[发明专利]数据聚类识别方法、装置、计算机系统及可读存储介质

摘要

本发明公开了数据聚类识别方法、装置、计算机系统及可读存储介质，基于人工智能，包括以下步骤：将案件库中一个案件设为基准案件，将案件库中除基准案件的其他案件设为对照案件；依次判断基准案件与各对照案件之间是否具有关联关系并制成一维向量；依次获得案件库中所有案件的一维向量，合并所有案件的一维向量以获得邻接矩阵；计算邻接矩阵以获得稠密向量；计算稠密向量以对案件库中所有案件进行聚类并输出聚类结果；根据聚类结果中案件的保单信息、汽车特征和报案人特征，计算案件的风险值。本发明通过分析聚类阈值以下的簇中的案件获得高风险案件，使从业者可对高风险案件进行重点分析，以识别出高风险案件中涉嫌欺诈且未追偿或报案的案件。

主权项

1.数据聚类识别方法，其特征在于，包括以下步骤：/nS1:将案件库中的一个案件设为基准案件，将所述案件库中除基准案件外的其他案件设为对照案件；从所述案件库中提取基准案件和对照案件，依次判断所述基准案件与各对照案件之间是否具有关联关系；若具有，则对所述基准案件和对照案件之间的关系值赋值1，若不具有，则对所述基准案件和对照案件之间的关系值赋值0；根据所述基准案件和各对照案件之间的关系值制成所述基准案件的一维向量；其中，所述案件的数据信息包括现场图片、报案文本信息、现场结构信息、保单信息、汽车特征和报案人特征；/nS2：按照所述S1的方法依次将所述案件库中的案件设为基准案件，并依次获得各基准案件的一维向量，合并所述案件库中所有案件的一维向量以获得邻接矩阵；/nS3：利用SDNE算法计算所述邻接矩阵以获得用于表达所述案件库中所有案件之间关联关系的稠密向量；/nS4：利用AP聚类算法计算所述稠密向量，以对所述案件库中所有案件进行聚类，并输出聚类结果；/nS5：根据所述聚类结果中案件的保单信息、汽车特征和报案人特征，计算案件的风险值，根据所述风险值判定所述聚类结果的簇中案件为高风险案件或低风险案件；根据所述高风险案件生成高风险信号输出至客户端，或根据低风险案件生成低风险信号输出至客户端；/n其中，所述高风险信号和低风险信号将分别以通信信号的形式输出至客户端。/n