[发明专利]基于图计算技术的理赔反欺诈方法、装置、设备及存储介质在审
申请号: | 201910064223.7 | 申请日: | 2019-01-23 |
公开(公告)号: | CN109919780A | 公开(公告)日: | 2019-06-21 |
发明(设计)人: | 王健宗;黄章成 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06Q40/08 | 分类号: | G06Q40/08 |
代理公司: | 深圳市力道知识产权代理事务所(普通合伙) 44507 | 代理人: | 何姣 |
地址: | 518000 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 患者关系 图计算 存储介质 封闭环 相似度 欺诈 医生 数据处理领域 相似度确定 技术实现 网络包括 医疗数据 融合 社区 投影 网络 参考 申请 团体 | ||
1.一种基于图计算技术的理赔反欺诈方法,其特征在于,包括:
基于图计算技术,根据医疗数据生成医生患者子图和医生医嘱子图以及根据所述医生患者子图和医生医嘱子图生成融合大图;
根据所述融合大图,对所述医生患者子图进行投影以生成患者关系网络,所述患者关系网络包括多个社区封闭环;
根据所述患者关系网络中任意两个节点对应的患者的属性参数,计算所述患者关系网络中任意两个节点之间的相似度;
根据所述相似度计算每个所述社区封闭环对应的平均相似度;以及
根据所述平均相似度确定骗保行为。
2.根据权利要求1所述的理赔反欺诈方法,其特征在于,所述基于图计算技术,根据医疗数据生成医生患者子图和医生医嘱子图以及根据所述医生患者子图和医生医嘱子图生成融合大图,包括:
获取医疗数据并对所述医疗数据进行分类得到分类数据;
根据所述分类数据的关联关系生成分类关系表,所述分类关系表包括患者医生关系表和医生医嘱关系表;
基于图计算技术,根据所述分类关系表生成二分图,所述二分图包括医生患者子图和医生医嘱子图;以及
基于图计算技术中的模型融合技术,将所述医生患者子图和医生医嘱子图融合生成融合大图。
3.根据权利要求1或2所述的理赔反欺诈方法,其特征在于,所述根据所述融合大图,对所述医生患者子图进行投影以生成患者关系网络,包括:
根据所述融合大图确定患者之间具有的相似就医行为;
根据所述患者之间具有的相似就医行为,对所述医生患者子图进行投影以生成患者关系网络。
4.根据权利要求3所述的理赔反欺诈方法,其特征在于,所述根据所述患者之间具有的相似就医行为,对所述医生患者子图进行投影以生成患者关系网络,包括:
根据所述患者之间具有的相似就医行为,对所述医生患者子图进行投影以得到多个患者关系网;
对所述患者关系网中涉及的医生进行聚类得到医生聚类关系;
根据所述医生聚类关系,将多个所述患者关系网连接以生成患者关系网络。
5.根据权利要求1所述的理赔反欺诈方法,其特征在于,所述计算所述患者关系网络中任意两个节点之间的相似度,包括:
基于相似度计算公式,根据所述患者关系网络中任意两个节点对应的患者的特征属性和就医行为属性,计算所述患者关系网络中任意两个节点之间的相似度。
6.根据权利要求5所述的理赔反欺诈方法,其特征在于,所述计算所述患者关系网络中任意两个节点之间的相似度之后,还包括:根据所述相似度更新所述患者关系网络中每条边对应的权重值;
所述根据所述相似度计算每个所述社区封闭环对应的平均相似度,包括:基于平均相似度计算公式,根据患者关系网络中更新后的权重值计算每个所述社区封闭环对应的平均相似度。
7.根据权利要求6所述的理赔反欺诈方法,其特征在于,所述相似度计算公式为:
其中,sim<A,B>为相似度,A和B为患者,A1为患者A的年龄;A2为患者A的医嘱数量,A3为患者A的看病费用;B1为患者B的年龄;B2为患者B的医嘱数量,B3为患者B的看病费用;
所述平均相似度计算公式为:
其中,φ(P)为社区封闭环对应的平均相似度,P为社区,N为P社区路径数,w为路径上的权重值。
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科技(深圳)有限公司,未经平安科技(深圳)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/201910064223.7/1.html,转载请声明来源钻瓜专利网。