[发明专利]一种医保欺诈的识别方法、装置、设备和存储介质

说明书

本发明实施例提供一种医保欺诈的识别方法、装置、设备和存储介质，涉及医疗大数据技术领域。其中，这种识别方法包含步骤S1至步骤S5。S1、获取医疗数据，并根据医疗数据构建医保异构图。S2、基于不同轨迹的多语义元路径，获取医保异构图中的各目标节点在不同轨迹下的邻居节点，并将各目标节点在不同轨迹下的邻居节点分别和各目标节点融合，以获得各目标节点在不同轨迹下的语义表示。S3、将各目标节点在不同轨迹下的语义表示进行融合，生成各目标节点的空间节点。S4、基于时间顺序，获取各目标节点的空间节点的时间序列。S5、根据时间序列，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。

技术领域

本发明涉及医疗大数据技术领域，具体而言，涉及一种医保欺诈的识别 方法、装置、设备和存储介质。

背景技术

医疗保险一般涉及被保险人、定点医疗机构(包括医院、药房)、医生等 利益相关者。且环节多、链条长、风险点多，容易滋生医保欺诈问题。

传统的机器学习、异常检测等医保欺诈检测方法往往只关注特征属性， 忽略了医疗过程中丰富的行为属性，而这部分同样也可以作为欺诈检测的重 要凭据。例如欺诈患者在同一时间段内向多家医院盗刷大量相同的药物，又 或者在医院某科室开具了大量与该科室不相关的药物。这些行为属性很难体 现在特征中。

因此，如何从复杂的医保数据中识别欺诈者，是保障医保体系健康运行、 合理使用医保资金所亟待解决的问题。

有鉴于此，申请人在研究了现有的技术后特提出本申请。

发明内容

本发明提供了一种医保欺诈的识别方法、装置、设备和存储介质，以改 善上述技术问题。

第一方面、

本发明实施例提供了一种医保欺诈的识别方法，其包含步骤S1至步骤 S5。

S1、获取医疗数据，并根据医疗数据构建医保异构图。其中，医保异构 图以实体为节点，以关系为边。

S2、基于不同轨迹的多语义元路径，获取医保异构图中的各目标节点在 不同轨迹下的邻居节点，并将各目标节点在不同轨迹下的邻居节点分别和各 目标节点融合，以获得各目标节点在不同轨迹下的语义表示。

S3、将各目标节点在不同轨迹下的语义表示进行融合，生成各目标节点 的空间节点。

S4、基于时间顺序，获取各目标节点的空间节点的时间序列。

S5、根据时间序列，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。

在一个可选的实施例中，步骤S2具体包括：

基于不同轨迹的多语义元路径，获取医保异构图中的各目标节点在不同 轨迹下的邻居节点，并分别对不同轨迹下的各目标节点执行步骤S21至步骤 S23，以获得各目标节点在不同轨迹下的语义表示：

S21、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。

S22、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。