[发明专利]异常医保群组识别方法、装置、计算机设备及存储介质

说明书

本发明实施例提供了一种异常医保群组识别方法，包括：获取预设时间段内各个参保人的医保数据，所述医保数据包括医疗行为数据和身份识别数据；根据所述医疗行为数据和身份识别数据构建表征各个参保人之间关联关系的无向图；通过预设的极大团算法从所述无向图中查找出所有的极大团；将各个所述极大团中包含的所有身份识别数据所映射的参保人组成异常医保群组。本发明实施例可以降低识别群组欺诈行为所需要的计算资源。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种异常医保群组识别、装置、计算机设备及存储介质。

背景技术

目前，医疗保险已成为许多国家的主要支出，然而，在这些支出中存在一部分因医疗欺诈行为而产生。医保欺诈行为的发生对我国医保基金造成巨大冲击，每年将造成百亿元的经济损失。目前比较常见的医保欺诈行为有群组欺诈行为，其中，群组欺诈行为具体表现为多人成群结队去药店买药，成群结队去医院开药等。

现有针对群组欺诈行为的检测手段为通过构建参保人-医疗机构-离散时间到访矩阵的方法，通过相关性计算或内积计算挖掘参保人之间的相遇。然而，通过矩阵的方式来识别群组欺诈行为，其计算复杂度随着参保人数的增长大幅增加，需要较多的计算资源。

发明内容

有鉴于此，本发明实施例的目的是提供一种异常医保群组识别方法、装置、计算机设备及计算机可读存储介质，用于解决现有采用矩阵的方式来识别群组欺诈行为需要耗费大量的计算资源的问题。

为实现上述目的，本发明实施例提供了一种异常医保群组识别方法，包括：

获取预设时间段内各个参保人的医保数据，所述医保数据包括医疗行为数据和身份识别数据；

根据所述医疗行为数据和身份识别数据构建表征各个参保人之间关联关系的无向图；

通过预设的极大团算法从所述无向图中查找出所有的极大团；

将各个所述极大团中包含的所有身份识别数据所映射的参保人组成异常医保群组。

可选地，所述根据所述医疗行为数据和身份识别数据构建表征各个参保人之间关联关系的无向图包括：

对各个所述医疗行为数据进行分析，以确定各个所述参保人之间是否存在关联关系，其中，所述存在关联关系是指两个参保人在预设时间范围内同时出现在相同地点的事件发生的次数大于或者等于预设次数；

将各个所述参保人的身份识别数据作为顶点、所述关联关系作为边来构建所述无向图。

可选地，所述极大团算法为Bron–Kerbosch算法。

可选地，所述通过预设的极大团算法从所述无向图中查找出所有的极大团步骤之后，还包括：

通过Echart工具对所述所有的极大团进行可视化显示。

可选地，所述对所述医疗行为数据进行分析，以确定各个所述参保人之间是否存在关联关系包括：

根据所述医疗行为数据中的地点信息对所述医疗行为数据进行分类，得到多个第一医疗行为数据集，其中，每个第一医疗行为数据集中包含有至少一个医疗行为数据；

根据所述医疗行为数据中的时间信息对各个所述第一医疗行为数据集进行分类，得到多个第二医疗行为数据集，其中，每一个第二医疗行为数据集中包含有至少一个医疗行为数据；

对各个所述第二医疗行为数据集中的医疗行为数据进行分析，以确定各个所述参保人之间是否存在关联关系。

可选地，所述通过预设的极大团算法从所述无向图中查找出所有的极大团包括：

通过预设的分布式图计算框架中的极大团算法从所述无向图中查找出所有的极大团。