[发明专利]一种医保欺诈的识别方法、装置、设备和存储介质

权利要求书

1.一种医保欺诈的识别方法，其特征在于，包含：

获取医疗数据，并根据所述医疗数据构建医保异构图；其中，所述医保异构图以实体为节点，以关系为边；

基于不同轨迹的多语义元路径，获取所述医保异构图中的各目标节点在不同轨迹下的邻居节点，并将所述各目标节点在不同轨迹下的邻居节点分别和所述各目标节点融合，以获得所述各目标节点在不同轨迹下的语义表示；

将所述各目标节点在不同轨迹下的语义表示进行融合，生成所述各目标节点的空间节点；

基于时间顺序，获取所述各目标节点的空间节点的时间序列；

根据所述时间序列，通过双向长短期记忆模型，对各个目标节点进行分类，以判断医保异构图中的各个目标节点是否为医保欺诈。

2.根据权利要求1所述的医保欺诈的识别方法，其特征在于，基于不同轨迹的多语义元路径，获取所述医保异构图中的各目标节点在不同轨迹下的邻居节点，并将所述各目标节点在不同轨迹下的邻居节点分别和所述各目标节点融合，以获得所述各目标节点在不同轨迹下的语义表示，具体包括

基于不同轨迹的多语义元路径，获取所述医保异构图中的所述各目标节点在不同轨迹下的邻居节点，并分别对不同轨迹下的所述各目标节点执行以下步骤，以获得所述各目标节点在不同轨迹下的语义表示：

获取目标节点在当前轨迹下的邻居节点的注意力互相关系数；其中，为第i个目标节点在轨迹P下的第j个邻居节点的注意力互相关系数，attnode为神经网络，W为映射矩阵，hi和hj分别为目标节点i和邻居节点j的原始特征，||表示拼接；

根据邻居节点的注意力互相关系数，对邻居节点进行LeakyReLU函数激活和softmax函数规范化，以获得目标节点在当前轨迹下的邻居节点的注意力权重；为第i个目标节点在轨迹P下的第j个邻居节点的注意力权重，为第i个目标节点在轨迹P下的所有邻居节点的集合，为第i个目标节点在轨迹P下的第s个邻居节点的注意力互相关系数；

根据所述注意力权重，将目标节点在当前轨迹下的所有邻居节点融合到目标节点，以获得目标节点在当前轨迹下的语义表示；其中，节点融合模型为为第i个目标节点在轨迹P下的语义表示，σ(·)表示激活函数，为第i个目标节点在轨迹P下的邻居节点的集合。

3.根据权利要求1所述的医保欺诈的识别方法，其特征在于，将所述各目标节点在不同轨迹下的语义表示进行融合，生成所述各目标节点的空间节点，具体包括：

将所述语义表示进行非线性转换，然后和注意向量q进行点乘，以得到各个语义表示的节点重要性；

对同一轨迹下的所有语义表示的节点重要性取平均值，以获得各个轨迹的轨迹重要性S_Pi；其中，S_Pi为节点i的多语义元路径P的轨迹重要性，V为轨迹P下所有的目标节点的集合，q为注意向量，q^T为q的转秩，W为映射矩阵，为节点i在轨迹P下的语义表示；

通过softmax函数对所述各个轨迹的轨迹重要性进行规范化，以获得各个轨迹的注意力权重β_Pi，其中，m为轨迹P下的目标节点的数量，

根据所述各个轨迹的注意力权重分别对所述各目标节点在不同轨迹下的语义表示进行加权融合，生成所述各目标节点的空间节点；其中，加权融合的融合模型为

4.根据权利要求1所述的医保欺诈的识别方法，其特征在于，所述获取医疗数据，并根据所述医疗数据构建医保异构图，具体包括：

获取医疗数据；

基于时间顺序，根据所述医疗数据，构建多个医保异构图；

基于时间顺序，获取所述各目标节点的空间节点的时间序列，具体包括：

基于时间顺序，获取所述多个医保异构图中的目标节点的空间节点，以得到所述各目标节点的空间节点的时间序列。