-
公开(公告)号：CN114140025B
公开(公告)日：2025-03-07
申请号：CN202111520083.3
申请日：2021-12-13
Applicant: 之江实验室
IPC: G06Q10/0635 , G06Q40/08 , G06V20/62 , G06V30/10 , G06V30/19 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种面向多模态数据的车险欺诈行为预测系统、方法和装置，本发明从图片数据中抽取风险因子后，与对应结构化数据字段相结合，基于特征工程，机器学习，深度学习等算法，构建车险欺诈风险预测模型，对有风险的行为进行预警。在预测之后，对图片因子进行风险评估和重要性排序，对存在高风险，高权重的因子进行可视化表达。该方法可有效辅助人工进行风险评估，并利用不同种类图片的数据，实现模型和预测结果的可视化因果关系表达。本发明方法利用计算机视觉算法，对某些难以利用的图片数据进行因子抽取，并借助因子分析，因果推论等算法，对预测模型和结果进行可视化展示。
-
公开(公告)号：CN117853217A
公开(公告)日：2024-04-09
申请号：CN202311620308.1
申请日：2023-11-28
Applicant: 之江实验室
IPC: G06Q40/03 , G06F18/214 , G06F18/2415 , G06F21/62
Abstract: 本申请涉及一种数据隐私保护的金融违约率预测方法、装置、计算机设备和存储介质。所述方法包括：在利用金融样本数据对预训练模型训练的过程中，获取各风险因子的贡献度并确定其中的目标风险因子；确定目标风险因子的分数映射区间以及各分数映射区间所对应的映射比例；基于分数映射区间以及映射比例，对金融样本数据进行数据映射处理得到模糊样本数据；利用模糊样本数据重新构建模型进行训练得到违约率预测模型；基于分数映射区间和映射比例，对待预测金融数据进行数据映射处理后输入违约率预测模型，输出违约概率。采用本方法能够实现数据隐私保护场景下的金融违约率与目标风险因子的强相关性，提高金融违约率预测的准确率。
-
公开(公告)号：CN117273963B
公开(公告)日：2024-06-07
申请号：CN202311550781.7
申请日：2023-11-21
Applicant: 之江实验室
IPC: G06Q40/08 , G06Q50/40 , G06F18/21 , G06F18/213
Abstract: 本申请涉及一种基于车险场景的风险识别方法和装置。所述方法包括：对获取到的车险场景预测数据集进行预处理，得到待预测特征；将所述待预测特征输入人工智能模型进行风险预测，得到是否为风险案件的结论；将被预测为所述风险案件的所述待预测特征送入可解释性模型进行分析，得到所述风险案件的建议检查点。采用本方法能够解决人工手段识别车险场景的风险效率低，准确性差的问题，实现对车险场景下风险案件的快速预测和对疑点的准确迅速定位。
-
公开(公告)号：CN115410174B
公开(公告)日：2023-05-23
申请号：CN202211352917.9
申请日：2022-11-01
Applicant: 之江实验室
IPC: G06V20/56 , G06V10/10 , G06V10/22 , G06V10/764 , G06Q30/018 , G06Q40/08
Abstract: 本发明公开一种两阶段车险反欺诈图像采集质检方法、装置和系统，该方法包括：步骤一，采集车险现场图片，标注车辆朝向；步骤二，对采集车险现场图片进行目标检测，筛选得到目标坐标；步骤三，根据车辆朝向和目标坐标，计算目标坐标位于整车的具体部位；步骤四，根据步骤二筛选得到的目标坐标，对车险现场图片进行车辆部件检测，得到车辆部件坐标，并进行筛选，得到距离目标坐标最近的车辆部件；步骤五，根据步得到的目标坐标位于整车的具体部位和距离目标坐标最近的车辆部件，得到距离目标坐标最近的车辆部件位于整车的位置，并抽象化为结构化数据。本发明避免了传统保险行业中存在的低质量图片，以及人工识别耗费的大量时间。
-
公开(公告)号：CN117252555B
公开(公告)日：2024-04-09
申请号：CN202311507842.1
申请日：2023-11-14
Applicant: 之江实验室
Abstract: 本申请涉及一种基于车险场景的半自动化特征工程方法、系统和介质，其中，基于车险场景的半自动化特征工程方法包括：对各所述数据表中各字段进行分类，并基于所述字段类型确定对应的特征衍生策略以及特征聚合策略；基于所述字段类型，生成各所述数据表之间的表连接关系；基于所述特征衍生策略对各所述数据表中的字段进行特征衍生，得到衍生特征；并基于所述表连接关系以及所述特征聚合策略将各所述从表中的原始特征和所述衍生特征聚合到所述主表上，得到聚合后的主表；基于所述字段类型对所述聚合后的主表中的特征进行预处理，将预处理后的特征输入至模型中进行训练，获得识别模型；基于所述识别模型对数据表记录的车险事件进行识别，获得识别结果，提高了车险事件识别的精确度。
-
Patent Agency Ranking
公开(公告)号：CN117252555A
公开(公告)日：2023-12-19
申请号：CN202311507842.1
申请日：2023-11-14
Applicant: 之江实验室
Abstract: 本申请涉及一种基于车险场景的半自动化特征工程方法、系统和介质，其中，基于车险场景的半自动化特征工程方法包括：对各所述数据表中各字段进行分类，并基于所述字段类型确定对应的特征衍生策略以及特征聚合策略；基于所述字段类型，生成各所述数据表之间的表连接关系；基于所述特征衍生策略对各所述数据表中的字段进行特征衍生，得到衍生特征；并基于所述表连接关系以及所述特征聚合策略将各所述从表中的原始特征和所述衍生特征聚合到所述主表上，得到聚合后的主表；基于所述字段类型对所述聚合后的主表中的特征进行预处理，将预处理后的特征输入至模型中进行训练，获得识别模型；基于所述识别模型对数据表记录的车险事件进行识别，获得识别结果，提高了车险事件识别的精确度。
-
公开(公告)号：CN115410174A
公开(公告)日：2022-11-29
申请号：CN202211352917.9
申请日：2022-11-01
Applicant: 之江实验室
Abstract: 本发明公开一种两阶段车险反欺诈图像采集质检方法、装置和系统，该方法包括：步骤一，采集车险现场图片，标注车辆朝向；步骤二，对采集车险现场图片进行目标检测，筛选得到目标坐标；步骤三，根据车辆朝向和目标坐标，计算目标坐标位于整车的具体部位；步骤四，根据步骤二筛选得到的目标坐标，对车险现场图片进行车辆部件检测，得到车辆部件坐标，并进行筛选，得到距离目标坐标最近的车辆部件；步骤五，根据步得到的目标坐标位于整车的具体部位和距离目标坐标最近的车辆部件，得到距离目标坐标最近的车辆部件位于整车的位置，并抽象化为结构化数据。本发明避免了传统保险行业中存在的低质量图片，以及人工识别耗费的大量时间。
-
公开(公告)号：CN114140025A
公开(公告)日：2022-03-04
申请号：CN202111520083.3
申请日：2021-12-13
Applicant: 之江实验室
IPC: G06Q10/06 , G06Q40/08 , G06V20/62 , G06V30/10 , G06V30/19 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向多模态数据的车险欺诈行为预测系统、方法和装置，本发明从图片数据中抽取风险因子后，与对应结构化数据字段相结合，基于特征工程，机器学习，深度学习等算法，构建车险欺诈风险预测模型，对有风险的行为进行预警。在预测之后，对图片因子进行风险评估和重要性排序，对存在高风险，高权重的因子进行可视化表达。该方法可有效辅助人工进行风险评估，并利用不同种类图片的数据，实现模型和预测结果的可视化因果关系表达。本发明方法利用计算机视觉算法，对某些难以利用的图片数据进行因子抽取，并借助因子分析，因果推论等算法，对预测模型和结果进行可视化展示。
-
公开(公告)号：CN118228309A
公开(公告)日：2024-06-21
申请号：CN202410372141.X
申请日：2024-03-29
Applicant: 之江实验室
IPC: G06F21/62
Abstract: 本申请涉及一种金融隐私数据混淆方法、装置、设备和可读存储介质，其中，金融隐私数据混淆方法包括：通过根据业务要求获取业务原始数据表；识别所述原始业务数据表中需要进行数据混淆的隐私数据列；根据各所述隐私数据列的数据区间范围，设置对应的数据失真噪声因子；基于各所述数据失真噪声因子，对各对应的隐私数据列中的数据添加噪声，得到数据混淆后的业务数据表，解决了金融隐私数据被泄露的问题，可以在最大程度不影响智能算法应用的前提下，安全地保护金融隐私数据不被泄露。
-
公开(公告)号：CN117273963A
公开(公告)日：2023-12-22
申请号：CN202311550781.7
申请日：2023-11-21
Applicant: 之江实验室
IPC: G06Q40/08 , G06Q50/30 , G06F18/21 , G06F18/213
Abstract: 本申请涉及一种基于车险场景的风险识别方法和装置。所述方法包括：对获取到的车险场景预测数据集进行预处理，得到待预测特征；将所述待预测特征输入人工智能模型进行风险预测，得到是否为风险案件的结论；将被预测为所述风险案件的所述待预测特征送入可解释性模型进行分析，得到所述风险案件的建议检查点。采用本方法能够解决人工手段识别车险场景的风险效率低，准确性差的问题，实现对车险场景下风险案件的快速预测和对疑点的准确迅速定位。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
