-94的规则引擎规范的概念，基于Java开源框架EasyRules实现案件检测规则的应用。在规则应用步骤中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。在规则应用步骤中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。依据所述模型对象识别子步骤中识别出的准确定义的对象，可以进行更加精细、准确的分析和判断。
[0133]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。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。
[0134]步骤S203，规则结果过滤步骤。案件自动检测系统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:
[0135].依据规则的成熟度对规则的执行结果进行筛选
[0136].依据规则的检测结果对案件的风险等级进行评估
[0137]?案件检测流程控制
[0138]?规则集应用结果的自定义处理
[0139]步骤S204，检测结果生成步骤。案件自动检测系统在完成规则应用、规则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。
[0140]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。
[0141]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。
[0142]以上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
【主权项】
1.一种案件自动检测方法，其特征在于，包括以下步骤: 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，具体包括如下子步骤: 序列化/解析子步骤，为将客户提供的以XML，JSON、或者Excel表格形式提供的案件对象转换为案件模型； 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；以及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； 规则应用步骤，基于Java开源框架EasyRules，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，指定每个检测规则的检测顺序及相互的依赖关系，从而依据所述模型对象识别子步骤中识别出的准确定义的对象，进行更加精细、准确的分析和判断； 规则结果过滤步骤，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，则调用过滤器对所述规则应用步骤中的规则应用结果进行处理；以及检测结果生成步骤，在完成规则应用、规则结果收集和过滤之后，将规则检测结果定制并格式化并返回给客户，其中，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。2.根据权利要求1所述的案件自动检测方法，其特征在于:在所述序列化/解析子步骤中，使用Java EE框架提供的依赖注入机制实现为可客户定制的两级机制，当接收到客户发送的案件检测请求并调用案件检索时，案件自动检测系统读取到配置的客户信息，使用客户名称利用Java EE的⑶I Named Qualifier机制查找到为客户定制反序列化/解析程序，并调用得到统一化的案件模型对象。3.根据权利要求1所述的案件自动检测方法，其特征在于:在所述序列化/解析子步骤中，以图形用户面的方式匹配并生成XML序列化/解析类的功能，生成的XML序列化/解析类采用Java EE下JXAB的STAX技术对XML文档进行解析，在便利XML文档过程中，将读取到XML经过转换赋值到Java的对象属性，数据类型的转换提供了基础原始类型之间的转换，XML元素值与Java枚举成员映射匹配的支持。4.根据权利要求1所述的案件自动检测方法，其特征在于:所述反序列化/解析后处理子步骤包括以下处理: 利用Map/Reduce算法中Reduce阶段对案件模型对象结构进行调整； 对特殊字段进行类型转换处理或对特殊字符进行修剪处理； 对数据值字段进行计算。5.一种案件自动检测系统，其特征在于，包括: 模型绑定模块，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，具体包括如下子模块: 序列化/解析子模块，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案件模型； 反序列化/解析后处理子模块，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；以及 模型对象识别子模块，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； 规则应用模块，基于Java开源框架EasyRules，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，指定每个检测规则的检测顺序及相互的依赖关系，从而依据所述模型对象识别子模块中识别出的准确定义的对象，进行更加精细、准确的分析和判断； 规则结果过滤模块，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，则调用过滤器对所述规则应用模块中的规则应用结果进行处理；以及检测结果生成模块，在完成规则应用、规则结果收集和过滤之后，将规则检测结果定制并格式化并返回给客户，其中，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。
【专利摘要】本发明涉及一种案件自动检测方法，包括：模型绑定步骤，规则应用步骤，规则结果过滤步骤，以及检测结果生成步骤。根据本发明实施例的案件自动检测方法能够检测车险理赔过程中可能会出现欺诈、不规范行为，并能够对车险理赔过程中的各类业务对象进行检测和控制。
【IPC分类】G06Q40/08
【公开号】CN105069686
【申请号】CN201510497231
【发明人】王辉
【申请人】凯泰铭科技（北京）有限公司
【公开日】2015年11月18日
【申请日】2015年8月13日