申请/专利权人：浙江工业大学

申请日：2020-07-16

公开（公告）日：2024-04-02

公开（公告）号：CN111798324B

主分类号：G06Q40/08

分类号：G06Q40/08;G06Q30/018;G06N3/0464;G06N3/042;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2020.11.06#实质审查的生效;2020.10.20#公开

摘要：本发明公开了一种基于动态就医行为对齐的医保欺诈发现方法，包括1根据基本医疗场景数据构建静态图网络后，利用增加有残差思想的多层图卷积网络对静态图网络的邻接矩阵进行多次图卷积操作，获得静态图网络中每个实体信息的特征表示；2根据该动态就医行为包含实体信息的特征表示构建该动态就医行为的特征表示，并对该特征表示映射为固定长度后作为LSTM的输入；3利用参数确定的LSTM提取动态就医行为的特征表示在时间上的关联特征，对关联特征编码解码后，利用softmax函数获得检测结果。该医保欺诈发现方法提升了医保欺诈行为检测的准确性。

主权项：1.一种基于动态就医行为对齐的医保欺诈发现方法，其特征在于，包括以下步骤：1获取基本医疗场景数据，以基本医疗场景数据中实体信息为节点，以实体之间关系为连边，构建静态医保知识图网络后，获得静态医保知识图网络的邻接矩阵，并利用增加有残差思想的多层图卷积网络对邻接矩阵进行多次图卷积操作，获得静态医保知识图网络中每个实体信息的特征表示；多层图卷积网络中，采用以下公式对邻接矩阵进行多次图卷积操作： 其中，fk表示第k次图卷积操作的输出，即实体信息的特征表示，fk-1表示第k-1次图卷积操作的输出，Wk,bk表示图卷积网络的网络参数，λ是超参数，取值范围为0～1，用于控制fk-1有多少信息直接输出到下一次图卷积操作，σ·表示激活函数，A为静态医保知识图网络的邻接矩阵，IN表示与A阶数相等的单位矩阵，D表示矩阵的度值矩阵；f0为节点的初始特征；所述增加有残差思想的多层图卷积网络的网络参数通过以下方式优化：对多层图卷积网络的输出进行归一化处理：Z＝softmaxfk其中，Z表示归一化处理结果，softmax·表示softmax函数，fk表示第k次图卷积操作的输出；根据损失函数L更新多层图卷积网络的网络参数： 其中，yL表示有标签的节点集合，F表示节点标签种类集合，i和j分别为实体信息和标签的索引，Yij表示第i个实体信息的第j类标签；2针对包含有多种实体信息的动态就医行为，根据该动态就医行为包含实体信息的特征表示构建该动态就医行为的特征表示，并对动态就医行为的特征表示映射为固定长度后作为LSTM的输入；其中，根据以下公式构建动态就医行为的特征表示： 其中，表示动态就医行为sln的初始特征表示，pi表示动态就医行为sln包含的第i个实体信息，m为自然数，表示实体信息的总个数，Nsln表示动态就医行为包含的实体信息集合，表示动态就医行为sln包含的第i个实体信息的特征表示，表示动态就医行为sln的特征表示；3利用参数确定的LSTM提取动态就医行为的特征表示在时间上的关联特征，对关联特征编码解码后，利用softmax函数获得检测结果。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于动态就医行为对齐的医保欺诈发现方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD