申请/专利权人：深圳大学

申请日：2020-09-15

公开（公告）日：2024-05-07

公开（公告）号：CN112200684B

主分类号：G06Q40/08

分类号：G06Q40/08;G16H10/60;G06N3/042;G06N3/0464;G06N3/047;G06N3/048;G06N3/08;G06N7/01

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2021.01.26#实质审查的生效;2021.01.08#公开

摘要：本发明所提供的一种检测医保欺诈的方法、系统及存储介质，其中，所述方法包括：获取患者的就诊记录，根据所获取的就诊记录提取对应的患者特征，并根据所提取的患者特征及患者与医生的对应关系，建立医患关系神经网络；将预先标记的欺诈样本输入所建立的医患关系神经网络中，训练出欺诈预测模型，并从所训练出的欺诈预测模型中输出每个患者节点具有欺诈行为的预测值；根据所输出的预测值判定对应节点的患者是否存在欺诈行为。通过机器学习的方法预测患者是否存在欺诈行为，降低了预测欺诈行为的难度，且能够有效地检测医保欺诈行为，利于维护医保体系健康普及。

主权项：1.一种检测医保欺诈的方法，其特征在于，包括：获取患者的就诊记录，根据所获取的就诊记录提取对应的患者特征，并根据所提取的患者特征及患者与医生的对应关系，建立医患关系神经网络；将预先标记的欺诈样本输入所建立的医患关系神经网络中，训练出欺诈预测模型，并从所训练出的欺诈预测模型中输出每个患者节点具有欺诈行为的预测值；所述将预先标记的欺诈样本输入所建立的医患关系神经网络中，训练出欺诈预测模型，并从所训练出的欺诈预测模型中输出每个患者节点具有欺诈行为的预测值之后包括：监测是否有新增的就诊记录；若有新增的就诊记录，将具有预测值的患者节点输入预先建立的动态更新网络中，删除其中无效的患者节点，定时对系统进行更新时删除关系网络中一些信息量少节点；将删除无效节点后的其余就诊记录与新增的就诊记录整理成更新后的就诊记录；根据更新后的就诊记录继续判定每个节点对应的患者是否存在欺诈行为；所述若有新增的就诊记录，将具有预测值的患者节点输入预先建立的动态更新网络中，删除其中无效的患者节点，其中，判定无效的患者节点的依据为：根据具有预测值的患者节点的生成日期及预测值，分别计算每个患者节点的优先级；对每个患者节点的优先级进行排序，选取优先级低的作为无效的患者节点；所述删除其中无效的患者节点，具体包括：根据新增的就诊数量，以优先级低的患者节点为序删除同等数量的无效的患者节点；根据所输出的预测值判定对应节点的患者是否存在欺诈行为。

全文数据：

权利要求：

百度查询： 深圳大学 一种检测医保欺诈的方法、系统及存储介质

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