件模型进行后处理，后处理的内容包含如下的内容:
[0081].案件模型对象结构调整，如类似于Map/Reduce算法中Reduce阶段的处理；
[0082].特殊字段的特殊处理，如类型转换，特殊字符修剪等；
[0083]?数据值字段的计算，如配件，工时的价格基于折扣，管理费等字段的计算。
[0084]樽铟对象识别
[0085]在完成序列化/解析和后处理之后，系统得到了比较完整，标准化的案件模型对象。为了给之后的规则应用提供更加统一精确的数据基础，模型绑定模块调用案件自动检测系统的识别服务提供者程序，从标准统一化的案件模型对象中提取文字性的字段内容作为参数传递给识别服务提供者。识别服务提供者识别传入的文字内容，匹配到系统基础数据库中的定义的对象，如修理厂、分公司、车型、配件。后续的规则应用模块依据这些识别出的这些准确定义的对象，可以进行更加精细、准确的分析和判断。
[0086]模型对象设别体系架构分为三个层次:
[0087].模型对象识别服务组织者
[0088].模型对象识别服务提供者
[0089].识别逻辑实现
[0090]模型对象识别服务组织者
[0091]模型对象识别服务组织者是可以为客户定制的，定义识别对象的范围，顺序的识别组织程序。模型绑定模块进行案件模型对象识别时，获取系统默认提供的模型对象识别服务组织者，调用其接口 API以获取模型对象识别服务提供者列表。然后，模型绑定模块遍历并调用模型对象识别服务提供者的接口 API进行模型对象的识别。
[0092]模型对象识别服务提供者
[0093]模型对象识别服务提供者负责案件模型对象中业务对象的识别工作。其操作对象为统一化的案件对象，工作原理为从案件对象中提取相关的文字字段，并调用识别逻辑实现，将文字的字段与系统内或者基础数据库中定义的数据对象进行匹配。模型绑定模块提供了如下的案件对象中业务对象的识别服务提供者实现:
[0094].保险公司分公司
[0095].修理厂
[0096].车型
[0097].配件
[0098].工时
[0099].辅料
[0100]识别逻辑实现
[0101]识别逻辑实现提供基础的，原子性的，与案件模型对象相关性不大的文本分析和/或数据库查询服务。透过其文本分析，数据库检索等服务，模型对象识别服务提供者将案件模型对象中的文字字段与基础数据库或者系统内定义的数据对象进行匹配。
[0102]规则应用模块
[0103]案件自动检测系统的规则应用模块借鉴了 JSR-94的规则引擎规范的概念，并基于Java开源框架EasyRules实现案件检测规则的应用。规则应用模块以规则集为单位应用案件检测规则。规则集为根据单独规则的关联性，或者从抽象到具体组合形成的一组案件检测规则的集合。案件规则应用模块为每个规则集分配一个独立的规则引擎，或者成为规则执行环境。在同一规则集内，需要指定每个检测规则的检测顺序及相互的依赖关系。
[0104]案件检测规则的形态设计基于EasyRules框架中规则定义。规则应用分为两个阶段，首先，案件检测规则对案件对象模型进行评估，评估的依据来源于运营团队在行业内的知识积累以及基础数据库，规则评估的结果为boolean类型的值。对于欺诈规则而言，评估结果意味值被检测的案件是否存在欺诈的风险；对于价格检测案件而言，评估结果意味着案件中业务对象的报价是否高于基础数据库中定义的正常水平。规则评估完成之后，规则根据的评估的结果执行规则的行为。在案件自动检测系统中，规则的行为体现为记录下风险的评估结果或价格检测结果。在规则应用完成所有的规则检测之后，统一的收集这些规则的应用结果，将它们返回给客户。
[0105]规则结果过滤模块
[0106]案件自动检测模块完成每一个规则集应用时和完成所有规则集的应用时，会查找系统的运行环境中，是否提供了针对当前完成的规则集和或者针对所有规则/规则集适用的规则应用结果过滤器。若查询到相应的过滤器，则调用过滤器对规则应用结果进行处理。规则结果过滤器的应用场景包含如下几类:
[0107].依据规则的成熟度对规则的执行结果进行筛选
[0108]案件自动检测系统将规则按照成熟度分为三个等级:开发，测试，生产。生产阶段的规则结果将直接发送给客户，可选地，客户可以配置将测试阶段的规则返回，开发阶段规则的检测结果强烈建议不返回。
[0109].依据规则的检测结果对案件的风险等级进行评估
[0110]依据规则检测结果相应规则的风险等级系数，评估计算案件的风险等级级别。
[0111]?案件检测流程控制
[0112]依据案件的规则检测结果及/或其相应规则的特性，评估案件是否需要进一步的人工检查确认。
[0113].规则集应用结果的自定义处理
[0114]每个规则集可以定义各自的规则检测结果过滤程序，已对规则集内的检测结果进行筛选或处理。
[0115]检测结果生成模块
[0116]案件自动检测系统在完成规则应用、检测结果收集和过滤之后，需要将规则检测结果定制并格式化并返回给客户。案件自动检测系统定义了检测结果的构建器接口IClaimCheckResponseBuilder,以为各类客户提供高度定制化的实现。在将要返回检测结果到客户方时，案件自动检测系统查找运行时环境中的检测结果构建器实现，调用其以获取可以返回给客户的案件检测结果。
[0117]案件自动检测系统默认提供高度灵活的，可以满足大部分客户要求的检测结果构建器实现。
[0118]默认的案件检测结果构建器将规则的执行结果(RuleExecut1nResult)转换为系统中定义的Risk对象，或自定义的Risk子类。Risk对象包含对风险类型、风险名称、风险提示文字的定义。默认实现将规则检测结果(RuleExecut1nResult)转换为Risk对象的工作由其定义的RuleExecut1nResultToRiskMapper接口的实现类型完成。RuleExecut1nResultToRiskMapper定义了其能够对能够对规则执行结果转换程度级别的枚举，基本级、规则级、客户自定义级。默认实现首先利用CDI机制查找运行时环境中定义的所有RuleExecut1nResultToRi skMapper实现。针对每个规则执行结果，默认实现首先征询所有的RuleExecut1nResultToRiskMapper实现对规则执行结果的转换程度，选取够最大程度将规则执行结果转换为Risk的实现。获取到合适的RuleExecut1nResultToRiskMapper实现后，默认实现调用其转换方法，将规则执行结果转换为Risk对象。转化后的Risk对象最终将被序列化，并返回给客户。
[0119]案件检测服务接入流程
[0120]本发明的案件自动检测系统的外部接口为Restful Web API接口。客户接入案件检测服务须执行如下过程:
[0121]?通信链路约定
[0122]为了保证案件数据机密性及服务的稳定性，客户端与案件自动检测系统服务之间通信应以加密的SSL HTTP安全连接，或者建立网络服务供应商层级的专用网络链路进行双方系统间的数据通信。在接入案件检测服务前，双方应协商并约定好通信链路方案。
[0123]?模型匹配约定
[0124]本发明的案件自动检测系统检测服务是基于自身定义的案件检测模型。因此在接入服务前，双方需要约定传输数据的格式，JSON或者XML，以及双方之间案件模型对象结构及字段内容的匹配。
[0125]?客户方能够接受的检测结果格式定义
[0126]客户方需要提供其对规则检测结果格式及内容方面的要求，本发明的件自动检测系统依据要求规范实现检测结果的定制方案。
[0127]本发明的案件自动检测方法包括以下步骤:
[0128]步骤S201，模型绑定步骤。按照先后顺序对客户提供的案件对象及系统内定义的案件模型执行模型绑定，具体以下如下子步骤:
[0129]?序列化/解析子步骤，为将客户提供的以XML，JS0N、或者Excel表格形式提供的案件对象转换为本发明的案件自动检测系统定义的案件模型。
[0130].反序列化/解析后处理子步骤，采用与查找序列化/解析程序相同的方式，查找为配置的客户定制的反序列化/解析后处理程序。
[0131].模型对象识别子步骤，调用识别服务提供者程序，从标准统一化的案件模型对象中提取文字性的字段内容作为参数传递给识别服务提供者，识别服务提供者识别传入的文字内容，匹配到系统基础数据库中的定义的对象。
[0132]步骤S202，规则应用步骤。借鉴JSR