CN112488857A - 事件识别的方法、装置、电子设备和存储介质 - Google Patents
事件识别的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112488857A CN112488857A CN202011330377.5A CN202011330377A CN112488857A CN 112488857 A CN112488857 A CN 112488857A CN 202011330377 A CN202011330377 A CN 202011330377A CN 112488857 A CN112488857 A CN 112488857A
- Authority
- CN
- China
- Prior art keywords
- rule
- target
- medical
- medical subject
- event
- 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.)
- Granted
Links
Images
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了事件识别的方法、装置、电子设备和存储介质,涉及计算机技术领域。该方法的一具体实施方式包括:获取业务数据;读取规则库中各规则层级包括的规则以及关联关系;基于第一规则层级处理业务数据,得到与各规则对应的医疗主体集,从所有医疗主体集中筛选出目标医疗主体集和第一规则层级的目标规则;确定第二规则层级,以及第二规则层级中与目标规则存在关联关系的执行规则,处理业务数据,得到执行规则的医疗主体集,从执行规则中过滤出目标规则;根据各规则层级的目标规则和目标医疗主体集,识别各医疗主体对应的目标事件。该实施方式能够解决确定各医疗机构违规事件的效率低,降低信用管理效率的问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种事件识别的方法、装置、电子设备和存储介质。
背景技术
目前,随着大数据技术的快速发展,为减少用户或企业等业务运行的风险,对各企业、用户等的信用管理成为一种需求,例如,在医保基金监管中,需要对各医疗机构进行信用管理。对医疗机构的信用管理方式通常为,对各医疗机构的业务数据按照预设规则进行处理,识别出医疗机构的信用违规事件,进而基于信用违规事件对医疗机构进行信用管理。但是,各医疗结构的业务数据的数据量很大,各业务数据按照预设规则依次进行处理需要花费的时间较长,从而降低识别各医疗机构违规事件的效率,进而降低信用管理的效率。
发明内容
有鉴于此,本发明实施例提供一种事件识别的方法、装置、电子设备和存储介质,能够解决识别各医疗机构违规事件的效率低,降低信用管理效率的问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种事件识别的方法。
本发明实施例的一种事件识别的方法包括:调用规则引擎获取多个医疗主体对应的业务数据;读取规则库中各规则层级包括的规则,以及与相邻规则层级所包括规则之间的关联关系;基于所述规则库中第一规则层级的各规则处理业务数据,得到与各规则对应的医疗主体集,根据预设的筛选条件从所有医疗主体集中筛选出目标医疗主体集,将与所述目标医疗主体集对应的规则作为第一规则层级的目标规则;确定位于所述第一规则层级之后且相邻的第二规则层级,以及所述第二规则层级中与所述目标规则存在关联关系的执行规则,基于所述执行规则处理所述业务数据,得到所述执行规则的医疗主体集,重复上述目标规则筛选方式,从所述执行规则中筛选出目标规则;并重复上述执行规则确定方式和目标规则筛选方式,得到所述各规则层级的目标规则和目标医疗主体集;根据所述各规则层级的目标规则和目标医疗主体集,识别各所述医疗主体对应的目标事件。
在一个实施例中,所述基于所述执行规则处理所述业务数据,得到所述执行规则的医疗主体集,包括:
从所述业务数据中筛选所述目标医疗主体集所包括医疗主体的业务数据,作为所述第二规则层级的待处理数据;
基于所述执行规则处理所述待处理数据,得到所述执行规则的医疗主体集。
在又一个实施例中,所述规则库还包括每个规则层级的信用评价参数;
所述从所述业务数据中筛选所述目标医疗主体集所包括医疗主体的业务数据,作为所述第二规则层级的待处理数据,包括:
获取所述目标医疗主体集包括医疗主体对应所述信用评价参数的参数值;
将所述目标医疗主体集包括医疗主体中,所述参数值不满足预设条件的医疗主体确定为待处理医疗主体;
从所述业务数据中,筛选所述待处理医疗主体的业务数据,作为所述第二规则层级的待处理数据。
在又一个实施例中,所述根据所述各规则层级的目标规则和目标医疗主体集,识别各所述医疗主体对应的目标事件,包括:
确定每个所述规则层级的目标规则对应的目标事件;
根据所述各规则层级的目标医疗主体集,识别各所述医疗主体对应的目标事件。
在又一个实施例中,所述根据预设的筛选条件从所有医疗主体集中过筛选出目标医疗主体集,包括:
将所有医疗主体集中筛选出包括医疗主体数量最多的医疗主体集,作为所述目标医疗主体集。
在又一个实施例中,所述读取规则库中各规则层级包括的规则,以及与相邻规则层级所包括规则之间的关联关系之前,还包括:
获取多个事件指标、各所述事件指标对应医疗主体类型、各所述事件指标对应业务类型和各所述事件指标之间的关联关系;
根据所述事件指标构建所述规则库中的规则,并根据各所述事件指标对应医疗主体类型、各所述事件指标对应业务类型和各所述事件指标之间的关联关系,对所述规则库中的规则划分规则层级。
在又一个实施例中,所述根据所述各规则层级的目标规则和目标医疗主体,识别各所述医疗主体对应的目标事件之后,还包括:
根据各所述医疗主体对应的目标事件和预设信用评价规则,更新所述违规主体对应各信用评价参数的参数值。
为实现上述目的,根据本发明实施例的另一方面,提供了一种事件识别的装置。
本发明实施例的一种事件识别的装置包括:获取单元,用于调用规则引擎获取多个医疗主体对应的业务数据;读取单元,用于读取规则库中各规则层级包括的规则,以及与相邻规则层级所包括规则之间的关联关系;处理单元,用于基于所述规则库中第一规则层级的各规则处理业务数据,得到与各规则对应的医疗主体集,根据预设的筛选条件从所有医疗主体集中筛选出目标医疗主体集,将与所述目标医疗主体集对应的规则作为第一规则层级的目标规则;所述处理单元,还用于确定位于所述第一规则层级之后且相邻的第二规则层级,以及所述第二规则层级中与所述目标规则存在关联关系的执行规则,基于所述执行规则处理所述业务数据,得到所述执行规则的医疗主体集,重复上述目标规则筛选方式,从所述执行规则中筛选出目标规则;并重复上述执行规则确定方式和目标规则筛选方式,得到所述各规则层级的目标规则和目标医疗主体集;识别单元,用于根据所述各规则层级的目标规则和目标医疗主体,识别各所述医疗主体对应的目标事件。
在一个实施例中,所述处理单元具体用于:
从所述业务数据中筛选所述目标医疗主体集所包括医疗主体的业务数据,作为所述第二规则层级的待处理数据;
基于所述执行规则处理所述待处理数据,得到所述执行规则的医疗主体集。
在又一个实施例中,所述规则库还包括每个规则层级的信用评价参数;
所述处理单元具体用于:
获取所述目标医疗主体集包括医疗主体对应所述信用评价参数的参数值;
将所述目标医疗主体集包括医疗主体中,所述参数值不满足预设条件的医疗主体确定为待处理医疗主体;
从所述业务数据中,筛选所述待处理医疗主体的业务数据,作为所述第二规则层级的待处理数据。
在又一个实施例中,所述识别单元具体用于:
确定每个所述规则层级的目标规则对应的目标事件;
根据所述各规则层级的目标医疗主体集,识别各所述医疗主体对应的目标事件。
在又一个实施例中,所述处理单元具体用于:
将所有医疗主体集中筛选出包括医疗主体数量最多的医疗主体集,作为所述目标医疗主体集。
在又一个实施例中,所述获取单元,还用于获取多个事件指标、各所述事件指标对应医疗主体类型、各所述事件指标对应业务类型和各所述事件指标之间的关联关系;
所述装置还包括:
构建单元,用于根据所述事件指标构建所述规则库中的规则,并根据各所述事件指标对应医疗主体类型、各所述事件指标对应业务类型和各所述事件指标之间的关联关系,对所述规则库中的规则划分规则层级。
在又一个实施例中,所述装置还包括:
更新单元,用于根据各所述医疗主体对应的目标事件和预设信用评价规则,更新所述违规主体对应各信用评价参数的参数值。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种电子设备。
本发明实施例的一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例提供的事件识别的方法。
为实现上述目的,根据本发明实施例的又一个方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例提供的事件识别的方法。
上述发明中的一个实施例具有如下优点或有益效果:本发明实施例中,规则库中包括各规则层级,在获取各医疗主体的业务数据后,可以按照规则库中规则层级的规则依次对业务数据进行处理,并得出个规则层级的目标规则和目标医疗主体集,由此识别出各所述医疗主体对应的目标事件。如此,规则库划分了规则层级,并且各规则层级中用于处理所述业务数据的执行规则可以由前一规则层级的目标规则和关联关系确定,所以本发明实施例中,每个规则层级所包括规则并不需要全部用于对业务数据的处理,而是可以根据关联关系和前一规则层级的目标规则来确定出部分规则执行,既可以保证识别目标事件的准确性,也可以在识别目标事件时减少执行规则的数量,进而可以实现在识别违规事件时减少所花费的时间,提高各医疗主体违规事件识别的效率,进而提高信用管理的效率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的事件识别系统的一种系统架构的示意图;
图2是根据本发明实施例的规则库的一种示意图;
图3是根据本发明实施例的事件识别的方法一种系统架构的示意图;
图4是根据本发明实施例的规则库的又一种示意图;
图5是根据本发明实施例的通过规则库处理业务数据的方法的一种主要流程的示意图;
图6是根据本发明实施例的事件识别的装置的主要单元的示意图;
图7是本发明实施例可以应用于其中的又一种示例性系统架构图;
图8是适于用来实现本发明实施例的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明中的实施例以及实施例中的特征可以互相组合。
本发明实施例提供一种事件识别系统,该系统可以用于从业务数据中识别事件的场景,具体的可以用于医保基金监管中,从各医疗主体的业务数据中识别违规事件的场景。具体的,图1所示为本发明实施例中事件识别系统的一种系统架构示意图。如图1所示,事件识别系统可以包括规则引擎和规则库,规则库中预先设置用于事件识别的规则,事件识别系统可以调用规则引擎读取规则库中的规则,并利用读取的规则对业务数据进行处理,识别出业务数据中的事件;医疗业务系统可以用于向事件识别系统发送业务数据,以便于识别各医疗主体的事件,如违规事件,事件识别系统可以通过调用规则引擎获取业务数据;同时,事件识别系统还可以包括信用辅助抉择系统,信用辅助决策系统可以预设信用评价规则,并根据信用评价规则和医疗业务系统中业务数据,对医疗主体确定信用评价,即确定出各医疗主体对应各信用评价参数的参数值,各医疗主体对应信用评价参数的参数值可以发送给规则引擎,以便于规则引擎根据各医疗主体对应信用评价参数的参数值来进行事件识别,并在识别事件后,可以将识别的医疗主体的事件发送给信用辅助决策系统,使信用辅助决策系统可以根据医疗主体的事件对医疗主体对应信用评价参数的参数值进行更新。
本发明实施例中,规则库为预先设置,规则库中规则可以根据事件指标构建。并且,由于各事件指标会对应不同的业务类型、主体类型,以及事件指标之间会存在一些关联关系,所以本发明实施例中可以根据各事件指标对应医疗主体类型、各事件指标对应业务类型和各事件指标之间的关联关系,对规则库中的规则划分规则层级。具体的,本发明实施例以对医疗主体的违规事件识别为例进行说明,则规则库中规则可以根据违规指标构建,违规指标表示判定是否为违规事件的指标。例如,药品单价大于预设阈值通常确定为违规事件,所以药品单价大于预设阈值可以为一个医疗主体的违规指标,则根据此违规指标可以构建出对应规则为药品单价是否大于预设阈值。一些违规指标之间通常具有关联关系,例如,违规指标包括药店单次销售数据高于销售阈值、药店单次销售药品数量高于数量阈值和单次销售药品的最高单价高于单价阈值,在上述三个违规指标均为对应药品销售业务类型的违规指标,其中,药店单次销售药品数量高于数量阈值或单次销售药品的价格高于价格阈值均可能导致药店单次销售数据高于销售阈值,所以药店单次销售数据高于销售阈值、药店单次销售药品数量高于数量阈值和单次销售药品的价格高于价格阈值三个违规指标之间具有关联关系,进而基于此三个违规指标构建的规则也具有关联关系。并且由于违规事件可以包括多种业务类型、对应不同医疗主体类型,所以违规指标也会对应不同业务类型、对应不同医疗主体类型,进而构建出的规则也会对应不同业务类型、对应不同医疗主体类型,而对应相同业务类型、或者相同医疗主体类型的规则之间可以建立关联关系。例如,违规事件可以包括药品销售中的违规、费用报销中的违规,则各违规指标对应业务类型可以包括药品销售业务类型和费用报销业务类型,进而可以构建对应不同业务类型的规则。所以本发明实施例中可以基于违规指标、违规指标之间关联关系和违规指标对应业务类型,对规则库中规则划分规则层级,以及确定各规则与相邻规则层级所包括规则之间的关联关系。
具体的,规则库中可以包括多个规则层级,每个一个规则层级包括至少一个规则,相邻规则层级中所包括规则之间建立关联关系。如图2所示,为本发明实施例中规则库的一种示意图。在图2中,规则库包括3个规则层级,即L1、L2和L3,每个规则层级包括至少一个规则,同时对L1和L2中包括规则之间,以及L2和L3中包括规则之间均建立关联关系。相邻规则层级中所包括规则之间的关联关系,表示相邻规则层级中前一规则层级的各规则分别与后一规则层级中各规则之间的关联关系。例如,如图2所示,L1和L2为相邻规则层级,L1中规则1与L2中规则2、规则3和规则4均具有关联关系;L2和L3为相邻规则层级,L2中规则2与L3中规则5具有关联关系,L2中规则3分别与L3中规则6和规则7具有关联关系,L2中规则4与L3中规则7具有关联关系。
本发明实施例中在调用规则引擎通过读取的规则库对业务数据进行处理时,可以按照规则层级顺序依次对业务数据进行处理,并且每个规则层级中用于执行对业务数据处理的执行规则可以由前一层级规则的处理结果和预先构建的关联关系确定,从而可以保证事件识别的准确性。并且本发明实施例中在对业务数据处理时规则库中规则不需要全部执行,所以可以减少规则执行的时间,提高识别事件的效率。
本发明实施例中,为了进一步提高识别事件的效率,还可以为规则库中每个规则层级设置对应的信用评价参数。信用评价参数可包括多个,每个规则层级对应的信用评价参数可以不同,各医疗主体对应信用评价参数的参数值可以表示医疗机构的历史信用。在违规事件识别的场景中,对于各医疗主体,由于信用评价较好时出现违规事件的概率也会较低,所以本发明实施例中,在通过各规则层级中确定出的用于处理业务数据的执行规则后,还可以通过该规则层级对应信用评价参数从业务数据中筛选该规则层级的待处理业务数据,从而可以减少规则库处理的业务数据的数据量,进一步的提高确定违规事件的效率。
本发明实施例提供了一种事件识别的方法,该方法可由事件识别系统执行,如图3所示,该方法包括以下步骤。
S301:调用规则引擎获取多个医疗主体对应的业务数据。
其中,医疗主体可以为医院、药店等医疗机构,业务数据可以具体为医院、药店等医疗主体标准化结构的业务数据,例如,医疗主体服务人次、就医和购药的数量、频次、价格等数据,其为后续规则引擎确定违规事件的原始数据。
本发明实施例中,为了进一步提高事件识别的效率,还可以获取业务数据中包括医疗主体对应信用评价参数的参数值,以便于下述步骤中识别业务数据中的事件。信用评价参数具体可以为规则库中各规则层级对应的信用评价参数。各医疗机构对应信用评价参数的参数值可以为图1所示信用辅助决策系统根据从医疗业务系统中获取的业务数据和预设的信用评价规则来得出。
S302:读取规则库中各规则层级包括的规则,以及与相邻规则层级所包括规则之间的关联关系。
其中,规则库中可以包括多个规则层级,如M个规则层级,每个规则层级包括至少一个规则,各规则与相邻规则层级所包括规则之间构建了关联关系,M为大于1的整数。
S303:基于规则库中第一规则层级的各规则处理业务数据,得到与各规则对应的医疗主体集,根据预设的筛选条件从所有医疗主体集中过筛选出目标医疗主体集,将与目标医疗主体集对应的规则作为第一规则层级的目标规则。
其中,规则库中包括M个规则层级,每个规则层级包括至少一个规则,本发明实施例中可以按照各规则层级的先后顺序,依次通过规则层级包括的规则对业务数据进行处理,得出总处理结果。
对于规则库中第一个规则层级,可以基于第一个规则层级包括的全部规则处理获取的业务数据,会得到每个规则对应的医疗主体集,然后根据预设的筛选条件可以从每个规则对应的医疗主体集中筛选出目标医疗主体集,并将与目标医疗主体集对应的规则确定为第一规则层级的目标规则。
预设的筛选条件可以为医疗主体集包括医疗主体数量最多,即目标医疗主体集确定方式可以为:将所有医疗主体集中筛选出包括医疗主体数量最多的医疗主体集,作为目标医疗主体集。
在得出每个规则对应的医疗主体集后,各医疗主体集可能并不相同,如果某个规则的医疗主体集中包括医疗主体较多,说明触发该规则的医疗主体很多,则这些医疗主体触发与该规则关联规则的概率会很大,为了尽快进行识别事件,可以根据各规则对应的医疗主体集从各执行规则中确定出重点规则,即目标规则,以便于以目标规则为重点执行下一规则层级中对业务数据处理。由于医疗主体集包括医疗主体最多,说明满足此规则的医疗主体最多,也就是多数医疗主体触目规则关联规则的可能性很大,所以本发明实施例中,可以将包括医疗主体数量最多个的医疗主体集所对应的规则确定为目标规则。
S304:确定位于第一规则层级之后且相邻的第二规则层级,以及第二规则层级中与目标规则存在关联关系的执行规则,基于执行规则处理业务数据,得到执行规则的医疗主体集,重复上述目标规则筛选方式,从执行规则中筛选出目标规则;并重复上述执行规则确定方式和目标规则筛选方式,得到各规则层级的目标规则和目标医疗主体集。
在第一规则层级的各规则处理业务数据后,继续使用位于第一规则层级之后且相邻的第二规则层级处理业务数据,如此依次按照规则层级对业务数据进行处理,直到各规则层级均对业务数据进行处理。
其中,由于各规则与相邻规则层级所包括规则之间存在关联关系,即相邻规则层级中前一规则层级中规则和后一层级中规则之间构建了关联关系。规则之间关联关系说明对应事件指标之间存在关联关系,也就是医疗机构在满足前一规则层级中某个规则后,也会满足后一层级中与该规则存在关联关系规则的概率较高,以及不会满足后一层级中与该规则不存在关联关系规则的概率较低,所以基于关联关系和前一层级的目标规则可以确定出每个规则层级中的执行规则,而不需要对每个层级包括的规则全部执行。
所以对于第二规则层级,可以将与第一规则层级中目标规则存在关联关系的规则确定为执行规则,执行规则表示本次用于处理业务数据的规则。在确定出第二规则层级的执行规则后,可以利用执行规则对业务数据进行处理,得出每个执行规则的医疗主体集。然后可以按照步骤S303中从各规则的医疗主体集筛选目标医疗主体集的方式,从执行规则的医疗主体集中筛选出目标医疗主体集,进而可以将目标医疗主体集对应的规则作为第二规则层级的目标规则。
目标规则筛选方式即为从第二规则层级包括执行规则的医疗主体集中,根据预设的筛选条件筛选出目标医疗主体集,并将与目标医疗主体集对应的规则作为第二规则层级的目标规则。
如此确定出第二规则层级的目标规则后,可以按照本步骤中执行规则确定方式确定出第三规则层级的执行规则,然后对业务数据处理后,再通过目标规则筛选方式得出第三规则层级的目标规则。如此通过上述过程可以确定出每个规则层级的目标规则和目标医疗主体集。
本发明实施例中,基于执行规则处理业务数据,得到执行规则的医疗主体集的步骤,可以具体执行为:从业务数据中筛选目标医疗主体集所包括医疗主体的业务数据,作为第二规则层级的待处理数据;基于执行规则处理待处理数据,得到执行规则的医疗主体集。
由于对于不满足第一规则层级的目标规则的医疗主体,很大概率不会满足第二规则层级的目标规则的关联规则,所以在第二规则层级可以只对第一规则层级中目标医疗主体集的业务数据进行处理,也就是说,可以根据第一规则层级的目标医疗主体集、从业务数据中筛选第二规则层级的待处理数据,从而可以依次减少各规则层级处理数据的数量。
本发明实施例的一种实现方式中,规则库还可以包括每个规则层级的信用评价参数,如此在上述过程中从业务数据中筛选目标医疗主体集所包括医疗主体的业务数据,作为第二规则层级的待处理数据的步骤可以具体执行为:获取目标医疗主体集包括医疗主体对应信用评价参数的参数值;将目标医疗主体集包括医疗主体中,参数值不满足预设条件的医疗主体确定为待处理医疗主体;从业务数据中,筛选待处理医疗主体的业务数据,作为第二规则层级的待处理数据。
在进行违规、可疑等事件的识别时,规则库中各规则层级可以设置信用评价参数,而通常信用评价参数较好的医疗主体出现违规事件的概率较低,所以本发明实施例中,可以对各规则层级的目标医疗主体集中医疗主体进行筛选,筛选出信用评价参数较低的医疗主体,作为待处理医疗主体,即参数值不满足预设条件的医疗主体确定为待处理医疗主体,并将待处理医疗主体的业务数据作为第二规则层级的待处理业务数据。预设条件可以根据场景设置,例如,信用评价参数的参数值越高表示信用评价越好时,预设条件可以为参数值低于预设阈值。
S305:根据各规则层级的目标规则和目标医疗主体集,识别各医疗主体对应的目标事件。
其中,各规则根据事件指标构建,所以每个规则会对应一个事件,所以在确定出各规则层级的目标规则,即确定出了目标事件,然后根据目标医疗主体集,即可确定出目标医疗主体集中包括医疗主体所对应的目标事件。则本步骤可以具体执行为:确定每个规则层级的目标规则对应的事件;根据各规则层级的目标医疗主体集,识别各医疗主体对应的目标事件。
如果步骤S301中获取的业务数据对应医疗主体不在目标医疗主体集中,则可以认为这些医疗主体未识别出对应事件。
需要说明的是,在步骤S305之后,本发明实施例中还可以根据步骤S305得出的结果对各医疗主体的信用评价参数的参数值进行更新,以保证医疗主体信用评价的准确性。具体可以执行为:根据各医疗主体对应的目标事件和预设信用评价规则,更新违规主体对应各信用评价参数的参数值。
信用评价规则可以包括为多级信用评价体系,对不同的业务类型的医疗主体可以设置多个信用评价参数。例如,信用评价参数可以包括医疗主体在销售业务类型的信用评价,医院在住院诊疗业务的信用评价。各信用评价参数均可以设置有多个评价指标,并可通过量化评分方法对医疗主体对应信用评价参数的参数值进行量化,具体的可以通过分数来体现参数值。
本发明实施例中,规则库划分了规则层级,并且各规则层级中用于处理所述业务数据的执行规则可以由前一规则层级的目标规则和关联关系确定,所以本发明实施例中,每个规则层级所包括规则并不需要全部用于对业务数据的处理,而是可以根据关联关系和前一规则层级的目标规则来确定出部分规则执行,既可以保证识别目标事件的准确性,也可以在识别目标事件时减少执行规则的数量,进而可以实现在识别违规事件时减少所花费的时间,提高各医疗主体违规事件识别的效率,进而提高信用管理的效率。
结合图3所示实施例步骤S302所示,可以确定对业务数据进行处理时规则库中各规则层级的目标规则,即对业务数据进行处理的规则执行路径。本发明实施例中每个规则层级的目标规则可以由前一层级的目标规则和关联关系确定该规则层级的执行规则,进而从执行规则中确定出目标规则,同时每个规则层级的待处理业务数据可以由前一层级的目标规则对应医疗主体集和各医疗主体对应信用评价参数的参数值来确定该规则层级的待处理数据。所在步骤S302中,对业务数据可以根据各医疗主体对应信用评价参数的参数值、关联关系和每个规则层级的目标规则确定总体结果。
假设,本发明实施例中构建规则包括规则A、规则B、规则C、规则D、规则E、规则F,并建立规则之间的关联关系。例如,规则A为医疗主体单次销售额大于销售阈值,规则B为医疗主体单次销售-数量大于数量阈值,规则C为医疗主体单次销售-最大单价大于单价阈值,规则D为医疗机构全部药品-最大单价/最小单价>=2,规则E为同区域医疗机构全部药品-最大单价/最小单价>=2,规则F为同类型医疗机构全部药品-最大单价/最小单价>=2。关联关系包括:规则A分别与规则B、规则C存在关联关系,规则D与规则C存在关联关系,规则D分别与规则E、规则F存在关联关系。则基于上述关联关系可以构建规则库中规则层级并设置信用评价参数,具体的可以如图4所示,规则库包括4个规则层级,第一规则层级L1包括规则A、对应信用评价参数1,第二规则层级L2包括规则B和规则C、对应信用评价参数2,第三规则层级L3包括规则D、对应信用评价参数3,第四规则层级L4包括规则E和规则F、对应信用评价参数4。其中,图4中所示规则之间的连线表示规则之间的关联关系。
结合图3所示实施例和图4所示规则库,本发明实施例对步骤S302的执行过程进行具体说明。本发明实施例中以对违规事件识别,满足规则表示满足规则对应违规指标,各信用评价参数的参数值为具体数值,且数值越高表示信用评价越好为例进行说明,如图5所示,包括以下步骤。
S501:根据L1包括的规则处理业务数据,得出L1对应的处理结果。
其中,由于规则库中第一规则层级为第一个对业务数据处理的规则层级,所以可以使用第一规则层级所包括全部规则对业务数据进行处理,即规则A对业务数据进行处理。
同时对于业务数据,可以根据各医疗主体对应信用评价参数1的参数值筛选出第一规则层级的待处理数据。例如,设信用评价参数1低于第一参数阈值的医疗主体为需要确定违规事件的医疗主体,则可以从业务数据中筛选出信用评价参数1低于第一参数阈值的医疗主体的业务数据,作为L1的待处理数据。
然后,本步骤可以通过L1的规则(规则A)处理L1的待处理数据,得出规则A的医疗主体集。由于图4所示规则库中L1只包括规则A,所以可以确定L1的目标规则为规则A,规则A的医疗主体集为目标医疗主体集,L1对应的处理结果可以包括规则A和规则A的医疗主体集。
需要说明的是,本发明实施例中,规则库中L1可不配置信用评价参数1,而是在获取业务数据时,直接获取到满足信用评价参数1低于第一参数阈值的医疗主体的业务数据。
S502:根据L1对应的处理结果确定L2中的执行规则和L2对应的待处理数据。
其中,规则A为L1中的目标规则,则L2中与规则A存在关联关系的规则为L2中的执行规则,即L2中的执行规则为规则B和规则C。
然后根据信用评价参数2,对规则A的医疗主体集中医疗主体进行筛选,例如,将规则A对应医疗主体集中、信用评价参数2的参数值低于第二参数阈值的医疗主体为需要确定违规事件的医疗主体,则可以从业务数据中筛选出规则A的医疗主体集中、信用评价参数2低于第二参数阈值的医疗主体的业务数据,作为L2的待处理数据。
S503:根据L2的执行规则,对L2的待处理数据进行处理,得出L2对应的处理结果。
其中,L2的执行规则为规则B和规则C,对L2的待处理数据进行处理可以得出规则B的医疗主体集和规则C的医疗主体集。然后根据规则B的医疗主体集和规则C的医疗主体集分别包括医疗主体的数量来确定出L2的目标规则。例如,假设业务数据中总医疗主体为1000个,L2对应待处理数据中包括医疗主体为800个,执行本步骤后,规则B的医疗主体集中包括医疗主体为300个,规则C的医疗主体集中包括医疗主体为600个,则可以将包括医疗主体数量最多的医疗主体集所对应的执行规则确定为L2的目标规则,即规则C为L2的目标规则。所以本步骤可以得出L2对应的处理结果包括规则C和规则C的医疗主体集。
S504:根据L2对应的处理结果确定L3中的执行规则和L3对应的待处理数据。
其中本步骤的执行原理与步骤S502相同。
具体可以为,规则C为L2中的目标规则,则L2中与规则C存在关联关系的规则为L3中的执行规则,即L3中的执行规则为规则D。然后根据信用评价参数3,对规则C对应医疗主体集中医疗主体进行筛选,例如,将规则C的医疗主体集中、信用评价参数3的参数值低于第三参数阈值的医疗主体为需要确定违规事件的医疗主体,则可以从业务数据中筛选出规则C的医疗主体集中、信用评价参数3低于第三参数阈值的医疗主体的业务数据,作为L3的待处理数据。
需要说明的是,规则库中前一规则层级中规则均会设置与后一规则层级中规则的关联关系。如果前一规则层级中规则与后一规则层级中规则均不存在的关联关系,则可以将后一规则层级中全部规则确定为后一规则层级的执行规则。例如,在步骤S503中确定规则B为L2的目标规则,而L3中没有与规则B存在关联关系的规则,则可以确定L3中全部规则为L3的执行规则。
S505:根据L3的执行规则,对L3的待处理数据进行处理,得出L3对应的处理结果。
其中,L3的执行规则为规则D,则根据规则D对L3的待处理数据进行处理,得出规则D的医疗主体集。由于L3的执行规则只有一个,所以规则D为L3的目标规则,L3对应的处理结果包括贵州人D和规则D对应的医疗主体集。
S506:根据L3对应的处理结果确定L4中的执行规则和L4对应的待处理数据。
本步骤执行原理与步骤S502的执行原理相同。
具体的,规则D为L3中的目标规则,则L4中与规则D存在关联关系的规则为L4中的执行规则,即L4中的执行规则为规则E和规则F。然后根据信用评价参数4,对规则D对应医疗主体集中医疗主体进行筛选,例如,将规则D的医疗主体集中、信用评价参数4的参数值低于第四参数阈值的医疗主体为需要确定违规事件的医疗主体,则可以从业务数据中筛选出规则D对应医疗主体集中、信用评价参数4低于第四参数阈值的医疗主体的业务数据,作为L4的待处理数据。
S507:根据L4的执行规则,对L4的待处理数据进行处理,得出L4对应的处理结果。
本步骤执行原理与步骤S503的执行原理相同。
其中,L4的执行规则为规则E和规则F,对L4的待处理数据进行处理可以得出规则E的医疗主体集和规则F的医疗主体集。然后根据规则E的医疗主体集和规则F的医疗主体集分别包括医疗主体的数量来确定出L4的目标规则。例如,假设L3对应待处理业务数据中包括医疗主体为500个,执行本步骤后,规则E对应医疗主体集中包括医疗主体为100个,规则F的医疗主体集中包括医疗主体为200个,则可以将包括医疗主体数量最多的医疗主体集所对应的执行规则确定为L4的目标规则,即规则F为L4的目标规则。所以本步骤可以得出L4对应的处理结果包括规则F和规则F的医疗主体集。
S508:确定总处理结果。
在得出L4对应处理结果后,可以得出每个规则层级的目标规则,即对业务数据进行处理的规则执行路径,为规则A-规则C-规则D-规则F。对于规则A的医疗主体集、规则C的医疗主体集、规则D的医疗主体集、规则F的医疗主体集为满足上述各目标规则的医疗主体,即为违规主体,本步骤中可以将违规主体和违规主体对应目标规则的事件确定为总处理结果。
本发明实施例中,根据各规则层级的处理结果和信用评价参数来筛选每个规则层级的待处理数据和执行规则,从而可以对业务数据动态确定执行的规则,且不需要通过规则库中全部规则对业务数据进行处理,降低了违规事件确定花费的时间,提高违规事件确定的效率。
为了解决现有技术存在的问题,本发明实施例提供了一种事件识别的装置600,如图6所示,该装置600包括:
获取单元601,用于调用规则引擎获取多个医疗主体对应的业务数据;
读取单元602,用于读取规则库中各规则层级包括的规则,以及与相邻规则层级所包括规则之间的关联关系;
处理单元603,用于基于所述规则库中第一规则层级的各规则处理业务数据,得到与各规则对应的医疗主体集,根据预设的筛选条件从所有医疗主体集中过筛选出目标医疗主体集,将与所述目标医疗主体集对应的规则作为第一规则层级的目标规则;
所述处理单元603,还用于确定位于所述第一规则层级之后且相邻的第二规则层级,以及所述第二规则层级中与所述目标规则存在关联关系的执行规则,基于所述执行规则处理所述业务数据,得到所述执行规则的医疗主体集,重复上述目标规则筛选方式,从所述执行规则中筛选出目标规则;并重复上述执行规则确定方式和目标规则筛选方式,得到所述各规则层级的目标规则和目标医疗主体集;
识别单元604,用于根据所述各规则层级的目标规则和目标医疗主体,识别各所述医疗主体对应的目标事件。
应理解的是,实施本发明实施例的方式与实施图3所示实施例的方式相同,在此不再赘述。
本发明实施例的一种实现方式中,所述处理单元603具体用于:
从所述业务数据中筛选所述目标医疗主体集所包括医疗主体的业务数据,作为所述第二规则层级的待处理数据;
基于所述执行规则处理所述待处理数据,得到所述执行规则的医疗主体集。
本发明实施例的又一种实现方式中,所述规则库还包括每个规则层级的信用评价参数;
所述处理单元603具体用于:
获取所述目标医疗主体集包括医疗主体对应所述信用评价参数的参数值;
将所述目标医疗主体集包括医疗主体中,所述参数值不满足预设条件的医疗主体确定为待处理医疗主体;
从所述业务数据中,筛选所述待处理医疗主体的业务数据,作为所述第二规则层级的待处理数据。
本发明实施例的又一种实现方式中,所述识别单元604具体用于:
确定每个所述规则层级的目标规则对应的目标事件;
根据所述各规则层级的目标医疗主体集,识别各所述医疗主体对应的目标事件。
本发明实施例的又一种实现方式中,所述处理单元603具体用于:
将所有医疗主体集中筛选出包括医疗主体数量最多的医疗主体集,作为所述目标医疗主体集。
本发明实施例的又一种实现方式中,所述获取单元601,还用于获取多个事件指标、各所述事件指标对应医疗主体类型、各所述事件指标对应业务类型和各所述事件指标之间的关联关系;
所述装置600还包括:
构建单元,用于根据所述事件指标构建所述规则库中的规则,并根据各所述事件指标对应医疗主体类型、各所述事件指标对应业务类型和各所述事件指标之间的关联关系,对所述规则库中的规则划分规则层级。
本发明实施例的又一种实现方式中,所述装置600还包括:
更新单元,用于根据各所述医疗主体对应的目标事件和预设信用评价规则,更新所述违规主体对应各信用评价参数的参数值。
应理解的是,实施本发明实施例的方式与实施图3或图5所示实施例的方式相同,在此不再赘述。
本发明实施例中,每个规则层级所包括规则并不需要全部用于对业务数据的处理,而是可以根据关联关系和前一规则层级的目标规则来确定出部分规则执行,既可以保证识别目标事件的准确性,也可以在识别目标事件时减少执行规则的数量,进而可以实现在识别违规事件时减少所花费的时间,提高各医疗主体违规事件识别的效率,进而提高信用管理的效率。
根据本发明的实施例,本发明还提供了一种电子设备和一种可读存储介质。
本发明的电子设备包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行本发明实施例所提供的事件识别的方法。
图7示出了可以应用本发明实施例的事件识别的方法或事件识别的装置的示例性系统架构700。
如图7所示,系统架构700可以包括终端设备701、702、703,网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备701、702、703通过网络704与服务器705交互,以接收或发送消息等。终端设备701、702、703上可以安装有各种客户端应用。
终端设备701、702、703可以是智能手机、平板电脑、膝上型便携计算机和台式计算机等等,具体可以为提供医疗机构的业务数据的终端。
服务器705可以是提供各种服务的服务器,服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的事件识别的方法一般由服务器705执行,相应地,事件识别的装置一般设置于服务器705中。
应该理解,图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图8,其示出了适于用来实现本发明实施例的计算机系统800的结构示意图。图8示出的计算机系统仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分,上述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、处理单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取单元的功能的单元”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备执行本发明所提供的事件识别的方法。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种事件识别的方法,其特征在于,包括:
调用规则引擎获取多个医疗主体对应的业务数据;
读取规则库中各规则层级包括的规则,以及与相邻规则层级所包括规则之间的关联关系;
基于所述规则库中第一规则层级的各规则处理业务数据,得到与各规则对应的医疗主体集,根据预设的筛选条件从所有医疗主体集中筛选出目标医疗主体集,将与所述目标医疗主体集对应的规则作为第一规则层级的目标规则;
确定位于所述第一规则层级之后且相邻的第二规则层级,以及所述第二规则层级中与所述目标规则存在关联关系的执行规则,基于所述执行规则处理所述业务数据,得到所述执行规则的医疗主体集,重复上述目标规则筛选方式,从所述执行规则中筛选出目标规则;并重复上述执行规则确定方式和目标规则筛选方式,得到所述各规则层级的目标规则和目标医疗主体集;
根据所述各规则层级的目标规则和目标医疗主体集,识别各所述医疗主体对应的目标事件。
2.根据权利要求1所述的方法,其特征在于,所述基于所述执行规则处理所述业务数据,得到所述执行规则的医疗主体集,包括:
从所述业务数据中筛选所述目标医疗主体集所包括医疗主体的业务数据,作为所述第二规则层级的待处理数据;
基于所述执行规则处理所述待处理数据,得到所述执行规则的医疗主体集。
3.根据权利要求2所述的方法,其特征在于,所述规则库还包括每个规则层级的信用评价参数;
所述从所述业务数据中筛选所述目标医疗主体集所包括医疗主体的业务数据,作为所述第二规则层级的待处理数据,包括:
获取所述目标医疗主体集包括医疗主体对应所述信用评价参数的参数值;
将所述目标医疗主体集包括医疗主体中,所述参数值不满足预设条件的医疗主体确定为待处理医疗主体;
从所述业务数据中,筛选所述待处理医疗主体的业务数据,作为所述第二规则层级的待处理数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述各规则层级的目标规则和目标医疗主体集,识别各所述医疗主体对应的目标事件,包括:
确定每个所述规则层级的目标规则对应的目标事件;
根据所述各规则层级的目标医疗主体集,识别各所述医疗主体对应的目标事件。
5.根据权利要求1所述的方法,其特征在于,所述根据预设的筛选条件从所有医疗主体集中过筛选出目标医疗主体集,包括:
将所有医疗主体集中筛选出包括医疗主体数量最多的医疗主体集,作为所述目标医疗主体集。
6.根据权利要求1所述的方法,其特征在于,所述读取规则库中各规则层级包括的规则,以及与相邻规则层级所包括规则之间的关联关系之前,还包括:
获取多个事件指标、各所述事件指标对应医疗主体类型、各所述事件指标对应业务类型和各所述事件指标之间的关联关系;
根据所述事件指标构建所述规则库中的规则,并根据各所述事件指标对应医疗主体类型、各所述事件指标对应业务类型和各所述事件指标之间的关联关系,对所述规则库中的规则划分规则层级。
7.根据权利要求1所述的方法,其特征在于,所述根据所述各规则层级的目标规则和目标医疗主体,识别各所述医疗主体对应的目标事件之后,还包括:
根据各所述医疗主体对应的目标事件和预设信用评价规则,更新所述违规主体对应各信用评价参数的参数值。
8.一种事件识别的装置,其特征在于,包括:
获取单元,用于调用规则引擎获取多个医疗主体对应的业务数据;
读取单元,用于读取规则库中各规则层级包括的规则,以及与相邻规则层级所包括规则之间的关联关系;
处理单元,用于基于所述规则库中第一规则层级的各规则处理业务数据,得到与各规则对应的医疗主体集,根据预设的筛选条件从所有医疗主体集中筛选出目标医疗主体集,将与所述目标医疗主体集对应的规则作为第一规则层级的目标规则;
所述处理单元,还用于确定位于所述第一规则层级之后且相邻的第二规则层级,以及所述第二规则层级中与所述目标规则存在关联关系的执行规则,基于所述执行规则处理所述业务数据,得到所述执行规则的医疗主体集,重复上述目标规则筛选方式,从所述执行规则中筛选出目标规则;并重复上述执行规则确定方式和目标规则筛选方式,得到所述各规则层级的目标规则和目标医疗主体集;
识别单元,用于根据所述各规则层级的目标规则和目标医疗主体,识别各所述医疗主体对应的目标事件。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011330377.5A CN112488857B (zh) | 2020-11-24 | 2020-11-24 | 事件识别的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011330377.5A CN112488857B (zh) | 2020-11-24 | 2020-11-24 | 事件识别的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488857A true CN112488857A (zh) | 2021-03-12 |
CN112488857B CN112488857B (zh) | 2023-08-22 |
Family
ID=74933847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011330377.5A Active CN112488857B (zh) | 2020-11-24 | 2020-11-24 | 事件识别的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488857B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021723A (zh) * | 2021-11-26 | 2022-02-08 | 深圳创维智慧科技有限公司 | 医疗知识库的规则管理方法、装置及计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102957555A (zh) * | 2011-08-29 | 2013-03-06 | 中国移动通信集团上海有限公司 | 业务支撑系统进程间关联关系的识别方法、系统及服务器 |
CN107993139A (zh) * | 2017-11-15 | 2018-05-04 | 华融融通(北京)科技有限公司 | 一种基于动态规则库的消费金融反欺诈系统与方法 |
CN109636633A (zh) * | 2018-12-13 | 2019-04-16 | 泰康保险集团股份有限公司 | 数据处理方法、装置和存储介质 |
CN110826913A (zh) * | 2019-11-07 | 2020-02-21 | 南京远致数据技术有限公司 | 医疗服务机构信用评价方法及评价系统 |
CN111355696A (zh) * | 2018-12-24 | 2020-06-30 | 中移(杭州)信息技术有限公司 | 一种报文识别方法、装置、dpi设备及存储介质 |
US20200311260A1 (en) * | 2019-03-27 | 2020-10-01 | Webroot Inc. | Behavioral threat detection engine |
US20200311267A1 (en) * | 2019-03-27 | 2020-10-01 | Webroot Inc. | Behavioral threat detection definition and compilation |
CN111783045A (zh) * | 2020-06-22 | 2020-10-16 | 厦门市美亚柏科信息股份有限公司 | 基于分级分类的数据授权方法和装置 |
CN111832661A (zh) * | 2020-07-28 | 2020-10-27 | 平安国际融资租赁有限公司 | 分类模型构建方法、装置、计算机设备及可读存储介质 |
-
2020
- 2020-11-24 CN CN202011330377.5A patent/CN112488857B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102957555A (zh) * | 2011-08-29 | 2013-03-06 | 中国移动通信集团上海有限公司 | 业务支撑系统进程间关联关系的识别方法、系统及服务器 |
CN107993139A (zh) * | 2017-11-15 | 2018-05-04 | 华融融通(北京)科技有限公司 | 一种基于动态规则库的消费金融反欺诈系统与方法 |
CN109636633A (zh) * | 2018-12-13 | 2019-04-16 | 泰康保险集团股份有限公司 | 数据处理方法、装置和存储介质 |
CN111355696A (zh) * | 2018-12-24 | 2020-06-30 | 中移(杭州)信息技术有限公司 | 一种报文识别方法、装置、dpi设备及存储介质 |
US20200311260A1 (en) * | 2019-03-27 | 2020-10-01 | Webroot Inc. | Behavioral threat detection engine |
US20200311267A1 (en) * | 2019-03-27 | 2020-10-01 | Webroot Inc. | Behavioral threat detection definition and compilation |
CN110826913A (zh) * | 2019-11-07 | 2020-02-21 | 南京远致数据技术有限公司 | 医疗服务机构信用评价方法及评价系统 |
CN111783045A (zh) * | 2020-06-22 | 2020-10-16 | 厦门市美亚柏科信息股份有限公司 | 基于分级分类的数据授权方法和装置 |
CN111832661A (zh) * | 2020-07-28 | 2020-10-27 | 平安国际融资租赁有限公司 | 分类模型构建方法、装置、计算机设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
龚平 等: "一种高效的业务过程的合规性监控框架", 《计算机集成制造系统》, vol. 23, no. 05 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021723A (zh) * | 2021-11-26 | 2022-02-08 | 深圳创维智慧科技有限公司 | 医疗知识库的规则管理方法、装置及计算机可读存储介质 |
CN114021723B (zh) * | 2021-11-26 | 2022-11-08 | 深圳创维智慧科技有限公司 | 医疗知识库的规则管理方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112488857B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107784063B (zh) | 算法的生成方法及终端设备 | |
US11630664B2 (en) | Rule-based scoring for APIs | |
CN111242164A (zh) | 一种决策结果的确定方法、装置及设备 | |
CN107819745B (zh) | 异常流量的防御方法和装置 | |
CN111612616A (zh) | 区块链账户评估方法、装置、终端设备及计算机可读介质 | |
CN112488857B (zh) | 事件识别的方法、装置、电子设备和存储介质 | |
CN111105238A (zh) | 一种交易风险控制方法和装置 | |
CN114334111A (zh) | 医疗信息管理方法、装置、服务器及可读存储介质 | |
CN114723455A (zh) | 业务处理方法、装置、电子设备和存储介质 | |
CN114817347A (zh) | 业务审批方法、装置、电子设备和存储介质 | |
CN113053531B (zh) | 医疗数据处理方法、装置、计算机可读存储介质及设备 | |
CN114428815A (zh) | 数据存储方法、装置、电子设备和计算机可读介质 | |
CN111898027A (zh) | 确定特征维度的方法、装置、电子设备和计算机可读介质 | |
CN112367266A (zh) | 限流方法、装置、电子设备和计算机可读介质 | |
CN113434754A (zh) | 确定推荐api服务的方法、装置、电子设备和存储介质 | |
CN113077352B (zh) | 基于用户信息和保险相关信息的保险服务物品推荐方法 | |
CN112308578B (zh) | 用于任务反欺诈的方法、电子设备和存储介质 | |
CN113077353B (zh) | 用于生成核保结论的方法、装置、电子设备和介质 | |
US20230222579A1 (en) | Method and Apparatus for Iterating Credit Scorecard Model, Electronic Device and Storage Medium | |
CN110648208B (zh) | 群组识别方法、装置和电子设备 | |
CN114022294A (zh) | 一种保单数据处理方法和装置 | |
CN115422255A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN115512800A (zh) | 一种电子处方审核的方法和装置 | |
CN114756540A (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
CN114298848A (zh) | 核查保单的方法、装置、设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |