CN117197814A - 一种数据标准化方法、装置、设备及其存储介质 - Google Patents

Abstract

本申请实施例属于数字医疗技术领域，应用于数字医疗综合平台医保理赔业务申报场景中，涉及一种数据标准化方法、装置、设备及其存储介质，包括从目标标准信息平台上采集费用明细数据信息；构建费用明细标准字段码库和召回模型；在医保理赔业务场景下，通过OCR识别技术获取医疗费用明细数据，并筛选出待处理数据；预处理获得模型输入数据；将模型输入数据输入召回模型内；基于召回模型、费用明细标准字段码库和所述医疗费用明细数据，生成标准化的医疗费用明细数据信息。通过构建费用明细标准字段码库和召回模型，使得后续进行医保理赔审核时，对医疗费用清单里的字段信息进行标准化表征，便于医保理赔审核，提高审核效率。

Description

一种数据标准化方法、装置、设备及其存储介质

技术领域

本申请涉及数字医疗技术领域，应用于数字医疗综合平台医保理赔业务申报场景中，尤其涉及一种数据标准化方法、装置、设备及其存储介质。

背景技术

随着医疗行业的数字化转型，结合互联网出现了很多辅助医生进行医疗数据处理的方式，而想在线上完成对医保理赔业务申报，往往需要患者诊疗期间的医院收费清单，与以往的传统医疗方式不同，数字医疗综合平台可能涉及到多个医院联合会诊，以及多家医疗机构间的药品调度，因此，数字医疗涉及的医保理赔往往涉及到多个医院或者医疗机构。

但是，由于用户可能就医与全国各个医院，且各个医院对相同的费用明细项命名不同，加大了理赔结算的难度，因此，涉及多个医院或者医疗机构，多家医院或者医疗机构用于理赔的医院收费清单可能存在格式上、或者收费明细字段信息上的差异性，这就导致了在进行理赔识别时，缺乏统一命名的字段信息，容易导致理赔流程复杂化，降低了理赔审核效率。

发明内容

本申请实施例的目的在于提出一种数据标准化方法、装置、设备及其存储介质，以解决现有技术在理赔审核业务中，由于多家医院或者医疗机构用于理赔的医院收费清单可能存在格式上、或者收费明细字段信息上的差异性，容易导致理赔流程复杂化，降低了理赔审核效率的问题。

为了解决上述技术问题，本申请实施例提供数据标准化方法，采用了如下所述的技术方案：

一种数据标准化方法，包括下述步骤：

通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；

根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；

获取通过OCR识别技术识别到的医疗费用明细数据，并筛选出待处理数据；

对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；

将所述模型输入数据作为检索数据，输入所述召回模型内；

基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息，并通过所述召回模型输出所述标准化的医疗费用明细数据信息。

进一步的，所述目标标准信息平台为国家医保服务平台，所述通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息的步骤，具体包括：

采用预设的抓取组件，从所述国家医保服务平台上采集费用明细数据信息，

其中，所述费用明细数据信息包括不同消耗类别的费用明细数据以及所述费用明细数据对应的字段信息，所述不同消耗类别包括医疗服务类、耗材类、西药类、中草药类、中成药类、自制药类、中药饮片类、中药配方颗粒类，所述费用明细数据对应的字段信息包括与医疗相关的所有医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型，所述医疗资源包括服务类资源、耗材类资源以及药品类资源。

进一步的，所述根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型的步骤，具体包括：

解析所述费用明细数据信息，获取所述费用明细数据信息中不同消耗类别的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型；

将所述不同消耗类别的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型作为费用明细标准表征字段；

将所述费用明细标准表征字段作为入库数据，写入到预设的数据库内，完成对所述费用明细标准字段码库的构建，并将所述费用明细标准字段码库作为字段检索库；

连接所述字段检索库与预设的ElasticSearch搜索引擎，完成对第一召回组件的构建；

采用SimBERT语言模型和Faiss聚类库构建文本语义识别模型，连接所述字段检索库与训练完成的文本语义识别模型，完成对第二召回组件的构建；

获取所述第一召回组件和所述第二召回组件，共同组成所述召回模型。

进一步的，在执行所述采用SimBERT语言模型和Faiss聚类库构建文本语义识别模型的步骤之后，所述方法还包括：

获取构建完成的文本语义识别模型；

获取在医保理赔业务场景下，通过OCR识别技术识别出N组医疗费用明细数据，并筛选出N组待处理数据，其中，所述N组医疗费用明细数据为已标注的数据，所述已标注指已标注了待处理数据中各个字段信息与所述费用明细标准字段码库中各个标准字段间的对应关系，N为正整数；

对所述N组待处理数据进行文本纠错和冗余字符清洗，获得N组模型输入数据；

将所述N组模型输入数据输入到所述构建完成的文本语义识别模型内，以所述费用明细标准字段码库为字段检索库，对所述文本语义识别模型进行训练，获得训练完成的文本语义模型，具体的，通过分析输出结果，识别所述文本语义识别模型对所述N组模型输入数据的识别正确率，若所述识别正确率未达到预设的正确率阈值，则通过调整所述文本语义识别模型的超参数进行迭代训练，直到所述识别正确率达到预设的正确率阈值，停止迭代，所述文本语义识别模型训练完成。

进一步的，所述获取通过OCR识别技术识别到的医疗费用明细数据，并筛选出待处理数据的步骤，具体包括：

通过OCR识别技术识别所述医疗费用明细数据，其中，所述医疗费用明细数据包括所述医疗费用明细数据中的字段信息和费用金额信息，其中，所述医疗费用明细数据中的字段信息，即整个医疗过程中消耗的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型，以及不同医疗资源所对应的消耗类别，其中，消耗类别的种类包括医疗服务类、耗材类、西药类、中草药类、中成药类、自制药类、中药饮片类、中药配方颗粒类；

对所述字段信息和费用金额信息进行分类缓存，设置分类缓存区别标识；

根据所述分类缓存区别标识筛选出所述医疗费用明细数据中的字段信息作为所述待处理数据。

进一步的，所述对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据的步骤，具体包括：

将所述待处理数据输入到预设的中文文本纠错组件，其中，所述中文文本纠错组件为基于pycorrector框架的中文文本纠错组件；

获取经所述中文文本纠错组件纠错处理之后的文本数据，作为待清洗文本数据；

根据预设的冗余字符清单，筛选并删除所述待清洗文本数据中包含的冗余字符，保留剩余的文本数据作为所述模型输入数据。

进一步的，所述基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息的步骤，具体包括：

通过所述召回模型的第一召回组件和所述检索数据，从所述费用明细标准字段码库中进行相似数据检索，获取检索结果；

判断所述检索结果是否为空值；

若所述检索结果不是空值，则通过编辑距离算法从所述检索结果中筛选出与所述检索数据的相似度排名第一的数据字段序列，作为所述医疗费用明细数据对应的标准字段信息；

若所述检索结果为空值，则将所述检索数据作为语义识别字段，输入进所述召回模型的第二召回组件，获取所述第二召回组件的输出结果；

将所述输出结果作为所述医疗费用明细数据对应的标准字段信息；

通过所述医疗费用明细数据获取每个标准字段所对应的费用信息，将标准字段信息与其对应的费用信息两两关联组合，生成所述待处理数据对应的标准化的医疗费用明细数据信息。

为了解决上述技术问题，本申请实施例还提供数据标准化装置，采用了如下所述的技术方案：

一种数据标准化装置，包括：

标准信息采集模块，用于通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；

召回模型构建模块，用于根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；

待处理数据筛选模块，用于获取通过OCR识别技术识别到的医疗费用明细数据，并筛选出待处理数据；

模型输入数据获取模块，用于对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；

检索数据输入模块，用于将所述模型输入数据作为检索数据，输入所述召回模型内；

标准化数据生成模块，用于基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息，并通过所述召回模型输出所述标准化的医疗费用明细数据信息。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的数据标准化方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

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计算机可读指令，所述计算机可读指令被处理器执行时实现如上述所述的数据标准化方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例所述数据标准化方法，通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；获取在医保理赔业务场景下，通过OCR识别技术识别的医疗费用明细数据，并筛选出待处理数据；对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；将所述模型输入数据作为检索数据，输入所述召回模型内；基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息。通过构建费用明细标准字段码库和召回模型，使得后续进行医保理赔审核时，对医疗费用清单里的字段信息进行标准化表征，便于医保理赔审核，提高审核效率。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的数据标准化方法的一个实施例的流程图；

图3是图2所示步骤202的一个具体实施例的流程图；

图4是图2所示步骤204的一个具体实施例的流程图；

图5是图2所示步骤206的一个具体实施例的流程图；

图6是根据本申请的数据标准化装置的一个实施例的结构示意图；

图7是图6所示模块602的一个具体实施例的结构示意图；

图8是根据本申请的计算机设备的一个实施例的结构示意图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的数据标准化方法一般由服务器/终端设备执行，相应地，数据标准化装置一般设置于服务器/终端设备中。

应该理解，图1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。

继续参考图2，示出了根据本申请的数据标准化方法的一个实施例的流程图。所述的数据标准化方法，包括以下步骤：

步骤201，通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息。

本实施例中，所述目标标准信息平台为国家医保服务平台。

本实施例中，所述通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息的步骤，具体包括：采用预设的抓取组件，从所述国家医保服务平台上采集费用明细数据信息。

其中，所述费用明细数据信息包括不同消耗类别的费用明细数据以及所述费用明细数据对应的字段信息，所述不同消耗类别包括医疗服务类、耗材类、西药类、中草药类、中成药类、自制药类、中药饮片类、中药配方颗粒类，所述费用明细数据对应的字段信息包括与医疗相关的所有医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型，所述医疗资源包括服务类资源、耗材类资源以及药品类资源。

本实施例中，所述预设的抓取组件可以为Scrapy抓取组件，Scrapy框架是一个基于Python开发的抓取框架，主要由五大组件组成，它们分别是调度器、下载器、抓取和实体管道、Scrapy引擎。

步骤202，根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型。

继续参考图3，图3是图2所示步骤202的一个具体实施例的流程图，包括：

步骤301，解析所述费用明细数据信息，获取所述费用明细数据信息中不同消耗类别的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型；

步骤302，将所述不同消耗类别的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型作为费用明细标准表征字段；

步骤303，将所述费用明细标准表征字段作为入库数据，写入到预设的数据库内，完成对所述费用明细标准字段码库的构建，并将所述费用明细标准字段码库作为字段检索库；

通过将国家医保服务平台中不同消耗类别的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型作为费用明细标准表征字段，并构建字段检索库，使得后续进行医保理赔审核时，对医疗费用清单里的字段信息进行标准化表征，便于医保理赔审核，提高审核效率。

步骤304，连接所述字段检索库与预设的ElasticSearch搜索引擎，完成对第一召回组件的构建；

其中，ELasticsearch是一款开源搜索引擎，可以从海量数据中快速找到需要的内容，可以用来实现数据搜索和召回。

通过构建第一召回组件，使得能够识别出仅需简单对比，就能召回的标准化字段信息。

步骤305，采用SimBERT语言模型和Faiss聚类库构建文本语义识别模型，连接所述字段检索库与训练完成的文本语义识别模型，完成对第二召回组件的构建；

其中，SimBERT语言模型是基于微软的UniLM中的seq2seq部分设计了融检索与生成任务于一体的模型，它具备相似问生成和相似句检索能力。Faiss聚类库是一个用于高效相似性搜索和聚类的库，它在大规模数据集上提供了快速的近似最近邻搜索和聚类算法的实现，主要目标是在大规模数据集上实现高性能的相似性搜索。

对于不能通过第一召回组件召回的标准化表征字段信息，通过训练完成的第二召回组件实现语义召回，做到了字面召回和语义召回相结合，进而提高了医保审核的效率。

本实施例中，在执行所述采用SimBERT语言模型和Faiss聚类库构建文本语义识别模型的步骤之后，所述方法还包括：获取构建完成的文本语义识别模型；获取在医保理赔业务场景下，通过OCR识别技术识别出N组医疗费用明细数据，并筛选出N组待处理数据，其中，所述N组医疗费用明细数据为已标注的数据，所述已标注指已标注了待处理数据中各个字段信息与所述费用明细标准字段码库中各个标准字段间的对应关系，N为正整数；对所述N组待处理数据进行文本纠错和冗余字符清洗，获得N组模型输入数据；将所述N组模型输入数据输入到所述构建完成的文本语义识别模型内，以所述费用明细标准字段码库为字段检索库，对所述文本语义识别模型进行训练，获得训练完成的文本语义模型，

本实施例中，所述对所述文本语义识别模型进行训练，获得训练完成的文本语义模型的步骤，具体包括：通过分析输出结果，识别所述文本语义识别模型对所述N组模型输入数据的识别正确率，若所述识别正确率未达到预设的正确率阈值，则通过调整所述文本语义识别模型的超参数进行迭代训练，直到所述识别正确率达到预设的正确率阈值，停止迭代，所述文本语义识别模型训练完成。

步骤306，获取所述第一召回组件和所述第二召回组件，共同组成所述召回模型。

步骤203，获取通过OCR识别技术识别到的医疗费用明细数据，并筛选出待处理数据。

本实施例中，所述获取在医保理赔业务场景下，通过OCR识别技术识别的医疗费用明细数据，并筛选出待处理数据的步骤，具体包括：通过OCR识别技术识别所述医疗费用明细数据；对所述字段信息和费用金额信息进行分类缓存，设置分类缓存区别标识；根据所述分类缓存区别标识筛选出所述医疗费用明细数据中的字段信息作为所述待处理数据。

其中，所述医疗费用明细数据包括所述医疗费用明细数据中的字段信息和费用金额信息，其中，所述医疗费用明细数据中的字段信息，即整个医疗过程中消耗的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型，以及不同医疗资源所对应的消耗类别，其中，消耗类别的种类包括医疗服务类、耗材类、西药类、中草药类、中成药类、自制药类、中药饮片类、中药配方颗粒类。

步骤204，对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据。

继续参考图4，图4是图2所示步骤204的一个具体实施例的流程图，包括：

步骤401，将所述待处理数据输入到预设的中文文本纠错组件，其中，所述中文文本纠错组件为基于pycorrector框架的中文文本纠错组件；

其中，pycorrector框架是一个基于python的中文文本纠错框架，可以用于对音似、形似错字、变体字进行纠正，其能够纠正谐音字词、混淆音字词、字词顺序颠倒、进行字词补全、形似字纠错、中文语法纠错。

通过纠错组件，对OCR识别技术识别的医疗费用清单中字段信息进行纠错，并通过预设的冗余字符清单进行冗余字符清洗，获得模型输入数据。

步骤402，获取经所述中文文本纠错组件纠错处理之后的文本数据，作为待清洗文本数据；

步骤403，根据预设的冗余字符清单，筛选并删除所述待清洗文本数据中包含的冗余字符，保留剩余的文本数据作为所述模型输入数据。

步骤205，将所述模型输入数据作为检索数据，输入所述召回模型内。

步骤206，基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息，并通过所述召回模型输出所述标准化的医疗费用明细数据信息。

继续参考图5，图5是图2所示步骤206的一个具体实施例的流程图，包括：

步骤501，通过所述召回模型的第一召回组件和所述检索数据，从所述费用明细标准字段码库中进行相似数据检索，获取检索结果；

步骤502，判断所述检索结果是否为空值；

步骤503，若所述检索结果不是空值，则通过编辑距离算法从所述检索结果中筛选出与所述检索数据的相似度排名第一的数据字段序列，作为所述医疗费用明细数据对应的标准字段信息；

步骤504，若所述检索结果为空值，则将所述检索数据作为语义识别字段，输入进所述召回模型的第二召回组件，获取所述第二召回组件的输出结果；

步骤505，将所述输出结果作为所述医疗费用明细数据对应的标准字段信息；

步骤506，通过所述医疗费用明细数据获取每个标准字段所对应的费用信息，将标准字段信息与其对应的费用信息两两关联组合，生成所述待处理数据对应的标准化的医疗费用明细数据信息；

步骤507，通过所述召回模型的对外输出接口，输出所述标准化的医疗费用明细数据信息。

采用两个召回子组件相互结合的方式，实现了字面召回和语义召回，提高了医保理赔业务场景下，对医疗费用清单中字段信息进行审核的效率。

本申请通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；获取在医保理赔业务场景下，通过OCR识别技术识别的医疗费用明细数据，并筛选出待处理数据；对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；将所述模型输入数据作为检索数据，输入所述召回模型内；基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息。通过构建费用明细标准字段码库和召回模型，使得后续进行医保理赔审核时，对医疗费用清单里的字段信息进行标准化表征，便于医保理赔审核，提高审核效率。同时，通过第一召回组件和第二召回组件实现字面召回和语义召回相结合，进而提高了医保审核的效率。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本申请实施例中，通过构建费用明细标准字段码库和召回模型，使得后续进行医保理赔审核时，对医疗费用清单里的字段信息进行标准化表征，便于医保理赔审核，提高审核效率。同时，通过第一召回组件和第二召回组件实现字面召回和语义召回相结合，进而提高了医保审核的效率。

进一步参考图6，作为对上述图2所示方法的实现，本申请提供了数据标准化装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例所述的数据标准化装置600包括：标准信息采集模块601、召回模型构建模块602、待处理数据筛选模块603、模型输入数据获取模块604、检索数据输入模块605和标准化数据生成模块606。

其中：

标准信息采集模块601，用于通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；

召回模型构建模块602，用于根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；

待处理数据筛选模块603，用于获取通过OCR识别技术识别到的医疗费用明细数据，并筛选出待处理数据；

模型输入数据获取模块604，用于对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；

检索数据输入模块605，用于将所述模型输入数据作为检索数据，输入所述召回模型内；

标准化数据生成模块606，用于基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息，并通过所述召回模型输出所述标准化的医疗费用明细数据信息。

继续参考图7，图7是图6所示模块602的一个具体实施例的结构示意图，所述召回模型构建模块602包括数据解析子模块701、标准表征字段确定子模块702、字段检索库构建子模块703、第一召回组件构建子模块704、第二召回组件构建子模块705和召回模型组成子模块706。其中：

数据解析子模块701，用于解析所述费用明细数据信息，获取所述费用明细数据信息中不同消耗类别的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型；

标准表征字段确定子模块702，用于将所述不同消耗类别的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型作为费用明细标准表征字段；

字段检索库构建子模块703，用于将所述费用明细标准表征字段作为入库数据，写入到预设的数据库内，完成对所述费用明细标准字段码库的构建，并将所述费用明细标准字段码库作为字段检索库；

第一召回组件构建子模块704，用于连接所述字段检索库与预设的ElasticSearch搜索引擎，完成对第一召回组件的构建；

第二召回组件构建子模块705，用于采用SimBERT语言模型和Faiss聚类库构建文本语义识别模型，连接所述字段检索库与训练完成的文本语义识别模型，完成对第二召回组件的构建；

召回模型组成子模块706，用于获取所述第一召回组件和所述第二召回组件，共同组成所述召回模型。

本实施例中，所述召回模型构建模块602还包括第二召回组件训练子模块，所述第二召回组件训练子模块用于获取构建完成的文本语义识别模型；还用于获取在医保理赔业务场景下，通过OCR识别技术识别出N组医疗费用明细数据，并筛选出N组待处理数据，其中，所述N组医疗费用明细数据为已标注的数据，所述已标注指已标注了待处理数据中各个字段信息与所述费用明细标准字段码库中各个标准字段间的对应关系，N为正整数；还用于对所述N组待处理数据进行文本纠错和冗余字符清洗，获得N组模型输入数据；还用于将所述N组模型输入数据输入到所述构建完成的文本语义识别模型内，以所述费用明细标准字段码库为字段检索库，对所述文本语义识别模型进行训练，获得训练完成的文本语义模型。

本申请通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；获取在医保理赔业务场景下，通过OCR识别技术识别的医疗费用明细数据，并筛选出待处理数据；对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；将所述模型输入数据作为检索数据，输入所述召回模型内；基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息。通过构建费用明细标准字段码库和召回模型，使得后续进行医保理赔审核时，对医疗费用清单里的字段信息进行标准化表征，便于医保理赔审核，提高审核效率。同时，通过第一召回组件和第二召回组件实现字面召回和语义召回相结合，进而提高了医保审核的效率。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。

所述计算机设备8包括通过系统总线相互通信连接存储器8a、处理器8b、网络接口8c。需要指出的是，图中仅示出了具有组件8a-8c的计算机设备8，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field －Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器8a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器8a可以是所述计算机设备8的内部存储单元，例如该计算机设备8的硬盘或内存。在另一些实施例中，所述存储器8a也可以是所述计算机设备8的外部存储设备，例如该计算机设备8上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器8a还可以既包括所述计算机设备8的内部存储单元也包括其外部存储设备。本实施例中，所述存储器8a通常用于存储安装于所述计算机设备8的操作系统和各类应用软件，例如一种数据标准化方法的计算机可读指令等。此外，所述存储器8a还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器8b在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器8b通常用于控制所述计算机设备8的总体操作。本实施例中，所述处理器8b用于运行所述存储器8a中存储的计算机可读指令或者处理数据，例如运行所述数据标准化方法的计算机可读指令。

所述网络接口8c可包括无线网络接口或有线网络接口，该网络接口8c通常用于在所述计算机设备8与其他电子设备之间建立通信连接。

本实施例提出的计算机设备，属于数字医疗技术领域，应用于数字医疗综合平台医保理赔业务申报场景中。本申请通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；获取在医保理赔业务场景下，通过OCR识别技术识别的医疗费用明细数据，并筛选出待处理数据；对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；将所述模型输入数据作为检索数据，输入所述召回模型内；基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息。通过构建费用明细标准字段码库和召回模型，使得后续进行医保理赔审核时，对医疗费用清单里的字段信息进行标准化表征，便于医保理赔审核，提高审核效率。同时，通过第一召回组件和第二召回组件实现字面召回和语义召回相结合，进而提高了医保审核的效率。

本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被处理器执行，以使所述处理器执行如上述的数据标准化方法的步骤。

本实施例提出的计算机可读存储介质，属于数字医疗技术领域，应用于数字医疗综合平台医保理赔业务申报场景中。本申请通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；获取在医保理赔业务场景下，通过OCR识别技术识别的医疗费用明细数据，并筛选出待处理数据；对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；将所述模型输入数据作为检索数据，输入所述召回模型内；基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息。通过构建费用明细标准字段码库和召回模型，使得后续进行医保理赔审核时，对医疗费用清单里的字段信息进行标准化表征，便于医保理赔审核，提高审核效率。同时，通过第一召回组件和第二召回组件实现字面召回和语义召回相结合，进而提高了医保审核的效率。

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，本申请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)执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种数据标准化方法，其特征在于，包括下述步骤：

通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；

根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；

获取通过OCR识别技术识别到的医疗费用明细数据，并筛选出待处理数据；

对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；

将所述模型输入数据作为检索数据，输入所述召回模型内；

基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息，并通过所述召回模型输出所述标准化的医疗费用明细数据信息。

2.根据权利要求1所述的数据标准化方法，其特征在于，所述目标标准信息平台为国家医保服务平台，所述通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息的步骤，具体包括：

采用预设的抓取组件，从所述国家医保服务平台上采集费用明细数据信息，其中，所述费用明细数据信息包括不同消耗类别的费用明细数据以及所述费用明细数据对应的字段信息，所述不同消耗类别包括医疗服务类、耗材类、西药类、中草药类、中成药类、自制药类、中药饮片类、中药配方颗粒类，所述费用明细数据对应的字段信息包括与医疗相关的所有医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型，所述医疗资源包括服务类资源、耗材类资源以及药品类资源。

3.根据权利要求2所述的数据标准化方法，其特征在于，所述根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型的步骤，具体包括：

解析所述费用明细数据信息，获取所述费用明细数据信息中不同消耗类别的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型；

将所述不同消耗类别的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型作为费用明细标准表征字段；

将所述费用明细标准表征字段作为入库数据，写入到预设的数据库内，完成对所述费用明细标准字段码库的构建，并将所述费用明细标准字段码库作为字段检索库；

连接所述字段检索库与预设的ElasticSearch搜索引擎，完成对第一召回组件的构建；

采用SimBERT语言模型和Faiss聚类库构建文本语义识别模型，连接所述字段检索库与训练完成的文本语义识别模型，完成对第二召回组件的构建；

获取所述第一召回组件和所述第二召回组件，共同组成所述召回模型。

4.根据权利要求3所述的数据标准化方法，其特征在于，在执行所述采用SimBERT语言模型和Faiss聚类库构建文本语义识别模型的步骤之后，所述方法还包括：

获取构建完成的文本语义识别模型；

获取在医保理赔业务场景下，通过OCR识别技术识别出N组医疗费用明细数据，并筛选出N组待处理数据，其中，所述N组医疗费用明细数据为已标注的数据，所述已标注指已标注了待处理数据中各个字段信息与所述费用明细标准字段码库中各个标准字段间的对应关系，N为正整数；

对所述N组待处理数据进行文本纠错和冗余字符清洗，获得N组模型输入数据；

将所述N组模型输入数据输入到所述构建完成的文本语义识别模型内，以所述费用明细标准字段码库为字段检索库，对所述文本语义识别模型进行训练，获得训练完成的文本语义模型，具体的，通过分析输出结果，识别所述文本语义识别模型对所述N组模型输入数据的识别正确率，若所述识别正确率未达到预设的正确率阈值，则通过调整所述文本语义识别模型的超参数进行迭代训练，直到所述识别正确率达到预设的正确率阈值，停止迭代，所述文本语义识别模型训练完成。

5.根据权利要求1所述的数据标准化方法，其特征在于，所述获取通过OCR识别技术识别到的医疗费用明细数据，并筛选出待处理数据的步骤，具体包括：

通过OCR识别技术识别所述医疗费用明细数据，其中，所述医疗费用明细数据包括所述医疗费用明细数据中的字段信息和费用金额信息，其中，所述医疗费用明细数据中的字段信息，即整个医疗过程中消耗的医疗资源对应的编码信息、名称信息、规格信息、厂商信息、单位信息、医保类型，以及不同医疗资源所对应的消耗类别，其中，消耗类别的种类包括医疗服务类、耗材类、西药类、中草药类、中成药类、自制药类、中药饮片类、中药配方颗粒类；

对所述字段信息和费用金额信息进行分类缓存，设置分类缓存区别标识；

根据所述分类缓存区别标识筛选出所述医疗费用明细数据中的字段信息作为所述待处理数据。

6.根据权利要求1所述的数据标准化方法，其特征在于，所述对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据的步骤，具体包括：

将所述待处理数据输入到预设的中文文本纠错组件，其中，所述中文文本纠错组件为基于pycorrector框架的中文文本纠错组件；

获取经所述中文文本纠错组件纠错处理之后的文本数据，作为待清洗文本数据；

根据预设的冗余字符清单，筛选并删除所述待清洗文本数据中包含的冗余字符，保留剩余的文本数据作为所述模型输入数据。

7.根据权利要求3所述的数据标准化方法，其特征在于，所述基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息的步骤，具体包括：

通过所述召回模型的第一召回组件和所述检索数据，从所述费用明细标准字段码库中进行相似数据检索，获取检索结果；

判断所述检索结果是否为空值；

若所述检索结果不是空值，则通过编辑距离算法从所述检索结果中筛选出与所述检索数据的相似度排名第一的数据字段序列，作为所述医疗费用明细数据对应的标准字段信息；

若所述检索结果为空值，则将所述检索数据作为语义识别字段，输入进所述召回模型的第二召回组件，获取所述第二召回组件的输出结果；

将所述输出结果作为所述医疗费用明细数据对应的标准字段信息；

通过所述医疗费用明细数据获取每个标准字段所对应的费用信息，将标准字段信息与其对应的费用信息两两关联组合，生成所述待处理数据对应的标准化的医疗费用明细数据信息。

8.一种数据标准化装置，其特征在于，包括：

标准信息采集模块，用于通过网络抓取方式，从目标标准信息平台上采集费用明细数据信息；

召回模型构建模块，用于根据所述费用明细数据信息，构建费用明细标准字段码库和召回模型；

待处理数据筛选模块，用于获取通过OCR识别技术识别到的医疗费用明细数据，并筛选出待处理数据；

模型输入数据获取模块，用于对所述待处理数据进行文本纠错和冗余字符清洗，获得模型输入数据；

检索数据输入模块，用于将所述模型输入数据作为检索数据，输入所述召回模型内；

标准化数据生成模块，用于基于所述召回模型、所述费用明细标准字段码库和所述医疗费用明细数据，生成所述待处理数据对应的标准化的医疗费用明细数据信息，并通过所述召回模型输出所述标准化的医疗费用明细数据信息。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据标准化方法的步骤。

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计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据标准化方法的步骤。