[发明专利]医保异常检测方法、装置、计算机设备及存储介质

权利要求书

1.一种医保异常检测方法，其特征在于，包括：

获取医保机构开放共享的医保数据，并对所述医保数据进行数据预处理，得到原始数据；

通过预设维度对所述原始数据进行描述，得到目标数据；

采用机器学习算法对所述原始数据以及所述目标数据进行特征提取，获得特征向量；

将所述原始数据和所述特征向量作为训练数据集输入至预设的神经网络进行训练，生成医保检测模型；

将待检测医保数据输入所述医保检测模型，根据所述医保检测模型检测所述待检测医保数据所属的类型。

2.根据权利要求1所述的医保异常检测方法，其特征在于，在所述将待检测医保数据输入所述医保检测模型，根据所述医保检测模型检测所述待检测医保数据所属的类型的步骤之后，所述方法还包括如下步骤：

获取对异常类型的所述待检测医保数据进行复审核的审核结果；

将所述审核结果作为标记过的训练样本加入所述训练数据集。

3.根据权利要求2所述的医保异常检测方法，其特征在于，在所述将所述审核结果作为标记过的训练样本加入所述医保检测模型的训练数据集的步骤之后，所述方法还包括如下步骤：

获取与审核结果为违规的所述待检测医保数据对应的目标参保人；

将所述目标参保人加入至预设的黑名单中。

4.根据权利要求1所述的医保异常检测方法，其特征在于，所述通过预设维度对所述原始数据进行描述，得到目标数据的步骤，具体包括如下步骤：

从疾病诊断维度、医疗行为主体维度、医疗行为合规维度以及回流的打标数据维度，描述所述原始数据的数据属性以得到所述目标数据。

5.根据权利要求1所述的医保异常检测方法，其特征在于，所述采用机器学习算法对所述原始数据以及所述目标数据进行特征提取，获得特征向量的步骤，具体包括如下步骤：

提取所述原始数据以及所述目标数据中的数值型数据和分类型数据；

通过统计分布算法和聚类算法分别对所述数值型数据和分类型数据进行归一化得到所述特征向量。

6.根据权利要求1所述的医保异常检测方法，其特征在于，在所述将所述原始数据和所述特征向量作为训练数据集输入至预设的神经网络进行训练，生成医保检测模型的步骤之后，所述方法还包括如下步骤：

对所述医保检测模型进行过拟合检测，并根据检测结果判断所述医保检测模型是否过拟合；

当判断所述医保检测模型过拟合时，根据预设的训练策略对所述医保检测模型重新进行训练，直至所述医保检测模型没有过拟合。

7.根据权利要求1所述的医保异常检测方法，其特征在于，在所述将所述原始数据和所述特征向量作为训练数据集输入至预设的神经网络进行训练，生成医保检测模型的步骤之后，所述方法还包括如下步骤：

获取所述医保检测模型的性能参数，并根据所述性能参数判断所述医保检测模型是否符合预设的模型标准；

当判断所述医保检测模型不符合预设的模型标准时，根据所述性能参数对所述医保检测模型的模型参数进行调整。

8.一种医保异常检测装置，其特征在于，包括：

数据获取模块，用于获取医保机构开放共享的医保数据，并对所述医保数据进行数据预处理，得到原始数据；

数据描述模块，用于通过预设维度对所述原始数据进行描述，得到目标数据；

特征提取模块，用于采用机器学习算法对所述原始数据以及所述目标数据进行特征提取，获得特征向量；

模型训练模块，用于将所述原始数据和所述特征向量作为训练数据集输入至预设的神经网络进行训练，生成医保检测模型；

数据检测模块，用于将待检测医保数据输入所述医保检测模型，根据所述医保检测模型检测所述待检测医保数据所属的类型。

9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述医保异常检测方法的步骤。

10.一种非易失性存储介质，其特征在于，其存储有依据权利要求1至7中任意一项所述的医保异常检测方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行该方法所包括的步骤。