-
公开(公告)号：CN116882767B
公开(公告)日：2024-01-05
申请号：CN202311158959.3
申请日：2023-09-08
Applicant: 之江实验室
IPC: G06Q10/0635 , G06N3/0464 , G06N3/0442 , G06N3/09
Abstract: 本说明书公开了一种基于不完善异构关系网络图的风险预测方法及装置，可以确定该目标业务对象及相关业务对象的初始特征，而后，根据异构关系网络图、初始特征和图结构调整参数，确定目标业务对象的综合特征。将该目标业务对象的综合特征输入到风险预测网络中，预测得到目标业务对象的风险程度。最后，根据目标业务对象的风险程度，确定针对目标业务对象的策略，并确定奖励，进而根据策略评价值和奖励，对特征提取网络、风险预测网络以及评价网络进行训练，以调整图结构调整参数，根据调整后的图结构调整参数，得到调整后的异构关系网络图，并根据调整后的异构关系网络图以及风险预测网络，实时进行风险预测，从而提高了风险预测的准确性。
-
公开(公告)号：CN113837886A
公开(公告)日：2021-12-24
申请号：CN202111085743.X
申请日：2021-09-16
Applicant: 之江实验室
Abstract: 本发明公开了一种基于知识图谱的车险理赔欺诈风险识别方法和系统，该方法通过解析、拆分历史车险案件的结构化数据，根据车险理赔反欺诈业务场景、理赔流程设计的本体，历史案件实例化为案件知识图谱后，使用子图关键节点筛选和图点集向量化，建立多个案件间高欺诈风险筛选模型。该方法将不同时间段的车险理赔案件放于同一知识图谱中，通过分析不同时间、相似节点特征，串联关联案件，从而提示新提交车险案件风险等级。该方法对新提交车险案件进行欺诈风险评估，提供历史关联或相似案件作为风险点参考，提高车险理赔业务欺诈案件治理能力。
-
公开(公告)号：CN119271893A
公开(公告)日：2025-01-07
申请号：CN202411393826.9
申请日：2024-10-08
Applicant: 之江实验室
IPC: G06F16/9535 , G06F16/957 , G06F16/2455 , G06N20/00
Abstract: 本发明公开了一种使用网络搜索增强大语言模型生成的方法和系统，该方法通过使用网络搜索相关内容后向大语言模型提供相关资料，为大语言模型输出提供更多信息，增强大模型回答的准确性，及时性。同时使用该方法可以节省大模型预训练的庞大成本。同时使用该方法可以降低成本，节省大模型预训练的庞大成本。该方法可以为大模型的输出找到信息来源，有效减少大预言模型输出“幻觉”的情况。最后，通过设计的缓存数据机制可显著加速查询响应时间。
-
Patent Agency Ranking
公开(公告)号：CN113837886B
公开(公告)日：2024-05-31
申请号：CN202111085743.X
申请日：2021-09-16
Applicant: 之江实验室
Abstract: 本发明公开了一种基于知识图谱的车险理赔欺诈风险识别方法和系统，该方法通过解析、拆分历史车险案件的结构化数据，根据车险理赔反欺诈业务场景、理赔流程设计的本体，历史案件实例化为案件知识图谱后，使用子图关键节点筛选和图点集向量化，建立多个案件间高欺诈风险筛选模型。该方法将不同时间段的车险理赔案件放于同一知识图谱中，通过分析不同时间、相似节点特征，串联关联案件，从而提示新提交车险案件风险等级。该方法对新提交车险案件进行欺诈风险评估，提供历史关联或相似案件作为风险点参考，提高车险理赔业务欺诈案件治理能力。
-
公开(公告)号：CN117273959A
公开(公告)日：2023-12-22
申请号：CN202311198226.2
申请日：2023-09-15
Applicant: 之江实验室
Abstract: 本申请涉及一种理赔事件检测方法、计算机设备和存储介质，在于当前时间戳的图网络中嵌入新增节点的情况下，从历史节点中筛选目标节点，并根据新增节点和目标节点，生成随机游走路径；其中，图网络基于理赔事件构建得到，目标节点包括与新增节点相关的历史节点和/或节点权重不低于阈值的历史节点，历史节点为于当前时间戳之前在图网络中嵌入的节点；将随机游走路径输入至训练好的词向量模型，输出对应于当前时间戳的节点向量表示；根据节点向量表示，确定对应于当前时间戳的新增理赔事件是否属于欺诈事件。通过本申请，可以降低计算复杂度，提升检测实时性。
-
公开(公告)号：CN116882767A
公开(公告)日：2023-10-13
申请号：CN202311158959.3
申请日：2023-09-08
Applicant: 之江实验室
IPC: G06Q10/0635 , G06N3/0464 , G06N3/0442 , G06N3/09
Abstract: 本说明书公开了一种基于不完善异构关系网络图的风险预测方法及装置，可以确定该目标业务对象及相关业务对象的初始特征，而后，根据异构关系网络图、初始特征和图结构调整参数，确定目标业务对象的综合特征。将该目标业务对象的综合特征输入到风险预测网络中，预测得到目标业务对象的风险程度。最后，根据目标业务对象的风险程度，确定针对目标业务对象的策略，并确定奖励，进而根据策略评价值和奖励，对特征提取网络、风险预测网络以及评价网络进行训练，以调整图结构调整参数，根据调整后的图结构调整参数，得到调整后的异构关系网络图，并根据调整后的异构关系网络图以及风险预测网络，实时进行风险预测，从而提高了风险预测的准确性。
-
公开(公告)号：CN116150341A
公开(公告)日：2023-05-23
申请号：CN202310440660.0
申请日：2023-04-23
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/33 , G06Q40/08 , G06F18/2411 , G06F18/214
Abstract: 本申请涉及一种理赔事件检测方法、计算机设备和存储介质，在图网络发生变更的情况下，更新第一节点序列，得到当前时间戳的第二节点序列，其中，图网络基于理赔事件的数据构建得到，第一节点序列通过关联图网络中的多个节点得到；在词向量模型中，根据第二节点序列和涉变更节点的权重参数，对词向量模型进行反向迭代训练，并根据训练后的词向量模型得到当前时间戳的节点向量，其中，涉变更节点包括图网络中节点和/或节点之间的边发生变化的节点；根据当前时间戳的节点向量，确定理赔事件是否属于目标类型事件，如此设置，只需要迭代更新部分节点的权重参数，减少了计算量，从而能够准确且高效地检测理赔事件。
-
公开(公告)号：CN115953172A
公开(公告)日：2023-04-11
申请号：CN202211625194.5
申请日：2022-12-16
Applicant: 之江实验室
IPC: G06Q30/018 , G06F17/16 , G06N3/08 , G06N3/0464
Abstract: 本申请涉及一种基于图神经网络的欺诈风险识别方法和装置，该方法包括：根据数据表获取待识别事件的第一关联关系邻接矩阵；数据表中包括待识别事件的数据，第一关联关系邻接矩阵用于标识待识别事件与数据表中其他事件的关联关系；根据数据表和第一关联关系邻接矩阵，获取待识别事件的第一特征矩阵；第一特征矩阵用于标识数据表中的事件的数据；根据第一关联关系邻接矩阵、第一特征矩阵和预先训练好的图神经网络，获取待识别事件的欺诈概率；图神经网络用于获取事件的欺诈概率；根据欺诈概率，确定待识别事件的欺诈风险。通过本申请，解决了现有的车险理赔领域的欺诈风险的识别方法，未对数据库中的历史数据进行关联，导致识别结果不准确的问题。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.026 seconds)
