CN115907793A - 使用医保卡配药骗保的识别方法、装置、存储介质及电子装置 - Google Patents

Abstract

本申请公开了一种使用医保卡配药骗保的识别方法、装置、存储介质及电子装置。该识别方法包括：获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；基于混淆矩阵和所述规则数据库构建骗保识别模型；将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为。本申请解决了由于骗保人使用医保卡配药进行骗保难以监管造成的医保基金损失，更损害国家及参保人员的利益的技术问题。

Description

使用医保卡配药骗保的识别方法、装置、存储介质及电子装置

技术领域

本申请涉及骗保识别领域，具体而言，涉及一种使用医保卡配药骗保的识别方法、装置、存储介质及电子装置。

背景技术

发明人发现，骗保人使用医保卡配药转卖，或借用他人医保卡到多家医院配药转卖，或单张处方药的费用特别高，或使用一张医保卡在一段时间内反复多次配药等骗保行为难以监管，造成医保基金损失，更损害国家及参保人员的利益。

针对相关技术中骗保人使用医保卡配药进行骗保难以监管造成的医保基金损失，更损害国家及参保人员的利益的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种使用医保卡配药骗保的识别方法、装置、存储介质及电子装置，以解决骗保人使用医保卡配药进行骗保难以监管造成的医保基金损失，更损害国家及参保人员的利益的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种使用医保卡配药骗保的识别方法。

根据本申请的使用医保卡配药骗保的识别方法包括：获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；基于混淆矩阵和所述规则数据库构建骗保识别模型；将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为。

进一步的，所述骗保特征行为的预设包括：对所述历史信息执行预处理操作，得到骗保人使用医保卡配药的骗保特征行为。

进一步的，构建预设的骗保特征行为与所述历史信息之间的关联规则包括：构建预设的骗保人持他人的医保卡配药与所述历史信息中的持卡人ID号与医保手册号之间的第一关联规则；其中，所述第一关联规则为当一个持卡人ID号对应多个医保手册号，或当一个医保手册号对应多个持卡人ID号时，将该持卡人ID号对应的人员判断为骗保人持他人的医保卡配药。

进一步的，构建预设的骗保特征行为与所述历史信息之间的关联规则还包括：构建预设的骗保人从不同医院和不同医生处重复配药与所述历史信息中的持卡人 ID号、开嘱医生号和账单号之间的第二关联规则；其中，所述第二关联规则为当一个持卡人ID号对应多个开嘱医生号和账单号时，将该持卡人ID号对应的人员判断为骗保人从不同医院和不同医生处重复配药。

为了实现上述目的，根据本申请的另一方面，提供了一种使用医保卡配药骗保的识别装置。

根据本申请的使用医保卡配药骗保的识别装置包括：数据获取模块，用于获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；规则关联模块，用于构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；模型构建、训练模块，用于基于混淆矩阵和所述规则数据库构建骗保识别模型；骗保识别模块，用于将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为。

进一步的，所述骗保特征行为的预设包括：对所述历史信息执行预处理操作，得到骗保人使用医保卡配药的骗保特征行为。

进一步的，所述规则关联模块包括：构建预设的骗保人持他人的医保卡配药与所述历史信息中的持卡人ID号与医保手册号之间的第一关联规则；其中，所述第一关联规则为当一个持卡人ID号对应多个医保手册号，或当一个医保手册号对应多个持卡人ID号时，将该持卡人ID号对应的人员判断为骗保人持他人的医保卡配药。

进一步的，所述规则关联模块包括：构建预设的骗保人从不同医院和不同医生处重复配药与所述历史信息中的持卡人ID号、开嘱医生号和账单号之间的第二关联规则；其中，所述第二关联规则为当一个持卡人ID号对应多个开嘱医生号和账单号时，将该持卡人ID号对应的人员判断为骗保人从不同医院和不同医生处重复配药。

为了实现上述目的，根据本申请的另一方面，提供了一种计算机可读存储介质。

根据本申请的计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述的使用医保卡配药骗保的识别方法。

为了实现上述目的，根据本申请的另一方面，提供了一种电子装置。

根据本申请的电子装置，包括：存储器和处理器，所述存储器中存储有计算机程序，其中，所述处理器被设置为运行所述计算机程序以执行所述的使用医保卡配药骗保的识别方法。

在本申请实施例中，采用识别使用医保卡配药骗保的方式，通过获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；基于混淆矩阵和所述规则数据库构建骗保识别模型；将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为；达到了基于识别结果对骗保人使用医保卡配药骗保进行有效监管的目的，从而实现了避免医保基金损失，有效维护国家及参保人员的利益的技术效果，进而解决了由于骗保人使用医保卡配药进行骗保难以监管造成的医保基金损失，更损害国家及参保人员的利益的技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的使用医保卡配药骗保的识别方法的流程示意图；

图2是根据本申请实施例的使用医保卡配药骗保的识别装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本发明及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本发明中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本发明实施例，提供了一种使用医保卡配药骗保的识别方法，如图1所示，该方法包括如下的步骤S101至步骤S104：

步骤S101、获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；

持卡人为医保卡的拥有者；无论他人借用医保卡违规看病、买药或者自身存在违规刷用看病、买药，医保卡都会生成看病、买药记录。因此，通过对接医院或医保卡管理平台的数据库，可以获取得到持卡人看病的历史信息。

历史信息包含了持卡人的持卡人信息及对应的医嘱、配药信息；具体包含了持卡人资料中持卡人ID号与医保手册号、持卡人ID号对应的开嘱医生号与账单号、处方药费用金额和频度数据、每个病人从第一天到第六天里医嘱的次数以及病人的资料、病人费用明细表、医嘱表、医嘱子类、核算分类等数据和信息等。

步骤S102、构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；

具体的，所述骗保特征行为的预设包括：

对所述历史信息执行预处理操作，得到骗保人使用医保卡配药的骗保特征行为。

对获取的上述历史信息进行预处理，得到骗保人持医保卡去配药的骗保特征行为信息。即：骗保人持他人的医保卡去配药；骗保人从不同的医院和不同的医生处重复配药；骗保人的单张处方药的费用特别高；骗保人使用一张医保卡在一段时间内反复多次配药等。

在一种具体的实施方式中，构建预设的骗保特征行为与所述历史信息之间的关联规则包括：构建预设的骗保人持他人的医保卡配药与所述历史信息中的持卡人ID号与医保手册号之间的第一关联规则；其中，所述第一关联规则为当一个持卡人ID号对应多个医保手册号，或当一个医保手册号对应多个持卡人ID号时，将该持卡人ID号对应的人员判断为骗保人持他人的医保卡配药。

在另一种具体的实施方式中，构建预设的骗保特征行为与所述历史信息之间的关联规则还包括：构建预设的骗保人从不同医院和不同医生处重复配药与所述历史信息中的持卡人ID号、开嘱医生号和账单号之间的第二关联规则；其中，所述第二关联规则为当一个持卡人ID号对应多个开嘱医生号和账单号时，将该持卡人ID号对应的人员判断为骗保人从不同医院和不同医生处重复配药。

通过以上的方式，可以构建骗保人持他人的医保卡去配药；骗保人从不同的医院和不同的医生处重复配药；骗保人的单张处方药的费用特别高；骗保人使用一张医保卡在一段时间内反复多次配药等骗保行为和历史信息中的数据的关联规则，为模型的建立和训练提供数据保障。

步骤S103、基于混淆矩阵和所述规则数据库构建骗保识别模型；

采用机器学习模型配合混淆矩阵构建骗保识别模型，具体地，首先将混淆矩阵结合到机器学习模型中，机器学习模型可以卷积神经网络或分类树；然后将上述的带有关联规则的历史信息和骗保特征行为输入该机器学习模型进行训练学习，使机器学习模型学会历史信息中的数据与骗保特征行为之间关联规则；再通过混淆矩阵总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总，借此提升模型的识别精度；最终会得到一个骗保识别模型。

如表1和2所示，混淆矩阵是机器学习中总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。其中矩阵的行表示真实值，矩阵的列表示预测值。混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目，每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目，每一列中的数值表示真实数据被预测为该类的数目。

真阳性(True Positive，TP)：样本的真实类别是正例，并且模型预测的结果也是正例；

真阴性(True Negative，TN)：样本的真实类别是负例，并且模型将其预测成为负例；

假阳性(False Positive，FP)：样本的真实类别是负例，但是模型将其预测成为正例；

假阴性(False Negative，FN)：样本的真实类别是正例，但是模型将其预测成为负例。

表1：

表2：

步骤S104、将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为。

由于构建出来的骗保识别模型已经学习到历史信息中的数据与骗保特征行为之间关联规则，因此，当输入带有相应数据的待识别人群时，骗保识别模型可以识别出哪些卡对应的人员存在骗保特征行为。

具体而言，通过骗保识别模型能够比较病人资料中病人ID号与医保手册号是否一一对应。如果一个医保手册号对应多个病人ID号，或者一个病人ID号对应多个医保手册号，则表明骗保人可能使用他人的医保卡骗保。

通过骗保识别模型还可以利用数据透视表对多张表单中的大量特征信息数据进一步联系对应，筛选提炼出病人ID号、医嘱日期号、账单号并计数账单次数即看病次数等，得出针对反复多次使用医保卡的诈骗记录。

通过骗保识别模型还可以比较与病人ID号对应的开嘱医生号与账单号，如果病人ID号与对应的开嘱医生号与账单号不是对应的，也就是说一个病人ID号对应多个开嘱医生号与账单号，就有可能是即是可能的骗保记录。

通过骗保识别模型还可以通过得出每个病人从第一天到第六天里医嘱的次数，可以得到第一天到第六天中每一天医嘱次数的平均值。如果以平均值的两倍为判断问题四刷卡次数较多的标准，可以计算得出每天平均医嘱次数为4次，也就是说定义的限度为8。最后进行筛选得出，每天大于8次的可能有骗保记录。

从以上的描述中，可以看出，本发明实现了如下技术效果：

在本申请实施例中，采用识别使用医保卡配药骗保的方式，通过获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；基于混淆矩阵和所述规则数据库构建骗保识别模型；将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为；达到了基于识别结果对骗保人使用医保卡配药骗保进行有效监管的目的，从而实现了避免医保基金损失，有效维护国家及参保人员的利益的技术效果，进而解决了由于骗保人使用医保卡配药进行骗保难以监管造成的医保基金损失，更损害国家及参保人员的利益的技术问题。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种用于实施上述使用医保卡配药骗保的识别方法的装置，如图2所示，该装置包括：

数据获取模块10，用于获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；

持卡人为医保卡的拥有者；无论他人借用医保卡违规看病、买药或者自身存在违规刷用看病、买药，医保卡都会生成看病、买药记录。因此，通过对接医院或医保卡管理平台的数据库，可以获取得到持卡人看病的历史信息。

历史信息包含了持卡人的持卡人信息及对应的医嘱、配药信息；具体包含了持卡人资料中持卡人ID号与医保手册号、持卡人ID号对应的开嘱医生号与账单号、处方药费用金额和频度数据、每个病人从第一天到第六天里医嘱的次数以及病人的资料、病人费用明细表、医嘱表、医嘱子类、核算分类等数据和信息等。

规则关联模块20，用于构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；

具体的，所述骗保特征行为的预设包括：

对所述历史信息执行预处理操作，得到骗保人使用医保卡配药的骗保特征行为。

对获取的上述历史信息进行预处理，得到骗保人持医保卡去配药的骗保特征行为信息。即：骗保人持他人的医保卡去配药；骗保人从不同的医院和不同的医生处重复配药；骗保人的单张处方药的费用特别高；骗保人使用一张医保卡在一段时间内反复多次配药等。

在一种具体的实施方式中，所述规则关联模块30包括：构建预设的骗保人持他人的医保卡配药与所述历史信息中的持卡人ID号与医保手册号之间的第一关联规则；其中，所述第一关联规则为当一个持卡人ID号对应多个医保手册号，或当一个医保手册号对应多个持卡人ID号时，将该持卡人ID号对应的人员判断为骗保人持他人的医保卡配药。

在另一种具体的实施方式中，所述规则关联模块30包括：构建预设的骗保人从不同医院和不同医生处重复配药与所述历史信息中的持卡人ID号、开嘱医生号和账单号之间的第二关联规则；其中，所述第二关联规则为当一个持卡人ID号对应多个开嘱医生号和账单号时，将该持卡人ID号对应的人员判断为骗保人从不同医院和不同医生处重复配药。

通过以上的方式，可以构建骗保人持他人的医保卡去配药；骗保人从不同的医院和不同的医生处重复配药；骗保人的单张处方药的费用特别高；骗保人使用一张医保卡在一段时间内反复多次配药等骗保行为和历史信息中的数据的关联规则，为模型的建立和训练提供数据保障。

模型构建、训练模块30，用于基于混淆矩阵和所述规则数据库构建骗保识别模型；

采用机器学习模型配合混淆矩阵构建骗保识别模型，具体地，首先将混淆矩阵结合到机器学习模型中，机器学习模型可以卷积神经网络或分类树；然后将上述的带有关联规则的历史信息和骗保特征行为输入该机器学习模型进行训练学习，使机器学习模型学会历史信息中的数据与骗保特征行为之间关联规则；再通过混淆矩阵总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总，借此提升模型的识别精度；最终会得到一个骗保识别模型。

如表1和2所示，混淆矩阵是机器学习中总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。其中矩阵的行表示真实值，矩阵的列表示预测值。混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目，每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目，每一列中的数值表示真实数据被预测为该类的数目。

真阳性(True Positive，TP)：样本的真实类别是正例，并且模型预测的结果也是正例；

真阴性(True Negative，TN)：样本的真实类别是负例，并且模型将其预测成为负例；

假阳性(False Positive，FP)：样本的真实类别是负例，但是模型将其预测成为正例；

假阴性(False Negative，FN)：样本的真实类别是正例，但是模型将其预测成为负例。

表1：

表2：

骗保识别模块40，用于将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为。

由于构建出来的骗保识别模型已经学习到历史信息中的数据与骗保特征行为之间关联规则，因此，当输入带有相应数据的待识别人群时，骗保识别模型可以识别出哪些卡对应的人员存在骗保特征行为。

具体而言，通过骗保识别模型能够比较病人资料中病人ID号与医保手册号是否一一对应。如果一个医保手册号对应多个病人ID号，或者一个病人ID号对应多个医保手册号，则表明骗保人可能使用他人的医保卡骗保。

通过骗保识别模型还可以利用数据透视表对多张表单中的大量特征信息数据进一步联系对应，筛选提炼出病人ID号、医嘱日期号、账单号并计数账单次数即看病次数等，得出针对反复多次使用医保卡的诈骗记录。

通过骗保识别模型还可以比较与病人ID号对应的开嘱医生号与账单号，如果病人ID号与对应的开嘱医生号与账单号不是对应的，也就是说一个病人ID号对应多个开嘱医生号与账单号，就有可能是即是可能的骗保记录。

通过骗保识别模型还可以通过得出每个病人从第一天到第六天里医嘱的次数，可以得到第一天到第六天中每一天医嘱次数的平均值。如果以平均值的两倍为判断问题四刷卡次数较多的标准，可以计算得出每天平均医嘱次数为4次，也就是说定义的限度为8。最后进行筛选得出，每天大于8次的可能有骗保记录。

从以上的描述中，可以看出，本发明实现了如下技术效果：

在本申请实施例中，采用识别使用医保卡配药骗保的方式，通过获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；基于混淆矩阵和所述规则数据库构建骗保识别模型；将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为；达到了基于识别结果对骗保人使用医保卡配药骗保进行有效监管的目的，从而实现了避免医保基金损失，有效维护国家及参保人员的利益的技术效果，进而解决了由于骗保人使用医保卡配药进行骗保难以监管造成的医保基金损失，更损害国家及参保人员的利益的技术问题。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种使用医保卡配药骗保的识别方法，其特征在于，包括：

获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；

构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；

基于混淆矩阵和所述规则数据库构建骗保识别模型；

将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为。

2.根据权利要求1所述的识别方法，其特征在于，所述骗保特征行为的预设包括：

对所述历史信息执行预处理操作，得到骗保人使用医保卡配药的骗保特征行为。

3.根据权利要求1所述的识别方法，其特征在于，构建预设的骗保特征行为与所述历史信息之间的关联规则包括：

构建预设的骗保人持他人的医保卡配药与所述历史信息中的持卡人ID号与医保手册号之间的第一关联规则；

其中，所述第一关联规则为当一个持卡人ID号对应多个医保手册号，或当一个医保手册号对应多个持卡人ID号时，将该持卡人ID号对应的人员判断为骗保人持他人的医保卡配药。

4.根据权利要求1所述的识别方法，其特征在于，构建预设的骗保特征行为与所述历史信息之间的关联规则还包括：

构建预设的骗保人从不同医院和不同医生处重复配药与所述历史信息中的持卡人ID号、开嘱医生号和账单号之间的第二关联规则；

其中，所述第二关联规则为当一个持卡人ID号对应多个开嘱医生号和账单号时，将该持卡人ID号对应的人员判断为骗保人从不同医院和不同医生处重复配药。

5.一种使用医保卡配药骗保的识别装置，其特征在于，包括：

数据获取模块，用于获取持卡人看病的历史信息；其中，所述历史信息至少包括：相关联的持卡人、医嘱和配药信息；

规则关联模块，用于构建预设的骗保特征行为与所述历史信息之间的关联规则，形成规则数据库；

模型构建、训练模块，用于基于混淆矩阵和所述规则数据库构建骗保识别模型；

骗保识别模块，用于将待识别人群输入骗保识别模型，得到目标骗保人群和对应的目标骗保特征行为。

6.根据权利要求5所述的识别装置，其特征在于，所述骗保特征行为的预设包括：

对所述历史信息执行预处理操作，得到骗保人使用医保卡配药的骗保特征行为。

7.根据权利要求5所述的识别装置，其特征在于，所述规则关联模块包括：

构建预设的骗保人持他人的医保卡配药与所述历史信息中的持卡人ID号与医保手册号之间的第一关联规则；

其中，所述第一关联规则为当一个持卡人ID号对应多个医保手册号，或当一个医保手册号对应多个持卡人ID号时，将该持卡人ID号对应的人员判断为骗保人持他人的医保卡配药。

8.根据权利要求5所述的识别装置，其特征在于，所述规则关联模块包括：

构建预设的骗保人从不同医院和不同医生处重复配药与所述历史信息中的持卡人ID号、开嘱医生号和账单号之间的第二关联规则；

其中，所述第二关联规则为当一个持卡人ID号对应多个开嘱医生号和账单号时，将该持卡人ID号对应的人员判断为骗保人从不同医院和不同医生处重复配药。

9.一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中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至4中任一项所述的使用医保卡配药骗保的识别方法。

10.一种电子装置，包括：存储器和处理器，其特征在于，所述存储器中存储有计算机程序，其中，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4中任一项所述的使用医保卡配药骗保的识别方法。

Images