识别高欺诈风险的方法和装置制造方法及图纸

本发明专利技术提供一种识别高欺诈风险的方法、装置、计算机系统和计算机可读介质。本发明专利技术的一种识别高欺诈风险的方法包括获取理赔案件数据；根据理赔案件数据计算地区案件数、地区分类条件案件数、地区分类条件平均住院天数以及地区分类条件住院天数标准差；确定高风险地区；确定对应于高风险地区的高风险分类条件；设定高风险判断阈值；根据高风险地区以及高风险分类条件，从投保客户中确定高风险案件。

Methods and devices for identifying high fraud risks

The invention provides a method, device, computer system and computer readable medium for identifying high fraud risk. A method of identifying high fraud risk of the invention includes acquiring data of claim cases; calculating the number of regional cases, the number of cases under regional classification conditions, the average length of stay under regional classification conditions and the standard deviation of the number of days under regional classification conditions; determining high-risk areas; determining high-risk classification conditions corresponding to high-risk areas; and setting high-risk judgment thresholds. Value: According to high-risk areas and high-risk classification conditions, high-risk cases are identified from insured customers.

【技术实现步骤摘要】
识别高欺诈风险的方法和装置
本专利技术涉及到医疗保险信息处理方法，具体涉及一种识别高欺诈风险的方法、装置、计算机系统和计算机可读介质。
技术介绍
在当前互联网与保险的结合下，互联网保险公司遇到的最大的挑战是做好两核风控，降低高赔付率，增强盈利能力。具体来说，面对外部数据质量欠佳，无法提高识别高风险客户的辨别率，并且大量引进外部数据会压缩短期意外险和健康险的盈利空间。在此情况下，互联网保险公司如何利用积累的既往客户理赔数据，高效识别高风险的客户，并采取相应风控措施降低理赔风险，控制经营费用，提升公司盈利，是互联网保险风控的重要工作。
技术实现思路
本公开的目的在于根据互联网保险公司积累的既往客户理赔数据，利用统计分析方法建立模型，并结合地区的发达程度、医院的级别和疾病的医学合理住院范围，设定预警指标范围。根据预警结果高效识别高风险的客户和医院，并采取相应风控措施(如增加保费、增加欺诈拦截规则等)降低理赔风险。本专利技术一实施例公开一种识别高欺诈风险的方法，其包括获取理赔案件数据，所述理赔案件数据包含多个投保客户以及对应每一投保客户的地区、分类条件以及住院天数；根据所述理赔案件数据计算地区案件数、地区分类条件案件数、地区分类条件平均住院天数以及地区分类条件住院天数标准差；确定高风险地区，其中所述高风险地区的所述地区案件数大于或等于地区案件数阈值，或者所述高风险地区的累计的所述地区分类条件住院天数标准差大于或等于累计地区分类条件住院天数标准差阈值；确定对应于所述高风险地区的高风险分类条件，设定高风险判断阈值；根据所述高风险地区以及所述高风险分类条件，从所述投保客户中确定高风险案件，其中所述高风险案件的住院天数大于或等于所述高风险判断阈值。在本专利技术的一实施例中，根据地区分类条件平均住院天数设置所述高风险判断阈值。在本专利技术的一实施例中，所述高风险分类条件的所述地区分类条件案件数大于或等于地区分类条件案件数阈值，或者所述高风险分类条件的所述地区分类条件住院天数标准差大于或等于地区分类条件住院天数标准差阈值。在本专利技术的一实施例中，所述分类条件是国际疾病分类(ICD)。在本专利技术的一实施例中，根据目标ICD的地区ICD平均住院天数、所述目标ICD的案件的住院天数及所述目标ICD的地区ICD案件数计算所述目标ICD的地区ICD住院天数标准差。在本专利技术的一实施例中，所述分类条件是医院。在本专利技术的一实施例中，根据目标医院的地区医院平均住院天数、所述目标医院的案件的住院天数及所述目标医院的地区医院案件数计算所述目标医院的地区医院住院天数标准差。本专利技术一实施例公开一种识别高欺诈风险的装置，其包括:获取模块，其用于获取理赔案件数据，所述理赔案件数据包含多个投保客户以及对应每一投保客户的地区、分类条件以及住院天数；计算模块，其用于根据所述理赔案件数据计算地区案件数、地区分类条件案件数、地区分类条件平均住院天数以及地区分类条件住院天数标准差；判断模块，其用于确定高风险地区并且确定对应于所述高风险地区的高风险分类条件，其中所述高风险地区的所述地区案件数大于或等于地区案件数阈值，或者所述高风险地区的累计的所述地区分类条件住院天数标准差大于或等于累计地区分类条件住院天数标准差阈值；以及设定模块，其用于设定高风险判断阈值；其中，所述判断模块用于根据所述高风险地区以及所述高风险分类条件，从所述投保客户中确定高风险案件，其中所述高风险案件的住院天数大于或等于所述高风险判断阈值。本专利技术一实施例公开一种电子设备，其包括：一个或多个处理器；数据库，用于存储理赔案件数据；及存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现所述的识别高欺诈风险的方法。本专利技术一实施例公开一种计算机可读介质，其存储有计算机程序，所述计算机程序被处理器执行时实现所述的识别高欺诈风险的方法。本专利技术的技术手段可达成多个技术效果。例如，基于既往的客户理赔案件数据，建立高风险客户预警模型和高风险医院预警模型，自动化识别高风险和欺诈的客户以及医院。通过对预警模型识别出的高风险客户、医院在核保端采取相应措施，可以达到降低高风险客户投保风险，最终降低理赔风险，增加盈利的效果。附图说明图1显示本专利技术一实施例的识别高欺诈风险的方法的流程图。图2显示本专利技术另一实施例的识别高欺诈风险的方法的流程图。图3显示本专利技术另一实施例的用于识别高欺诈风险的客户的方法的流程图。图4显示本专利技术另一实施例的用于识别高欺诈风险的医院的方法的流程图。图5显示本专利技术一实施例的识别高欺诈风险的装置的示意图。具体实施方式为更好的理解本专利技术的精神，以下结合本专利技术的部分优选实施例对其作进一步说明。为了使本
中具有通常知识者能制造并使用本专利技术的实施例，以下描述是针对一个特别的应用及其条件的情况。各种针对本专利技术的实施例所进行的修改方式，对本
中具有通常知识者是显而易见的。而在此所定义的一般原理，在不偏离本专利技术的实施例的精神与范围下，可用于其他的实施方式和应用。因此，本专利技术的实施方式并不局限于已显示的实施例，而可得到与在此所揭示内容的原理与特征相符的最宽广范围。图1显示本专利技术一实施例的识别高欺诈风险的方法100的流程图。识别高欺诈风险的方法包括步骤101到107。在步骤101中，获取理赔案件数据。理赔案件数据包含多个投保客户以及对应每一投保客户的地区、分类条件以及住院天数。地区例如可以是是省、市、县或者其它区域范围。分类条件例如可以是国际疾病分类(ICD)或者医院。理赔案件数据例如是互联网保险公司积累的既往客户理赔数据。在步骤102中，根据理赔案件数据计算地区案件数、地区分类条件案件数、地区分类条件平均住院天数以及地区分类条件住院天数标准差。换句话说，先计算每个地区所具有的地区案件数，再依不同的分类条件，计算每个地区在不同的分类条件下所具有的地区分类条件案件数以及地区分类条件平均住院天数，接着再计算不同的分类条件的地区分类条件住院天数标准差。在步骤103中，确定高风险地区。高风险地区的地区案件数大于或等于地区案件数阈值，或者高风险地区的累计的地区分类条件住院天数标准差大于或等于累计地区分类条件住院天数标准差阈值。换句话说，当某一个地区的地区案件数被判断大于或等于设定的地区案件数阈值，或者某一个地区的累计的地区分类条件住院天数标准差被判断大于或等于设定的累计地区分类条件住院天数标准差阈值时，某一个地区就会被确定为高风险地区。其中，累计的地区分类条件住院天数标准差是指某一个地区中所有地区分类条件住院天数标准差的总和。需注意的是，在步骤103中可以确定一或多个高风险地区。另一方面，当某一个地区的地区案件数被判断小于设定的地区案件数阈值，以及某一个地区的累计的地区分类条件住院天数标准差被判断小于设定的累计地区分类条件住院天数标准差阈值时，某一个地区就被判断为非高风险地区，而结束针对某一个地区的处理程序，之后再对另一个地区进行处理程序。在步骤104中，确定对应于高风险地区的高风险分类条件。高风险分类条件的地区分类条件案件数大于或等于地区分类条件案件数阈值，或者高风险分类条件的地区分类条件住院天数标准差大于或等于地区分类条件住院天数标准差阈值。换句话说，当某一个高风险地区的本文档来自技高网...

【技术保护点】
1.一种识别高欺诈风险的方法，其特征在于，包括:获取理赔案件数据，所述理赔案件数据包含多个投保客户以及对应每一投保客户的地区、分类条件以及住院天数；根据所述理赔案件数据计算地区案件数、地区分类条件案件数、地区分类条件平均住院天数以及地区分类条件住院天数标准差；确定高风险地区，其中所述高风险地区的所述地区案件数大于或等于地区案件数阈值，或者所述高风险地区的累计的所述地区分类条件住院天数标准差大于或等于累计地区分类条件住院天数标准差阈值；确定对应于所述高风险地区的高风险分类条件；设定高风险判断阈值；以及根据所述高风险地区以及所述高风险分类条件，从所述投保客户中确定高风险案件，其中所述高风险案件的住院天数大于或等于所述高风险判断阈值。

【技术特征摘要】
1.一种识别高欺诈风险的方法，其特征在于，包括:获取理赔案件数据，所述理赔案件数据包含多个投保客户以及对应每一投保客户的地区、分类条件以及住院天数；根据所述理赔案件数据计算地区案件数、地区分类条件案件数、地区分类条件平均住院天数以及地区分类条件住院天数标准差；确定高风险地区，其中所述高风险地区的所述地区案件数大于或等于地区案件数阈值，或者所述高风险地区的累计的所述地区分类条件住院天数标准差大于或等于累计地区分类条件住院天数标准差阈值；确定对应于所述高风险地区的高风险分类条件；设定高风险判断阈值；以及根据所述高风险地区以及所述高风险分类条件，从所述投保客户中确定高风险案件，其中所述高风险案件的住院天数大于或等于所述高风险判断阈值。2.根据权利要求1所述的方法，其特征在于，根据所述地区分类条件平均住院天数设置所述高风险判断阈值。3.根据权利要求1所述的方法，其特征在于，其中所述高风险分类条件的所述地区分类条件案件数大于或等于地区分类条件案件数阈值，或者所述高风险分类条件的所述地区分类条件住院天数标准差大于或等于地区分类条件住院天数标准差阈值。4.根据权利要求1所述的方法，其特征在于，其中所述分类条件是国际疾病分类ICD。5.根据权利要求4所述的方法，其特征在于，其中根据目标ICD的地区ICD平均住院天数、所述目标ICD的案件的住院天数及所述目标ICD的地区ICD案件数计算所述目标ICD的地区ICD住院天数标准差。6.根据权利要求1所述的方法，其特征在于，其中所述分类条件是医院。...

【专利技术属性】
技术研发人员：李庆云，陈佩，崔蓝艺，徐生梅，周国平，
申请(专利权)人：泰康保险集团股份有限公司，泰康在线财产保险股份有限公司，
类型：发明
国别省市：北京,11