【技术实现步骤摘要】
201610185861
【技术保护点】
一种基于商业医疗保险理赔案件的相似度计算方法,其特征在于,包括以下步骤:S1、属性因子离散化:计算各年龄段上的样本分布密度,根据密度分布函数,最多将年龄分割成三段并保证各年龄段的递增连续性,同时各分段的样本量基本均衡;S2、理赔案件主要属性因子筛选:从事故人的基础信息中选择属性因子并判断案件的合理性;若属性因子的值是唯一的,说明该属性因子不具备分类能力;若该属性因子分组大于1组,就以该属性因子为试探性的分组条件,计算该属性因子分组后的汇总方差;分组后属性因子的汇总方差=var(男性患者的发票住院金额)×男性患者人数+var(女性患者的发票住院金额)×女性患者人数;分组前后性别分组方差下降程度=分组前发票住院金额的方差-(var(男性患者的发票住院金额)×男性患者人数+var(女性患者的发票住院金额)×女性患者人数)÷(男性患者人数+女性患者人数);S3、理赔案件标准模板建立及其权值量化:建立相似度方法参照匹对的标准和各个标准的重要程度,并从费用区间、关联病症、诊疗项目、险种责任特征四个模板来衡量案件相似性;S4、检验标准合理性:验证各个标准集组合在新样本的使用可靠程度。
【技术特征摘要】
1.一种基于商业医疗保险理赔案件的相似度计算方法,其特征在于,包括以下步骤:S1、属性因子离散化:计算各年龄段上的样本分布密度,根据密度分布函数,最多将年龄分割成三段并保证各年龄段的递增连续性,同时各分段的样本量基本均衡;S2、理赔案件主要属性因子筛选:从事故人的基础信息中选择属性因子并判断案件的合理性;若属性因子的值是唯一的,说明该属性因子不具备分类能力;若该属性因子分组大于1组,就以该属性因子为试探性的分组条件,计算该属性因子分组后的汇总方差;分组后属性因子的汇总方差=var(男性患者的发票住院金额)×男性患者人数+var(女性患者的发票住院金额)×女性患者人数;分组前后性别分组方差下降程度=分组前发票住院金额的方差-(var(男性患者的发票住院金额)×男性患者人数+var(女性患者的发票住院金额)×女性患者人数)÷(男性患者人数+女性患者人数);S3、理赔案件标准模板建立及其权值量化:建立相似度方法参照匹对的标准和各个标准的重要程度,并从费用区间、关联病症、诊疗项目、险种责任特征四个模板来衡量案件相似性;S4、检验标准合理性:验证各个标准集组合在新样本的使用可靠程度。2.如权利要求1所述的一种基于商业医疗保险理赔案件的相似度计算方法,其特征在于,所述步骤S3包括标准因素模板,具体如下:(1)、特定条件下的费用区间:通过计算各事故原因下不同其他属性的信息增益率来确定各个事故原因的分组条件下的费用区间,并以该固定条件下费用区
\t间作为...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。