CN109615538A - 社保违规检测方法、装置、设备及计算机存储介质 - Google Patents
社保违规检测方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN109615538A CN109615538A CN201811526935.8A CN201811526935A CN109615538A CN 109615538 A CN109615538 A CN 109615538A CN 201811526935 A CN201811526935 A CN 201811526935A CN 109615538 A CN109615538 A CN 109615538A
- Authority
- CN
- China
- Prior art keywords
- data
- social security
- medical data
- medical
- punishment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 106
- 238000003860 storage Methods 0.000 title claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 60
- 238000007689 inspection Methods 0.000 claims abstract description 16
- 239000003814 drug Substances 0.000 claims description 62
- 229940079593 drug Drugs 0.000 claims description 35
- 230000033228 biological regulation Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 17
- 239000000284 extract Substances 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000013450 outlier detection Methods 0.000 claims description 7
- 241001269238 Data Species 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 15
- 238000011176 pooling Methods 0.000 abstract description 13
- 238000010801 machine learning Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 229940126678 chinese medicines Drugs 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种社保违规检测方法，包括：获取用户通过社保卡结算就诊费用的就诊数据；将就诊数据输入偏差检测模型，获取用户结算就诊费用的地址，并确定地址是否为预设地址；若地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药；若检测到就诊数据中存在单味药，则提述单味药对应的文本数据，并将文本数据作为异常数据，以提供对所述用户处罚的处罚证明。本发明还提供一种社保违规检测装置、设备及计算机存储介质。本发明实现了基于机器学习通过偏差检测模型检测就诊数据中是否存在单味药，从而确定就诊数据是否异常，避免了人工监管造成的人力浪费及门诊统筹基金的浪费，提高了对门诊统筹基金的监管效率。
Description
技术领域
本发明涉及数据监控技术领域，尤其涉及一种社保违规检测方法、装置、设备及计算机存储介质。
背景技术
医疗保险一般指基本医疗保险，是为了补偿劳动者因疾病风险造成的经济损失而建立的一项社会保险制度。通过用人单位与个人缴费，建立医疗保险基金，参保人员患病就诊发生医疗费用后，由医疗保险机构对其给予一定的经济补偿。参保人在定点医疗机构，特别是药店购药时，在某些地区规定了单味使用不予支付的中药，若用户在利用社保卡购买中药时处方中存在单味使用的中药，则违反了医保报销的初衷，是医保禁止的违规行为，会给医保基金带来极大的危害。
目前，由配备的监管人员对参保人员的社保行为进行监控，对医保结算单据进行核算，管理门诊统筹基金的支出，但是，人工监管造成人力浪费，并且我国参保人员很多，不同地区对应的政策存在差异，监管人员不够，从而让不法分子有机可乘，造成门诊统筹基金的浪费。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种社保违规检测方法、装置、设备及计算机存储介质，旨在解决现有技术中人工监管导致人力浪费及门诊统筹基金浪费的技术问题。
为实现上述目的，本发明提供一种社保违规检测方法，所述社保违规检测方法包括以下步骤：
获取用户通过社保卡结算就诊费用的就诊数据；
将所述就诊数据输入偏差检测模型，获取所述用户结算就诊费用的地址，并确定所述地址是否为预设地址；
若所述地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药；
若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
可选地，所述通过偏差检测模型检测所述就诊数据中是否存在单味药的步骤包括：
将所述就诊数据输入偏差检测模型，通过偏差检测模型将所述就诊数据中的文本数据转化为标准化的字段，以得到标准数据；
基于偏移的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在单味药；
若所述就诊数据中存在单味药则确定所述就诊数据异常。
可选地，所述将所述就诊数据输入偏差检测模型，通过偏差检测模型将所述就诊数据中的文本数据转化为标准化的字段，以得到标准数据的步骤包括：
将所述就诊数据输入偏差检测模型，通过偏差检测模型对就诊数据进行清洗，以得到清洗后的规范就诊数据；
对所述规范就诊数据构造文本特征，以得到词向量，并通过偏差检测模型中的双向RNN子模型将词向量转化为句子向量矩阵；
基于所述句子向量矩阵进行注意力机制操作，以得到所述标准数据。
可选地，所述若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明的步骤包括：
若检测到所述就诊数据中存在单味药，则将所述单味药与药品库进行匹配，确定所述药品库中是否存在与所述单味药相同的中药；
若所述药品库中存在与所述单味药相同的中药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
可选地，所述若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明的步骤包括：
若检测到所述就诊数据中存在单味药，则获取所述单味药的剂量；
确定所述剂量是否大于预设剂量；
若所述剂量大于预设剂量，则确定所述就诊数据中存在异常数据，并提取所述异常数据，以提供对所述用户处罚的处罚证明。
可选地，所述社保违规检测方法还包括：
获取预设处罚规则，基于所述预设处罚规则及异常数据生成处罚通知；
将所述处罚通知及所述处罚证明发送至用户移动终端。
可选地，所述社保违规检测方法还包括：
获取所述用户的历史违规次数，并确定所述历史违规次数所在的次数范围；
基于所述处罚规则确定所述次数范围对应的违规等级，并获取所述违规等级对应的处罚措施；
基于所述处罚措施自动对用户进行处罚。
此外，为实现上述目的，本发明还提供一种社保违规检测装置，所述社保违规检测装置包括：
获取模块，用于获取用户通过社保卡结算就诊费用的就诊数据；
判断模块，用于将所述就诊数据输入偏差检测模型，获取所述用户结算就诊费用的地址，并确定所述地址是否为预设地址；
检测模块，用于若所述地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药；
提取模块：用于若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
此外，为实现上述目的，本发明还提供一种社保违规检测设备，所述社保违规检测设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的社保违规检测程序，其中所述社保违规检测程序被所述处理器执行时，实现如上述的社保违规检测方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机存储介质，所述计算机存储介质上存储有社保违规检测程序，其中所述社保违规检测程序被处理器执行时，实现如上述的社保违规检测方法的步骤。
本发明提供一种社保违规检测方法、装置、设备及计算机存储介质，本发明通过获取用户通过社保卡结算就诊费用的就诊数据，然后将所述就诊数据输入偏差检测模型，获取所述用户结算就诊费用的地址，并确定所述地址是否为预设地址，接着若所述地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药，最后若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明；由此实现了通过偏差检测模型检测就诊数据中是否存在单味药，从而确定就诊数据是否异常，避免了人工监管造成的人力浪费及门诊统筹基金的浪费，提高了对门诊统筹基金的监管效率。
附图说明
图1为本发明各实施例涉及的社保违规检测设备的硬件结构示意图；
图2为本发明社保违规检测方法第一实施例的流程示意图；
图3为本发明社保违规检测方法第二实施例的流程示意图；
图4为本发明社保违规检测方法第三实施例的流程示意图；
图5为本发明社保违规检测方法第四实施例的流程示意图；
图6为本发明社保违规检测方法第五实施例的流程示意图；
图7为本发明社保违规检测方法第六实施例的流程示意图；
图8为本发明社保违规检测方法第七实施例的流程示意图；
图9为本发明社保违规检测装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例涉及的社保违规检测方法主要应用于社保违规检测设备，该社保违规检测设备可以是PC(个人计算机personal computer)、便携计算机、移动终端等具有显示和处理功能的设备。
参照图1，图1为本发明实施例方案中涉及的社保违规检测设备的硬件结构示意图。本发明实施例中，社保违规检测设备可以包括处理器1001(例如中央处理器CentralProcessing Unit、CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)；存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
继续参照图1，图1中作为一种计算机存储介质的存储器1005可以包括操作系统、网络通信模块以及社保违规检测程序。在图1中，网络通信模块主要用于连接服务器，与服务器进行数据通信；而处理器1001可以调用存储器1005中存储的社保违规检测程序，并执行本发明实施例提供的社保违规检测方法。
本发明进一步提供一种社保违规检测方法。参照图2，图2为本发明社保违规检测方法第一实施例的方法示意图。
在本实施例中，本发明社保违规检测方法的执行主体为人社核心系统，该人社核心系统包括设备违规检测设备，人社核心系统能够检测就诊数据中是否存在单味药，并提取就诊数据中存在单味药的文本数据，将该本文数据作为异常数据，从而筛选出不符合医保规定的异常数据，并将该异常数据作为对用户进行处罚的处罚证明。
该社保违规检测方法包括：
步骤S10，获取用户通过社保卡结算就诊费用的就诊数据；
在本实施例中，参保人员在定点医疗机构(例如，医院、药店)使用社保卡进行结算时，定点医疗机构的终端设备根据处方信息、参保人信息及费用明细信息等生成处方单，将该处方单上传至人社核心系统，人社核心系统接收定点医疗机构的终端设备发送的处方单，获取处方单中的就诊数据，以对就诊数据进行社保违规检测，其中，就诊数据包括就诊时间、就诊医疗机构名称或代码、参保人信息、处方信息及费用明细信息等，其中，参保人信息包括参保人的身份信息、参保人社保卡信息等，参保人的身份信息包括年龄、身份证号、体重、身高等，处方信息包括药品信息、药品用法(例如，口服，一天一次)、药品处方时间等，该药品信息包括药品名称、规格、单位、数量等。
步骤S20，将所述就诊数据输入偏差检测模型，获取所述用户结算就诊费用的地址，并确定所述地址是否为预设地址；
在本实施例中，由于各个地区出台的政策有所不同，所以各个地区对应的社保规则也有所不同，需要执行不同的社保规则，该偏差检测模型中包括预设地址及预设地址的社保规则，该预设地址包括省、市、县等，利用聚类、序列异常、最近邻居法、多维数据分析等算法对就诊数据进行分析，通过偏差检测模型确定就诊数据中用户结算就诊费用的所在地址，就诊费用的所在地址可以理解为社保所在地，确定该就诊费用的地址是否为预设地址。
步骤S30，若所述地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药；
在本实施例中，若就诊费用的地址为预设地址，则执行预设地址对应的社保规则。某些地区当地政策规定中药单味使用不予支付，通过偏差检测模型可以检测就诊数据中是否存在单味药，该单味药是指单味使用不予支付的中药。通过偏差检测模型检测就诊数据中是否存在单味药，具体地，就诊数据中存在一些不必要的数据或者不规范的数据，在既表示词本身又可以考虑语义距离的要求下，利用偏差检测模型中的RNN子模型分析更长更复杂的文本内容，对就诊数据进行分词处理，例如，一条中文句子，词语之间都是连续的，而数据分析的最小单位粒度是词语，所以需要进行分词处理，而对于英文文本的句子，英文的句子的最小单位是词语，词语之间由空格隔开的，同时，需要对词性进行标注，例如，名词、从词、形容词、数量词等，词性标注的目的是为了让句子在后面的处理中融入更多的有用的语言信息，当然，对于有些文本处理任务，可以不用词性标注。
进一步地，还可以去除停用词，停用词就是对文本特征没有贡献作用的词语，比如，啊、的、标点符号等，在进行文本分析时需要对这些停用词去除掉，当然，对于不同的应用可以在偏差检测模型中设置参数去除规定词性的词语。
进一步地，对就诊数据进行清洗操作后，对清洗后的就诊数据构造文本特征，将文本用一个向量的序列表示，将词语用词向量表示，通过正向计算及逆向计算拼接得到完整的词向量，得到词向量的序列，然后使用双向RNN模型将词向量编码(转化)为一个句子向量矩阵，对句子向量矩阵进行注意力机制，得到最终的标准数据。
进一步地，个别地区政策规定单味使用不予支付的中药，参保人出于非治疗的目的购买数量异常的中草药，造成医保基金的浪费，所以在得到标准数据后，基于偏移的异常检测算法对标准数据进行检测，并根据检测结果确定就诊数据中是否存在单味药。
步骤S40，若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
在本实施例中，若检测到就诊数据中存在单味药，则说明就诊数据异常，则提取该单味药对应的文本数据，并将该数据标记为异常数据，提取就诊数据中的异常数据，并根据异常数据生成处罚证明，该处罚证明包括处罚对象的名称、处罚措施、处罚原因、处罚机构、处罚时间等。该异常数据可以用来作为用户利用社保卡违规操作的证据。
进一步的，在检测到就诊数据中存在单味药时，则可以将该单味药与药品库进行匹配，并确定药品库中是否存在与该单味药相同的中药，若存在，则说明就诊数据异常，并提取就诊数据中的异常数据。
进一步的，在检测到就诊数据中存在单味药时，还可以检测该单味药的剂量是否大于预设剂量，若大于，则确定该就诊数据存在异常，并提取就诊数据中的异常数据。
本实施例提出的社保违规检测方法，通过获取用户通过社保卡结算就诊费用的就诊数据，然后将所述就诊数据输入偏差检测模型，获取所述用户结算就诊费用的地址，并确定所述地址是否为预设地址，接着若所述地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药，最后若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明；实现了通过偏差检测模型检测就诊数据中是否存在单味药，从而确定就诊数据是否异常，避免了避免了人工监管造成的人力浪费及门诊统筹基金的浪费，提高了对门诊统筹基金的监管效率。
基于第一实施例，提出本发明社保违规检测方法的第二实施例，参照图3，本实施例中，步骤S30包括：
步骤S31，将所述就诊数据输入偏差检测模型，通过偏差检测模型将所述就诊数据中的文本数据转化为标准化的字段，以得到标准数据；
在本实施例中，在本实施例中，该偏差检测模型可以利用聚类、序列异常、最近邻居法、多维数据分析等对就诊数据进行分析，通过偏差检测模型能够检测就诊数据中是否存在单味药，具体地，首先通过偏差检测模型对获取到的就诊数据进行清洗，就诊数据中存在一些不必要的数据或者不规范的数据，通过对这些数据进行清洗得到标准数据，然后再检测标准数据中是否存在单味药。
步骤S32，基于偏移的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在单味药；
在本实施中，根据偏差检测模型中的基于偏移的异常检测算法检测就诊数据中的异常数据。基于偏移的异常检测不采用统计检验或者基于距离的度量值来确定异常对象，它是模仿人类的思维方式，通过观察一个连续序列后，迅速地发现其中某些数据与其它数据明显的不同来确定异常点对象。基于偏移的异常点检测常用两种技术：序列异常技术和数据立方体技术。序列异常技术模仿了人类从一系列推测类似的对象中识别异常对象的方式，利用隐含的数据冗余，给定就诊数据中的n个对象的集合S，它建立一个子集合的序列，{S 1，S 2，…，Sm}，其中，2<＝m<＝n，由此，求出子集间的偏离程度。该算法从集合中选择一个子集合的序列来分析，对于每个子集合，它确定其与序列中前一个子集合的相异度差异。通过该算法模型对每个参保人的就诊数据进行学习和预测，针对每条标准化过的就诊数据，根据就诊结算时间的分布，识别出存在的异常数据，并将异常数据进行输出。
步骤S33，若所述就诊数据中存在单味药则确定所述就诊数据异常。
在本实施例中，若检测到就诊数据中存在单味药，该单味药是指单味使用不予支付的中药，则确定就诊数据异常，并提取该就诊数据中的异常数据，进一步的，在某些地区规定某些药单味使用不予支付，例如，某安徽试点地区出台了具体的中药饮片的限制使用政策，具体限制即是人社规定的101个中药饮片不能单味单次使用。则可以通过偏差检测模型首先确定就诊数据中是否存在单味药，若存在单味药，则将该单味药与预设药品库进行匹配，确定该药品库中是否存在与该单味药相同的中药，若存在，则说明该就诊数据存在异常。
本实施例提出的社保违规检测方法，通过将所述就诊数据输入偏差检测模型，通过偏差检测模型将所述就诊数据中的文本数据转化为标准化的字段，以得到标准数据，然后基于偏移的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在单味药，最后若所述就诊数据中存在单味药则确定所述就诊数据异常；实现了通过偏差检测模型对就诊数据进行检测，确定就诊数据中是否存在单位药，从而能够自动检测出异常数据，避免了人工避免了人工监管造成的人力浪费及门诊统筹基金的浪费，提高了对门诊统筹基金的监管效率。
基于第二实施例，提出本发明社保违规检测方法的第三实施例，参照图4，本实施例中，步骤S31包括：
步骤S311，将所述就诊数据输入偏差检测模型，通过偏差检测模型对就诊数据进行清洗，以得到清洗后的规范就诊数据；
在本实施例中，该偏差检测模型偏差检测模型可以利用聚类、序列异常、最近邻居法、多维数据分析等对就诊数据进行分析，通过偏差检测模型能够检测就诊数据中是否存在单味药，具体地，首先通过偏差检测模型对获取到的就诊数据进行清洗，清洗就是对就诊数据中的本文数据进行分词处理，就诊数据中存在一些不必要的数据或者不规范的数据，在既表示词本身又可以考虑语义距离的要求下，利用RNN模型分析更长更复杂的文本内容，对就诊数据进行分词处理，例如，一条中文句子，词语之间都是连续的，而数据分析的最小单位粒度是词语，所以需要进行分词处理，而对于英文文本的句子，英文的句子的最小单位是词语，词语之间由空格隔开的，同时，需要对词性进行标注，例如，名词、从词、形容词、数量词等，词性标注的目的是为了让句子在后面的处理中融入更多的有用的语言信息，当然，对于有些文本处理任务，可以不用词性标注。
进一步地，还可以去除停用词，停用词就是对文本特征没有任贡献作用的词语，比如，啊、的、标点符号等，在进行文本分析时需要对这些停用词去除掉，当然，对于不同的应用可以在偏差检测模型中设置参数去除规定词性的词语。
步骤S212，对所述规范就诊数据构造文本特征，以得到词向量，并通过偏差检测模型中的双向RNN子模型将词向量转化为句子向量矩阵；
在本实施例中，对就诊数据进行清洗操作后，对清洗后的就诊数据构造文本特征，将文本用一个向量的序列表示，将词语用词向量表示，通过正向计算及逆向计算拼接得到完整的词向量，得到词向量的序列，然后使用偏差检测模型中的双向RNN子模型将词向量编码(转化)为一个句子向量矩阵，对句子向量矩阵进行注意力机制，得到最终的标准数据。
步骤S213，基于所述句子向量矩阵进行注意力机制操作，以得到所述标准数据。
在本实施例中，在本实施例中，对句子向量矩阵进行注意力机制，将步骤S212中的句子向量矩阵压缩为一个向量表示，送入偏差检测模型中的前馈神经网络进行预测，输入一个矩阵，输出一个向量，从输入内容中提取一个上下文向量，该机制的上下文向量是被当作模型的参数学习得到。这使得注意机制变成一个纯粹的压缩操作，可以替换任何的池化步骤。文本内容被压缩成一个向量之后，得到最终的标准数据，例如，一种类别标签、一个实数值等。
本实施例提出的社保违规检测方法，通过将所述就诊数据输入偏差检测模型，通过偏差检测模型对就诊数据进行清洗，以得到清洗后的规范就诊数据，然后对所述规范就诊数据构造文本特征，以得到词向量，并通过偏差检测模型中的双向RNN子模型将词向量转化为句子向量矩阵，最后基于所述句子向量矩阵进行注意力机制操作，以得到所述标准数据；实现了通过偏差检测模型将就诊数据转化为标准数据，从而有利于异常数据的检测，进而提高异常数据检测的正确性。
基于第一实施例，提出本发明社保违规检测方法的第四实施例，参照图5，本实施例中，步骤S40包括：
步骤S41，若检测到所述就诊数据中存在单味药，则将所述单味药与药品库进行匹配，确定所述药品库中是否存在与所述单味药相同的中药；
在本实施例中，在某些地区规定某些药单味使用不予支付，例如，某安徽试点地区出台了具体的中药饮片的限制使用政策，具体限制即是人社规定的101个中药饮片不能单味单次使用，则可以通过偏差检测模型首先确定就诊数据中是否存在单味药，若就诊数据中存在单味药，则将该单味药与药品库进行匹配，确定该药品库中是否存在与单味药相同的中药。
步骤S42，若所述药品库中存在与所述单味药相同的中药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
在本实施例中，通过偏差检测模型首先确定就诊数据中是否存在单味药，若存在单味药，则将该单味药与预设药品库进行匹配，确定该药品库中是否存在与该单味药相同的中药，若存在，则说明该就诊数据存在异常，并根据异常数据生成处罚证明，该处罚证明包括处罚对象的名称、处罚措施、处罚原因、处罚机构、处罚时间等。该异常数据可以用来对作为用户利用社保卡违规操作的证据。
本实施例提出的社保违规检测方法，通过若检测到所述就诊数据中存在单味药，则将所述单味药与药品库进行匹配，确定所述药品库中是否存在与所述单味药相同的中药，然后若所述药品库中存在与所述单味药相同的中药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明；实现了在就诊数据中存在单味药时确定该单味药是否为药品库中存在的中药，进一步准确的确定就诊数据是否异常，提高了监管效率。
基于第一实施例，提出本发明社保违规检测方法的第五实施例，参照图6，本实施例中，步骤S40包括：
步骤S43，若检测到所述就诊数据中存在单味药，则获取所述单味药的剂量；
步骤S44，确定所述剂量是否大于预设剂量；
步骤S45，若所述剂量大于预设剂量，则确定所述就诊数据中存在异常数据，并提取所述异常数据，以提供对所述用户处罚的处罚证明。
在本实施例中，对于某些中药使用剂量有一定剂量要求，有些中药可以单味使用但是不能超过一定剂量，所以在检测到就诊数据中存在单味药时，并检测该单味药的剂量是否大于预设剂量，若该单味药的剂量大于预设剂量，则确定就诊数据异常，若检测到该单味药的剂量小于或等于预设剂量，则确定该就诊数据正常。不同的单味药对应的预设剂量不同，预设剂量由技术人员根据实际情况就设定，在确定就诊数据中存在单味药时，则获取该单味药的名称，根据该名称查找对应的预设剂量。
本实施例提出的社保违规检测方法，通过若检测到所述就诊数据中存在单味药，则获取所述单味药的剂量，然后确定所述剂量是否大于预设剂量，最后若所述剂量大于预设剂量，则确定所述就诊数据中存在异常数据，并提取所述异常数据，以提供对所述用户处罚的处罚证明；实现了在检测到存在单味药时根据该单味药的剂量确定就诊数据是否异常，进一步准确的确定就诊数据是否异常，提高了监管效率。
基于第一实施例，提出本发明社保违规检测方法的第六实施例，参照图7，本实施例中，该社保违规检测方法还包括：
步骤S50，获取预设处罚规则，基于所述预设处罚规则及异常数据生成处罚通知；
在本实施例中，若检测到就诊数据中存在异常数据，则在数据库中查找预设处罚规则，并根据该处罚规则及异常数据生成处罚通知，该处罚规则由技术人员进行设定，该处罚通知包括处罚对象的名称、处罚措施、处罚原因、处罚机构、处罚时间等。
步骤S60，将所述处罚通知及所述处罚证明发送至用户移动终端。
在本实施例中，人社核心系统将处罚通知发送至移动终端，并自动对用户进行处罚，其中，也可以统计参保人预设时间段违规操作的次数，确定惩罚措施的程度，例如，警告、罚款、注销医保卡等，或者，在检测到用户有违规的预行为时，可以进行相关提示，预行为是指根据参保人的购买药物的行为分析预测下次参保人购买药物的行为，提示方法可以是短信提示、电话通知或者微信消息提示等。
本实施例提出的社保违规检测方法，通过获取预设处罚规则，基于所述预设处罚规则及异常数据生成处罚通知，然后将所述处罚通知及所述处罚证明发送至用户移动终端；实现了在检测到用户就诊数据存在异常时，对用户自动进行处罚，从而避免了人工避免了人工监管造成的人力浪费及门诊统筹基金的浪费，提高了对门诊统筹基金的监管效率。
基于第六实施例，提出本发明社保违规检测方法的第七实施例，参照图8，本实施例中，该社保违规检测方法还包括：
步骤S70，获取所述用户的历史违规次数，并确定所述历史违规次数所在次数范围；
在本实施例中，人社核心系统可以根据获取用户的历史就诊数据，并根据用户的历史就诊数据统计用户的历史违规次数，在处罚规则中不同的违规次数对应不同的处罚等级，所以，首先确定用户历史违规次数在该处罚规则中所对应的次数范围，以根据该次数范围确定用户的违规等级。
步骤S80，基于所述处罚规则确定所述次数范围对应的违规等级，并获取所述违规等级对应的处罚措施；
在本实施例中，历史违规次数处于不同的次数范围时，对应的违规等级不同，根据处罚规则确定历史违规次数所在的次数范围，并确定次数范围对应的处罚措施，例如，该处罚等级可以划分为第一等级、第二等级、第三等级等，第一等级对应处罚措施可以是警告提示，第二等级对应的处罚措施可以是进行一定金额罚款，第三等级对应的处罚措施可以是注销医保卡等，当然，可以根据用户历史违规次数所在不同的次数范围对用户进行不同金额的罚款。
步骤S90，基于所述处罚措施自动对用户进行处罚。
在本实施例中，人社系统根据处罚规则自动对用户进行处罚，例如，人社系统可以获取用户的联系方式，该联系方式可以是微信、电话、邮件等，将警告提示以微信消息、邮件、短信等方式发送给用户，或者，人社核心系统可以直接与用户微信、支付宝或者银行卡绑定，直接根据处罚规则从用户微信、支付宝、银行卡中扣除相应的罚款，或者，人社核心系统直接可以注销用户医保卡。
本实施例提出的社保违规检测方法，通过获取所述用户的历史违规次数，并确定所述历史违规次数所在的次数范围，然后基于所述处罚规则确定所述次数范围对应的违规等级，并获取所述违规等级对应的处罚措施，最后基于所述处罚措施自动对用户进行处罚；实现了根据用户的历史违规次数对用户进行不同的处罚措施，从而自动进行处罚，提高了对门诊统筹基金的监管效率。
此外，本发明实施例还提供一种社保违规检测装置。
参照图9，图9为本发明社保违规检测装置第一实施例的功能模块示意图。
本发明社保违规检测装置为虚拟装置，存储于图1所示社保违规检测设备的存储器1005中，用于实现社保违规检测程序的所有功能：获取用户通过社保卡结算就诊费用的就诊数据；将所述就诊数据输入偏差检测模型，获取所述用户结算就诊费用的地址，并确定所述地址是否为预设地址；若所述地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药；若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
具体的，本实施例中，所述社保违规检测装置包括：
获取模块101，获取用户通过社保卡结算就诊费用的就诊数据；
判断模块102，将所述就诊数据输入偏差检测模型，获取所述用户结算就诊费用的地址，并确定所述地址是否为预设地址；
检测模块103，若所述地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药；
提取模块104：若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
进一步地，所述检测模块103还用于：
将所述就诊数据输入偏差检测模型，通过偏差检测模型将所述就诊数据中的文本数据转化为标准化的字段，以得到标准数据；
基于偏移的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在单味药；
若所述就诊数据中存在单味药则确定所述就诊数据异常。
进一步地，所述检测模块103还用于：
将所述就诊数据输入偏差检测模型，通过偏差检测模型对就诊数据进行清洗，以得到清洗后的规范就诊数据；
对所述规范就诊数据构造文本特征，以得到词向量，并通过偏差检测模型中的双向RNN子模型将词向量转化为句子向量矩阵；
基于所述句子向量矩阵进行注意力机制操作，以得到所述标准数据。
进一步地，所述提取模块104还用于：
若检测到所述就诊数据中存在单味药，则将所述单味药与药品库进行匹配，确定所述药品库中是否存在与所述单味药相同的中药；
若所述药品库中存在与所述单味药相同的中药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
进一步地，所述社保违规检测装置还包括：
获取模块，用于若检测到所述就诊数据中存在单味药，则获取所述单味药的剂量；
确定所述剂量是否大于预设剂量；
若所述剂量大于预设剂量，则确定所述就诊数据中存在异常数据，并提取所述异常数据，以提供对所述用户处罚的处罚证明。
进一步地，所述社保违规检测装置还包括：
生成模块，用于获取预设处罚规则，基于所述预设处罚规则及异常数据生成处罚通知；
发送模块，用于将所述处罚通知及所述处罚证明发送至用户移动终端。
进一步地，所述社保违规检测装置还包括：
获取模块，用于获取所述用户的历史违规次数，并确定所述历史违规次数所在的次数范围；
基于所述处罚规则确定所述次数范围对应的违规等级，并获取所述违规等级对应的处罚措施；
处罚模块，用于基于所述处罚措施自动对用户进行处罚。
此外，本发明实施例还提供一种计算机存储介质。
本发明计算机存储介质上存储有社保违规检测程序，其中所述社保违规检测程序被处理器执行时，实现如上述的社保违规检测方法的步骤。
其中，社保违规检测程序被执行时所实现的方法可参照本发明社保违规检测方法的各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种社保违规检测方法，其特征在于，所述社保违规检测方法包括以下步骤：
获取用户通过社保卡结算就诊费用的就诊数据；
将所述就诊数据输入偏差检测模型，获取所述用户结算就诊费用的地址，并确定所述地址是否为预设地址；
若所述地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药；
若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
2.如权利要求1所述的社保违规检测方法，其特征在于，所述通过偏差检测模型检测所述就诊数据中是否存在单味药的步骤包括：
将所述就诊数据输入偏差检测模型，通过偏差检测模型将所述就诊数据中的文本数据转化为标准化的字段，以得到标准数据；
基于偏移的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在单味药；
若所述就诊数据中存在单味药则确定所述就诊数据异常。
3.如权利要求2所述的社保违规检测方法，其特征在于，所述将所述就诊数据输入偏差检测模型，通过偏差检测模型将所述就诊数据中的文本数据转化为标准化的字段，以得到标准数据的步骤包括：
将所述就诊数据输入偏差检测模型，通过偏差检测模型对就诊数据进行清洗，以得到清洗后的规范就诊数据；
对所述规范就诊数据构造文本特征，以得到词向量，并通过偏差检测模型中的双向RNN子模型将词向量转化为句子向量矩阵；
基于所述句子向量矩阵进行注意力机制操作，以得到所述标准数据。
4.如权利要求1所述的社保违规检测方法，其特征在于，所述若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明的步骤包括：
若检测到所述就诊数据中存在单味药，则将所述单味药与药品库进行匹配，确定所述药品库中是否存在与所述单味药相同的中药；
若所述药品库中存在与所述单味药相同的中药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
5.如权利要求1所述的社保违规检测方法，其特征在于，所述若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明的步骤包括：
若检测到所述就诊数据中存在单味药，则获取所述单味药的剂量；
确定所述剂量是否大于预设剂量；
若所述剂量大于预设剂量，则确定所述就诊数据中存在异常数据，并提取所述异常数据，以提供对所述用户处罚的处罚证明。
6.如权利要求1所述的社保违规检测方法，其特征在于，所述社保违规检测方法还包括：
获取预设处罚规则，基于所述预设处罚规则及异常数据生成处罚通知；
将所述处罚通知及所述处罚证明发送至用户移动终端。
7.如权利要求6所述的社保违规检测方法，其特征在于，所述社保违规检测方法还包括：
获取所述用户的历史违规次数，并确定所述历史违规次数所在的次数范围；
基于所述处罚规则确定所述次数范围对应的违规等级，并获取所述违规等级对应的处罚措施；
基于所述处罚措施自动对用户进行处罚。
8.一种社保违规检测装置，其特征在于，所述社保违规检测装置包括：
获取模块，用于获取用户通过社保卡结算就诊费用的就诊数据；
判断模块，用于将所述就诊数据输入偏差检测模型，获取所述用户结算就诊费用的地址，并确定所述地址是否为预设地址；
检测模块，用于若所述地址为预设地址，则通过偏差检测模型检测所述就诊数据中是否存在单味药；
提取模块：用于若检测到所述就诊数据中存在单味药，则提取所述单味药对应的文本数据，并将所述文本数据作为异常数据，以提供对所述用户处罚的处罚证明。
9.一种社保违规检测设备，其特征在于，所述社保违规检测设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的社保违规检测程序，其中所述社保违规检测程序被所述处理器执行时，实现如权利要求1至7中任一项所述的社保违规检测方法的步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有信贷评估程序，其中所述社保违规检测程序被处理器执行时，实现如权利要求1至7中任一项所述的社保违规检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811526935.8A CN109615538A (zh) | 2018-12-13 | 2018-12-13 | 社保违规检测方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811526935.8A CN109615538A (zh) | 2018-12-13 | 2018-12-13 | 社保违规检测方法、装置、设备及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109615538A true CN109615538A (zh) | 2019-04-12 |
Family
ID=66008402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811526935.8A Pending CN109615538A (zh) | 2018-12-13 | 2018-12-13 | 社保违规检测方法、装置、设备及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109615538A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111126955A (zh) * | 2019-12-17 | 2020-05-08 | 中国建设银行股份有限公司 | 业务数据分析方法、处理服务器及存储介质 |
| CN111210377A (zh) * | 2019-12-30 | 2020-05-29 | 航天信息股份有限公司 | 一种基于云计算的网络订餐监管系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101874814A (zh) * | 2009-05-03 | 2010-11-03 | 水松 | 一种节约中药的方法 |
| CN104809335A (zh) * | 2015-04-10 | 2015-07-29 | 上海卫生信息工程技术研究中心有限公司 | 一种环境变化对疾病发病影响的分析预测模型 |
| CN105574544A (zh) * | 2015-12-16 | 2016-05-11 | 平安科技（深圳）有限公司 | 一种数据处理方法和装置 |
| CN105989448A (zh) * | 2015-03-18 | 2016-10-05 | 刘振民 | 一把药品安全智能锁 |
| CN107103172A (zh) * | 2016-02-21 | 2017-08-29 | 陈永如 | 家庭健康计划服务卡健康管理系统与健康管理方法 |
| CN107133438A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 医疗行为监控方法及装置 |
| CN107274504A (zh) * | 2017-05-19 | 2017-10-20 | 深圳梵摩健康科技有限公司 | 一种智能药师在岗管理方法和系统 |
| CN107464559A (zh) * | 2017-07-11 | 2017-12-12 | 中国科学院自动化研究所 | 基于汉语韵律结构和重音的联合预测模型构建方法及系统 |
-
2018
- 2018-12-13 CN CN201811526935.8A patent/CN109615538A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101874814A (zh) * | 2009-05-03 | 2010-11-03 | 水松 | 一种节约中药的方法 |
| CN105989448A (zh) * | 2015-03-18 | 2016-10-05 | 刘振民 | 一把药品安全智能锁 |
| CN104809335A (zh) * | 2015-04-10 | 2015-07-29 | 上海卫生信息工程技术研究中心有限公司 | 一种环境变化对疾病发病影响的分析预测模型 |
| CN105574544A (zh) * | 2015-12-16 | 2016-05-11 | 平安科技（深圳）有限公司 | 一种数据处理方法和装置 |
| CN107103172A (zh) * | 2016-02-21 | 2017-08-29 | 陈永如 | 家庭健康计划服务卡健康管理系统与健康管理方法 |
| CN107133438A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 医疗行为监控方法及装置 |
| CN107274504A (zh) * | 2017-05-19 | 2017-10-20 | 深圳梵摩健康科技有限公司 | 一种智能药师在岗管理方法和系统 |
| CN107464559A (zh) * | 2017-07-11 | 2017-12-12 | 中国科学院自动化研究所 | 基于汉语韵律结构和重音的联合预测模型构建方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 周如意: "基于BP神经网络和关联规则的智能医疗保险稽核系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 徐进健，等: "几张中药处方引发的监管思考", 《天津社会保险》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111126955A (zh) * | 2019-12-17 | 2020-05-08 | 中国建设银行股份有限公司 | 业务数据分析方法、处理服务器及存储介质 |
| CN111210377A (zh) * | 2019-12-30 | 2020-05-29 | 航天信息股份有限公司 | 一种基于云计算的网络订餐监管系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108492196A (zh) | 通过数据分析推断医疗保险违规行为的风控方法 | |
| US20200242626A1 (en) | Fraud lead detection system for efficiently processing database-stored data and automatically generating natural language explanatory information of system results for display in interactive user interfaces | |
| Liu et al. | A novel approach for failure mode and effects analysis using combination weighting and fuzzy VIKOR method | |
| CN108921710A (zh) | 医保异常检测的方法及系统 | |
| Aral et al. | A prescription fraud detection model | |
| CN109685670A (zh) | 社保违规检测方法、装置、设备及计算机可读存储介质 | |
| CN107871285A (zh) | 一种健康保险赔欺诈及滥用的侦测方法和系统 | |
| CN109635044A (zh) | 住院数据异常检测方法、装置、设备及可读存储介质 | |
| CN111145844A (zh) | 综合医疗监管平台 | |
| CN113592019B (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
| CN111445976A (zh) | 一种智能合理用药系统及方法 | |
| CN109409619A (zh) | 舆情动向的预测方法、装置、介质及电子设备 | |
| AU2011247830A1 (en) | Method and system for generating text | |
| CN109671476A (zh) | 无关用药的识别方法、装置、终端及计算机可读存储介质 | |
| CN109615547A (zh) | 异常购药的识别方法、装置、终端及计算机可读存储介质 | |
| CN110119991A (zh) | 基于机器学习的医疗赔付审核方法、装置及存储介质 | |
| CN109636645A (zh) | 医保监管方法、设备、装置及计算机可读存储介质 | |
| CN113657548A (zh) | 医保异常检测方法、装置、计算机设备及存储介质 | |
| CN109636648A (zh) | 社保违规检测方法、装置、设备及计算机存储介质 | |
| CN109598633A (zh) | 社保违规检测方法、装置、设备及计算机存储介质 | |
| US8676800B2 (en) | Method and system for generating text | |
| CN109615538A (zh) | 社保违规检测方法、装置、设备及计算机存储介质 | |
| CN109559242A (zh) | 异常数据的处理方法、装置、设备及计算机可读存储介质 | |
| CN115760210A (zh) | 一种基于ipso-lstm模型的医药销售预测系统及方法 | |
| CN110490750B (zh) | 数据识别的方法、系统、电子设备及计算机存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190412 |
|
| RJ01 | Rejection of invention patent application after publication |