[發明專利]一種報銷單風險預測方法、裝置、終端設備及存儲介質

在審

• 申請號: 201810161565.6
• 申請日: 2018-02-27
• 公開（公告）號: CN108364106A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 袁軍;陸源;魏堯東
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q40/00
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 陽開亮

1.一種報銷單風險預測方法，其特征在于，所述報銷單風險預測方法包括：

獲取歷史報銷單信息，并將所述歷史報銷單信息作為樣本數據；

將所述樣本數據按照預設的比例劃分為訓練樣本和測試樣本；

根據預設的N個報銷單風險等級的定義，確定每個所述訓練樣本的報銷單風險等級，其中，N為正整數；

針對每個所述報銷單風險等級中的所述訓練樣本，使用關聯規則算法進行模型訓練，得到初始預測模型，其中，所述初始預測模型包括每個所述報銷單風險等級中滿足預設的模型參數要求的關聯規則，所述模型參數包括支持度和置信度；

使用所述初始預測模型對所述測試樣本進行模型預測，在從每個所述報銷單風險等級中選擇一組所述模型參數進行組合得到的每種組合方式下，計算每個所述報銷單風險等級的預測成功率，以及每種所述組合方式下的總預測成功率和測試時間；

對所述模型參數、所述預測成功率、所述測試時間和所述總預測成功率進行回歸分析，得到目標預測模型。

2.如權利要求1所述的報銷單風險預測方法，其特征在于，所述針對每個所述報銷單風險等級中的所述訓練樣本，使用關聯規則算法進行模型訓練，得到初始預測模型包括：

對每個所述報銷單風險等級中的所述訓練樣本進行數據預處理，得到每個所述報銷單風險等級中的待處理數據集；

對所述待處理數據集使用關聯規則算法進行數據挖掘，得到每個所述報銷單風險等級中的多個項集；

針對每個所述報銷單風險等級，從該報銷單風險等級中的所述項集中篩選出滿足所述模型參數要求的目標項集，并根據該目標項集建立關聯規則；

根據所述關聯規則和所述關聯規則對應的所述模型參數要求，構建所述初始預測模型。

3.如權利要求1或2所述的報銷單風險預測方法，其特征在于，所述使用所述初始預測模型對所述測試樣本進行模型預測，在從每個所述報銷單風險等級中選擇一組所述模型參數進行組合得到的每種組合方式下，計算每個所述報銷單風險等級的預測成功率，以及該組合方式下的總預測成功率和測試時間包括：

根據所述預設的N個報銷單風險等級的定義，確定每個所述測試樣本的報銷單風險等級，以及每個所述報銷單風險等級的測試樣本數；

按照如下公式計算所述測試樣本中每個報銷單風險等級的概率：

其中，i∈[1，N]，P_i為所述測試樣本中第i個報銷單風險等級的概率，R_i為第i個所述報銷單風險等級的測試樣本數，S為所述測試樣本的總數；

從每個所述報銷單風險等級中選擇一組所述模型參數進行組合，得到L種組合方式，其中，L為正整數；

針對每種所述組合方式，按照所述概率由高到低的順序，使用所述初始預測模型對所述測試樣本進行報銷單風險等級預測，得到每個所述測試樣本的預測結果，并獲取在該組合方式下的進行報銷單風險等級預測的測試時間；

將每個所述測試樣本的所述預測結果與該測試樣本的報銷單風險等級進行對比，若兩者相同則確認該測試樣本預測成功，并統計在每種所述組合方式下每個所述報銷單風險等級下的測試樣本預測成功的個數；

按照如下公式計算每種所述組合方式下每個所述報銷單風險等級的預測成功率：

其中，hitrate_i為第i個所述報銷單風險等級的預測成功率，M_i為第i個所述報銷單風險等級下的測試樣本預測成功的個數；

按照如下公式計算每種所述組合方式下的總預測成功率：

其中，hitRate為所述總預測成功率。

4.如權利要求3所述的報銷單風險預測方法，其特征在于，所述對所述模型參數、所述預測成功率、所述測試時間和所述總預測成功率進行回歸分析，得到目標預測模型包括：

將每個所述報銷單風險等級中的所述模型參數，以及所述預測成功率和所述測試時間作為設計變量，將所述總預測成功率作為目標變量，使用所述設計變量和所述目標變量進行函數擬合，得到擬合函數；

對所述擬合函數進行求解，根據求解結果將所述總預測成功率最高并且所述模型參數的值最高的一組設計變量作為模型配置參數，并根據所述模型配置參數構建目標預測模型，其中，所述目標預測模型的模型精確度為最高的所述總預測成功率。