[发明专利]多卡共现就医欺诈行为检测方法、系统、云端及介质

说明书

本发明实施例涉及数据挖掘技术领域，公开了一种多卡共现就医欺诈行为检测方法、系统、云端及介质。该方法包括：根据待检测的总群体内的所有参保人员在医疗机构和药店的一级共现频次以及在医师和科室的二级共现频次构建多卡聚集知识图谱,在根据多卡聚集知识图谱以及采用社区检测算法划分的参保人群体内,寻找参保人中心节点,抽取每个参保人中心节点对应的一阶子图，根据一阶子图采用多视图双聚类算法比较参保人员在医师、就医时间、药品、诊疗项目以及检查化验项目上就医行为的相似性，并输出所有参保人中心节点分别对应的就医行为相似的卡群,然后验证位置,并生成分离标签。本发明实施例可提高多卡共现医保欺诈行为检测的准确性以及全面性。

技术领域

本发明涉及数据挖掘技术领域，特别涉及一种多卡共现就医欺诈行为检测方法、系统、云端及介质。

背景技术

随着我国进入全民医保时代，医疗保险覆盖范围不断扩大，受益人群不断增多。这给人们的就医带来方便，人们可以携卡就医，即时结算。但是，也有部分非法分子暗中进行医疗保险欺诈行为。医保欺诈的行为有很多种，多卡聚集就医欺诈行为是一种较为常见的骗保行为，通常表现为欺诈者非法使用多个他人的医保卡，通过多次倒卖药品非法套取医保基金。这种欺诈行为具有两个特点:一是这些由欺诈者占据的医保卡，多次在相近时间相同地点消费；二是欺诈者为方便倒卖药品，通常购买类似的药物。但骗保行为不限于药物方面，也包含门诊诊疗、检查化验、住院等可能存在疑点的行为。概括的说，多卡共现就医的筛查就是要筛查在相近时间、相同地点进行相似的可疑就医行为的人群。然而因为可能有医疗机构人员的参加，或者医保政策的公开性，使得这种行为通常和普通正常参保人群的就医行为类似，很难识别。但是，多卡聚集就医欺诈行为给医保基金带来的损失越来越巨大，针对多卡聚集就医欺诈行为的识别变得十分紧迫。而以往的共现就医筛查方式仅考虑了从医疗数据出发的时间、地点、药品上的相似程度，不可避免的会将部分存在规律性的正常就医人群(如部分慢性病患者)给筛查出来。并且近年来发生的如沈阳骗保案、安徽太和县骗保案等多个重大医疗保险诈骗案件中，药品可能只是诈骗手段的一种，更多的是虚假的治疗、检查化验项等方面存在造假。

发明内容

本发明实施例的目的在于提供一种多卡共现就医欺诈行为检测方法、系统、云端及介质，提高多卡共现医保欺诈行为检测的准确性以及全面性。

为解决上述技术问题，第一方面，本发明实施例提供了一种多卡共现就医欺诈行为检测方法，包括：

获取待检测的参保人总群体P；

统计所述总群体P内的所有参保人员在第一预设时间间隔范围内在医疗机构和药店的一级共现频次,根据所述一级共现频次生成参保人实体表以及参保人一级共现关系三元组表；

根据所述参保人实体表以及参保人一级共现关系三元组表建立多卡聚集知识图谱；

采用社区检测算法将所述总群体P划分为n个参保人群体；

分别统计所述n个参保人群体中每个参保人群体在第二预设时间间隔范围内在医师和科室的二级共现频次，根据所述二级共现频次生成参保人二级共现关系三元组表；

根据所述参保人二级共现关系三元组表更新所述多卡聚集知识图谱；

根据更新的所述多卡聚集知识图谱，采用社区检测算法再次将所述n个参保人群体中的每个参保人群体划分为m个参保人群体；m和n均为大于0的自然数；

寻找再次划分后的所有参保人群体中的每个参保人群体内的参保人中心节点；

抽取每个参保人中心节点对应的一阶子图，根据所述一阶子图采用多视图双聚类通用算法在基于自定义的卡群计算流程上比较参保人员在医师、就医时间、药品、诊疗项目以及检查化验项目上就医行为的相似性，并输出所有参保人中心节点分别对应的就医行为相似的卡群；

对每个卡群中各参保人员的医保消费位置和人员位置是否分离进行验证，并根据验证结果生成分离标签。