[发明专利]团伙欺诈案件识别方法、电子装置及计算机可读存储介质

说明书

本发明涉及一种聚类算法技术，揭露了一种团伙欺诈案件识别方法，该方法包括：采集多维度的案件画像数据；通过聚类算法对所采集的案件画像数据进行无监督学习建模，将案件划分为不同的案件集群；对每个案件集群采用社交网络分析算法进行风险评分，判断出异常案件集群。本发明还提供一种电子装置及计算机可读存储介质。本发明提供的团伙欺诈案件识别方法、电子装置及计算机可读存储介质能够有效识别具有极大相似性的团伙欺诈案件。

技术领域

本发明涉及聚类算法技术领域，尤其涉及一种团伙欺诈案件识别方法、电子装置及计算机可读存储介质。

背景技术

目前，在车险领域，尤其是车险线上理赔案件，存在团伙欺诈舞弊的风险。当前业界主要是由具有丰富经验的理赔调查审核人员对车险理赔案件进行欺诈风险调查与审核。但是，这样的审核方式既浪费人力和时间，也无法确保审核结果的准确性。并且，即使是经验丰富的理赔调查审核人员也很难识别出不同的车险理赔案件的内在关联性，即人工调查审核的方式无法有效识别出车险理赔的团伙欺诈舞弊风险。

发明内容

有鉴于此，本发明提出一种团伙欺诈案件识别方法、电子装置及计算机可读存储介质，以解决如何有效识别出车险理赔的团伙欺诈舞弊风险的问题。

首先，为实现上述目的，本发明提出一种团伙欺诈案件识别方法，该方法包括步骤：

采集多维度的案件画像数据；

通过聚类算法对所采集的案件画像数据进行无监督学习建模，将案件划分为不同的案件集群；及

对每个案件集群采用社交网络分析算法进行风险评分，判断出异常案件集群。

可选地，该方法还包括步骤：

根据预设手段筛选出异常案件；

查询所述异常案件所在的案件集群；

将所查询到的案件集群作为异常案件集群进行风险审查，判断是否为团伙欺诈案件。

可选地，所述案件画像数据包括时间相关维度，频度相关维度，金额相关维度，位置相关维度，涉及人员主体维度和案件属性相关维度。

可选地，所述聚类算法包括K-means算法或DBSCAN算法。

可选地，所述预设手段包括孤立森林算法或一类支持向量机算法。

此外，为实现上述目的，本发明还提供一种电子装置，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的团伙欺诈案件识别系统，所述团伙欺诈案件识别系统被所述处理器执行时实现如下步骤：

采集多维度的案件画像数据；

通过聚类算法对所采集的案件画像数据进行无监督学习建模，将案件划分为不同的案件集群；及

对每个案件集群采用社交网络分析算法进行风险评分，判断出异常案件集群。

可选地，所述团伙欺诈案件识别系统被所述处理器执行时还实现步骤：

根据预设手段筛选出异常案件；

查询所述异常案件所在的案件集群；

将所查询到的案件集群作为异常案件集群进行风险审查，判断是否为团伙欺诈案件。

可选地，所述聚类算法包括K-means算法或DBSCAN算法。

可选地，所述预设手段包括孤立森林算法或一类支持向量机算法。

进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有团伙欺诈案件识别系统，所述团伙欺诈案件识别系统可被至少一个处理器执行，以使所述至少一个处理器执行如上述的团伙欺诈案件识别方法的步骤。