对话到检测：用于保险欺诈检测的多模式混合 NLP 管道

保险欺诈造成巨大的财务损失和运营效率低下，提高保费并影响合法投保人之间的信任。 FNOL 的早期检测仍然是一个持续的挑战。现有方法主要依赖于私有的纯文本数据集，限制了整合语言、行为和基于说话者的指标的多模态方法的进展。我们引入了一个复制 FNOL 条件的合成多模式框架。它生成客服人员与客户的对话记录和双说话人音频，执行 ASR 和分类。下游模块将 NER、基于正则表达式的特征提取、LLM-RAG 检索和说话人嵌入结合在基于规则的风险评分中，以标记叙述重用、结构不一致和跨案例语音重复，同时平衡敏感性和误报。数据集验证和组件级评估显示了稳定性和传输潜力，提供了超越纯文本欺诈检测的可重复基线。