CN108460689B - 一种保单分析方法、装置、终端设备及存储介质 - Google Patents

Abstract

本发明提供了一种保单分析方法、装置、终端设备及存储介质，所述方法包括：从保单数据库中获取每个保单的保单信息；构建保单关系网络；为每个保单关系网络设置唯一的子网络号；根据身份标识信息，将子网络号写入该保单关系网络涉及到的保险销售人员的个人信息中；从业务员数据库中获取每个保险销售人员的个人信息；构建业务员关系网络；根据业务员关系网络，分析保险销售人员的骗保风险。本发明的技术方案通过对构建的业务员关系网络，并通过子网络号与保单关系网络建立联系，在提高对保险销售人员参与的团伙骗保风险的识别率的同时，能够准确有效的识别出保险销售人员与客户勾结的骗保行为，从而提高对保险销售人员的骗保风险识别率。

Description

一种保单分析方法、装置、终端设备及存储介质

技术领域

本发明涉及金融服务技术领域，尤其涉及一种保单分析方法、装置、终端设备及存储介质。

背景技术

在保险行业，经常有犯罪分子违反保险法规，采用虚构保险标、保险事故或者制造保险事故等方法，向保险公司骗取保险金。保险公司需要通过对保单信息进行分析，识别保险欺诈案件。

但是，目前在保险行业对保单数据进行挖掘分析时，仅从单个保单的角度进行挖掘，或者通过人工方式查找保单之间存在的关系，在面对保险销售人员伙同客户进行骗保的识别时，由于保险销售人员熟悉保险业务，极易规避各种审查手段，导致识别困难，从而造成对保险销售人员的骗保风险识别率低。

发明内容

本发明实施例提供一种保单分析方法、装置、终端设备及存储介质，以解决现有技术中对保险销售人员的骗保风险识别率低的问题。

第一方面，本发明实施例提供一种保单分析方法，包括：

从保单数据库中获取每个保单的保单信息，其中，所述保单信息包括保单标识信息、保单对象的属性信息和保险销售人员的身份标识信息，所述保单标识信息用于唯一标识所述保单，所述身份标识信息用于唯一标识所述保险销售人员；

对所述保单信息进行分析，将具有相同所述属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络；

为每个所述保单关系网络设置唯一的子网络号；

根据所述身份标识信息，将每个所述保单关系网络的子网络号写入该保单关系网络涉及到的所述保险销售人员的个人信息中，其中，所述个人信息包括所述身份标识信息；

从业务员数据库中获取每个保险销售人员的个人信息；

对所述个人信息进行分析，将具有相同所述个人信息的值的保险销售人员之间基于该个人信息进行关联，构建业务员关系网络；

根据所述业务员关系网络，分析所述保险销售人员的骗保风险。

第二方面，本发明实施例提供一种保单分析装置，包括：

第一获取模块，用于从保单数据库中获取每个保单的保单信息，其中，所述保单信息包括保单标识信息、保单对象的属性信息和保险销售人员的身份标识信息，所述保单标识信息用于唯一标识所述保单，所述身份标识信息用于唯一标识所述保险销售人员；

第一构建模块，用于对所述保单信息进行分析，将具有相同所述属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络；

设置模块，用于为每个所述保单关系网络设置唯一的子网络号；

关联模块，用于根据所述身份标识信息，将每个所述保单关系网络的子网络号写入该保单关系网络涉及到的所述保险销售人员的个人信息中，其中，所述个人信息包括所述身份标识信息；

第二获取模块，用于从业务员数据库中获取每个保险销售人员的个人信息；

第二构建模块，用于对所述个人信息进行分析，将具有相同所述个人信息的值的保险销售人员之间基于该个人信息进行关联，构建业务员关系网络；

风险分析模块，用于根据所述业务员关系网络，分析所述保险销售人员的骗保风险。

第三方面，本发明实施例提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述保单分析方法的步骤。

第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述保单分析方法的步骤。

本发明实施例与现有技术相比具有如下优点：在对保单数据库中的每个保单的保单信息进行分析，将具有相同属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络的基础上，通过为每个保单关系网络设置子网络号，并将该子网络号与所在的保单关系网络涉及到的保险销售人员的个人信息关联起来，将该子网络号记录到保险销售人员的个人信息中，进而采用与保单关系网络相同的构建方式，构建业务员关系网络，该业务员关系网络中体现了不同保险销售人员之间存在的关联性，通过分析该关联性能够精准高效的对保险销售人员参与的团伙骗保风险进行识别和预警，从而提高对保险销售人员参与的团伙骗保风险的识别率，同时，由于业务员关系网络与保单关系网路之间能够通过子网络号联系起来，因此，在对业务员关系网络进行团伙骗保风险分析的基础上，根据存在骗保风险的保险销售人员涉及的子网络号获取对应的保单关系网络，进而分析业务员网络和该保单关系网络之间的内在联系，从而能够准确有效的识别出保险销售人员与客户勾结的骗保行为，提高对保险销售人员的骗保风险识别率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例1提供的保单分析方法的实现流程图；

图2是本发明实施例1提供的保单分析方法中步骤S2的实现流程图；

图3是本发明实施例1提供的保单分析方法中一个由四个保单构成的保单关系网络的网络结构图的示意图；

图4是本发明实施例1提供的保单分析方法中步骤S4的实现流程图；

图5是本发明实施例1提供的保单分析方法中步骤S6的实现流程图；

图6是本发明实施例1提供的保单分析方法中一个由五个保险销售人员构成的业务员关系网络的网络结构图的示意图；

图7是本发明实施例1提供的保单分析方法中步骤S7的实现流程图；

图8是本发明实施例2中提供的保单分析装置的示意图；

图9是本发明实施例4中提供的终端设备的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图1，图1示出了本实施例提供的保单分析方法的实现流程。该保单分析方法应用在保险行业。详述如下：

S1：从保单数据库中获取每个保单的保单信息，其中，保单信息包括保单标识信息、保单对象的属性信息和保险销售人员的身份标识信息，保单标识信息用于唯一标识所述保单，身份标识信息用于唯一标识保险销售人员。

在本发明实施例中，保单数据库为保险公司存储客户的保单的数据库，每个保单的保单信息包括保单标识信息、保单对象的属性信息和保险销售人员的身份标识信息等。

保单标识信息用于唯一标识保单，例如，保单标识信息可以是保单号，该保单号可以由保单生成的日期加上序号生成，使得每个保单具有唯一的保单号，但并不限于此，保单标识信息可以根据应用的需要进行设置，此处不做限制。

保单对象是指保单中的保险产品涉及到的相关利益人，保单对象包括投保人、被保险人、受益人或申请人中的至少一个，其中，投保人是指与保险人订立保险合同，并按照保险合同负有支付保险费义务的人，投保人可以是自然人也可以是法人。被保险人是指根据保险合同，其财产利益或人身收保险合同保障，在保险事故发生后，享有保险金请求权的人。投保人可以与被保险人相同。受益人是指人身保险合同中由被保险人或者投保人指定的享有保险金请求权的人。投保人和被保险人均可以为受益人，如果投保人或被保险人均未指定受益人，则其法定继承人即为受益人。申请人是指保险理赔申请人，即出险时得到理赔的被保险人。

保单对象的属性信息即投保人、被保险人、受益人或申请人的属性信息，包括客户号、电话号码、终端设备号、银行卡号、身份证号码或家庭地址信息中的至少一个，但并不限于此，属性信息还可以包括其他标识保险对象的信息，此处不做限制。其中，终端设备号为登录保险应用APP或访问保险网站的终端设备的唯一设备标识码，客户号用于标识保单对象在保险公司的客户编号，当保单对象在保险公司第一次成功购买了保险产品时，该保单对象成为保险公司的客户，保险公司会为该保单对象分配一个唯一的客户号。

保单信息中的身份标识信息是指为该保单信息的保单客户提供保险产品销售服务的保险销售人员的身份标识信息。

身份标识信息用于唯一标识保险销售人员，例如，身份标识信息可以是保险销售人员的工号等，但并不限于此，保单标识信息可以根据应用的需要进行设置，此处不做限制。

S2：对保单信息进行分析，将具有相同属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络。

具体地，针对保单信息中的每个属性信息，对保单进行遍历，将具有相同属性信息的值的保单信息对应的保单之间建立基于该属性信息的关联关系，将互相具有关联关系的保单以及该关联关系构成保单关系网络。

例如，若保单A中投保人的电话号码与保单B中受益人的电话号码相同，则通过该电话号码将保单A与保单B进行关联，得到保单A与保单B之间基于该电话号码的关联关系a，若保单B中被保险人的家庭地址信息与保单C中申请人的家庭地址信息相同，则通过该家庭地址信息将保单B与保单C进行关联，得到保单B与保单C之间基于该家庭地址信息的关联关系b。因此，保单A、保单B和保单C，以及关联关系a和关联关系b属于一个保单关系网络。

可以理解的是，根据保单数据库中的保单信息最终构建出的保单关系网络可能存在多个。

S3：为每个保单关系网络设置唯一的子网络号。

具体地，为步骤S2得到的保单关系网络设置子网络号。每个保单关系网络对应一个唯一的子网络号，子网络号用于位移标识保单关系网络。

该子网络号可以是随机生成的一串编码，具有全局唯一性，具体生成方式可以根据实际应用的需要进选择，此处不做限制。

S4：根据保险销售人员的身份标识信息，将每个保单关系网络的子网络号写入该保单关系网络涉及到的保险销售人员的个人信息中，其中，保险销售人员的个人信息包括身份标识信息。

具体地，在保单关系网络涉及的保单中，每个保单的保单信息都包含保险销售人员的身份标识信息，根据该身份标识信息获取对应的保险销售人员的个人信息，并将保单关系网络的子网络号写入保险销售人员的个人信息中。

保险销售人员的个人信息被存储在保险公司的业务员数据库中，个人信息包括身份标识信息、子网络号，以及电话号码、终端设备号、银行卡号、身份证号码或家庭地址信息中的至少一个，但并不限于此，个人信息还可以包括其他标识保险销售人员属性的信息，此处不做限制。

S5：从业务员数据库中获取每个保险销售人员的个人信息。

在本发明实施例中，业务员数据库为保险公司存储公司的保险销售人员的个人信息的数据库。

S6：对保险销售人员的个人信息进行分析，将具有相同个人信息的值的保险销售人员之间基于该个人信息进行关联，构建业务员关系网络。

具体地，针对保险销售人员的每个个人信息，对保险销售人员进行遍历，将具有相同个人信息的值的保险销售人员之间建立基于该个人信息的关联关系，将互相具有关联关系的保险销售人员以及该关联关系构成业务员关系网络。

例如，若保险销售人员1的银行卡号与保险销售人员2的银行卡号相同，则通过该银行卡号将保险销售人员1与保险销售人员2进行关联，得到保险销售人员1与保险销售人员2之间基于该电话号码的关联关系1，若保险销售人员2的子网络号与保险销售人员3的子网络号相同，则通过该子网络号将保险销售人员2与保险销售人员3进行关联，得到保险销售人员2与保险销售人员3之间基于该子网络号的关联关系2，因此，保险销售人员1、保险销售人员2和保险销售人员3，以及关联关系1和关联关系2属于一个业务员关系网络。

可以理解的是，根据保险销售人员的个人信息最终构建出的业务员关系网络可能存在多个。

S7：根据业务员关系网络，分析保险销售人员的骗保风险。

在本发明实施例中，步骤S6构建的业务员关系网络中体现了不同保险销售人员之间存在的关联性，通过分析该关联性进行保险销售人员参与的团伙骗保风险的识别和预警。

例如，若业务员关系网络中包含的保险销售人员数量越多，则该业务员关系网络存在保险销售人员参与的团伙骗保的风险越大；若业务员关系网络只有一个保险销售人员，则可以确认该保险销售人员不存在参与团伙骗保的可能性。

进一步地，若业务员关系网络中的包含子网络号，则可以根据该子网络号获取对应的保单关系网络，进而分析业务员网络和该保单关系网络之前的内在联系，进而识别保险销售人员与客户勾结的骗保行为。

在图1对应的实施例中，在对保单数据库中的每个保单的保单信息进行分析，将具有相同属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络的基础上，通过为每个保单关系网络设置子网络号，并将该子网络号与所在的保单关系网络涉及到的保险销售人员的个人信息关联起来，将该子网络号记录到保险销售人员的个人信息中，进而采用与保单关系网络相同的构建方式，构建业务员关系网络，该业务员关系网络中体现了不同保险销售人员之间存在的关联性，通过分析该关联性能够精准高效的对保险销售人员参与的团伙骗保风险进行识别和预警，从而提高对保险销售人员参与的团伙骗保风险的识别率，同时，由于业务员关系网络与保单关系网路之间能够通过子网络号联系起来，因此，在对业务员关系网络进行团伙骗保风险分析的基础上，根据存在骗保风险的保险销售人员涉及的子网络号获取对应的保单关系网络，进而分析业务员网络和该保单关系网络之间的内在联系，从而能够准确有效的识别出保险销售人员与客户勾结的骗保行为，提高对保险销售人员的骗保风险识别率。

接下来，在图1对应的实施例的基础之上，下面通过一个具体地实施例对步骤S2中所提及的对保单信息进行分析，将具有相同属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络的具体实现方法进行详细说明。

请参阅图2，图2示出了本发明实施例提供的步骤S2的具体实现流程，详述如下：

S21：根据保单对象的属性信息确定第一待匹配参数。

具体地，从步骤S1获取到的保单对象的属性信息中选取至少一项属性信息作为第一待匹配参数。

例如，若属性信息包括客户号、电话号码、终端设备号、银行卡号、身份证号码和家庭地址信息，则可以将全部属性信息确定为待匹配参数，即待匹配参数为对象客户号、电话号码、终端设备号、银行卡号、身份证号码和家庭地址信息，或者也可以将部分属性信息确定为第一待匹配参数，其具体可以根据应用的需要进行选择，此处不做限制。

S22：针对每个第一待匹配参数，对保单进行遍历，在具有相同第一参数值的不同保单之间建立基于该第一待匹配参数的第一直接关系，第一参数值用于标识第一直接关系。

具体地，针对步骤S21确定的每个第一待匹配参数，首先从保单信息中获取该第一待匹配参数的所有第一参数值，然后根据每个第一参数值对保单进行遍历，将具有相同第一参数值的不同保单进行关联，得到不同保单之间基于该第一待匹配参数的第一直接关系。

例如，若第一待匹配参数为电话号码，则遍历每个保单，提取每个保单中的电话号码，将具有相同电话号码的保单进行关联，得到基于该电话号码的不同保单之间的第一直接关系。比如，保单A中投保人的电话号码与保单B中受益人的电话号码相同，则通过该电话号码将保单A与保单B进行关联，得到保单A与保单B之间基于该电话号码的第一直接关系。若待匹配参数为家庭地址信息，假设保单B中被保险人的家庭地址信息与保单C中申请人的家庭地址信息相同，则通过该家庭地址信息将保单B与保单C进行关联，得到保单B与保单C之间基于该家庭地址信息的第一直接关系。

进一步地，由于保单A与保单B之间具有基于电话号码的第一直接关系，保单B与保单C之间具有基于家庭地址信息的第一直接关系，且保单A与保单C之间不具有第一直接关系，则保单A与保单C之间具有第一间接关系。

需要说明的是，由于保单数据库存储了保险公司的每个客户的全部保单，其保单信息的数据量庞大，在本步骤的执行过程中，采用MapReduce进行大数据并行计算，以提高计算效率。

MapReduce是面向大数据并行处理的平台、框架和计算模型，用于大规模数据集的并行运算。它允许用市场上普通的商用服务器构成一个包含数十、数百至数千个节点的分布和并行计算集群；它还提供了一个庞大但设计精良的并行计算软件框架，能自动完成计算任务的并行化处理，自动划分计算数据和计算任务，在集群节点上自动分配和执行任务以及收集计算结果，将数据分布存储、数据通信、容错处理等并行计算涉及到的系统底层的复杂细节交由系统负责处理，大大减少了软件开发人员的负担；同时，它还提供了一种简便的并行计算模型，用Map和Reduce两个函数实现基本的并行计算任务，提供了抽象的操作和并行接口，以简单方便地完成大规模数据的计算处理。

S23：以保单标识信息为第一网络节点，以第一待匹配参数的第一参数值为第一关系节点，将互相具有第一直接关系的第一网络节点与建立该第一直接关系的第一关系节点进行关联，构建保单关系网络。

在本发明实施例中，保单关系网络包括第一网络节点、第一关系节点，以及不同第一网络节点之间基于第一关系节点建立的第一直接关系。其中，第一网络节点为保单标识信息，用于标识保单，第一关系节点为第一待匹配参数的第一参数值，用于标识不同第一网络节点之间的第一直接关系。

进一步地，保单关系网络可以采用图数据的方式体现。图数据由一系列的点以及连接点的边构成。一个图G通常表示为G(V，E)，其中，V表示顶点的集合，称为图G的顶点集，E是集合V*V的一个子集，即边的集合，称为图G的边集。在本发明实施例中，将保单关系网络以网络结构图的形式存储，该保单关系网络的第一网络节点和第一关系节点组成顶点集，不同第一网络节点之间基于第一关系节点建立的第一直接关系组成边的集合，通过顶点和边来存储保单关系网络的数据。

若保单关系网络以网络结构图的形式表示，则在该网络结构图中，分别使用不同形状的图形表示第一网络节点和第一关系节点，并使用连接线将互相具有第一直接关系的第一网络节点与建立该第一直接关系的第一关系节点进行连接。

在网络结构图中，第一直接关系和第一间接关系的区别可以通过第一网络节点之间的距离远近来体现，具有第一间接关系的两个第一网络节点之间的距离大于具有第一直接关系的两个第一网络节点之间的距离。

需要说明的是，根据保单数据库中的保单信息最终构建出的保单关系网络可能存在多个，每个保单关系网络中的第一网络节点之间都必然存在第一直接关系或第一间接关系，而不同保单关系网络中的第一网络节点之间不存在第一直接关系和第一间接关系。

为了更好的理解本发明实施例中的保单关系网络，现通过一个具体的保单关系网络的网络结构图举例进行说明。详述如下：

请参阅图3，图3示出了一个由四个保单构成的保单关系网络的网络结构图。其中，第一网络节点包括保单标识信息1、保单标识信息2、保单标识信息3和保单标识信息4，第一关系节点包括身份证号1、身份证号2、客户号1、客户号2、银行卡号1和家庭地址信息1，第一网络节点用圆形图形表示，第一关系节点用椭圆形图形表示。在该网络结构图中，保单标识信息1对应的保单中投保人的身份证号1与保单标识信息2对应的保单中受益人的身份证号1相同，因此，身份证号1为保单标识信息1和保单标识信息2之间的第一关系节点；保单标识信息1对应的保单中被保险人的家庭地址信息1与保单标识信息2对应的保单中投保人的家庭地址信息1相同，同时保单标识信息1对应的保单中投保人的家庭地址信息1与保单标识信息3对应的保单的中受益人的家庭地址信息1相同，同时保单标识信息1对应的保单中被保险人的家庭地址信息1与保单标识信息4对应的保单中受益人的家庭地址信息1相同，因此，家庭地址信息1为保单标识信息1、保单标识信息2、保单标识信息3、保单标识信息4之间共同的第一关系节点。

在图2对应的实施例中，通过获取保单信息，得到保单标识信息和属性信息，根据属性信息确定第一待匹配参数，并针对每个第一待匹配参数，对保单数据中的保单进行遍历，在具有相同第一参数值的不同保单之间建立基于该第一待匹配参数的第一直接关系，然后以保单标识信息为第一网络节点，以第一待匹配参数的第一参数值为第一关系节点，将互相具有第一直接关系的第一网络节点与建立该第一直接关系的第一关系节点进行关联，构建保单关系网络，该保单关系网络中体现了不同保单之间存在的关联性，并且当通过网络结构图展示该保单关系网络时，该关联性以及该关联性的复杂程度能够被更加直观地体现出来，因此通过分析该关联性能够精准高效的进行团伙骗保风险的识别和预警，从而提高团伙骗保风险的识别率。

在图1对应的实施例的基础之上，下面通过一个具体地实施例对步骤S4中所提及的根据保险销售人员的身份标识信息，将每个保单关系网络的子网络号写入该保单关系网络涉及到的保险销售人员的个人信息中的具体实现方法进行详细说明。

请参阅图4，图4示出了本发明实施例提供的步骤S4的具体实现流程，详述如下：

S41：对保单关系网络中的每个保单进行遍历，获取每个保单的保单信息中的保险销售人员的身份标识信息。

具体地，对保单关系网络涉及到的保单进行遍历，获取每个保单的保单信息中记录的保险销售人员的身份标识信息。

S42：根据保险销售人员的身份标识信息，在业务员数据库中获取该身份标识信息对应的保险销售人员的个人信息。

具体地，根据步骤S41获取到的保险销售人员的身份标识信息，在业务员数据库中查询该身份标识信息对应的保险销售人员的个人信息。

S43：将子网络号写入该保险销售人员的个人信息中。

具体地，将保单关系网络的子网络号写入步骤S42获取到的保险销售人员的个人信息中。

在图4对应的实施例中，根据保单关系网络中每个保单信息中记录的保险销售人员的身份标识信息，在业务员数据库中国区该身份标识信息对应的保险销售人员的个人信息，并将保单关系网络的子网络号写入该个人信息中，实现通过子网络号建立保单关系网络与保险销售人员之间的关系，使得在构建业务员网络后，能够根据子网络号分析保险销售人员与客户勾结的骗保行为，从而提高对保险销售人员的骗保风险识别率。

在上述实施例的基础之上，下面通过一个具体地实施例对步骤S6中所提及的对保险销售人员的个人信息进行分析，将具有相同个人信息的值的保险销售人员之间基于该个人信息进行关联，构建业务员关系网络的具体实现方法进行详细说明。

请参阅图5，图5示出了本发明实施例提供的步骤S6的具体实现流程，详述如下：

S61：根据保险销售人员的个人信息确定第二待匹配参数。

在本发明实施里中，保险销售人员的个人信息至少包括身份标识信息和子网络号，除此之外，还可包括话号码、终端设备号、银行卡号、身份证号码或家庭地址信息中的至少一个，但也不限于此，还可以包括其他标识保险销售人员个人属性的信息。

具体地，第二待匹配参数不包括身份标识信息，因此，从步骤S5获取到的保险销售人员的个人信息中选取除身份标识信息之前的至少一项个人信息作为第二待匹配参数。

例如，若个人信息包括身份标识信息、子网络号，以及电话号码、终端设备号、银行卡号、身份证号码和家庭地址信息，则可以将子网络号、电话号码、终端设备号、银行卡号、身份证号码和家庭地址信息确定为第二待匹配参数，或者也可以将部分个人信息，如子网络号和电话号码确定为第二待匹配参数。

S62：针对每个第二待匹配参数，对保险销售人员进行遍历，在具有相同第二参数值的不同保险销售人员之间建立基于该第二待匹配参数的第二直接关系，第二参数值用于标识第二直接关系。

具体地，针对步骤S61确定的每个第二待匹配参数，首先从保险销售人员的个人信息中获取该第二待匹配参数的所有第二参数值，然后根据每个第二参数值对保险销售人员进行遍历，将具有相同第二参数值的不同保险销售人员进行关联，得到不同保险销售人员之间基于该第二待匹配参数的直接关系。

需要说明的是，本步骤的具体实现方法可以采用与步骤S22中针对每个第一待匹配参数，对保单进行遍历，在具有相同第一参数值的不同保单之间建立基于该第一待匹配参数的第一直接关系的过程相同的方法，此处不再赘述。

S63：以保险销售人员的身份标识信息为第二网络节点，以第二待匹配参数的第二参数值为第二关系节点，将互相具有第二直接关系的第二网络节点与建立该第二直接关系的第二关系节点进行关联，构建业务员关系网络。

在本发明实施例中，业务员关系网络包括第二网络节点、第二关系节点，以及不同第二网络节点之间基于第二关系节点建立的第二直接关系。其中，第二网络节点为身份标识信息，用于标识保险销售人员，第二关系节点为待匹配参数的第二参数值，用于标识不同第二网络节点之间的第二直接关系。

进一步地，业务员关系网络也可以采用图数据的方式体现，其具体实现方式与步骤S23中的保单关系网络的网络结构图的实现方式相同，此处不再赘述。

若业务员关系网络以网络结构图的形式表示，则在该网络结构图中，分别使用不同形状的图形表示第二网络节点和第二关系节点，并使用连接线将互相具有第二直接关系的第二网络节点与建立该第二直接关系的第二关系节点进行连接。

为了更好的理解本发明实施例中的业务员关系网络，现通过一个具体的业务员关系网络的网络结构图举例进行说明。详述如下：

请参阅图6，图6示出了一个由五个保险销售人员构成的业务员关系网络的网络结构图。其中，第二网络节点包括身份标识信息A、身份标识信息B、身份标识信息C、身份标识信息D和身份标识信息E，第二关系节点包括子网络号1、终端设备号1和子网络号2，第二网络节点用圆形图形表示，第二关系节点用椭圆形图形表示。在该网络结构图中，身份标识信息A、身份标识信息B和身份标识信息C具有相同的子网络号1，因此，子网络号1为身份标识信息A、身份标识信息B和身份标识信息C之间共同的第二关系节点；身份标识信息B、身份标识信息D和身份标识信息E具有相同的子网络号2，因此，子网络号2为身份标识信息B、身份标识信息D和身份标识信息E之间共同的第二关系节点；身份标识信息B和身份标识信息E具有相同的终端设备号1，因此，终端设备号1为身份标识信息B和身份标识信息D之间的第二关系节点。

在图5对应的实施例中，采用与保单关系网络相同的构建方式构建业务员关系网络，由于该业务员关系网络中体现了不同保险销售人员之间存在的关联性，并且当通过网络结构图展示该业务员关系网络时，该关联性以及该关联性的复杂程度能够被更加直观地体现出来，因此通过分析该关联性能够精准高效的进行涉及保险销售人员的团伙骗保风险的识别和预警，从而提高对保险销售人员的团伙骗保风险的识别率。

在图4对应的实施例的基础之上，下面通过一个具体地实施例对步骤S7中所提及的根据所述业务员关系网络，分析保险销售人员的骗保风险的具体实现方法进行详细说明。

请参阅图7，图7示出了本发明实施例提供的步骤S7的具体实现流程，详述如下：

S71：获取业务员关系网络中的第二关系节点。

具体地，根据步骤S6构建的业务员关系网络，获取该业务员关系网络中的第二关系节点，即该业务员关系网络中包含的个人信息。

S72：若第二关系节点包括子网络号，则计算每个子网络号关联的第二网络节点的节点数量。

具体地，若步骤S71获取的第二关系节点中包含子网络号，则根据该子网络号对应的第二直接关系的数量计算每个子网络号关联的第二网络节点的节点数量。

进一步地，若采用网络结构图的方式展示业务员关系网络，则每个子网络号关联的第二网络节点的节点数量即为该子网络号所在的第二关系节点连接的连接线数量。

S73：若子网络号关联的第二网络节点的节点数量超过预设的数量阈值，则将该子网络号关联的第二网络节点确认为风险网络节点，并获取该子网络号对应的风险保单关系网络。

具体地，若步骤S72计算得到子网络号关联的第二网络节点的节点数量超过预设的数量阈值，则确认该子网络号关联的第二网络节点为风险网络节点，同时，将该子网络号对应的保单关系网络确认为风险保单关系网络。

通过对节点数量与数量阈值的比较，能够有效识别保险业务人员拆挂单进行骗保的风险。通常当节点数量超过2时，即可确认保险销售人员存在拆挂单的骗保风险。

拆挂单是指保险销售人员为了达到晋升目的，而采取虚增保费、虚假合格人力等一切弄虚作假行为，包含但不限于非客户本人投保意愿，保险销售人员出资为客户买保单，或主管的保单挂单、拆单给辖下保险销售人员等行为；以及同一个部或课内同一客户在3个月时间内、同类险种挂在3个(含)以上保险销售人员手中购买保单，且该保单在次年及以后年度未正常续保的行为。

需要说明的是，预设的数量阈值可以根据实际应用的需要进行设置，此处不做限制。

S74：输出风险网络节点对应的保险销售人员的个人信息和风险保单关系网络。

具体地，将步骤S73确定的风险网络节点对应的保险销售人员的个人信息和风险保单关系网络发送给预设的审核人员进行骗保风险识别，审核人员根据风险网络节点对应的保险销售人员的个人信息和风险保单关系网络，可以有针对性的从一个可疑属性开始，利用保单关系网络和业务员关系网络之间的关联性，递进钻取，准确识别保险销售人员业和客户勾结的骗保行为或者拆挂单等骗保风险。

在图7对应的实施例中，当业务员关系网络中的第二关系节点包含子网络号时，根据该子网络号关联的第二网络节点的节点数量确定风险网络节点和关联的风险保单关系网络，并输出风险网络节点对应的保险销售人员的个人信息和风险保单关系网络，使得审核人员根据输出信息，利用保单关系网络和业务员关系网络之间的关联性，递进钻取，准确识别保险销售人员业和客户勾结的骗保行为或者拆挂单等骗保风险，从而提高对保险销售人员的骗保风险识别率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例2

对应于实施例1中的保单分析方法，图8示出了与实施例1提供的保单分析方法一一对应的保单分析装置。为了便于说明，仅示出了与本发明实施例相关的部分。

请参阅图8，该保单分析装置包括：第一获取模块81、第一构建模块82、设置模块83、关联模块84、第二获取模块85、第二构建模块86和风险分析模块87。各功能模块详细说明如下：

第一获取模块81，用于从保单数据库中获取每个保单的保单信息，其中，保单信息包括保单标识信息、保单对象的属性信息和保险销售人员的身份标识信息，保单标识信息用于唯一标识保单，所份标识信息用于唯一标识保险销售人员；

第一构建模块82，用于对保单信息进行分析，将具有相同属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络；

设置模块83，用于为每个保单关系网络设置唯一的子网络号；

关联模块84，用于根据身份标识信息，将每个保单关系网络的子网络号写入该保单关系网络涉及到的保险销售人员的个人信息中，其中，个人信息包括身份标识信息；

第二获取模块85，用于从业务员数据库中获取每个保险销售人员的个人信息；

第二构建模块86，用于对个人信息进行分析，将具有相同个人信息的值的保险销售人员之间基于该个人信息进行关联，构建业务员关系网络；

风险分析模块87，用于根据业务员关系网络，分析保险销售人员的骗保风险。

进一步地，第一构建模块82包括：

第一参数确定子模块821，用于根据属性信息确定第一待匹配参数；

第一关系建立子模块822，用于针对每个第一待匹配参数，对保单进行遍历，在具有相同第一参数值的不同保单之间建立基于该第一待匹配参数的第一直接关系，第一参数值用于标识第一直接关系；

第一网络构建子模块823，用于以保单标识信息为第一网络节点，以第一待匹配参数的第一参数值为第一关系节点，将互相具有第一直接关系的第一网络节点与建立该第一直接关系的第一关系节点进行关联，构建保单关系网络。

进一步地，关联模块84包括：

遍历子模块841，用于对保单关系网络中的每个保单进行遍历，获取每个保单的保单信息中的保险销售人员的身份标识信息；

查询子模块842，用于根据身份标识信息，在业务员数据库中获取该身份标识信息对应的保险销售人员的个人信息；

写入子模块843，用于将子网络号写入该保险销售人员的个人信息中。

进一步地，第二构建模块86包括：

第二参数确定子模块861，用于根据个人信息确定第二待匹配参数；

第二关系建立子模块862，用于针对每个第二待匹配参数，对保险销售人员进行遍历，在具有相同第二参数值的不同保险销售人员之间建立基于该第二待匹配参数的第二直接关系，第二参数值用于标识第二直接关系；

第二网络构建子模块863，用于以保险销售人员的身份标识信息为第二网络节点，以第二待匹配参数的第二参数值为第二关系节点，将互相具有第二直接关系的第二网络节点与建立该第二直接关系的第二关系节点进行关联，构建业务员关系网络。

进一步地，风险分析模块87包括：

关系节点获取子模块871，用于获取所述业务员关系网络中的第二关系节点；

节点数量计算子模块872，用于若所述第二关系节点包括所述子网络号，则计算每个所述子网络号关联的第二网络节点的节点数量；

判断子模块873，用于若子网络号关联的第二网络节点的节点数量超过预设的数量阈值，则将该子网络号关联的第二网络节点确认为风险网络节点，并获取该子网络号对应的风险保单关系网络；

输出子模块874，用于输出风险网络节点对应的保险销售人员的个人信息和风险保单关系网络。

本实施例提供的一种保单分析装置中各模块实现各自功能的过程，具体可参考前述实施例1的描述，此处不再赘述。

实施例3

本实施例提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现实施例1中保单分析方法，或者，该计算机程序被处理器执行时实现实施例2中保单分析装置中各模块的功能，为避免重复，这里不再赘述。

实施例4

图9是本发明一实施例提供的终端设备的示意图。如图9所示，该实施例的终端设备90包括：处理器91、存储器92以及存储在存储器92中并可在处理器91上运行的计算机程序93，例如保单分析程序。处理器91执行计算机程序93时实现上述各个保单分析方法实施例中的步骤，例如图1所示的步骤S1至步骤S7。或者，处理器91执行计算机程序93时实现上述各装置实施例中各模块/子模块的功能，例如图8所示模块81至模块87的功能。

示例性的，计算机程序93可以被分割成一个或多个模块，一个或者多个模块被存储在存储器92中，并由处理器91执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序93在终端设备90中的执行过程。例如，计算机程序93可以被分割成第一获取模块、第一构建模块、设置模块、关联模块、第二获取模块、第二构建模块和风险分析模块。各功能模块详细说明如下：

第一获取模块，用于从保单数据库中获取每个保单的保单信息，其中，保单信息包括保单标识信息、保单对象的属性信息和保险销售人员的身份标识信息，保单标识信息用于唯一标识保单，所份标识信息用于唯一标识保险销售人员；

第一构建模块，用于对保单信息进行分析，将具有相同属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络；

设置模块，用于为每个保单关系网络设置唯一的子网络号；

关联模块，用于根据身份标识信息，将每个保单关系网络的子网络号写入该保单关系网络涉及到的保险销售人员的个人信息中，其中，个人信息包括身份标识信息；

第二获取模块，用于从业务员数据库中获取每个保险销售人员的个人信息；

第二构建模块，用于对个人信息进行分析，将具有相同个人信息的值的保险销售人员之间基于该个人信息进行关联，构建业务员关系网络；

风险分析模块，用于根据业务员关系网络，分析保险销售人员的骗保风险。

进一步地，第一构建模块包括：

第一参数确定子模块，用于根据属性信息确定第一待匹配参数；

第一关系建立子模块，用于针对每个第一待匹配参数，对保单进行遍历，在具有相同第一参数值的不同保单之间建立基于该第一待匹配参数的第一直接关系，第一参数值用于标识第一直接关系；

第一网络构建子模块，用于以保单标识信息为第一网络节点，以第一待匹配参数的第一参数值为第一关系节点，将互相具有第一直接关系的第一网络节点与建立该第一直接关系的第一关系节点进行关联，构建保单关系网络。

进一步地，关联模块包括：

遍历子模块，用于对保单关系网络中的每个保单进行遍历，获取每个保单的保单信息中的保险销售人员的身份标识信息；

查询子模块，用于根据身份标识信息，在业务员数据库中获取该身份标识信息对应的保险销售人员的个人信息；

写入子模块，用于将子网络号写入该保险销售人员的个人信息中。

进一步地，第二构建模块包括：

第二参数确定子模块，用于根据个人信息确定第二待匹配参数；

第二关系建立子模块，用于针对每个第二待匹配参数，对保险销售人员进行遍历，在具有相同第二参数值的不同保险销售人员之间建立基于该第二待匹配参数的第二直接关系，第二参数值用于标识第二直接关系；

第二网络构建子模块，用于以保险销售人员的身份标识信息为第二网络节点，以第二待匹配参数的第二参数值为第二关系节点，将互相具有第二直接关系的第二网络节点与建立该第二直接关系的第二关系节点进行关联，构建业务员关系网络。

进一步地，风险分析模块包括：

关系节点获取子模块，用于获取所述业务员关系网络中的第二关系节点；

节点数量计算子模块，用于若所述第二关系节点包括所述子网络号，则计算每个所述子网络号关联的第二网络节点的节点数量；

判断子模块，用于若子网络号关联的第二网络节点的节点数量超过预设的数量阈值，则将该子网络号关联的第二网络节点确认为风险网络节点，并获取该子网络号对应的风险保单关系网络；

输出子模块，用于输出风险网络节点对应的保险销售人员的个人信息和风险保单关系网络。

终端设备90可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器91、存储器92。本领域技术人员可以理解，图9仅仅是终端设备90的示例，并不构成对终端设备90的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备90还可以包括输入输出设备、网络接入设备、总线等。

处理器91可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器92可以是终端设备90的内部存储单元，例如终端设备90的硬盘或内存。存储器92也可以是终端设备90的外部存储设备，例如终端设备90上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器92还可以既包括终端设备90的内部存储单元也包括外部存储设备。存储器92用于存储计算机程序以及终端设备所需的其他程序和数据。存储器92还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

在上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.一种保单分析方法，其特征在于，所述保单分析方法包括：

从保单数据库中获取每个保单的保单信息，其中，所述保单信息包括保单标识信息、保单对象的属性信息和保险销售人员的身份标识信息，所述保单标识信息用于唯一标识所述保单，所述身份标识信息用于唯一标识所述保险销售人员；

对所述保单信息进行分析，将具有相同所述属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络；

为每个所述保单关系网络设置唯一的子网络号；

根据所述身份标识信息，将每个所述保单关系网络的子网络号写入该保单关系网络涉及到的所述保险销售人员的个人信息中，其中，所述个人信息包括所述身份标识信息；

从业务员数据库中获取每个保险销售人员的个人信息；

对所述个人信息进行分析，将具有相同所述个人信息的值的保险销售人员之间基于该个人信息进行关联，构建业务员关系网络，包括：

根据所述个人信息确定第二待匹配参数；

针对每个所述第二待匹配参数，对所述保险销售人员进行遍历，在具有相同第二参数值的不同保险销售人员之间建立基于该第二待匹配参数的第二直接关系，所述第二参数值用于标识所述第二直接关系；

以所述保险销售人员的身份标识信息为第二网络节点，以所述第二待匹配参数的第二参数值为第二关系节点，将互相具有所述第二直接关系的第二网络节点与建立该第二直接关系的第二关系节点进行关联，构建所述业务员关系网络；

根据所述业务员关系网络，分析所述保险销售人员的骗保风险，包括：

获取所述业务员关系网络中的第二关系节点；

若所述第二关系节点包括所述子网络号，则计算每个所述子网络号关联的第二网络节点的节点数量；

若所述子网络号关联的第二网络节点的节点数量超过预设的数量阈值，则将该子网络号关联的第二网络节点确认为风险网络节点，并获取该子网络号对应的风险保单关系网络；

输出所述风险网络节点对应的保险销售人员的个人信息和所述风险保单关系网络。

2.如权利要求1所述的保单分析方法，其特征在于，所述对所述保单信息进行分析，将具有相同所述属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络包括：

根据所述属性信息确定第一待匹配参数；

针对每个所述第一待匹配参数，对所述保单进行遍历，在具有相同第一参数值的不同保单之间建立基于该第一待匹配参数的第一直接关系，所述第一参数值用于标识所述第一直接关系；

以所述保单标识信息为第一网络节点，以所述第一待匹配参数的第一参数值为第一关系节点，将互相具有所述第一直接关系的第一网络节点与建立该第一直接关系的第一关系节点进行关联，构建所述保单关系网络。

3.如权利要求1所述的保单分析方法，其特征在于，所述根据所述身份标识信息，将每个所述保单关系网络的子网络号写入该保单关系网络涉及到的所述保险销售人员的个人信息中包括：

对所述保单关系网络中的每个保单进行遍历，获取每个保单的保单信息中的保险销售人员的身份标识信息；

根据所述身份标识信息，在所述业务员数据库中获取该身份标识信息对应的保险销售人员的个人信息；

将所述子网络号写入该保险销售人员的个人信息中。

4.一种保单分析装置，其特征在于，所述保单分析装置包括：

第一获取模块，用于从保单数据库中获取每个保单的保单信息，其中，所述保单信息包括保单标识信息、保单对象的属性信息和保险销售人员的身份标识信息，所述保单标识信息用于唯一标识所述保单，所述身份标识信息用于唯一标识所述保险销售人员；

第一构建模块，用于对所述保单信息进行分析，将具有相同所述属性信息的值的保单信息对应的保单之间基于该属性信息进行关联，构建保单关系网络；

设置模块，用于为每个所述保单关系网络设置唯一的子网络号；

关联模块，用于根据所述身份标识信息，将每个所述保单关系网络的子网络号写入该保单关系网络涉及到的所述保险销售人员的个人信息中，其中，所述个人信息包括所述身份标识信息；

第二获取模块，用于从业务员数据库中获取每个保险销售人员的个人信息；

第二构建模块，用于对所述个人信息进行分析，将具有相同所述个人信息的值的保险销售人员之间基于该个人信息进行关联，构建业务员关系网络，包括：

根据所述个人信息确定第二待匹配参数；

针对每个所述第二待匹配参数，对所述保险销售人员进行遍历，在具有相同第二参数值的不同保险销售人员之间建立基于该第二待匹配参数的第二直接关系，所述第二参数值用于标识所述第二直接关系；

以所述保险销售人员的身份标识信息为第二网络节点，以所述第二待匹配参数的第二参数值为第二关系节点，将互相具有所述第二直接关系的第二网络节点与建立该第二直接关系的第二关系节点进行关联，构建所述业务员关系网络；

风险分析模块，用于根据所述业务员关系网络，分析所述保险销售人员的骗保风险，包括：

获取所述业务员关系网络中的第二关系节点；

若所述第二关系节点包括所述子网络号，则计算每个所述子网络号关联的第二网络节点的节点数量；

若所述子网络号关联的第二网络节点的节点数量超过预设的数量阈值，则将该子网络号关联的第二网络节点确认为风险网络节点，并获取该子网络号对应的风险保单关系网络；

输出所述风险网络节点对应的保险销售人员的个人信息和所述风险保单关系网络。

5.如权利要求4所述的保单分析装置，其特征在于，所述第一构建模块包括：

第一参数确定子模块，用于根据所述属性信息确定第一待匹配参数；

第一关系建立子模块，用于针对每个所述第一待匹配参数，对所述保单进行遍历，在具有相同第一参数值的不同保单之间建立基于该第一待匹配参数的第一直接关系，所述第一参数值用于标识所述第一直接关系；

第一网络构建子模块，用于以所述保单标识信息为第一网络节点，以所述第一待匹配参数的第一参数值为第一关系节点，将互相具有所述第一直接关系的第一网络节点与建立该第一直接关系的第一关系节点进行关联，构建所述保单关系网络。

6.如权利要求4所述的保单分析装置，其特征在于，所述关联模块包括：

遍历子模块，用于对所述保单关系网络中的每个保单进行遍历，获取每个保单的保单信息中的保险销售人员的身份标识信息；

查询子模块，用于根据所述身份标识信息，在所述业务员数据库中获取该身份标识信息对应的保险销售人员的个人信息；

写入子模块，用于将所述子网络号写入该保险销售人员的个人信息中。

7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述保单分析方法的步骤。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述保单分析方法的步骤。

Images