[发明专利]社保违规检测方法、装置、设备及计算机可读存储介质在审
申请号: | 201811530959.0 | 申请日: | 2018-12-13 |
公开(公告)号: | CN109685670A | 公开(公告)日: | 2019-04-26 |
发明(设计)人: | 陈明东;黄越;胥畅 | 申请(专利权)人: | 平安医疗健康管理股份有限公司 |
主分类号: | G06Q40/08 | 分类号: | G06Q40/08;G06F17/27;G06N3/04 |
代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 胡海国 |
地址: | 200000 上海市黄浦*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 偏差检测 社保 违规 计算机可读存储介质 价格参数 医疗机构 社保卡 检测 门诊 结算 监管效率 检测装置 就诊费用 模型确定 数据异常 异常数据 智能决策 监管 基金 | ||
1.一种社保违规检测方法,其特征在于,所述社保违规检测方法包括:
获取参保人通过社保卡结算就诊费用的就诊数据;
将所述就诊数据输入偏差检测模型,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;
若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。
2.如权利要求1所述的社保违规检测方法,其特征在于,所述将所述就诊数据输入偏差检测模型,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数的步骤包括:
将所述就诊数据输入所述偏差检测模型,通过所述偏差检测模型对所述就诊数据进行清洗,以得到清洗后的规范就诊数据;
对所述规范就诊数据构造文本特征,以得到词向量,并通过所述偏差检测模型中的双向RNN循环神经网络子模型将词向量转化为句子向量矩阵;
基于所述句子向量矩阵进行注意力机制操作,以得到标准数据;
基于异常检测算法对所述标准数据进行检测,根据检测结果确定所述就诊数据中是否存在异常价格参数。
3.如权利要求2所述的社保违规检测方法,其特征在于,所述基于异常检测算法对所述标准数据进行检测,根据检测结果确定所述就诊数据中是否存在异常价格参数的步骤包括:
将所述标准数据中各个药品的价格参数与各个对应的药品的预设价格参考值进行对比,确定同个药品的价格参数与对应的预设价格参考值是否匹配;
若同个药品的价格参数与预设价格参考值不匹配,则确定所述就诊数据中存在异常价格参数。
4.如权利要求2所述的社保违规检测方法,其特征在于,所述基于异常检测算法对所述标准数据进行检测,根据检测结果确定所述就诊数据中是否存在异常价格参数的步骤包括:
将所述标准数据中的药品价格信息进行分类,获得药店价格信息和医院价格信息;
基于所述医院价格信息确定各药品的价格参考参数,基于所述药店价格信息将各药品的药店价格与同药品的价格参考参数进行对比,确定各药品的药店价格参数与同药品的价格参考参数是否匹配;
若药品的药店价格参数与价格参考参数不匹配,则确定所述就诊数据中存在异常价格参数。
5.如权利要求1-4中任一项所述的社保违规检测方法,其特征在于,所述若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明的步骤之后,还包括:
根据预设处罚规则和所述异常数据生成处罚明细信息;
根据所述处罚明细信息发送处罚通知至医疗机构终端并对医疗机构进行处罚。
6.如权利要求5所述的社保违规检测方法,其特征在于,所述根据预设处罚规则和所述异常数据生成处罚明细信息的步骤包括:
根据所述预设处罚规则定时根据所述异常数据统计医疗机构的异常价格参数对应的药品数量或者违规金额,获得对应的统计结果;
基于药品数量或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级;
基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息;
基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。
7.如权利要求2所述的社保违规检测方法,其特征在于,所述异常检测算法包括基于单元的异常检测算法。
8.一种社保违规检测装置,其特征在于,所述社保违规检测装置包括:
获取模块,用于获取参保人通过社保卡结算就诊费用的就诊数据;
检测模块,用于将所述就诊数据输入偏差检测模型,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;
提取模块,用于若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安医疗健康管理股份有限公司,未经平安医疗健康管理股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811530959.0/1.html,转载请声明来源钻瓜专利网。