【技术实现步骤摘要】
本专利技术涉及数据处理的，具体为综合多模态ai分析的欺诈风险评估方法及系统。
技术介绍
1、寿险是指投保人在支付一定的保费后，当被保险人因死亡或达到约定年龄时，保险公司按照合同规定向受益人支付一定数额的保险金的一种保险产品。寿险的目的是帮助被保险人或其家属减轻财务压力，防止因意外事件导致的经济损失。寿险作为一种金融产品，在风险评估方面与其他金融产品类似。风险评估是保险公司对被保险人进行风险判断和量化的过程，为了确定合理的保费和保额。其中寿险购买过程需要对被保险人的心理健康、生理健康、年龄、病史等进行收集并进行寿险风险评估，寿险的风险评估主要包括以下几个方面；一、被保险人的健康状况是寿险风险评估的重要因素。保险公司会通过被保险人的体检报告、病史等信息来评估其健康状况，并根据评估结果决定是否接受投保或者给出相应的保费和保额；二、被保险人的年龄和性别被保险人的年龄和性别也是影响寿险风险评估的因素之一。年龄越大，风险越大，保费也就越高；女性因为寿命长，通常比男性保费低一些；三、保险合同的条款与条件对于寿险的风险评估也有很大的影响。不同的保险公司和不同的产品，其条款与条件也各不相同，因此在选择寿险产品时，需要认真阅读合同，了解其中的条款与条件。四、经济环境的变化也可能影响寿险的风险评估。通货膨胀、利率变化等都会对寿险的收益和风险产生影响。其中寿险风险评估过程中寿险公司收到大量待调查案件，现有寿险公司通过视频调查系统进行面对面调查，然后由人工判断被调查对象是否存在欺诈风险。视频采集+人工评估模式存在显著的投入成本、人为风险评估存在主观因素，
技术实现思路
1、(一)解决的技术问题
2、为解决上述现有寿险公司通过视频调查系统进行面对面调查，然后由人工判断被调查对象是否存在欺诈风险。视频采集+人工评估模式存在显著的投入成本、人为风险评估存在主观因素，风险评估结果可靠性差，同时视频采集+人工评估模式对人力资源的消耗大且没有固定的标准判断方法，调查员的经验和技巧差异可能会导致判断误差，同时人工评估寿险风险评估存在效率低、工作量大的问题，实现以上风险评估准确高效、自动化处理、适应性强、决策支持的目的。
3、(二)技术方案
4、本专利技术通过以下技术方案予以实现：综合多模态ai分析的欺诈风险评估方法，所述方法包括如下步骤：
5、s1、分别采集被调查人员脸部表情特征图像数据、被调查人员语音数据；
6、s2、将被调查人员语音数据采用语音文本翻译软件转换为文本文字，输出被调查人员语音文本文字数据；
7、s3、采用数据识别算法将被调查人员脸部表情特征图像数据与异常脸部表情特征图像数据进行图像匹配并计算图像匹配成功数量占总图像匹配执行动作数量的比值，输出被调查人员异常脸部表情评分数据；
8、采用数据识别算法将被调查人员语音数据与异常语音特征数据进行语音特征匹配并计算语音特征匹配成功数量占总语音特征匹配执行动作数量的比值，输出被调查人员异常语音评分数据；
9、采用数据识别算法将被调查人员语音文本文字数据与异常文字文本语气词数据进行语气词匹配并计算语气词匹配成功数量占总语气词匹配执行动作数量的比值，输出被调查人员异常文本文字评分数据；
10、s4、采用欺诈风险评估算法结合被调查人员异常脸部表情评分数据、被调查人员异常语音评分数据、被调查人员异常文本文字评分数据进行计量输出被调查人员欺诈风险评分数据；
11、s5、依据被调查人员欺诈风险评分数据与欺诈风险安全阈值进行数值比较，当被调查人员欺诈风险评分数据大于欺诈风险安全阈值，则输出被调查人员存在欺诈风险；当被调查人员欺诈风险评分数据小于或等于欺诈风险安全阈值，则输出被调查人员不存在欺诈风险。
12、优选的，所述分别采集被调查人员脸部表情特征图像数据、被调查人员语音数据的操作步骤如下：
13、s11、采用云镜头在线采集被调查人员脸部表情特征图像数据并建立集合其中am表示第m幅被调查人员脸部表情特征图像数据，表示被调查人员脸部表情特征图像数据数量的最大值；
14、采用录音设备在线采集被调查人员语音数据并建立集合b＝(b1,…,bn,…,bθ)，n＝1,2,3,…,θ；其中bn表示第n段被调查人员语音数据，θ表示被调查人员语音数据数量的最大值。
15、优选的，所述将被调查人员语音数据采用语音文本翻译软件转换为文本文字，输出被调查人员语音文本文字数据的操作步骤如下：
16、s21、将被调查人员语音数据集合b中被调查人员语音数据bn输入语音文本翻译软件中按照采集的被调查人员语音数据bn编号有序翻译转化为文本文字，建立被调查人员语音文本文字数据集合c＝(c1,…,cn,…,cθ)，n＝1,2,3,…,θ；其中cn表示第n段被调查人员语音数据翻译后对应的被调查人员语音文本文字数据，所述语音文本翻译软件包括智能翻译官、itranslate、microsoft翻译。
17、优选的，所述采用数据识别算法将被调查人员脸部表情特征图像数据与异常脸部表情特征图像数据进行图像匹配并计算图像匹配成功数量占总图像匹配执行动作数量的比值，输出被调查人员异常脸部表情评分数据的操作步骤如下：
18、s31、建立异常脸部表情特征图像数据集合其中dp表示第p幅异常脸部表情特征图像数据，表示异常脸部表情特征图像数据数量的最大值，所述异常脸部表情特征图像数据包括回避对方眼神图像数据、谈话眉毛上扬图像数据、摇头否认图像数据、无皱纹假笑图像数据、瘪嘴角图像数据；
19、s32、采用数据识别算法将被调查人员脸部表情特征图像数据集合a中被调查人员脸部表情特征图像数据am按照编号有序与异常脸部表情特征图像数据集合d中的异常脸部表情特征图像数据dp进行图像匹配并计算图像匹配成功数量的操作步骤如下：
20、步骤一、分离，分离是每个异常脸部表情图像识别蜻蜓个体与同类分开的行为，分离行为的数学表达式为其中中n为邻近异常脸部表情图像识别蜻蜓个体的个数，si为第i个异常脸部表情图像识别蜻蜓同类之间分离行为的位置向量，x为异常脸部表情图像识别蜻蜓个体所在位置，xj为相邻异常脸部表情图像识别蜻蜓个体j所处的位置；
21、步骤二、排队，排队是指每个异常脸部表情图像识别蜻蜓个体在飞行时与相邻异常脸部表情图像识别蜻蜓个体之间的速度匹配，排队行为的数学表达式为其中wi为第i个异常脸部表情图像识别蜻蜓个体排队行为的位置向量；ηj为相邻异常脸部表情图像识别蜻蜓个体的飞行速度；
22、步骤三、结盟，结盟指异常脸部表情图像识别蜻蜓与相邻同类异常脸部表情图像识别蜻蜓之间彼此聚在一起的集群行为，异常脸部表情图像识别蜻蜓结盟行为的数学表达式为其中qi为第i个异常脸部表情图像识本文档来自技高网...
【技术保护点】
1.综合多模态AI分析的欺诈风险评估方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的综合多模态AI分析的欺诈风险评估方法，其特征在于：所述分别采集被调查人员脸部表情特征图像数据、被调查人员语音数据的操作步骤如下：
3.根据权利要求2所述的综合多模态AI分析的欺诈风险评估方法，其特征在于：所述将被调查人员语音数据采用语音文本翻译软件转换为文本文字，输出被调查人员语音文本文字数据的操作步骤如下：
4.根据权利要求3所述的综合多模态AI分析的欺诈风险评估方法，其特征在于：所述采用数据识别算法将被调查人员脸部表情特征图像数据与异常脸部表情特征图像数据进行图像匹配并计算图像匹配成功数量占总图像匹配执行动作数量的比值，输出被调查人员异常脸部表情评分数据的操作步骤如下：
5.根据权利要求4所述的综合多模态AI分析的欺诈风险评估方法，其特征在于：所述采用数据识别算法将被调查人员语音数据与异常语音特征数据进行语音特征匹配并计算语音特征匹配成功数量占总语音特征匹配执行动作数量的比值，输出被调查人员异常语音评分数据的操作步骤如下：>
6.根据权利要求5所述的综合多模态AI分析的欺诈风险评估方法，其特征在于：所述采用数据识别算法将被调查人员语音文本文字数据与异常文字文本语气词数据进行语气词匹配并计算语气词匹配成功数量占总语气词匹配执行动作数量的比值，输出被调查人员异常文本文字评分数据的操作步骤如下：
7.根据权利要求6所述的综合多模态AI分析的欺诈风险评估方法，其特征在于：所述采用欺诈风险评估算法结合被调查人员异常脸部表情评分数据、被调查人员异常语音评分数据、被调查人员异常文本文字评分数据进行计量输出被调查人员欺诈风险评分数据的操作步骤如下：
8.根据权利要求7所述的综合多模态AI分析的欺诈风险评估方法，其特征在于：所述依据被调查人员欺诈风险评分数据与欺诈风险安全阈值进行数值比较，当被调查人员欺诈风险评分数据大于欺诈风险安全阈值，则输出被调查人员存在欺诈风险；当被调查人员欺诈风险评分数据小于或等于欺诈风险安全阈值，则输出被调查人员不存在欺诈风险的操作步骤如下：
9.一种实现如根据权利要求1-8中任意一项所述的综合多模态AI分析的欺诈风险评估方法的系统，其特征在于，所述系统包括被调查人员特征数据采集管理模块、被调查人员异常特征分析模块、被调查人员综合欺诈风险分析模块；
...【技术特征摘要】
1.综合多模态ai分析的欺诈风险评估方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的综合多模态ai分析的欺诈风险评估方法，其特征在于：所述分别采集被调查人员脸部表情特征图像数据、被调查人员语音数据的操作步骤如下：
3.根据权利要求2所述的综合多模态ai分析的欺诈风险评估方法，其特征在于：所述将被调查人员语音数据采用语音文本翻译软件转换为文本文字，输出被调查人员语音文本文字数据的操作步骤如下：
4.根据权利要求3所述的综合多模态ai分析的欺诈风险评估方法，其特征在于：所述采用数据识别算法将被调查人员脸部表情特征图像数据与异常脸部表情特征图像数据进行图像匹配并计算图像匹配成功数量占总图像匹配执行动作数量的比值，输出被调查人员异常脸部表情评分数据的操作步骤如下：
5.根据权利要求4所述的综合多模态ai分析的欺诈风险评估方法，其特征在于：所述采用数据识别算法将被调查人员语音数据与异常语音特征数据进行语音特征匹配并计算语音特征匹配成功数量占总语音特征匹配执行动作数量的比值，输出被调查人员异常语音评分数据的操作步骤如下：
6.根据权利要求5所述的综合多模态ai分析...
【专利技术属性】
技术研发人员：李华，周爱广，姜润芝，
申请(专利权)人：中国人寿保险股份有限公司山东省分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。