[發(fā)明專利]醫(yī)保理賠費(fèi)用檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811052022.7
• 申請(qǐng)日: 2018-09-10
• 公開（公告）號(hào): CN109377387A
• 公開（公告）日: 2019-02-22
• 發(fā)明（設(shè)計(jì)）人: 榮絮;耿愛香;吳亞博;鄭毅
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06Q40/08
• 分類號(hào): G06Q40/08;G06K9/62;G06N3/08
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 王寧

1.一種醫(yī)保理賠費(fèi)用檢測(cè)方法，所述方法包括：

獲取歷史醫(yī)保理賠數(shù)據(jù)，將所述歷史醫(yī)保理賠數(shù)據(jù)輸入聚類模型中，得到多個(gè)候選醫(yī)保理賠簇群；

計(jì)算所述各個(gè)候選醫(yī)保理賠簇群的理賠對(duì)標(biāo)值，并獲取所述各個(gè)候選醫(yī)保理賠簇群中歷史醫(yī)保理賠數(shù)據(jù)的理賠值，根據(jù)所述理賠對(duì)標(biāo)值和所述理賠值計(jì)算所述各個(gè)候選醫(yī)保理賠簇群的理賠差異值；

獲取待檢測(cè)醫(yī)保理賠數(shù)據(jù)，根據(jù)所述待檢測(cè)醫(yī)保理賠數(shù)據(jù)從所述候選理賠簇群中確定對(duì)應(yīng)的目標(biāo)醫(yī)保理賠簇群，根據(jù)所述目標(biāo)醫(yī)保理賠簇群得到對(duì)應(yīng)的目標(biāo)理賠差異值；

獲取所述待檢測(cè)醫(yī)保理賠數(shù)據(jù)中的目標(biāo)理賠值，根據(jù)所述目標(biāo)理賠差異值和所述目標(biāo)理賠值得到可控理賠費(fèi)用。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述歷史醫(yī)保理賠數(shù)據(jù)輸入聚類模型中，得到多個(gè)候選醫(yī)保理賠簇群，包括：

獲取劃分條件，根據(jù)所述劃分條件對(duì)所述歷史醫(yī)保理賠數(shù)據(jù)進(jìn)行劃分，得到劃分結(jié)果；

將所述劃分結(jié)果輸入聚類模型中，得到所述劃分結(jié)果對(duì)應(yīng)的多個(gè)候選醫(yī)保理賠簇群；

則根據(jù)所述待檢測(cè)醫(yī)保理賠數(shù)據(jù)從所述候選理賠簇群中確定對(duì)應(yīng)的目標(biāo)醫(yī)保理賠簇群，包括：

根據(jù)所述劃分條件對(duì)所述待檢測(cè)醫(yī)保理賠數(shù)據(jù)進(jìn)行劃分，根據(jù)劃分結(jié)果確定所述待檢測(cè)醫(yī)保理賠數(shù)據(jù)對(duì)應(yīng)的目標(biāo)醫(yī)保理賠簇群。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述歷史醫(yī)保理賠數(shù)據(jù)輸入聚類模型中，得到多個(gè)候選醫(yī)保理賠簇群，包括：

獲取預(yù)設(shè)聚類簇?cái)?shù)，隨機(jī)從歷史醫(yī)保理賠數(shù)據(jù)中選擇所述預(yù)設(shè)聚類簇?cái)?shù)的初始簇中心，將所述初始簇中心作為當(dāng)前簇中心；

計(jì)算所述歷史醫(yī)保理賠數(shù)據(jù)到所述當(dāng)前簇中心的距離，根據(jù)所述距離將所述歷史醫(yī)保理賠數(shù)據(jù)分配到所述當(dāng)前簇中心對(duì)應(yīng)的簇中，得到所述預(yù)設(shè)聚類簇?cái)?shù)的目標(biāo)簇；

計(jì)算所述目標(biāo)簇的目標(biāo)簇中心，將所述目標(biāo)簇中心作為當(dāng)前簇中心，返回計(jì)算所述歷史醫(yī)保理賠數(shù)據(jù)到所述當(dāng)前簇中心的距離，根據(jù)所述距離將所述歷史醫(yī)保理賠數(shù)據(jù)分配到所述當(dāng)前簇中心對(duì)應(yīng)的簇中，得到所述預(yù)設(shè)聚類簇?cái)?shù)的目標(biāo)簇的步驟進(jìn)行重復(fù)聚類，當(dāng)滿足收斂條件時(shí)，得到預(yù)設(shè)聚類簇?cái)?shù)的候選醫(yī)保理賠簇群。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述歷史醫(yī)保理賠數(shù)據(jù)輸入聚類模型中，得到多個(gè)候選醫(yī)保理賠簇群，包括：

獲取預(yù)設(shè)醫(yī)保聚類簇?cái)?shù)，并獲取預(yù)設(shè)高斯分布參數(shù)和預(yù)設(shè)權(quán)重；

根據(jù)所述預(yù)設(shè)高斯分布參數(shù)和所述預(yù)設(shè)權(quán)重使用貝葉斯定理計(jì)算歷史醫(yī)保理賠數(shù)據(jù)后驗(yàn)概率，根據(jù)所述預(yù)設(shè)高斯分布參數(shù)、所述預(yù)設(shè)權(quán)重和所述后驗(yàn)概率更新高斯分布參數(shù)和權(quán)重；

將所述更新后的高斯分布參數(shù)和權(quán)重作為預(yù)設(shè)高斯分布參數(shù)和預(yù)設(shè)權(quán)重，返回根據(jù)所述預(yù)設(shè)高斯分布參數(shù)和所述預(yù)設(shè)權(quán)重使用貝葉斯定理計(jì)算歷史醫(yī)保理賠數(shù)據(jù)后驗(yàn)概率，根據(jù)所述預(yù)設(shè)高斯分布參數(shù)、所述預(yù)設(shè)權(quán)重和所述后驗(yàn)概率更新高斯分布參數(shù)和權(quán)重的步驟，當(dāng)達(dá)到預(yù)設(shè)條件時(shí)，得到目標(biāo)高斯分布參數(shù)和目標(biāo)權(quán)重；

使用所述目標(biāo)高斯分布參數(shù)和目標(biāo)權(quán)重計(jì)算歷史醫(yī)保理賠數(shù)據(jù)屬于醫(yī)保理賠簇群的概率，將歷史醫(yī)保理賠數(shù)據(jù)按照所述概率進(jìn)行聚類，得到預(yù)設(shè)醫(yī)保聚類簇?cái)?shù)的候選醫(yī)保理賠簇群。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

獲取待檢測(cè)醫(yī)保理賠數(shù)據(jù)，根據(jù)所述待檢測(cè)醫(yī)保理賠數(shù)據(jù)得到醫(yī)保特征向量；

將所述醫(yī)保特征向量輸入到已訓(xùn)練的醫(yī)?？刭M(fèi)模型中，得到可控理賠輸出向量，所述已訓(xùn)練的醫(yī)?？刭M(fèi)模型是根據(jù)歷史醫(yī)保理賠數(shù)據(jù)和對(duì)應(yīng)的可控理賠值使用神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練得到的；

根據(jù)所述可控理賠輸出向量得到醫(yī)?？煽刭M(fèi)用。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述已訓(xùn)練的醫(yī)保控費(fèi)模型的生成步驟，包括：

獲取歷史醫(yī)保理賠數(shù)據(jù)和對(duì)應(yīng)的可控理賠值，根據(jù)歷史醫(yī)保理賠數(shù)據(jù)提取醫(yī)保理賠特征；

計(jì)算所述醫(yī)保理賠特征對(duì)應(yīng)的醫(yī)保特征向量和所述可控理賠值對(duì)應(yīng)的向量；

將所述醫(yī)保特征向量作為前饋神經(jīng)網(wǎng)絡(luò)的輸入，將所述可控理賠值對(duì)應(yīng)的向量作為標(biāo)簽進(jìn)行訓(xùn)練，當(dāng)達(dá)到預(yù)設(shè)條件時(shí)，得到所述已訓(xùn)練的醫(yī)?？刭M(fèi)模型。