[發明專利]一種基于動態就醫行為對齊的醫保欺詐發現方法

在審

• 申請號: 202010688096.0
• 申請日: 2020-07-16
• 公開（公告）號: CN111798324A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 俞山青;韓忙;王甬琪;孫佳慧;宣琦;陳晉音
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G06Q30/00;G06N3/04
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

本發明公開了一種基于動態就醫行為對齊的醫保欺詐發現方法，包括(1)根據基本醫療場景數據構建靜態圖網絡后，利用增加有殘差思想的多層圖卷積網絡對靜態圖網絡的鄰接矩陣進行多次圖卷積操作，獲得靜態圖網絡中每個實體信息的特征表示；(2)根據該動態就醫行為包含實體信息的特征表示構建該動態就醫行為的特征表示，并對該特征表示映射為固定長度后作為LSTM的輸入；(3)利用參數確定的LSTM提取動態就醫行為的特征表示在時間上的關聯特征，對關聯特征編碼解碼后，利用softmax函數獲得檢測結果。該醫保欺詐發現方法提升了醫保欺詐行為檢測的準確性。

技術領域

本發明涉及醫保知識圖網絡以及深度學習技術領域，具體而言，涉及一種基于動態就醫行為對齊的醫保欺詐發現方法。

背景技術

隨著科學技術的發展以及人民生活水平的提高，醫保的覆蓋比率越來越高，然而虛假就醫、分解住院等騙保手段層出不窮，極大威脅醫保基金的正常運轉。

現有的醫保審核模式，大多數是人工審核，由于醫保數據量大，醫保審核人員數量有限，因而工作量巨大，只能采取抽樣檢查的方法，無法對每一張醫療單據進行及時有效的審核。

盡管當前已經存在了一些醫保審核系統，但是其核心方法依然是基于規則的方法，智能化水平較低，無法有效的結束大數據技術發現異常就醫行為，防止醫保欺詐。

申請公布號為CN109801175A的專利申請公開了一種醫保詐騙行為檢測方法和裝置，對醫療賬單數據進行劃分后聚類，來篩選孤立醫療賬單數據作為可疑醫療賬單數據。申請公布號為CN 111340641A的專利申請公開了一種異常就醫行為檢測方法，該異常就醫行為檢測方法是將就醫行為構建成圖網絡，以圖網絡連邊的特征表示構建就醫行為節點的特征表示，依據該特征表示進行聚類來是異常就醫行為進行檢測，獲得檢測結果。該方法直接以就醫行為為節點，以節點之間連邊的特征表示就醫行為節點的特征，然后利用聚類來實現異常就醫行為檢測。

發明內容

本發明的目的是提供一種基于動態就醫行為對齊的醫保欺詐發現方法，來提升醫保欺詐行為檢測的準確性。

為實現上述發明目的，本發明提供以下技術方案：

一種基于動態就醫行為對齊的醫保欺詐發現方法，包括以下步驟：

(1)獲取基本醫療場景數據，以基本醫療場景數據中實體信息為節點，以實體之間關系為連邊，構建靜態醫保知識圖網絡后，獲得靜態醫保知識圖網絡的鄰接矩陣，并利用增加有殘差思想的多層圖卷積網絡對鄰接矩陣進行多次圖卷積操作，獲得靜態醫保知識圖網絡中每個實體信息的特征表示；

(2)針對包含有多種實體信息的動態就醫行為，根據該動態就醫行為包含實體信息的特征表示構建該動態就醫行為的特征表示，并對動態就醫行為的特征表示映射為固定長度后作為LSTM的輸入；

(3)利用參數確定的LSTM提取動態就醫行為的特征表示在時間上的關聯特征，對關聯特征編碼解碼后，利用softmax函數獲得檢測結果。

本發明的有益效果至少包括：

該基于動態就醫行為對齊的醫保欺詐發現方法，通過全局的靜態醫保知識圖網絡中節點特征來構建個人的動態就醫行為特征，然后對該就醫行為特征進行對齊和降維升維處理后，采用歸一化方式獲得醫保欺詐行為預測結果，大大提升了醫保欺詐行為檢測的準確性。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖做簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動前提下，還可以根據這些附圖獲得其他附圖。

圖1是本發明實施例提供的基于動態就醫行為對齊的醫保欺詐發現方法的流程圖；