CN109685670A - 社保违规检测方法、装置、设备及计算机可读存储介质 - Google Patents
社保违规检测方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109685670A CN109685670A CN201811530959.0A CN201811530959A CN109685670A CN 109685670 A CN109685670 A CN 109685670A CN 201811530959 A CN201811530959 A CN 201811530959A CN 109685670 A CN109685670 A CN 109685670A
- Authority
- CN
- China
- Prior art keywords
- price
- data
- medical
- medical data
- social security
- 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 85
- 230000002159 abnormal effect Effects 0.000 claims abstract description 124
- 239000003814 drug Substances 0.000 claims description 158
- 229940079593 drug Drugs 0.000 claims description 149
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000013450 outlier detection Methods 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000000306 recurrent effect Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000011176 pooling Methods 0.000 abstract description 12
- 239000002699 waste material Substances 0.000 abstract description 12
- 238000000034 method Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 241000208340 Araliaceae Species 0.000 description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 235000008434 ginseng Nutrition 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 241000894007 species Species 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
- G06F40/279—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
Abstract
本发明提供一种基于智能决策检测模型的社保违规检测方法,包括:获取参保人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,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。本发明还提供一种社保违规检测装置、设备及计算机可读存储介质。本发明实现通过偏差检测模型对医疗机构通过社保卡结算的就诊数据进行监管,从而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
本发明社保监控技术领域,尤其涉及一种社保违规检测方法、装置、设备及计算机可读存储介质。
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。医疗机构在对参保人的诊疗服务进行结算时,对于同一药品,医疗机构的价格参数与该药品的参考价格不匹配,认为为违规社保操作,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,对于异常价格参数的违规社保操作,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,造成监管人员不够,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、设备及计算机可读存储介质,旨在解决现有技术中人工监管造成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:
获取参保人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,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;
若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。
可选地,所述将所述就诊数据输入偏差检测模型,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数的步骤包括:
将所述就诊数据输入所述偏差检测模型,通过所述偏差检测模型对所述就诊数据进行清洗,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,并通过所述偏差检测模型中的双向RNN循环神经网络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,以得到标准数据;
基于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异常价格参数。
可选地,所述基于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异常价格参数的步骤包括:
将所述标准数据中各个药品的价格参数与各个对应的药品的预设价格参考值进行对比,确定同个药品的价格参数与对应的预设价格参考值是否匹配;
若同个药品的价格参数与预设价格参考值不匹配,则确定所述就诊数据中存在异常价格参数。
可选地,所述基于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异常价格参数的步骤包括:
将所述标准数据中的药品价格信息进行分类,获得药店价格信息和医院价格信息;
基于所述医院价格信息确定各药品的价格参考参数,基于所述药店价格信息将各药品的药店价格与同药品的价格参考参数进行对比,确定各药品的药店价格参数与同药品的价格参考参数是否匹配;
若药品的药店价格参数与价格参考参数不匹配,则确定所述就诊数据中存在异常价格参数。
可选地,所述若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明的步骤之后,还包括:
根据预设处罚规则和所述异常数据生成处罚明细信息;
根据所述处罚明细信息发送处罚通知至医疗机构终端并对医疗机构进行处罚。
可选地,所述根据预设处罚规则和所述异常数据生成处罚明细信息的步骤包括:
根据所述预设处罚规则定时根据所述异常数据统计医疗机构的异常价格参数对应的药品数量或者违规金额,获得对应的统计结果;
基于药品数量或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级;
基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息;
基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。
可选地,所述异常检测算法包括基于单元的异常检测算法。
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,用于获取参保人通过社保卡结算就诊费用的就诊数据;
检测模块,用于将所述就诊数据输入偏差检测模型,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;
提取模块,用于若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。
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可读存储介质,所述计算机可读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、设备及计算机可读存储介质,本发明通过获取参保人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,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。通过上述方式,实现了通过偏差检测模型对医疗机构通过异常价格参数进行监管,从而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中作为一种计算机可读存储介质的存储器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。
目前,对于药品的异常价格参数,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,造成监管人员不够,从而让不法分子有机可乘,造成门诊统筹基金的浪费。
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异常价格参数,若存在,则该就诊数据异常,并提取就诊数据中的异常数据,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医疗机构进行处罚的处罚证明。
在本实施例中,该社保违规检测方法包括:
步骤S10,获取参保人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,可以通过定点医疗机构的终端设备将就诊数据发送至人社核心系统,人社核心系统接收终端设备发送的就诊数据,以对就诊数据进行社保违规检测,其中,就诊/购药明细数据包括参保人信息、就诊/购药单位信息、药品标识信息、药品价格以及就诊数据对应的单号等信息的数据。其中,参保人信息可以是参保人姓名或医保号等信息;就诊单位信息可以是医疗机构的标识编码信息,可以包括医院或者药店等医疗机构的种类的标识信息;药品标识信息指的是用来标识和区分药品种类的信息,药品价格指的是单位数量药品的费用信息。此外,就诊数据中还可以包括各种药品的种类的用量及各种药品的总费用等信息。
步骤S20,将所述就诊数据输入偏差检测模型,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;
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异常价格参数,具体地,首先通过偏差检测模型对获取到的就诊数据进行标准化匹配,对医生出具诊断信息、药品信息、病种信息匹配到相应的标准化字段中。就诊数据中存在一些不必要的数据或者不规范的数据,对不规范的字段,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循环神经网络子模型分析更长更复杂的文本内容,如诊疗数据、药品数据、疾病数据等对于就诊数据进行清洗,例如进行分词处理,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预设模型中设置参数去除规定词性的词语。
在标准化匹配完成获得标准数据后,基于异常检测算法对就诊数据中是否存在异常价格参数。在本实施例中,医疗机构的终端设备在参保人通过社保卡结算就诊费用时将就诊数据上传至人社核心系统,人社核心系统将接收到的就诊数据存储在预设存储位置。人社核心系统定时地从预设存储位置获取接收到的就诊数据,并对就诊数据进行异常检测。在获得就诊数据时,可以基于就诊数据中的就诊/购药单位信息识别就诊数据上传者的身份是医院还是药店,基于上传就诊数据的医疗机构的身份信息将就诊数据进行分类,获得药店就诊数据以及医院就诊数据。一般来说,医院管控比较规范,医院药品价格也相对规范标准。可以根据医院的药品价格确定价格参考值,根据药店价格与医院价格确定的价格参考值,是否匹配来确定药店是否存在异常价格参数的情况。具体地,可以从获得的医院就诊数据中提取药品的价格信息,基于药品的标识信息确定各个药品在各个就诊单号的就这数据中的第一价格参数,计算各个第一价格参数的平均值,将该平均值作为价格参考参数,将药店的药品价格参数与该平均值的差值大于预设差值阈值的价格参数作为异常价格参数。也可以将药店的药品价格与医院对应药品的最大价格的差值大于预设差值阈值的价格参数作为异常价格参数。由于同一药品在不同地区可能会存在不同的价格水平,可以在医疗机构的标识信息中添加归属地信息,人社核心系统基于归属地信息来确定针对特定地址范围内的医院价格参数确定各个地址的医院的价格参考值。在本实施例中,还可以以参保人为分析单位,在接收到参保人的药店就诊数据时,基于参保人的标识信息确定是否存在该参保人在预设时内在医院的就诊数据,若存在,则确定同个参保人的就诊数据中同个药品的药店价格与医院价格的差值是否大于预设阈值,若是,则药店价格存在异常价格参数。
进一步地,也可以不根据医院价格的平均值或者最大值确定价格参考值,由相关监管部门设置基于归属地的药品价格水平预先设置价格参考值,根据预设价格参考值对医院的药品价格和药店的药品价格进行监管,确定医院的价格参数和药店的价格参数是否存在异常价格参数。具体地,各地区的药管部门基于地区的药品价格水平确定各个药品的价格参考值,并将预设价格参值存储在人社核心系统中。人社核心系统定时基于医疗机构的标识信息将接收到的就诊数据进行分类。对于特定医疗机构的就诊数据,人社核心系统将就诊数据中各个药品的价格参数与预设价格参考值进行对比,确定同个药品的价格参数与预设价格参考值是否匹配,若同个药品的价格参数与预设价格参考值不匹配,则确定对应的就诊数据中存在异常价格参数。
步骤S30,若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。
在确定就诊数据中存在异常价格参数时,则获取异常价格参数对应的药品的标识信息、医疗机构的标识信息以及药品数量或者涉及金额等相关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医疗机构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,获取参保人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,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。通过上述方式,实现了通过偏差检测模型对药品的异常价格参数进行监管,从而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。
基于上述实施例,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S20包括:
步骤S40,将所述就诊数据输入所述偏差检测模型,通过所述偏差检测模型对所述就诊数据进行清洗,以得到清洗后的规范就诊数据;
基于上述实施例,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的药品中是否异常价格参数,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,清洗是指对就诊数据中的文本数据进行分词处理,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,利用偏差检测模型中的RNN循环神经网络子模型分析更长更复杂的文本内容,对于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S50,对所述规范就诊数据构造文本特征,以得到词向量,并通过所述偏差检测模型中的双向RNN循环神经网络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。
步骤S60,基于所述句子向量矩阵进行注意力机制操作,以得到标准数据;
在本实施例中,对句子向量矩阵进行注意力机制,将上述步骤的句子向量矩阵压缩为一个向量表示,送入标准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。在对句子的向量矩阵进行注意力操作的过程中,利用softmax函数计算句子向量矩阵对应的权重概率矩阵,将句子向量矩阵与权重概率矩阵进行相乘运算,得到的运算结果为句子的标准数据。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。
步骤S70,基于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异常价格参数,其中,所述异常检测算法包括基于单元的异常检测算法。
本实施例的异常检测算法指的是基于对标准数据的检测确定就诊数据中是否存在异常价格参数的算法,异常检测算法包括基于单元的异常检测算法。利用基于单元的异常检测算法对就诊数据进行异常检测,将就诊数据空间被划为数据单元。每个单元有两个层围绕着它。对于一个给定的单元,它累计三个计数:单元中对象的数目a、单元和第一层中对象的数目b,单元和两个层次中的对象的数目c。若a>M,单元中的所有对象都不是异常;若b<=M,单元中的所有对象都是异常;否则,单元中的某一些数据可能是异常。为了检测这些异常点,需要逐个对象加入处理。基于距离的异常点检测方法要求用户设置参数异常点比例P和距离阈值d而寻找这些参数的合适设置可能涉及多次试探和错误。该算法将对数据集的每一个元素进行异常点数据的检测改为对每一个单元进行异常点数据的检测,它提高了算法的效率。
在本实施例中,将所述就诊数据输入所述偏差检测模型,通过所述偏差检测模型对所述就诊数据进行清洗,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,并通过所述偏差检测模型中的双向RNN循环神经网络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,以得到标准数据;基于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异常价格参数。通过上述方式,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。
基于上述实施例,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S70包括:
步骤S80,将所述标准数据中各个药品的价格参数与各个对应的药品的预设价格参考值进行对比,确定同个药品的价格参数与对应的预设价格参考值是否匹配;
基于上述实施例,在本实施例中,预设价格参考值指的是由相关监管部门设置基于归属地的药品价格水平对各个药品预先设置的价格参考值,以根据预设价格参考值对医院的药品价格和药店的药品价格进行监管,确定医院的价格参数和药店的价格参数是否存在异常价格参数。价格参数与价格参考值匹配指的是价格参数与价格参考值的差值不得超过预设差值阈值。具体地,在本实施例中,各地区的药管部门先基于地区的药品价格水平确定各个药品的价格参考值,并将预设价格参值存储在人社核心系统中。人社核心系统定时基于医疗机构的标识信息将接收到的就诊数据进行分类。获得各个医疗机构的就诊数据。对于特定医疗机构的就诊数据人社核心系统将就诊数据中各个药品的价格参数与预存的预设价格参考值进行对比,确定药品的价格参数与预存价格参考值的差值是否大于预设差值阈值,若药品的价格参数与预设价格参考值的差值大于预设差值阈值,则该药品的价格参数与对应价格参考值不匹配;若药品价格参数与预设价格参考值的差值大于预设差值阈值,该药品的价格参数与预设价格参考值匹配。
步骤S90,若同个药品的价格参数与预设价格参考值不匹配,则确定所述就诊数据中存在异常价格参数。
基于上述步骤S80的对比结果,若同个药品的价格参数与预设价格参考值不匹配,则确定对应药品的价格参数为异常价格参数,即可确定就诊数据中存在异常价格参数。将对应药品的标识信息,药品数量或涉及金额以及医疗机构的标识信息作为违规异常数据,根据违规异常数据生成处罚证明。
在本实施例中,将所述标准数据中各个药品的价格参数与各个对应的药品的预设价格参考值进行对比,确定同个药品的价格参数与对应的预设价格参考值是否匹配;若同个药品的价格参数与预设价格参考值不匹配,则确定所述就诊数据中存在异常价格参数。通过上述方式,实现基于药品价格参数与预设价格参考值的对比结果检测就诊数据中的异常价格参数。
基于上述实施例,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S70包括:
步骤S100,将所述标准数据中的药品价格信息进行分类,获得药店价格信息和医院价格信息;
基于上述实施例,在本实施例中,可以根据得到相对规范管理的医院的药品价格确定价格参考值,根据药店价格与医院价格确定的价格参考值,是否匹配来确定药店是否存在异常价格参数的情况。具体地,在获得就诊数据时,可以基于就诊数据中的就诊/购药单位信息识别就诊数据上传者的身份是医院还是药店,基于上传就诊数据的医疗机构的身份信息将就诊数据进行分类,获得药店就诊数据以及医院就诊数据,可以从获得的医院就诊数据和医院价格信息中提取药品的价格信息,获得药店价格信息和医院价格信息。
步骤S110,基于所述医院价格信息确定各药品的价格参考参数,基于所述药店价格信息将各药品的药店价格与同药品的价格参考参数进行对比,确定各药品的药店价格参数与同药品的价格参考参数是否匹配;
本实施例的药店价格与医院价格匹配指的是通过药品的药店价格与医院价格的差值不大于预设差值阈值。基于药品的标识信息确定各个药品在各个就诊单号的就这数据中的第一价格参数,计算各个第一价格参数的平均值,将该平均值作为价格参考参数,获得各个药品的价格参考参数,基于药店价格信息计算药品的药店价格参数与对应药品的价格参考参数相减,判断各个药店价格参数与价格参考参数的差值是否大于预设差值阈值,药店价格参数与价格参考参数的差值大于预设差值阈值,则确定该药店价格参数与价格参考参数不匹配,若各个药店价格参数与价格参考参数的差值小于或等于预设差值阈值,则该药店价格参数与价格参考参数匹配。
步骤S120,若药品的药店价格参数与价格参考参数不匹配,则确定所述就诊数据中存在异常价格参数。
基于上述步骤S110的对比结果,若同个药品的药店价格参数与该药品的价格参考参数不匹配,则确定对应的药店价格参数为异常价格参数,即可确定就诊数据中存在异常价格参数。将对应药品的标识信息、药品数量或涉及金额以及对应药店的标识信息作为违规异常数据,根据违规异常数据生成处罚证明。
在本实施例中,将所述标准数据中的药品价格信息进行分类,获得药店价格信息和医院价格信息;基于所述医院价格信息确定各药品的价格参考参数,基于所述药店价格信息将各药品的药店价格与同药品的价格参考参数进行对比,确定各药品的药店价格参数与同药品的价格参考参数是否匹配;若同个药品的药店价格参数与所述价格参考参数不匹配,则确定所述就诊数据中存在异常价格参数。通过上述方式,实现基与医院的药品价格参数确定价格参考参数,并基于药店价参数与价格参考参数的对比结果确定药店价格参数是否为异常药品价格参数。
基于上述实施例,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S30之后包括:
步骤S130,根据预设处罚规则和所述异常数据生成处罚明细信息;
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明细信息,该处罚规则由技术人员进行设定,处罚明细信息包括异常数据信息,基于异常数据的处罚措施信息等信息,还可以包括处罚对象的名称、处罚原因、处罚机构、处罚时间等。
步骤S140,根据所述处罚明细信息发送处罚通知至医疗机构终端并对医疗机构进行处罚。
在本实施例中,可以将处罚明细信息作为处罚通知信息发送至医疗机构终端设备,即各个医疗机构的终端设备,例如医院终端设备或者药店终端设备。人社核心系统将处罚通知发送至移动终端,并自动对医疗机构进行处罚,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、罚款等,或者,在检测到医疗机构有违规的预行为时,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将达到违规操作,提示方法可以是短信电话通知或者微信消息提示等。
在本实施例中,根据预设处罚规则和所述异常数据生成处罚明细信息;根据所述处罚明细信息发送处罚通知至医疗机构终端并对医疗机构进行处罚。通过上述方式,实现基于违规数据对医疗机构进行处罚,以对医疗机构的违规操作进行管控,减少违规现象的发生。
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,步骤S130包括:
步骤S150,根据所述预设处罚规则定时根据所述异常数据统计医疗机构的异常价格参数对应的药品数量或者违规金额,获得对应的统计结果;
在本实施例中,人社核心系统可以根据医疗机构的历史就诊数据,并根据医疗机构的历史就诊数据统计各个医院或者药店等医疗机构存在异常价格参数的药品数量,包括存在异常价格参数的药品种类数量以及各个种类药品的售出量,以及售出的异常价格参数的药品的涉及金额等信息,获得各个存在异常价格参数的药品数量或违规金额的统计结果。。
步骤S160,基于药品数量或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级;
在处罚规则中不同的药品数量或违规金额对应不同的处罚等级,在获得统计结果时,首先确定医疗机构历史异常价格参数的药品数量或者涉及金额在该处罚规则中所对应的药品数量或违规金额范围,以根据所在范围确定医疗机构的违规等级。
步骤S170,基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息;
在本实施例中,药品数量或设计金额处于不同的数值范围时,对应的违规等级不同,根据处罚规则确定异常价格参数的药品数量或涉及金额所在的数值范围,并确定数值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,可以根据医疗机构的异常价格参数的药品数量或涉及金额所在不同的数值范围对医疗机构进行不同金额的罚款。
步骤S180,基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。
确定当前处罚措施信息后,将异常数据作为处罚措施信息的处罚证明,基于处罚措施信息和异常数据信息生成处罚明细信息。其中,处罚明细信息中包括对医疗机构的具体处罚措施信息,例如扣款金额和医疗机构的标识信息,处罚明细信息还包括存在价格参数异常的药品的标识信息、药品数量或者涉及金额等信息,还可以包括相关的处罚规定或者处罚措施信息的确定方式等信息。
在本实施例中,根据所述预设处罚规则定时根据所述异常数据统计医疗机构的异常价格参数对应的药品数量或者违规金额,获得对应的统计结果;基于药品数量或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级;基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息;基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。通过上述方式,实现了根据医疗机构的异常价格参数的药品数量或涉及的违规金额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8,图8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:获取参保人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,通过偏差检测模型确定所述就诊数据中的药品中是否存在第一相斥药品,其中,所述第一相斥药品是指不能同时存在的药品;若药品中存在第一相斥药品,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对所述医疗机构处罚的处罚证明。
具体的,本实施例中,所述社保违规检测装置包括:
获取模块10,用于获取参保人通过社保卡结算就诊费用的就诊数据;
检测模块20,用于将所述就诊数据输入偏差检测模型,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;
提取模块30,用于若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。
进一步地,所述检测模块还用于:
将所述就诊数据输入所述偏差检测模型,通过所述偏差检测模型对所述就诊数据进行清洗,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,并通过所述偏差检测模型中的双向RNN循环神经网络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,以得到标准数据;
基于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异常价格参数。
进一步地,所述检测模块还用于:
将所述标准数据中各个药品的价格参数与各个对应的药品的预设价格参考值进行对比,确定同个药品的价格参数与对应的预设价格参考值是否匹配;
若同个药品的价格参数与预设价格参考值不匹配,则确定所述就诊数据中存在异常价格参数。
进一步地,所述检测模块还用于:
将所述标准数据中的药品价格信息进行分类,获得药店价格信息和医院价格信息;
基于所述医院价格信息确定各药品的价格参考参数,基于所述药店价格信息将各药品的药店价格与同药品的价格参考参数进行对比,确定各药品的药店价格参数与同药品的价格参考参数是否匹配;
若药品的药店价格参数与价格参考参数不匹配,则确定所述就诊数据中存在异常价格参数。
进一步地,所述社保违规检测装置还包括:
生成模块,用于根据预设处罚规则和所述异常数据生成处罚明细信息;
处罚模块,用于根据所述处罚明细信息发送处罚通知至医疗机构终端并对医疗机构进行处罚。
进一步地,所述生成模块还用于:
根据所述预设处罚规则定时根据所述异常数据统计医疗机构的异常价格参数对应的药品数量或者违规金额,获得对应的统计结果;
基于药品数量或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级;
基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息;
基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。
此外,本发明实施例还提供一种计算机可读存储介质。
本发明计算机可读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:
获取参保人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,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;
若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。
2.如权利要求1所述的社保违规检测方法,其特征在于,所述将所述就诊数据输入偏差检测模型,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数的步骤包括:
将所述就诊数据输入所述偏差检测模型,通过所述偏差检测模型对所述就诊数据进行清洗,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,并通过所述偏差检测模型中的双向RNN循环神经网络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,以得到标准数据;
基于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异常价格参数。
3.如权利要求2所述的社保违规检测方法,其特征在于,所述基于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异常价格参数的步骤包括:
将所述标准数据中各个药品的价格参数与各个对应的药品的预设价格参考值进行对比,确定同个药品的价格参数与对应的预设价格参考值是否匹配;
若同个药品的价格参数与预设价格参考值不匹配,则确定所述就诊数据中存在异常价格参数。
4.如权利要求2所述的社保违规检测方法,其特征在于,所述基于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异常价格参数的步骤包括:
将所述标准数据中的药品价格信息进行分类,获得药店价格信息和医院价格信息;
基于所述医院价格信息确定各药品的价格参考参数,基于所述药店价格信息将各药品的药店价格与同药品的价格参考参数进行对比,确定各药品的药店价格参数与同药品的价格参考参数是否匹配;
若药品的药店价格参数与价格参考参数不匹配,则确定所述就诊数据中存在异常价格参数。
5.如权利要求1-4中任一项所述的社保违规检测方法,其特征在于,所述若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明的步骤之后,还包括:
根据预设处罚规则和所述异常数据生成处罚明细信息;
根据所述处罚明细信息发送处罚通知至医疗机构终端并对医疗机构进行处罚。
6.如权利要求5所述的社保违规检测方法,其特征在于,所述根据预设处罚规则和所述异常数据生成处罚明细信息的步骤包括:
根据所述预设处罚规则定时根据所述异常数据统计医疗机构的异常价格参数对应的药品数量或者违规金额,获得对应的统计结果;
基于药品数量或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级;
基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息;
基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。
7.如权利要求2所述的社保违规检测方法,其特征在于,所述异常检测算法包括基于单元的异常检测算法。
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,用于获取参保人通过社保卡结算就诊费用的就诊数据;
检测模块,用于将所述就诊数据输入偏差检测模型,通过偏差检测模型确定所述就诊数据中是否存在异常价格参数;
提取模块,用于若就诊数据中存在异常价格参数,则确定所述就诊数据异常,并提取所述就诊数据中的异常数据,以提供对医疗机构进行处罚的处罚证明。
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。
10.一种计算机可读存储介质,其特征在于,所述计算机可读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 |
---|---|---|---|
CN201811530959.0A CN109685670A (zh) | 2018-12-13 | 2018-12-13 | 社保违规检测方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811530959.0A CN109685670A (zh) | 2018-12-13 | 2018-12-13 | 社保违规检测方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685670A true CN109685670A (zh) | 2019-04-26 |
Family
ID=66187766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811530959.0A Pending CN109685670A (zh) | 2018-12-13 | 2018-12-13 | 社保违规检测方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685670A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242793A (zh) * | 2020-01-16 | 2020-06-05 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
CN111274231A (zh) * | 2020-01-14 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 异常医保数据排查方法、装置、计算机设备和存储介质 |
CN113284614A (zh) * | 2021-06-07 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 异常就诊的识别方法、装置、电子设备及存储介质 |
CN114141386A (zh) * | 2021-11-09 | 2022-03-04 | 江苏瑞德信息产业有限公司 | 一种药品核查装置及方法 |
CN114707608A (zh) * | 2021-04-14 | 2022-07-05 | 内蒙古卫数数据科技有限公司 | 医疗质控数据处理方法、装置、设备、介质及程序产品 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537764A (zh) * | 2014-12-31 | 2015-04-22 | 浙江大学 | 一种医保卡异常使用的检测方法和检测系统 |
CN107123072A (zh) * | 2017-05-11 | 2017-09-01 | 杭州逸曜信息技术有限公司 | 医疗费用限制规则生成方法 |
CN107871284A (zh) * | 2017-11-22 | 2018-04-03 | 平安科技(深圳)有限公司 | 风险理赔的评估方法及装置 |
CN108780479A (zh) * | 2015-09-05 | 2018-11-09 | 万事达卡技术加拿大无限责任公司 | 用于对异常进行检测和评分的系统和方法 |
-
2018
- 2018-12-13 CN CN201811530959.0A patent/CN109685670A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537764A (zh) * | 2014-12-31 | 2015-04-22 | 浙江大学 | 一种医保卡异常使用的检测方法和检测系统 |
CN108780479A (zh) * | 2015-09-05 | 2018-11-09 | 万事达卡技术加拿大无限责任公司 | 用于对异常进行检测和评分的系统和方法 |
CN107123072A (zh) * | 2017-05-11 | 2017-09-01 | 杭州逸曜信息技术有限公司 | 医疗费用限制规则生成方法 |
CN107871284A (zh) * | 2017-11-22 | 2018-04-03 | 平安科技(深圳)有限公司 | 风险理赔的评估方法及装置 |
Non-Patent Citations (1)
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》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274231A (zh) * | 2020-01-14 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 异常医保数据排查方法、装置、计算机设备和存储介质 |
CN111274231B (zh) * | 2020-01-14 | 2023-02-07 | 平安医疗健康管理股份有限公司 | 异常医保数据排查方法、装置、计算机设备和存储介质 |
CN111242793A (zh) * | 2020-01-16 | 2020-06-05 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
CN111242793B (zh) * | 2020-01-16 | 2024-02-06 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
CN114707608A (zh) * | 2021-04-14 | 2022-07-05 | 内蒙古卫数数据科技有限公司 | 医疗质控数据处理方法、装置、设备、介质及程序产品 |
CN114707608B (zh) * | 2021-04-14 | 2023-08-01 | 内蒙古卫数数据科技有限公司 | 医疗质控数据处理方法、装置、设备、介质及程序产品 |
CN113284614A (zh) * | 2021-06-07 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 异常就诊的识别方法、装置、电子设备及存储介质 |
CN114141386A (zh) * | 2021-11-09 | 2022-03-04 | 江苏瑞德信息产业有限公司 | 一种药品核查装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685670A (zh) | 社保违规检测方法、装置、设备及计算机可读存储介质 | |
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 | |
CN110520874B (zh) | 基于时间的全体机器学习模型 | |
Waghade et al. | A comprehensive study of healthcare fraud detection based on machine learning | |
US20210326999A1 (en) | Method of personalizing, individualizing, and automating the management of healthcare fraud-waste-abuse to unique individual healthcare providers | |
CN108492196A (zh) | 通过数据分析推断医疗保险违规行为的风控方法 | |
CN107785058A (zh) | 反欺诈识别方法、存储介质和承载平安脑的服务器 | |
US20090099884A1 (en) | Method and system for detecting fraud based on financial records | |
CN113592019B (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
CN110222145A (zh) | 一种智能法律评估方法和系统 | |
JP2020184185A (ja) | 児童相談所などにおける情報処理方法及び装置 | |
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 | |
CN109636645A (zh) | 医保监管方法、设备、装置及计算机可读存储介质 | |
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 | |
CN109636648A (zh) | 社保违规检测方法、装置、设备及计算机存储介质 | |
CN110009224A (zh) | 嫌疑人违规概率预测方法、装置、计算机设备及存储介质 | |
CN112365338A (zh) | 基于人工智能的数据欺诈检测方法、装置、终端及介质 | |
CN115050442B (zh) | 基于挖掘聚类算法的病种数据上报方法、装置及存储介质 | |
CN114266441A (zh) | 一种降低生产作业人员风险的量化评价系统及方法 | |
CN109615538A (zh) | 社保违规检测方法、装置、设备及计算机存储介质 | |
CN109616185A (zh) | 检测违规开具检查项目行为的方法及相关设备 | |
CN109598633A (zh) | 社保违规检测方法、装置、设备及计算机存储介质 | |
CN112950344A (zh) | 数据评估方法、装置、电子设备及存储介质 | |
CN110706122A (zh) | 基于大数据分析提升社保代理效率方法、设备及可读介质 | |
CN112560465B (zh) | 批量异常事件的监控方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |