异常参保人购药数据检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术属于人工智能领域，提供一种异常参保人购药数据检测方法、装置、设备及存储介质，包括：获取待检测参保人购药数据，该数据包括药品费用占比和购药名称；将待检测参保人购药数据输入预先训练完成的聚类模型进行聚类，以将待检测参保人购药数据划分为若干个基于不同药品费用占比范围的待检测群组；根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组，并从预存原始购药数据库中确定异常待检测群组包含的待检测参保人购药数据对应的原始购药名称；将异常待检测群组包含的待检测参保人购药数据的购药名称分别与对应的原始购药名称进行比对，检测出购药名称与原始购药名称不符的异常参保人购药数据。本发明专利技术可提高检测效率。

Detection method, device, equipment and storage medium of abnormal insured person's drug purchase data

The invention belongs to the field of artificial intelligence, and provides a method, device, equipment and storage medium for data detection of abnormal insurer's purchase of drugs, including acquiring data of insurer's purchase of drugs to be tested, which includes the proportion of drug cost and the name of drug purchase, and clustering the data of insurer's purchase of drugs to be tested into a pre-trained clustering model to classify the data of insurer's purchase of drugs to be tested. It is divided into several groups to be tested based on the proportion of different drug costs; the abnormal groups to be detected are determined from the groups to be tested according to the proportion of drug costs of each group to be tested, and the original drug purchasing names corresponding to the data of the insured persons to be tested are determined from the original drug purchasing database stored in advance; and the abnormal groups to be detected are included in the group to be inspected. The purchasing names of the tested insurers were compared with the corresponding original drug purchasing names, and the abnormal drug purchasing data of the insured who did not match the original drug purchasing names were detected. The invention can improve the detection efficiency.

【技术实现步骤摘要】
异常参保人购药数据检测方法、装置、设备及存储介质
本专利技术涉及人工智能领域，尤其涉及一种异常参保人购药数据检测方法、装置、设备及存储介质。
技术介绍
医保体系中，治疗慢性病的药品已纳入医保体系，参保人购买治疗慢性病的药品可进行医保报销。然而存在部分参保人为了私利将自费药品挂在可报销药品名目下的现象，造成医保基金的浪费。为保障医保基金的合理支出，通常会由人工对参保人的医保数据进行异常检测，由于需要检测的数据量大、涉及的药品名称众多，人工检测的方式，效率低，难度大，无法应对复杂的实际情况。
技术实现思路
本专利技术的主要目的在于提供一种异常参保人购药数据检测方法、装置、设备及存储介质，旨在解决依靠人工检测参保人的医保数据的方式，效率低，难度大的技术问题。为实现上述目的，本专利技术提供一种异常参保人购药数据检测方法，所述异常参保人购药数据检测方法包括以下步骤：获取待检测参保人购药数据，其中，所述待检测参保人购药数据包括药品费用占比和购药名称；将所述待检测参保人购药数据输入预先训练完成的聚类模型进行聚类，以将所述待检测参保人购药数据划分为若干个基于不同药品费用占比范围的待检测群组；根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组，并从预存原始购药数据库中确定所述异常待检测群组包含的待检测参保人购药数据对应的原始购药名称；将所述异常待检测群组包含的待检测参保人购药数据的购药名称，分别与所述对应的原始购药名称进行比对，以从所述异常待检测群组中检测出购药名称与原始购药名称不符的异常参保人购药数据。可选地，所述获取待检测参保人购药数据的步骤之前，包括：获取待检测参保人医保数据；将所述待检测参保人医保数据输入预设清洗模型依次进行数据切片、数据分词、文本转换、字段填充的清洗处理，得到待检测参保人购药数据。可选地，所述获取待检测参保人购药数据的步骤之前，还包括：采用无监督学习方法训练聚类模型，得到所述训练完成的聚类模型。可选地，所述采用无监督学习方法训练聚类模型，得到所述训练完成的聚类模型的步骤包括：获取用于训练聚类模型的参保人购药数据；根据用于训练聚类模型的参保人购药数据，建立用于训练聚类模型的训练样本；根据所述训练样本，采用预设无监督学习聚类算法训练聚类模型，得到所述训练完成的聚类模型。可选地，所述根据所述训练样本，采用预设无监督学习聚类算法训练聚类模型，得到所述训练完成的聚类模型的步骤之后，包括：根据预设成熟度计算公式mature＝ε*rate计算训练训练完成的聚类模型的成熟度，其中，mature表示成熟度，rate表示准确率，ε表示权重值；判断训练完成的聚类模型的成熟度是否达到预设成熟度阈值；若训练完成的聚类模型的成熟度达到预设成熟度阈值，则执行步骤：获取待检测参保人购药数据。可选地，所述根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组的步骤包括：分别将各个待检测群组对应的药品费用占比范围与预设药品费用占比阈值进行比对；将药品费用占比范围下限值超出预设药品费用占比阈值的待检测群组确定为异常待检测群组。可选地，所述将所述异常待检测群组包含的待检测参保人购药数据的购药名称，分别与所述对应的原始购药名称进行比对，以从所述异常待检测群组中检测出购药名称与原始购药名称不符的异常参保人购药数据的步骤包括：将所述异常待检测群组包含的待检测参保人购药数据的购药名称，分别与所述对应的原始购药名称进行比对，以判断所述异常待检测群组包含的待检测参保人购药数据的购药名称与所述对应的原始购药名称是否一致；将所述异常待检测群组中购药名称与对应的原始购药名称不一致的待检测参保人购药数据转由人工进行二次检测，以检测出购药名称与原始购药名称不符的异常参保人购药数据。此外，为实现上述目的，本专利技术还提供异常参保人购药数据检测装置，所述异常参保人购药数据检测装置包括：第一获取模块，用于获取待检测参保人购药数据，其中，所述待检测参保人购药数据包括药品费用占比和购药名称；聚类模块，用于将所述待检测参保人购药数据输入预先训练完成的聚类模型进行聚类，以将所述待检测参保人购药数据划分为若干个基于不同药品费用占比范围的待检测群组；确定模块，用于根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组，并从预存原始购药数据库中确定所述异常待检测群组包含的待检测参保人购药数据对应的原始购药名称；比对模块，用于将所述异常待检测群组包含的待检测参保人购药数据的购药名称，分别与所述对应的原始购药名称进行比对，以从所述异常待检测群组中检测出购药名称与原始购药名称不符的异常参保人购药数据。此外，为实现上述目的，本专利技术还提供一种异常参保人购药数据检测设备，所述异常参保人购药数据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异常参保人购药数据检测程序，其中所述异常参保人购药数据检测程序被所述处理器执行时，实现如上述的异常参保人购药数据检测方法的步骤。此外，为实现上述目的，本专利技术还提供一种存储介质，所述存储介质上存储有异常参保人购药数据检测程序，其中所述异常参保人购药数据检测程序被处理器执行时，实现如上述的异常参保人购药数据检测方法的步骤。本专利技术提供一种异常参保人购药数据检测方法，从药品费用占比的角度，基于聚类模型，可以先将大量的待检测参保人购药数据划分为若干个基于不同药品费用占比范围的待检测群组，然后根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组，将异常待检测群组包含的待检测参保人购药数据的购药名称与定点药店或医院药房所记录的对应原始购药名称进行比对，从而从异常待检测群组中检测出检测出购药名称与定点药店或医院药房所记录的原始购药名称不符的异常数据，不仅降低了检测难度，可以提高检测效率，还为有效检测出购药名称与原始购药名称不符的异常参保人购药数据提供了精确的分析依据，提高了检测的准确性。附图说明图1为本专利技术实施例方案中涉及的异常参保人购药数据检测设备的硬件结构示意图；图2为本专利技术异常参保人购药数据检测方法第一实施例的流程示意图；图3为本专利技术异常参保人购药数据检测方法第一实施例的细化流程示意图；图4为本专利技术异常参保人购药数据检测装置第一实施例的功能模块示意图。本专利技术目的的实现、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专利技术，并不用于限定本专利技术。本专利技术实施例涉及的异常参保人购药数据检测方法主要应用于异常参保人购药数据检测设备，该异常参保人购药数据检测设备可以是个人计算机(personalcomputer，PC)、服务器等具有数据处理功能的设备。参照图1，图1为本专利技术实施例方案中涉及的异常参保人购药数据检测设备的硬件结构示意图。本专利技术实施例中，异常参保人购药数据检测设备可以包括处理器1001(例如中央处理器CentralProcessingUnit，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(如无线本文档来自技高网...

【技术保护点】
1.一种异常参保人购药数据检测方法，其特征在于，所述异常参保人购药数据检测方法包括以下步骤：获取待检测参保人购药数据，其中，所述待检测参保人购药数据包括药品费用占比和购药名称；将所述待检测参保人购药数据输入预先训练完成的聚类模型进行聚类，以将所述待检测参保人购药数据划分为若干个基于不同药品费用占比范围的待检测群组；根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组，并从预存原始购药数据库中确定所述异常待检测群组包含的待检测参保人购药数据对应的原始购药名称；将所述异常待检测群组包含的待检测参保人购药数据的购药名称，分别与所述对应的原始购药名称进行比对，以从所述异常待检测群组中检测出购药名称与原始购药名称不符的异常参保人购药数据。

【技术特征摘要】
1.一种异常参保人购药数据检测方法，其特征在于，所述异常参保人购药数据检测方法包括以下步骤：获取待检测参保人购药数据，其中，所述待检测参保人购药数据包括药品费用占比和购药名称；将所述待检测参保人购药数据输入预先训练完成的聚类模型进行聚类，以将所述待检测参保人购药数据划分为若干个基于不同药品费用占比范围的待检测群组；根据各个待检测群组的药品费用占比范围从待检测群组中确定异常待检测群组，并从预存原始购药数据库中确定所述异常待检测群组包含的待检测参保人购药数据对应的原始购药名称；将所述异常待检测群组包含的待检测参保人购药数据的购药名称，分别与所述对应的原始购药名称进行比对，以从所述异常待检测群组中检测出购药名称与原始购药名称不符的异常参保人购药数据。2.如权利要求1所述的异常参保人购药数据检测方法，其特征在于，所述获取待检测参保人购药数据的步骤之前，包括：获取待检测参保人医保数据；将所述待检测参保人医保数据输入预设清洗模型依次进行数据切片、数据分词、文本转换、字段填充的清洗处理，得到待检测参保人购药数据。3.如权利要求1所述的异常参保人购药数据检测方法，其特征在于，所述获取待检测参保人购药数据的步骤之前，还包括：采用无监督学习方法训练聚类模型，得到所述训练完成的聚类模型。4.如权利要求3所述的异常参保人购药数据检测方法，其特征在于，所述采用无监督学习方法训练聚类模型，得到所述训练完成的聚类模型的步骤包括：获取用于训练聚类模型的参保人购药数据；根据用于训练聚类模型的参保人购药数据，建立用于训练聚类模型的训练样本；根据所述训练样本，采用预设无监督学习聚类算法训练聚类模型，得到所述训练完成的聚类模型。5.如权利要求4所述的异常参保人购药数据检测方法，其特征在于，所述根据所述训练样本，采用预设无监督学习聚类算法训练聚类模型，得到所述训练完成的聚类模型的步骤之后，包括：根据预设成熟度计算公式mature＝ε*rate计算训练训练完成的聚类模型的成熟度，其中，mature表示成熟度，rate表示准确率，ε表示权重值；判断训练完成的聚类模型的成熟度是否达到预设成熟度阈值；若训练完成的聚类模型的成熟度达到预设成熟度阈值，则执行步骤：获取待检测参保人购药数据。6.如权利要求1所述的异常参保人购药数据检测方法，其特征在于，所述根据各个待检测群组的药品费用占比范围从待检测群...

【专利技术属性】
技术研发人员：陈明东，黄越，胥畅，
申请(专利权)人：平安医疗健康管理股份有限公司，
类型：发明
国别省市：上海,31