摘要
近年来,车险诈骗案件频发,手段多样且隐蔽性强,传统人工审核方式效率低、成本高且主观性强。为应对这一挑战,此次研究提出一种基于AI规则知识增强的机器学习模型,旨在通过融合领域专家经验与数据驱动方法,提升车险欺诈识别的准确性和可解释性。此次研究首先构建了包含23条典型欺诈规则的业务规则库,并从中提取47个多维特征,涵盖时间、频率、金额、关系等维度;随后,采用梯度提升分类器、轻量级梯度提升机和投票分类器3种模型进行实验,对比分析其性能。实验结果表明,结合规则知识的模型能够有效识别复杂欺诈模式,其中,投票分类器在测试集上达到76.8%的准确率,且集成学习方法在鲁棒性和泛化能力上表现更优。此次研究进一步验证了规则知识在增强模型可控性、可解释性及降低过拟合风险中的关键作用。此次研究为保险行业提供了兼具高精度与可解释性的智能反欺诈工具,具有重要的实践价值。
出处
《大众标准化》
2025年第11期106-112,共7页
Popular Standardization
