医疗理赔反欺诈分析
阿党
医疗理赔反欺诈分析
Schema 设计
本 DEMO 以保险领域公开数据集 为例，采用 NebulaGraph 建立相关模型结构，数据导入采用 Nebula-Importer 工具。
点：
- 投保人（policyholder）
- 保单（incharge）
- 理赔（claim）
- 病人（patient）
- 疾病（disease）
边：
- 疾病-病人（has_disease）
- 投保人-理赔（policyholder_of_claim）
- 保单-理赔（incharge_of_claim）
- 病人-理赔（insured_of_claim）
- 相似理赔（similar_claim）
- 投保人关联（policyholder_connection）
属性：
- 姓名（name）
- 是否高危（high_risk）
- 风险分数（risk_score）
- 疾病名称（disease_name）
- 相似度（similarity_score）
- 关联等级（level）
- 理赔时间（claim_date）
- 保额（charge）
其中 high_risk、risk_score、similarity_score 等属性可由图计算组件计算得出。
通用查询
1、查询理赔单 C4377 的投保、理赔、被保情况，以及理赔对应的病人和患病情况
go 1 to 2 steps from "C4377" over policyholder_of_claim, incharge_of_claim, insured_of_claim,has_disease YIELD edge as relationships;
2、查询 lastname 为 OSCARSON 的理赔情况
match p=(v:policyholder {lname:"OSCARSON"})<-[e:policyholder_of_claim]-(c:claim) return p;
风险预警查询
1、已知保单 C4377 为欺诈保单，查找保单 C4377 投保人的关系网络和保单情况，并根据关系网络中的高风险属性，找到关系网络中疑似的涉诈人和相关保单，如红圈标记内的为高风险实体，与高风险实体关联紧密的其他实体可能存在欺诈嫌疑
match p=(v:claim)-[e:policyholder_of_claim]->(v1:policyholder)-[e1:policyholder_connection*0..3]->(v2:policyholder)<-[e2:policyholder_of_claim]-(v3:claim) where id(v) in ["C4377"] return p
2、已知保单 C4377 为欺诈保单，查询和理赔单 C4377 有相同理赔病人的理赔单，说明该理赔人有涉嫌骗保嫌疑
go from "C4377" over insured_of_claim YIELD dst(edge) AS id | GO FROM $-.id OVER insured_of_claim REVERSELY YIELD edge as relationships
最短路径&共同邻居查询
1、查询投保人 PH3759 和投保人 PH4722 的最短路径，分析投保人之间的关联关系
FIND SHORTEST PATH FROM "PH3759" TO "PH4722" OVER * YIELD path AS p;
2、查询保单 C4377 和保单 C67594 的共同邻居，从而找到两个保单的共同投保人
match p=(v:claim)-[e:policyholder_of_claim]->(v1:policyholder) where id(v) in ["C4377","C67594"] return p;
使用可视化探索工具 NebulaGraph Explorer 进行数据探索
Explorer 是一款可视化探索工具，选择相应图空间后，在 Visual Query 模块可通过鼠标拖动相关实体并选择边类型进行查询。
查询可视化结果如下，前端业务人员可通过点选查看属性的方式做更多判断和探索
参考视频
https://www.bilibili.com/video/BV1FT411n7AW
playground
分享
微信
微博
其他
返回到博客页
RSS
声明：本作品系原创，采用《署名-非商业使用-禁止演绎4.0国际》许可协议
