一种欺诈人员识别方法及装置、存储介质、计算机设备制造方法及图纸

本申请公开了一种欺诈人员识别方法及装置、存储介质、计算机设备，该方法包括：从多个人员节点中确定至少一个初始节点，并依据预设拓扑网络以及所述至少一个初始节点，生成至少一个路径序列；将所述至少一个路径序列输入至预设无监督特征识别模型，得到所述路径序列中包含的各个所述人员节点对应的节点特征向量；将所述待预测人员节点对应的所述节点特征向量输入至预设分类模型，得到与每个所述待预测人员节点对应的预测分类值，并依据所述预测分类值识别欺诈人员。本申请能够有效利用不同人员之间存在的关联关系，节省人力识别成本的同时，可以准确、高效地从欺诈团伙中识别出欺诈人员。人员。人员。

【技术实现步骤摘要】
一种欺诈人员识别方法及装置、存储介质、计算机设备


[0001]本申请涉及人工智能
，尤其是涉及到一种欺诈人员识别方法及装置、存储介质、计算机设备。

技术介绍

[0002]随着保险业务等各种业务的不断发展，通过合作进行欺诈从而获利的行为正在不断蔓延。很多欺诈行为均具有团伙作案的特征，因此，如何基于大量数据从欺诈团伙中识别出欺诈人员具有重要意义。
[0003]现今在识别欺诈人员时，要么通过人工的方式进行识别，要么通过机器学习的方法进行识别。针对第一种方法，人工识别前需要人工收集相关信息，这会造成大量的时间成本和人力成本的浪费，同时人工识别还会存在很强的主观性，当人工经验不足时，对于识别的结果会造成很大影响。针对第二种方法，通过例如BP神经网络等机器学习的方法进行识别，通过计算出判定因子来拟合不同的欺诈可能权重，从而检测出可能属于欺诈的行为，这种方法往往忽略了不同人员之间可能存在的联系，对于从保险理赔业务等欺诈团伙中识别出欺诈人员是非常不利的。

技术实现思路

[0004]有鉴于此，本申请提供了一种欺诈人员识别方法及装置、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种欺诈人员识别方法，其特征在于，包括：从多个人员节点中确定至少一个初始节点，并依据预设拓扑网络以及所述至少一个初始节点，生成至少一个路径序列，其中，所述预设拓扑网络包括所述多个人员节点，所述路径序列包括待预测人员节点；将所述至少一个路径序列输入至预设无监督特征识别模型，得到所述路径序列中包含的各个所述人员节点对应的节点特征向量，其中，所述节点特征向量为使对应人员节点的预设窗口值下的前节点和后节点出现概率最大的特征向量，所述前节点为所述路径序列中位于所述人员节点之前的节点，所述后节点为所述路径序列中位于所述人员节点之后的节点；将所述待预测人员节点对应的所述节点特征向量输入至预设分类模型，得到与每个所述待预测人员节点对应的预测分类值，并依据所述预测分类值识别欺诈人员。2.根据权利要求1所述的方法，其特征在于，所述依据预设拓扑网络以及所述至少一个初始节点，生成至少一个路径序列，具体包括：依据预设拓扑网络，确定与所述预设拓扑网络对应的节点相似度矩阵；基于所述节点相似度矩阵，确定所述初始节点对应的目标邻居节点，将所述目标邻居节点作为下一节点，并将当前节点从所述初始节点更改为所述下一节点；重复依据所述节点相似度矩阵确定所述当前节点的下一节点，直至路径序列中包含的所述人员节点的数量与预设节点数量一致，生成所述路径序列。3.根据权利要求2所述的方法，其特征在于，所述依据预设拓扑网络，确定与所述预设拓扑网络对应的节点相似度矩阵，具体包括：基于预设拓扑网络，确定所述预设拓扑网络对应的目标邻接矩阵；依据所述目标邻接矩阵，计算所述预设拓扑网络对应的Jaccard相似度矩阵以及余弦相似度矩阵；基于所述Jaccard相似度矩阵、所述余弦相似度矩阵以及预设权重参数，确定所述节点相似度矩阵。4.根据权利要求3所述的方法，其特征在于，所述基于预设拓扑网络，确定所述预设拓扑网络对应的目标邻接矩阵之前，所述方法还包括：获取与目标业务对应的历史业务办理清单，提取所述历史业务办理清单中的人员信息，并基于所述人员信息确定不同人员之间的关联关系；将所述人员作为人员节点，依据所述关联关系构建不同人员节点之间的关联边，以构建所述预设拓扑网络。5.根据权利要求1所述的方法，其特征在于，所述路径序列还包括训练人员节点；所述将所述待预测人员节点对应的所述节点特征向量输入至预设分类模型之前，所述方法还包括：将所述训练人员节点对应的所述节点特征向量输入至所述预设分类模型，并依据输出的训练人员预测分类值以及所述训练人员节点对应的真实分类值，计算所述预设分类模型的模型损失值；当所述模型损失值大于预设损失阈值时，...

【专利技术属性】
技术研发人员：陈雪娇，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：