[发明专利]一种基于行为序列分类的医保异常检测方法及系统

说明书

本发明涉及到一种基于行为序列分类的医保异常检测方法，其特征在于，该方法将参保人的历史行为数据按照时间维度进行汇总合并，使用行为序列分类模型对参保人的行为和特征序列进行分类预测，打上“正常”和“异常”的标签，对待审计数据实现医保异常报销行为信息进行报警推送，提交人工进行审核，审核结果加入到标注样本库供下次模型更新，还涉及到基于行为序列分类的医保异常检测系统。本发明基于行为序列分类的医保异常检测方法及系统有效规避参保人通过分散报销来隐瞒欺诈行为的情况，提升识别精度并且能够构建起数据闭环，便于数据库持续迭代更新。

技术领域

本发明涉及大数据处理，特别涉及到一种基于行为序列分类的医保异常检测方法及系统。

背景技术

随着我国社会医疗保险行业的不断发展，医保欺诈行为发生频率也越来越高。现实中由于欺诈的行为形式繁杂多样，医保异常报销检测工作面临巨大挑战，也对社会经济的稳定发展产生重大影响。

在现有技术中，专利号为CN104408547B的中国专利文献中公开了一种基于数据挖掘的医保欺诈行为的检测方法。该发明专利主要采用无监督方法对医保参保人员的数据记录进行离群点检测，找到离群点对应的异常记录即为潜在的欺诈行为。在专利号为CN107145587A和专利号为CN102013084A的中国发明专利中，分别公开了一种基于大数据挖掘的医保反欺诈系统和一种用于检测医疗部门欺诈性交易的系统和方法，这两个专利都是基于规则库来进行异常检测。

上述现有技术的解决方案主要的不足之处主要包括以下几方面：(1)现有技术中都是基于规则库来进行医保异常行为检测，前期依赖于人的经验总结和判断，检测系统不具备泛化处理能力；(2)使用无监督方法的检测系统不利于支持系统识别模型的快速更新，每次更新需要审核人员参与进行检测阈值确认和调整；(3)对医保参保人的数据处理方式是独立进行的，即系统检测的对象是参保人的单次行为，缺乏对参保人的行为模式和行为习惯进行分析检测的能力。

发明内容

本发明的目的在于克服上述现有技术存在的不足，提供一种基于行为序列分类的医保异常检测方法及系统。本发明基于行为序列分类的医保异常检测方法及系统要能够有效规避参保人通过分散报销来隐瞒欺诈行为的情况，提升识别精度并且能够构建起数据闭环，便于数据库持续迭代更新。

为了达到上述发明目的，本发明专利提供的技术方案如下：

本发明涉及一种基于行为序列分类的医保异常检测方法，该方法将参保人的历史行为数据按照时间维度进行汇总合并，使用行为序列分类模型对参保人的行为和特征序列进行分类预测，打上“正常”和“异常”的标签，对待审计数据实现医保异常报销行为信息进行报警推送，提交人工进行审核，审核结果加入到标注样本库供下次模型更新。

在本发明基于行为序列分类的医保异常检测方法中，具体包括如下实现步骤：

步骤1：从数据库同步历史的参保人员、医保报销、诊断结果和机构信息，其中参保人员信息的具体明细包括人员类别代码、年龄、所属行政区域，医保报销信息的具体明细包括报销时间、报销费用、经办机构，诊断结果的具体明细包括就诊方式、就医地点分类、主要疾病诊断编码、药品类型，机构信息的具体明细包括机构类型、所属行政区域、机构等级；

步骤2：对参保人员和医保报销信息进行关联处理，获取参保人员-报销的行为集合，按照时间降序排序。

步骤3：对参保人员-报销的行为序列关联诊断结果和机构信息，并且使用统计值构建行为属性信息；

步骤4：对参保人员行为序列的属性信息进行数值化处理，并且完成标准化；

步骤5：对历史的医保报销行为序列按照同等长度进行截断，按照固定行为次数保留最新的行为事件，如果不足预设次数，则用空值来进行填充；

步骤6：结合专家经验使用启发式规则，对医保报销行为序列进行判别，把甄别为异常报销的行为序列打上“异常”的标签，作为正样本加入标注样本库；