4. 关系识别入门
在车险理赔反欺诈工作中，单点核查往往只能发现“一个人、一辆车、一次事故”的异常，而真正造成重大损失的，通常是相互配合、分工明确的欺诈团伙。要把分散在报案、查勘、定损、核赔、支付等环节的数据串起来，就需要引入图论这一套结构化语言。图论并不神秘，它本质上是用“点”和“线”描述对象及其联系，非常适合表达车险理赔中“人—车—案—机构—账户”之间的复杂关系。
一、核心原理：节点、边与关系网络
在图论中，节点（Node/Vertex）代表一个实体，边（Edge）代表两个实体之间的某种关系。放到车险理赔场景中，节点可以是报案人、驾驶员、被保险人、车主、维修厂、医院、定损员、银行账户、车牌号、VIN码、手机号、事故地点等；边则可以是“驾驶”“拥有”“维修”“转账”“同一电话”“同一地址”“同一次事故”等关系。
团伙关系网络的基本表示方法通常有三种：
- 邻接矩阵：适合节点数量较少、关系稠密的场景，矩阵中第 i 行第 j 列的值表示节点 i 与节点 j 是否存在关系或关系权重。
- 邻接表：适合节点多、关系稀疏的场景，每个节点只记录与其直接相连的邻居列表，存储效率高，便于遍历。
- 边列表：以“起点—终点—关系类型—权重”的形式逐条记录，最贴近理赔明细数据的原始形态，便于导入图数据库或分析工具。
在欺诈识别中，我们更关注关系强度和关系方向。例如，同一手机号出现在多个赔案中，关系强度高；资金从保险公司流向某个账户，再迅速分散到多个个人账户，则具有明确方向，是典型的资金流路径。
二、方法流程：从理赔数据到关系网络
把车险理赔数据转化为团伙关系网络，通常遵循以下流程：
- 确定分析目标：是识别“碰瓷团伙”“虚假维修团伙”还是“人伤黄牛”？目标不同，选取的节点和边也不同。
- 抽取实体：从报案表、保单表、查勘表、定损表、支付表中抽取人员、车辆、机构、账户、联系方式等实体。
- 定义关系：明确哪些字段构成关系，如“同一驾驶员”“同一维修厂”“同一收款账户”“同一事故地点”。
- 构建边列表：将每条关系整理为“起点、终点、关系类型、权重、时间”的记录。
- 生成图结构：导入图数据库或分析工具，形成可查询、可计算的关系网络。
- 计算网络指标：如度中心性、介数中心性、连通分量、社区发现等，定位可疑团伙。
下面是一个简化的边列表示例，用 CSV 形式表示车险理赔关系数据：
起点,终点,关系类型,权重,时间
张三,京A12345,拥有,1,2024-03-01
张三,李四,同一电话,1,2024-03-05
京A12345,某修理厂,维修,2,2024-03-06
李四,某修理厂,任职,1,2024-03-06
某修理厂,王五,转账,3,2024-03-08
王五,京B67890,拥有,1,2024-03-10
京B67890,某修理厂,维修,2,2024-03-12
这段数据中，张三、李四、王五、两辆车、一家修理厂通过“同一电话”“维修”“任职”“转账”等关系连接在一起，形成一个潜在团伙网络。权重越高，关系越紧密；时间越集中，协同作案的可能性越大。
三、案例场景：一起虚假维修团伙的识别
某地保险公司在三个月内发现多起“单方事故、同一修理厂定损、赔款快速到账”的案件。初步核查时，每起案件单独看都手续齐全，难以定性。但将数据转化为关系网络后，问题迅速暴露：
- 报案人张三与李四使用同一手机号，且该手机号在多个赔案中出现；
- 张三名下车辆京A12345与李四任职的某修理厂存在多次维修关系；
- 修理厂收款后，在短时间内向王五、赵六等个人账户转账，资金流向分散；
- 王五、赵六名下车辆也曾在同一修理厂维修并理赔。
在网络图中，这些节点通过“同一电话”“维修”“任职”“转账”等边紧密连接，形成一个以修理厂为中心的星型—链式混合结构。进一步计算连通分量和社区发现后，该团伙被整体识别出来，而非逐个案件孤立处理。
四、常见误区与复盘
初学者在构建团伙关系网络时，容易陷入以下误区：
| 误区 | 表现 | 纠正方法 |
|---|---|---|
| 节点粒度过粗 | 把“某修理厂”整体作为一个节点，忽略其内部人员差异 | 按分析目标拆分到具体人员、岗位或账户 |
| 关系定义模糊 | 把“同一地址”直接等同于“同伙” | 区分强关系与弱关系，结合时间、频率、金额综合判断 |
| 忽视方向与权重 | 只画无向图，无法识别资金流向和主从关系 | 对资金流、指令流使用有向边，并标注权重 |
| 数据未去重 | 同一人多个手机号被当成多个节点 | 先做实体对齐，合并同一实体的不同标识 |
| 过度依赖可视化 | 只看图不计算指标，凭感觉判断团伙 | 结合度中心性、连通分量、社区发现等量化指标 |
复盘时，建议把已确认的欺诈团伙网络作为“正样本”，把正常理赔关系作为“负样本”，对比两者的网络特征差异。例如，欺诈团伙往往呈现高聚集系数、短平均路径、资金快速分散等特征，而正常理赔网络则相对稀疏、关系单一。掌握这些基础表示方法后，后续才能进一步开展团伙发现、风险评分和实时预警。