[發明專利]一種建立醫保住院費用預測模型的方法及系統

在審

• 申請號: 201711471828.5
• 申請日: 2017-12-29
• 公開（公告）號: CN108197737A
• 公開（公告）日: 2018-06-22
• 發明（設計）人: 王新軍;洪曉光;劉征征;閆中敏;王敏蝦
• 申請（專利權）人: 山大地緯軟件股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q40/08
• 代理公司: 北京金宏來專利代理事務所(特殊普通合伙) 11641
• 代理人: 許振強;杜正國

1.一種建立醫保住院費用預測模型的方法，包括預測模型初始構建過程和預測模型持續優化過程,其特征在于，所述預測模型持續優化過程包括：

采集增量數據：定期采集社保數據的增量數據，并保存至訓練數據庫中；

優化訓練模型：根據增量數據檢驗前一版預測模型的模型預測效果，將得到的模型預測結果與真實值進行對比，根據對比值差距大小判定是否重新觸發并啟動模型訓練任務，通過機器學習算法優化訓練更新后樣本數據，以構建效果更佳的預測模型并存儲。

2.根據權利要求1所述的一種建立醫保住院費用預測模型的方法，其特征在于，所述預測模型初始構建過程包括：

采集初始數據：抽取社保數據的初始數據，形成初始訓練樣本，并保存至訓練數據庫中；

訓練模型：根據模型訓練定義，調取訓練數據庫中初始訓練樣本，啟動并執行模型訓練任務，通過機器學習算法訓練初始樣本以初次構建預測模型并存儲。

3.根據權利要求1所述的一種建立醫保住院費用預測模型的方法，其特征在于，所述方法還包括生成預測效果評估報告過程：根據新產生的增量數據，驗證預測模型效果，定期生成模型預測效果分析報告，以展示、分析和評價模型的真實預測能力。

4.一種建立醫保住院費用預測模型的系統，其特征在于，所述系統包括：

數據采集模塊(102)，用于完成從社保數據到訓練數據的初始數據采集和增量數據采集；

訓練數據存儲模塊(103)，用于將訓練數據保存為模型訓練所需的樣本數據，以形成訓練數據庫；

模型訓練模塊(104)，用于對預分類后的訓練樣本數據進行監督學習，以構建預測模型；

預測效果跟蹤模塊(106)，基于增量數據檢驗預測模型的預測效果，若預測模型的預測效果在真實環境下欠佳，則觸發模型訓練任務，并基于更新后樣本數據進行模型優化訓練，以構建效果更佳的預測模型。

5.根據權利要求4所述的一種建立醫保住院費用預測模型的系統，其特征在于：所述系統包括數據源模塊(101)，用于保存社保業務數據庫內各地市社保業務數據，以形成預測模型的初始數據。

6.根據權利要求5所述的一種建立醫保住院費用預測模型的系統，其特征在于：所述數據采集模塊(102)包括初始數據采集模塊(1021)和增量數據采集模塊(1022)；所述初始數據采集模塊(1021)，用于首次將社保業務數據庫中的初始數據一次性初始導入訓練數據庫中；增量數據采集模塊(1022)，用于定期將數據源模塊(101)中的增量數據抽取轉換導入訓練數據庫中。

7.根據權利要求4所述的一種建立醫保住院費用預測模型的系統，其特征在于：所述模型訓練模塊(104)包括：

模型訓練定義模塊(1041)，用于定義所建預測模型的訓練任務；

模型構建任務調度模塊(1042)，用于接收模型訓練請求，并啟動模型訓練任務；

樣本預分類模塊(1043)，用于對訓練樣本進行預分類；

預測模型訓練模塊(1044)，對預分類后訓練樣本數據進行監督學習。

8.根據權利要求4所述的一種建立醫保住院費用預測模型的系統，其特征在于：所述系統還包括預測模型存儲模塊(105)，用于存儲構建的預測模型。

9.根據權利要求8所述的一種建立醫保住院費用預測模型的系統，其特征在于：所述預測效果跟蹤模塊(106)包括：

預測跟蹤配置模塊(1061)，用于添加模型效果跟蹤任務，啟動增量數據采集任務，設置觸發模型重構的規則；

預測結果計算模塊(1062)，用于根據新產生的增量數據，調用預測模型存儲模塊(105)中的預測模型計算預測結果；

預測效果分析模塊(1063)，用于將預測結果與真實值進行對比分析，

檢驗模型在真實環境下的預測效果，在模型預測效果不穩定時，觸發模型訓練任務，重新優化訓練預測模型。

10.根據權利要求4-9任一項所述的一種建立醫保住院費用預測模型的系統，其特征在于：所述系統還包括系統預測效果評估報告生成模塊(107)，用于根據新產生的增量數據，驗證預測模型效果，生成模型預測效果分析報告，以展示、分析和評價模型的真實預測能力。