【技术实现步骤摘要】
本申请实施例涉及数据处理，尤其涉及一种基于知识图谱的团伙挖掘方法、装置、电子设备及介质。
技术介绍
1、随着汽车保险行业的发展，存在欺诈行为，尤其是团伙性质的欺诈行为，如何有效地识别这些团伙并防止欺诈行为成为亟需解决的问题。
2、相关技术中，通常会根据已经判明的历史团伙数据生成黑名单数据，再根据黑名单数据对出险数据进行匹配，识别出有可能存在风险的团伙；还会根据黑名单数据训练相应的团伙识别模型，然后将海量的出险数据输入这些团伙识别模型，通过团伙识别模型识别出团伙风险信息。
3、但是，相关技术中的团伙风险信息挖掘方法严重依赖于黑名单数据，而黑名单数据的累计和建立均需要漫长的时间，往往难以获取足够的黑名单数据进行精准的团伙识别，且黑名单数据的获取存在一定的滞后性，导致相关技术中的团伙风险信息挖掘方法存在准确性较低的问题。
技术实现思路
1、本申请实施例提供一种基于知识图谱的团伙挖掘方法、装置、电子设备及介质，以解决相关技术在进行团伙风险信息挖掘时准确性较低的问题。
2、第一方面，本申请实施例提供了一种基于知识图谱的团伙挖掘方法，所述方法包括：
3、从第一知识图谱中提取交通事故事件类型的第一节点集合、事故参与车辆类型的第二节点集合、车辆驾驶员类型的第三节点集合、第二节点与第一节点之间的第一对应关系，以及所述第二节点与第三节点之间的第二对应关系；
4、基于所述第一节点集合、所述第二节点集合、所述第三节点集合、所述第一对应关系和所述第
5、基于所述第二知识图谱获取环形结构；其中，所述环形结构包含的节点数量和边数量均大于2；
6、基于所述环形结构获取团伙风险信息。
7、可选地，所述基于所述环形结构获取团伙风险信息，包括：
8、确定多个环形结构之间的公共节点；
9、基于所述公共节点连通所述多个环形结构，得到连通图；
10、基于所述连通图获取所述团伙风险信息。
11、可选地，所述方法还包括：
12、获取所述第一知识图谱中各个事故参与车辆类型节点的第一识别信息和第二识别信息；
13、基于所述第一识别信息和所述第二识别信息确定第一异常节点；
14、从所述事故参与车辆类型节点构成的节点集合中移除所述第一异常节点，得到所述第二节点集合。
15、可选地，所述基于所述第一识别信息和所述第二识别信息确定第一异常节点，包括：
16、确定所述第一识别信息对应的事故参与车辆类型节点的第一数量，以及所述第二识别信息对应的事故参与车辆类型节点的第二数量；
17、将所述第一数量大于或等于第一阈值的第一识别信息，对应的事故参与车辆类型节点确定为所述第一异常节点，将所述第二数量大于或等于第二阈值的第二识别信息，对应的事故参与车辆类型节点确定为所述第一异常节点。
18、可选地，所述方法还包括：
19、获取所述第一知识图谱中各个车辆驾驶员类型节点的第三识别信息和第四识别信息；
20、基于所述第三识别信息和所述第四识别信息从所述第一知识图谱中确定第二异常节点；
21、从所述车辆驾驶员类型节点构成的节点集合中移除所述第二异常节点，得到所述第三节点集合。
22、可选地，所述基于所述第三识别信息和所述第四识别信息从所述第一知识图谱中确定第二异常节点，包括：
23、拼接所述第一知识图谱中各个车辆驾驶员类型节点的第三识别信息和第四识别信息，得到所述车辆驾驶员类型节点的拼接识别信息；
24、确定各个所述拼接识别信息对应的车辆驾驶员类型节点的第三数量；
25、将所述第三数量大于或等于第三阈值的拼接识别信息，对应的车辆驾驶员类型节点确定为所述第二异常节点。
26、可选地，所述方法还包括：
27、对所有所述拼接识别信息的第三数量进行分箱操作，得到预设数量个分箱；
28、确定相邻分箱之间的样本量差值；
29、将所述样本量差值最大的相邻分箱的边界值确定为所述第三阈值。
30、可选地，所述方法还包括：
31、在所述第三识别信息为驾驶员姓名的情况下，确定各个所述第三识别信息对应的车辆驾驶员类型节点的第四数量；
32、从所述第四数量大于或等于第四阈值的第三识别信息中确定目标违规关键词；
33、将包含所述目标违规关键词的第三识别信息对应的车辆驾驶员类型节点，确定为所述第二异常节点。
34、第二方面，本申请实施例提供了一种基于知识图谱的团伙挖掘装置，所述装置包括：
35、提取模块，用于从第一知识图谱中提取交通事故事件类型的第一节点集合、事故参与车辆类型的第二节点集合、车辆驾驶员类型的第三节点集合、第二节点与第一节点之间的第一对应关系，以及所述第二节点与第三节点之间的第二对应关系；
36、构建模块，用于基于所述第一节点集合、所述第二节点集合、所述第三节点集合、所述第一对应关系和所述第二对应关系，构建第二知识图谱；
37、环形结构模块，用于基于所述第二知识图谱获取环形结构；其中，所述环形结构包含的节点数量和边数量均大于2；
38、团伙风险信息模块，用于基于所述环形结构获取团伙风险信息。
39、可选地，所述团伙风险信息模块包括：
40、公共节点子模块，用于确定多个环形结构之间的公共节点；
41、连通图子模块，用于基于所述公共节点连通所述多个环形结构，得到连通图；
42、团伙风险信息获取子模块，用于基于所述连通图获取所述团伙风险信息。
43、可选地，所述装置还包括：
44、第一信息获取模块，用于获取所述第一知识图谱中各个事故参与车辆类型节点的第一识别信息和第二识别信息；
45、第一异常节点模块，用于基于所述第一识别信息和所述第二识别信息确定第一异常节点；
46、第一移除模块，用于从所述事故参与车辆类型节点构成的节点集合中移除所述第一异常节点，得到所述第二节点集合。
47、可选地，所述第一异常节点模块包括：
48、第一确定子模块，用于确定所述第一识别信息对应的事故参与车辆类型节点的第一数量，以及所述第二识别信息对应的事故参与车辆类型节点的第二数量；
49、第一异常节点确定子模块，用于将所述第一数量大于或等于第一阈值的第一识别信息，对应的事故参与车辆类型节点确定为所述第一异常节点，将所述第二数量大于或等于第二阈值的第二识别信息，对应的事故参与车辆类型节点确定为所述第一异常节点。
50、可选地，所述装置还包括：
51、第二信息获取模块，用于获取所述第一知识图谱中各个车辆驾驶员类型节点的第三识别信息和第四识别信息；
52、第二异常节点模块，用于基于所述第三本文档来自技高网...
【技术保护点】
1.一种基于知识图谱的团伙挖掘方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述环形结构获取团伙风险信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一识别信息和所述第二识别信息确定第一异常节点，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述第三识别信息和所述第四识别信息从所述第一知识图谱中确定第二异常节点，包括：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
8.根据权利要求5所述的方法，其特征在于，所述方法还包括：
9.一种基于知识图谱的团伙挖掘装置，其特征在于，所述装置包括：
10.一种电子设备，其特征在于，包括：处理器；
11.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利
...【技术特征摘要】
1.一种基于知识图谱的团伙挖掘方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述环形结构获取团伙风险信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一识别信息和所述第二识别信息确定第一异常节点，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述第三识别信息和所述第四识别信...
【专利技术属性】
技术研发人员：王彦斌，
申请(专利权)人：同盾网络科技有限公司，
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。