介质。


背景技术：

2.保险公司经常需要处理各种保单，以判断是否需要对被保险人进行理赔。
3.相关技术中，保险公司通常通过人工核查保单上的各种信息，以判断是否需要对被保险人进行理赔。然而，通过人工对保单进行核查存在检查效率低下的问题。


技术实现要素：

4.本公开实施例的主要目的在于提出一种保单检测方法、保单检测装置、电子设备及存储介质，能够检测出保单的类别，提升了保单检测的效率。
5.为实现上述目的，本技术实施例的第一方面提出了一种保单检测方法，包括：
6.获取待测保单；
7.对所述待测保单进行信息提取处理，得到涉案信息；
8.根据所述涉案信息匹配在预设时段内的服务连接信息；其中，所述服务连接信息包括lbs信息和网络连接信息；
9.基于所述lbs信息、所述网络连接信息和所述涉案信息搭建社交网络；
10.根据预设的聚类分析模型对所述社交网络的网络节点进行聚类分析处理，得到若干个社交聚类簇；所述社交聚类簇用于表征所述网络节点之间的关系；
11.根据若干个所述社交聚类簇和预设的决策条件确定所述待测保单的检测类别。
12.在一些实施例中，所述涉案信息包括多个涉案人信息和涉案关联信息；
13.所述基于所述lbs信息、所述网络连接信息和所述涉案信息搭建社交网络，包括：
14.基于所述涉案人信息对所述lbs信息进行关系抽取，得到若干个lbs距离关系集；
15.基于所述涉案人信息对所述网络连接信息进行关系抽取，得到若干个网络关系集；
16.基于所述涉案人信息对所述涉案关联信息进行关系抽取，得到若干个涉案关联关系集；
17.将每一所述lbs距离关系集、对应的所述网络关系集和对应的所述涉案关联关系集输入到预设的分数计算模型中进行分数计算，得到对应的目标分数；
18.根据每一所述涉案人信息和对应的所述目标分数搭建所述社交网络。
19.在一些实施例中，所述将每一所述lbs距离关系集、对应的所述网络关系集和对应的所述涉案关联关系集输入到预设的分数计算模型中进行分数计算，得到对应的目标分数，包括：
20.对所述lbs距离关系集进行分类匹配处理，得到lbs距离分数；
21.对所述网络关系集进行分类匹配处理，得到网络连接分数；
22.对所述涉案关联关系集进行分类匹配处理，得到涉案关联分数；
23.根据所述lbs距离分数、所述网络连接分数和所述涉案关联分数得到所述目标分数。
24.在一些实施例中，所述对所述网络关系集进行分类匹配处理，得到网络连接分数，包括：
25.获取所述待测保单的产品购买时间分数；所述产品购买时间分数用于表征所述待测保单对应的产品购买时间；
26.获取所述涉案信息的时间类型分数；所述时间类型分数用于表征所述涉案人信息之间共同出现的时间；
27.对所述网络关系集进行分类处理，得到网络连接类型；
28.根据所述网络连接类型和预设的映射规则，确定对应的网络类型分数；
29.根据所述产品购买时间分数、所述时间类型分数和网络类型分数得到所述网络连接分数。
30.在一些实施例中，所述根据所述产品购买时间分数、所述时间类型分数和网络类型分数得到所述网络连接分数，包括：
31.对所述产品购买时间分数、所述时间类型分数和网络类型分数进行计算，得到目标连接分数；
32.对所述目标连接分数进行归一化处理，得到所述网络连接分数。
33.在一些实施例中，所述根据所述lbs距离分数、所述网络连接分数和所述涉案关联分数得到所述目标分数，包括：
34.获取预设的产品关联系数、网络连接系数和lbs距离系数；
35.根据所述产品关联系数对所述产品关联分数进行加权处理，得到产品关联加权值；
36.根据所述网络连接系数对所述网络连接分数进行加权处理，得到网络连接加权值；
37.根据所述lbs距离系数对所述lbs距离分数进行加权处理，得到lbs距离加权值；
38.对所述产品关联加权值、所述网络连接加权值和所述lbs距离加权值进行求和，得到所述目标分数。
39.在一些实施例中，所述检测类别包括欺诈保单和正常保单；
40.所述根据若干个所述社交聚类簇和预设的决策条件确定所述待测保单的检测类别，包括：
41.当若干个所述社交聚类簇为一个主聚类簇，则所述待测保单为所述欺诈保单；
42.当若干个所述社交聚类簇包括多个正常聚类簇，则所述待测保单为所述正常保单。
43.为实现上述目的，本技术实施例的第二方面提出了一种保单检测装置，包括：
44.获取模块，用于获取待测保单；
45.提取模块，用于对所述待测保单进行信息提取处理，得到涉案信息；
46.匹配模块，用于根据所述涉案信息匹配在预设时段内的服务连接信息；其中，所述服务连接信息包括lbs信息和网络连接信息；
47.搭建模块，用于基于所述lbs信息、所述网络连接信息和涉案信息搭建社交网络；
48.聚类分析模块，用于根据预设的聚类分析模型对所述社交网络的网络节点进行聚类分析处理，得到若干个社交聚类簇；所述社交聚类簇用于表征所述网络节点之间的关系；
49.决策模块，用于根据若干个所述社交聚类簇和预设的决策条件确定所述待测保单的检测类别。
50.为实现上述目的，本技术实施例的第三方面提出了一种电子设备，包括：
51.至少一个存储器；
52.至少一个处理器；
53.至少一个程序；
54.所述程序被存储在所述存储器中，处理器执行所述至少一个程序以实现：
55.如第一方面实施例任一项所述的方法。
56.为实现上述目的，本技术实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行：
57.如第一方面实施例任一项所述的方法。
58.本技术实施例提出的保单检测方法、保单检测装置、电子设备及存储介质，通过从待测保单中提取出涉案信息，再根据涉案信息匹配在预设时段内的lbs信息和网络连接信息，然后根据lbs信息、网络连接信息和涉案信息搭建社交网络，再对社交网络中的网络节点进行聚类分析，以得到用于表征网络节点之间关系的社交聚类簇，再根据社交聚类簇和预设的决策条件确定待测保单的检测类别，通过这样设置，能够准确有效的实现对保单欺诈的检测，提升了保单检测的效率。
附图说明
59.图1是本技术实施例提供的保单检测方法的流程图；
60.图2是图1中步骤s104的具体方法的流程图；
61.图3是图2中步骤s204的具体方法的流程图；
62.图4是图3中步骤s302的具体方法的流程图；
63.图5是图3中步骤s304的具体方法的流程图；
64.图6是图1中步骤s106的具体方法的流程图；
65.图7是本技术实施例提供的保单检测装置的模块框图；
66.图8是本技术实施例提供的电子设备的硬件结构示意图。
具体实施方式
67.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术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用以解释本技术，并不用于限定本技术。
68.需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别
类似的对象，而不必用于描述特定的顺序或先后次序。
69.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
70.此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
71.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
72.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
73.首先，对本技术中涉及的若干名词进行解析：
74.人工智能(artificial intelligence，ai)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
75.医疗云(medical cloud)：医疗云是指在云计算、移动技术、多媒体、4g通信、大数据、以及物联网等新技术基础上，结合医疗技术，使用“云计算”来创建医疗健康服务云平台，实现了医疗资源的共享和医疗范围的扩大。因为云计算技术的运用于结合，医疗云提高医疗机构的效率，方便居民就医。像现在医院的预约挂号、电子病历、医保等都是云计算与医疗领域结合的产物，医疗云还具有数据安全、信息共享、动态扩展、布局全局的优势。
76.dbscan(density-based spatial clustering of applications with noise，基于密度的噪声应用空间聚类)：dbscan是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。
77.lbs(location based services，基于位置的服务)：lbs是利用各类型的定位技术来获取定位设备当前的所在位置，通过移动互联网向定位设备提供信息资源和基础服务。首先用户可利用定位技术确定自身的空间位置，随后用户便可通过移动互联网来获取与位置相关资源和信息。lbs服务中融合了移动通讯、互联网络、空间定位、位置信息、大数据等多种信息技术，利用移动互联网络服务平台进行数据更新和交互，使用户可以通过空间定位来获取相应的服务。
78.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工
智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
79.本技术实施例提供的保单检测方法可应用于人工智能之中。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
80.保险公司每年因为保单欺诈等道德问题造成的损失较大。保单欺诈不仅侵害了被保险人和保险人的利益，妨碍了保险市场的健康发展，还扰乱了社会公共秩序。因此，必须使用一些技术手段以加强保单的反欺诈力度。
81.相关技术中，对于保险理赔的识别方法依赖于人工核查，然而人工核查的效率低下，并且，一般只对大额人伤案件才进行严格的审查，以达到风险管控的目的。而大量的小额人伤案件，由于人力资源有限并不会进入严格的审查环节，而是直接予以理赔。不法分子抓住了这一漏洞，以免审查内骗取最高赔案金额为目的，制造了一系列贴边定损人伤案件，导致保险公司损失巨大。
82.基于此，本技术实施例提供了一种保单检测方法、保单检测装置、电子设备及存储介质，能够通过搭建保单涉案人信息的社交网络分析保单中人员的关系，从而准确有效的实现对保单欺诈的检测，提升了保单检测的效率，减少了保险公司的损失。
83.本公开实施例提供的保单检测方法、保单检测装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本公开实施例中的保单检测方法。
84.本技术实施例提供的保单检测方法，涉及人工智能技术领域。本技术实施例提供的保单检测方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机或者智能手表等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现保单检测方法的应用等，但并不局限于以上形式。
85.本公开实施例可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费计算机设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
86.参照图1，第一方面本技术的一些实施例提供了一种保单检测方法，包括步骤s101、步骤s102、步骤s103、步骤s104、步骤s105和步骤s106，应理解，本技术实施例的保单检测方法，包括但不限于步骤s101至步骤s106，下面结合图1对这六个步骤进行详细解释。
87.步骤s101：获取待测保单；
88.具体地，在一些实施例的步骤s101中，待测保单可以是医疗保险的保单，可以是其他类型保险的保单，如车辆保险等。如果是医疗保险的保单，则待测保单可以通过医疗云服务器获取，也可以通过其他的渠道获取。同样的，其他类型的保单也可以通过对应的云服务器获取，保险公司的工作人员通过将待测保单输入至云服务器中，以使计算机能够获取待测保单，从而实现对待测保单的欺诈检测。
89.步骤s102：对待测保单进行信息提取处理，得到涉案信息；
90.在一些实施例的步骤s102中，对待测保单进行信息提取，将待测保单所包含的信息提取出来，得到涉案信息，涉案信息包括但不限于涉案人信息、涉案关联信息。其中，涉案人信息包括但不限于涉案人的身份信息，涉案关联信息包括但不限于产品类型信息、更换信息等等。
91.例如，以待测保单为车辆保险的保单为例，则涉案人信息包括但不限于以下至少两种：伤者信息、车主信息、理赔员信息、修理厂员工信息等。涉案关联信息用于表征涉案人信息之间产生的联系，包括但不限于：投被保人、过户车、换车主、投保人报案人、被保人和报案人等。
92.步骤s103：根据涉案信息匹配在预设时段内的服务连接信息；其中，服务连接信息包括lbs信息和网络连接信息；
93.在一些实施例的步骤s103中，获取涉案人信息在预设时段内的服务连接信息，服务连接信息包括lbs信息和网络连接信息。例如，获取所有的涉案人在案发前三个月内的所有lbs信息和网络连接信息。
94.步骤s104：基于lbs信息、网络连接信息和涉案信息搭建社交网络；
95.步骤s105：根据预设的聚类分析模型对社交网络的网络节点进行聚类分析处理，得到若干个社交聚类簇；社交聚类簇用于表征网络节点之间的关系；
96.在一些实施例的步骤s105中，社交网络的网络节点即为涉案人，聚类分析模型采取dbscan聚类算法，dbscan聚类算法是一种基于密度的聚类算法。通过运用dbscan聚类算法对社交网络的网络节点进行聚类分析，能够得到用于表征涉案人之间关系的社交聚类簇。
97.步骤s106：根据若干个社交聚类簇和预设的决策条件确定待测保单的检测类别。
98.本技术实施例的保单检测方法，通过从待测保单中提取出涉案信息，再根据涉案信息匹配在预设时段内的lbs信息和网络连接信息，然后根据lbs信息、网络连接信息和涉案信息搭建社交网络，再对社交网络中的网络节点进行聚类分析，以得到用于表征网络节点之间关系的社交聚类簇，再根据社交聚类簇和预设的决策条件确定待测保单的检测类别，通过这样设置，能够准确有效的实现对保单欺诈的检测，提升了保单检测的效率，减少了保险公司的损失。
99.在一些实施例中，涉案信息包括多个涉案人信息和涉案关联信息。步骤s104包括步骤s201、步骤s202、步骤s203、步骤s204和步骤s205，应理解步骤s104包括但不限于步骤s201至步骤s205，下面结合图2对这五个步骤进行详细介绍。
100.步骤s201：基于涉案人信息对lbs信息进行抽取，得到若干个lbs距离关系集；
101.具体地，在一些实施例的步骤s201中，通过基于涉案人信息对lbs信息进行抽取，
得到若干个lbs距离关系集。
102.例如，以待测保单为车辆保险为例进行说明，涉案人信息包括：伤者信息、车主信息、理赔员信息、修理厂员工信息，通过前述步骤获取每个涉案人在案发前3个月内的服务连接信息，得到lbs信息和网络连接信息。然后，抽取每两个涉案人之间的lbs信息，得到多个lbs距离关系集，其中，lbs距离关系集包括lbs距离类型，以及lbs距离类型对应的次数，lbs距离类型根据涉案人之间的lbs距离进行分类，例如可以分为：在10米以内、10米至20米以内、20至50米以内以及50至100米以内等等。例如，抽取伤者信息和车主信息对应的lbs信息，得到lbs距离关系集，该lbs距离关系集显示：二者的lbs距离有5次在10米以内，有1次在10至20米内。
103.需要说明的是，上述的lbs距离类型仅仅是示意性的，也可以按照其他标准进行分类，本技术实施例不作具体限制。
104.步骤s202：基于涉案人信息对网络连接信息进行抽取，得到若干个网络关系集；
105.在一些实施例的步骤s202中，在本实施例中，网络连接关系主要为wifi连接关系，wifi连接关系类型包括：共同连接、一连接一扫描和共同扫描三种类型。与步骤s201中类似，基于涉案人信息对网络连接关系进行抽取，得到若干个网络关系集，网络关系集包括：网络连接类型和网络连接类型对应的次数。类似的，在本实施例中，以车主信息和理赔员信息为例，抽取车主信息和理赔员信息对应的网络连接信息，得到对应的网络关系集。如，该网络关系集显示：二者共同连接同一wifi有1次，共同扫描同一wifi有5次等。
106.步骤s203：基于涉案人信息对涉案关联信息进行抽取，得到若干个涉案关联关系集；
107.与前述步骤类似，在步骤s203中，基于涉案人信息对涉案关联信息进行抽取，得到若干个涉案关联关系集。如对车主信息和理赔员信息对应的涉案关联信息进行抽取，得到涉案关联关系集。如，该涉案关联关系集显示：车主信息和理赔员信息在预设时段内产生过2次换车主，1次被保人和报案人。
108.步骤s204：将每一lbs距离关系集、对应的网络关系集和对应的涉案关联关系集输入到预设的分数计算模型中进行分数计算，得到对应的目标分数；
109.步骤s205：根据每一涉案人信息和对应的目标分数搭建社交网络。
110.具体地，在一些实施例的步骤s205中，将涉案人信息为网络节点，前述步骤得到的目标分数为边，搭建社交网络。该社交网络能够表征涉案人之间的联系关系强弱。
111.参照图3，在一些实施例中，步骤s204包括但不限于步骤s301、步骤s302、步骤s303、步骤s304。下面对这四个步骤进行详细介绍。
112.步骤s301：对lbs距离关系集进行分类匹配处理，得到lbs距离分数；
113.步骤s302：对网络关系集进行分类匹配处理，得到网络连接分数；
114.步骤s303：对涉案关联关系集进行分类匹配处理，得到涉案关联分数；
115.步骤s304：根据lbs距离分数、网络连接分数和涉案关联分数得到目标分数。
116.具体地，在本实施例中，网络连接关系为wifi连接关系，请参照表1，表1是不同类型关系对应的权重分数表。
[0117][0118]
表1
[0119]
根据表1，将lbs距离关系集进行分类匹配处理，得到lbs距离分数，例如，lbs距离关系集中包括：1次0-10米，2次10-20米，4次50-100米，则对应的lbs距离分数为：10*1+2*8+4*4＝42。类似的，根据表1，将网络关系集进行分类匹配处理，得到网络连接分数，将涉案关联关系集进行分类匹配处理，得到涉案关联分数。然后根据得到的lbs距离分数、网络连接分数和涉案关联分数确定目标分数。
[0120]
参照图4，在本技术的一些实施例中，步骤s302包括但不限于步骤401、步骤s402、步骤s403、步骤s404和步骤s405。下面结合图4对这五个步骤进行详细介绍。
[0121]
步骤s401：获取待测保单的产品购买时间分数；产品购买时间分数用于表征待测保单对应的产品购买时间；
[0122]
在一些实施例的步骤s401中，获取待测保单的产品购买时间，并根据产品购买时间匹配确定产品购买时间分数。例如，以待测保单为车辆保险的保单为例进行说明，如该待测保单的产品购买时间与案发时间处于同一年份，则对应的产品购买时间分数为1；若该待测保单的产品购买时间早于与案发时间一年，则对应的产品购买时间为0.8；若该待测保单的产品购买时间早于与案发时间两年，则对应的产品购买时间为0.6；若该待测保单的产品购买时间早于与案发时间三年及以上，则对应的产品购买时间为0.4。
[0123]
步骤s402：获取涉案信息的时间类型分数；时间类型分数用于表征涉案人信息之间共同出现的时间；
[0124]
在一些实施例的步骤s402中，获取涉案人信息的共同出现的时间，再确定对应的时间类型分数。例如，若车主和理赔员在工作时间共同出现，则对应的时间类型分数为0.5；若车主和理赔员在非工作时间共同出现，则二者的有联系、组成欺诈团伙的概率更大，对应的时间类型分数可以取为1。
[0125]
步骤s403：对网络关系集进行分类处理，得到网络连接类型；
[0126]
步骤s404：根据网络连接类型和预设的映射规则，确定对应的网络类型分数；
[0127]
在一些实施例的步骤s403至步骤s404中，根据前述的表1，对网络关系集进行分类处理，得到网络连接类型和对应的网络连接类型次数，然后根据映射规则确定对应的网络
类型分数。例如，网络关系集包括2次共同连接，1次共同扫描，则对应的网络类型分数为：2*10+1*1＝21。
[0128]
步骤s405：根据产品购买时间分数、时间类型分数和网络类型分数得到网络连接分数。
[0129]
具体地，步骤s405包括以下步骤：
[0130]
对产品购买时间分数、时间类型分数和网络类型分数进行计算，得到目标连接分数；
[0131]
对目标连接分数进行归一化处理，得到网络连接分数。
[0132]
具体地，在本实施例中，需要对计算得到的目标连接分数进行归一化处理，如归一化到[1，10]以内，同样的，涉案关联分数、lbs距离分数的计算过程与本实施例中的网络连接分数类似，都需要经过归一化处理。这样设置，能够平衡涉案关联分数、lbs距离分数和网络连接分数，使得构建的社交网络更加贴切的表征涉案人之间的联系，从而提高保单检测的准确率。
[0133]
参照图5，在本技术的一些实施例中，步骤s304包括但不限于步骤s501、步骤s502、步骤s503、步骤s504和步骤s505。
[0134]
步骤s501：获取预设的产品关联系数、网络连接系数和lbs距离系数；
[0135]
步骤s502：根据产品关联系数对产品关联分数进行加权处理，得到产品关联加权值；
[0136]
步骤s503：根据网络连接系数对网络连接分数进行加权处理，得到网络连接加权值；
[0137]
步骤s504：根据lbs距离系数对lbs距离分数进行加权处理，得到lbs距离加权值；
[0138]
步骤s505：对产品关联加权值、网络连接加权值和lbs距离加权值进行求和，得到目标分数。
[0139]
具体的，在本实施例中，通过公式(1)计算得到目标分数，公式(1)具体为：
[0140][0141]
在公式(1)中，r
ij
表示mobilei和mobilej的关系强弱，即目标分数，mobilei和mobilej均属于涉案人信息。例如，要计算车主信息和理赔员信息之间的目标分数，则可以将mobilei表示车主信息，mobilej表示理赔员信息。αc表示产品关联系数，α
l
表示lbs距离系数，αw表示网络连接系数，表示mobilei和mobilej的产品关联分数，表示mobilei和mobilej的lbs距离分数，表示mobilei和mobilej的网络连接分数。其中，由公式(2)和公式(3)得到，公式(2)和公式(3)为：
[0142][0143][0144]
在公式(2)和公式(3)中，cr
ij
为加总mobilei和mobilej所有的产品关联类型得到的分数，cwk表示涉案关联关系类型权重分数，即前述表1中的涉案关联关系的类型取值对
应的假设值。wy为产品购买时间分数，c
ik
表示mobilei和其他mobile产生k类涉案关联关系的次数，c
jk
表示mobilej其他mobile产生k类涉案关联关系的次数。例如，涉案人信息包括：车主信息、伤者信息、理赔员信息、修理厂员工信息，在计算车主信息和伤者信息的目标分数时，假设车主信息和伤者信息的涉案关联关系为表1中的“投被保人”，则c
ik
表示车主信息和其他涉案人信息中的涉案人产生“投被保人”的关系次数。c
jk
与c
ik
同理，在此不一一举例说明。
[0145]
公式(3)是对公式(2)计算得到的分数进行归一化处理，将公式(2)计算得到的分数归一到[1，10]内得到产品关联分数。归一化处理的目的在于平衡涉案关联分数、lbs距离分数和网络连接分数，使得构建的社交网络更贴切的表征涉案人之间的联系，从而提高保单检测的准确率，并且，在归一化处理时，需要将一个最大值和一个最小值去掉，以消除极值的影响。
[0146]
类似的，lr
ij
由公式(4)和公式(5)计算得到，公式(4)和公式(5)具体为：
[0147][0148][0149]
在公式(4)和(5)中，lr
ij
为加总mobilei和mobilej所有的lbs距离类型、所有日期得到的分数。lwk表示lbs距离类型的权重分数，即前述表1中的lbs距离的类型取值对应的假设值，wy为产品购买时间分数，w
t
为时间类型分数，w
p
为poi类型分数，l
ijk
表示mobilei和mobilej产生lbs关系的lbs点，有k类lbs关系集的对数，l
ik
表示mobilei其他mobile产生k类lbs关系的次数，l
jk
与l
ik
同理，用于表示mobilej其他mobile产生k类lbs关系的次数。
[0150]
需要说明的是，poi的全称为point of interes，意为感兴趣的点，兴趣点这个词最早来自于导航地图厂商。地图厂商为了提供尽可能多的位置信息，花费了很大的精力去寻找诸如加油站，餐馆，酒店，景点等目的地，这些目的地其实都可以理解成一个一个的poi类型。在本实施例中，poi类型权重表示根据不同的poi类型设置不同的权重值。通过这样设置，能够使得构建的社交网络更加贴切的表示涉案人之间的关系密切程度。
[0151]
公式(5)是对公式(4)计算得到的分数进行归一化处理，将公式(4)计算得到的分数归一到[1，10]内得到lbs距离分数，归一化处理的目的在于平衡涉案关联分数、lbs距离分数和网络连接分数，使得构建的社交网络更贴切的表征涉案人之间的联系，从而提高保单检测的准确率，并且，在归一化处理时，需要将一个最大值和一个最小值去掉，以消除极值的影响。
[0152]
类似的.由公式(6)和公式(7)计算得到，公式(6)和公式(7)具体如下：
[0153][0154][0155]
在公式(6)和公式(7)中，加总mobilei和mobilej所有的网络连接类型、所有
日期得到的分数，在本实施例中，网络连接类型主要为wifi连接类型。wwk表示网络连接类型的权重分数，即前述表1中中wifi连接的类型取值对应的假设值，wy为产品购买时间分数，w
t
为时间类型分数，w
p
为poi类型分数，w
ijk
表示mobilei和mobilej产生连接关系的wifi，有k类wifi连接关系集的对数，w
ik
表示mobilej其他mobile产生k类wifi连接关系的次数，w
jk
与w
ik
同理，用于表示mobilej其他mobile产生k类wifi连接关系的次数。
[0156]
需要说明的是，本实施例中的poi类型分数与公式(4)中的poi类型一致，在此不再赘述。
[0157]
公式(7)是对公式(6)计算得到的分数进行归一化处理，将公式(6)计算得到的分数归一到[1，10]内得到lbs距离分数，归一化处理的目的在于平衡涉案关联分数、lbs距离分数和网络连接分数，使得构建的社交网络更贴切的表征涉案人之间的联系，从而提高保单检测的准确率，并且，在归一化处理时，需要将一个最大值和一个最小值去掉，以消除极值的影响。
[0158]
通过公式(1)至公式(7)能够计算出涉案人信息之间的目标分数，得到目标分数之后，以涉案人信息为节点、对应的目标分数为边搭建社交网络，以便于dbscan聚类算法进行聚类分析，得到待测保单的检测类别。
[0159]
需要说明的是，在本实施例中，产品关联系数αc、lbs距离系数α
l
、网络连接系数αw为预先设置的，三者之和为1。
[0160]
例如，产品关联系数αc、lbs距离系数α
l
、网络连接系数αw可以采取表2的设置，表2具体如下：
[0161][0162]
表2
[0163]
例如，网络连接关系、lbs距离、涉案关联关系等对应的假设值可以采取
[0164]
表3的设置，表3具体为：
[0165][0166]
表3
[0167]
需要说明的是，上述表2和表3的数据仅仅是为了示例性的说明，不能理解为对本技术的具体限制，具体的取值可以根据实际情况进行适应性的修改，对于此，本技术不作具体限制。
[0168]
参照图6，在一些实施例中，检测类别包括欺诈保单和正常保单，步骤s106包括但不限于步骤s601和步骤s602。
[0169]
步骤s601：当若干个社交聚类簇为一个主聚类簇，则待测保单为欺诈保单；
[0170]
步骤s602：当若干个社交聚类簇包括多个正常聚类簇，则待测保单为正常保单。
[0171]
具体地，在本实施例中，对社交网络的网络节点的具体聚类过程为：
[0172]
步骤1：扫描整个社交网络，然后以社交网络中的一个网络节点为一个核心点，对该核心点进行扩充。扩充的方法是寻找从该核心点出发的所有密度相连的数据点。遍历该核心点的邻域内的所有核心点(因为边界点是无法扩充的)，寻找与这些数据点密度相连的点，直到没有可以扩充的数据点为止。最后聚类成的簇的边界节点都是非核心数据点，得到一个社交聚类簇。
[0173]
步骤2：重新扫描社交网络(不包括之前寻找到的簇中的任何数据点)，寻找没有被聚类的核心点，再重复步骤1，对新找的核心点进行扩充。直到社交网络中没有新的核心点为止。
[0174]
通过步骤1和步骤2对社交网络的网络节点进行聚类分析，能够得到若干个社交聚类簇。如果若干个社交聚类簇为一个主聚类簇，说明网络节点(涉案人信息)之间的联系密
切程度过高，此时，涉案人之间构成一个欺诈团伙的可能性较大，待测保单为欺诈保单的可能性非常大，可以将待测保单判定为欺诈保单。而如果若干个社交聚类簇为多个正常聚类簇，即每个网络节点为一个聚类簇或者大多表征为一个网络节点为一个聚类簇，此时，说明网络节点(涉案人信息)之间的联系密切程度不高，待测保单为正常保单的可能性比较大，可以将待测保单判定正常保单。
[0175]
参照图7，第二方面，本技术的一些实施例还提供了一种保单检测装置，包括获取模块701、提取模块702、匹配模块703、搭建模块704、聚类分析模块705和决策模块706。
[0176]
获取模块701，用于获取待测保单。
[0177]
提取模块702，用于对待测保单进行信息提取处理，得到涉案信息。
[0178]
匹配模块703，用于根据涉案信息匹配在预设时段内的服务连接信息；其中，服务连接信息包括lbs信息和网络连接信息。
[0179]
搭建模块704，用于基于lbs信息、网络连接信息和涉案信息搭建社交网络。
[0180]
聚类分析模块705，用于根据预设的聚类分析模型对社交网络的网络节点进行聚类分析处理，得到若干个社交聚类簇；社交聚类簇用于表征网络节点之间的关系。
[0181]
决策模块706，用于根据若干个社交聚类簇和预设的决策条件确定待测保单的检测类别。
[0182]
本技术实施例的保单检测装置，通过从待测保单中提取出涉案信息，再根据涉案信息匹配在预设时段内的lbs信息和网络连接信息，然后根据lbs信息、网络连接信息和涉案信息搭建社交网络，再对社交网络中的网络节点进行聚类分析，以得到用于表征网络节点之间关系的社交聚类簇，再根据社交聚类簇和预设的决策条件确定待测保单的检测类别，通过这样设置，能够准确有效的实现对保单欺诈的检测，提升了保单检测的效率，减少了保险公司的损失。
[0183]
需要说明的是，本技术实施例的保单检测装置与前述的保单检测方法相对应，具体的检测方法可以参照前述的保单检测方法，在此不再赘述。
[0184]
本技术实施例还提供了一种电子设备，包括：
[0185]
至少一个存储器；
[0186]
至少一个处理器；
[0187]
至少一个程序；
[0188]
程序被存储在存储器中，处理器执行至少一个程序以实现本公开实施上述的保单检测方法。该电子设备可以为包括手机、平板电脑、个人数字助理(personal digital assistant，pda)、车载电脑等任意智能终端。
[0189]
本技术实施例的电子设备，用于执行上述的保单检测方法，通过从待测保单中提取出涉案信息，再根据涉案信息匹配在预设时段内的lbs信息和网络连接信息，然后根据lbs信息、网络连接信息和涉案信息搭建社交网络，再对社交网络中的网络节点进行聚类分析，以得到用于表征网络节点之间关系的社交聚类簇，再根据社交聚类簇和预设的决策条件确定待测保单的检测类别，通过这样设置，能够准确有效的实现对保单欺诈的检测，提升了保单检测的效率，减少了保险公司的损失。
[0190]
下面结合图8对本技术实施例的电子设备进行详细介绍。
[0191]
如图8，图8示意了另一实施例的电子设备的硬件结构，电子设备包括：
[0192]
处理器801，可以采用通用的中央处理器(central processing unit，cpu)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本公开实施例所提供的技术方案；
[0193]
存储器802，可以采用只读存储器(read only memory，rom)、静态存储设备、动态存储设备或者随机存取存储器(random access memory，ram)等形式实现。存储器802可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器802中，并由处理器801来调用执行本公开实施例的保单检测方法；
[0194]
输入/输出接口803，用于实现信息输入及输出；
[0195]
通信接口804，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信；
[0196]
总线805，在设备的各个组件(例如处理器801、存储器802、输入/输出接口803和通信接口804)之间传输信息；
[0197]
其中处理器801、存储器802、输入/输出接口803和通信接口804通过总线805实现彼此之间在设备内部的通信连接。
[0198]
本技术实施例还提供了一种存储介质，该存储介质是计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令用于使计算机执行上述保单检测方法。
[0199]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0200]
本技术实施例提供的保单检测方法、保单检测装置、电子设备、存储介质，通过从待测保单中提取出涉案信息，并根据涉案信息匹配在预设时段内的lbs信息和网络连接信息，及根据lbs信息、网络连接信息和涉案信息搭建社交网络，并对社交网络中的网络节点进行聚类分析，以得到用于表征网络节点之间关系的社交聚类簇，再根据社交聚类簇和预设的决策条件确定待测保单的检测类别，通过这样设置，能够准确有效的实现对保单欺诈的检测，提升了保单检测的效率，减少了保险公司的损失。
[0201]
本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。
[0202]
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本公开实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
[0203]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0204]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设
备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
[0205]
本技术的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0206]
应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
[0207]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0208]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0209]
另外，在本技术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。
[0210]
集成的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取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序的介质。
[0211]
以上参照附图说明了本公开实施例的优选实施例，并非因此局限本公开实施例的权利范围。本领域技术人员不脱离本公开实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本公开实施例的权利范围之内。

技术特征：
1.一种保单检测方法，其特征在于，包括：获取待测保单；对所述待测保单进行信息提取处理，得到涉案信息；根据所述涉案信息匹配在预设时段内的服务连接信息；其中，所述服务连接信息包括lbs信息和网络连接信息；基于所述lbs信息、所述网络连接信息和所述涉案信息搭建社交网络；根据预设的聚类分析模型对所述社交网络的网络节点进行聚类分析处理，得到若干个社交聚类簇；所述社交聚类簇用于表征所述网络节点之间的关系；根据若干个所述社交聚类簇和预设的决策条件确定所述待测保单的检测类别。2.根据权利要求1所述的方法，其特征在于，所述涉案信息包括多个涉案人信息和涉案关联信息；所述基于所述lbs信息、所述网络连接信息和所述涉案信息搭建社交网络，包括：基于所述涉案人信息对所述lbs信息进行关系抽取，得到若干个lbs距离关系集；基于所述涉案人信息对所述网络连接信息进行关系抽取，得到若干个网络关系集；基于所述涉案人信息对所述涉案关联信息进行关系抽取，得到若干个涉案关联关系集；将每一所述lbs距离关系集、对应的所述网络关系集和对应的所述涉案关联关系集输入到预设的分数计算模型中进行分数计算，得到对应的目标分数；根据每一所述涉案人信息和对应的所述目标分数搭建所述社交网络。3.根据权利要求2所述的方法，其特征在于，所述将每一所述lbs距离关系集、对应的所述网络关系集和对应的所述涉案关联关系集输入到预设的分数计算模型中进行分数计算，得到对应的目标分数，包括：对所述lbs距离关系集进行分类匹配处理，得到lbs距离分数；对所述网络关系集进行分类匹配处理，得到网络连接分数；对所述涉案关联关系集进行分类匹配处理，得到涉案关联分数；根据所述lbs距离分数、所述网络连接分数和所述涉案关联分数得到所述目标分数。4.根据权利要求3所述的方法，其特征在于，所述对所述网络关系集进行分类匹配处理，得到网络连接分数，包括：获取所述待测保单的产品购买时间分数；所述产品购买时间分数用于表征所述待测保单对应的产品购买时间；获取所述涉案信息的时间类型分数；所述时间类型分数用于表征所述涉案人信息之间共同出现的时间；对所述网络关系集进行分类处理，得到网络连接类型；根据所述网络连接类型和预设的映射规则，确定对应的网络类型分数；根据所述产品购买时间分数、所述时间类型分数和网络类型分数得到所述网络连接分数。5.根据权利要求4所述的方法，其特征在于，所述根据所述产品购买时间分数、所述时间类型分数和网络类型分数得到所述网络连接分数，包括：对所述产品购买时间分数、所述时间类型分数和网络类型分数进行计算，得到目标连
接分数；对所述目标连接分数进行归一化处理，得到所述网络连接分数。6.根据权利要求3至5任意一项所述的方法，其特征在于，所述根据所述lbs距离分数、所述网络连接分数和所述涉案关联分数得到所述目标分数，包括：获取预设的产品关联系数、网络连接系数和lbs距离系数；根据所述产品关联系数对所述产品关联分数进行加权处理，得到产品关联加权值；根据所述网络连接系数对所述网络连接分数进行加权处理，得到网络连接加权值；根据所述lbs距离系数对所述lbs距离分数进行加权处理，得到lbs距离加权值；对所述产品关联加权值、所述网络连接加权值和所述lbs距离加权值进行求和，得到所述目标分数。7.根据权利要求1至5任意一项所述的方法，其特征在于，所述检测类别包括欺诈保单和正常保单；所述根据若干个所述社交聚类簇和预设的决策条件确定所述待测保单的检测类别，包括：当若干个所述社交聚类簇为一个主聚类簇，则所述待测保单为所述欺诈保单；当若干个所述社交聚类簇包括多个正常聚类簇，则所述待测保单为所述正常保单。8.一种保单检测装置，其特征在于，包括：获取模块，用于获取待测保单；提取模块，用于对所述待测保单进行信息提取处理，得到涉案信息；匹配模块，用于根据所述涉案信息匹配在预设时段内的服务连接信息；其中，所述服务连接信息包括lbs信息和网络连接信息；搭建模块，用于基于所述lbs信息、所述网络连接信息和涉案信息搭建社交网络；聚类分析模块，用于根据预设的聚类分析模型对所述社交网络的网络节点进行聚类分析处理，得到若干个社交聚类簇；所述社交聚类簇用于表征所述网络节点之间的关系；决策模块，用于根据若干个所述社交聚类簇和预设的决策条件确定所述待测保单的检测类别。9.一种电子设备，其特征在于，包括：至少一个存储器；至少一个处理器；至少一个程序；所述程序被存储在所述存储器中，处理器执行所述至少一个程序以实现：如权利要求1至7任一项所述的方法。10.一种存储介质，所述存储介质为计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行：如权利要求1至7任一项所述的方法。

技术总结
本实施例涉及人工智能技术领域，尤其涉及一种保单检测方法、保单检测装置、电子设备及存储介质。其中，保单检测方法包括：获取待测保单；对待测保单进行信息提取处理，得到涉案信息；根据涉案信息匹配在预设时段内的服务连接信息；其中，服务连接信息包括LBS信息和网络连接信息；基于LBS信息、网络连接信息和涉案信息搭建社交网络；根据预设的聚类分析模型对社交网络的网络节点进行聚类分析处理，得到若干个社交聚类簇；社交聚类簇用于表征网络节点之间的关系；根据若干个社交聚类簇和预设的决策条件确定待测保单的检测类别。本申请实施例的技术方案，能够准确有效的实现对保单欺诈的检测，提升了保单检测的效率。提升了保单检测的效率。提升了保单检测的效率。


技术研发人员：赵文婕 张霖 付盼春 俞丽娟
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2022.03.09
技术公布日：2022/5/25