操作规则的智能学习和应用制造技术

提供了各种实施例，以用于处理器在计算环境中将操作规则智能地应用于操作数据。可从描述一个或多个操作政策和条件的知识图、领域知识、或其组合中提取一个或多个操作规则并将其形式化。可将该一个或多个操作规则应用于操作数据，以识别和过滤不合规的操作数据。

【技术实现步骤摘要】
操作规则的智能学习和应用
本专利技术总体上涉及计算系统，并且更具体地，涉及使用计算处理器智能学习操作规则并将操作规则应用于操作数据的各种实施例。
技术介绍
计算系统可在工作场所，家庭或学校中找到。计算机系统可包括数据存储系统或磁盘存储系统，以处理和存储数据。每天必须处理大量数据，而目前的趋势表明，在可预见的将来，这些数据将不断增长。由于信息技术的最新发展和英特网的日益普及，现在可以数字形式获得大量信息。这种信息可用性提供了许多机会。数字和在线信息是商业智能的有利来源，这对于在高度竞争的环境中实体的生存和适应能力至关重要。此外，许多使用计算系统和在线数据的企业和组织(例如金融机构)必须确保操作，实践和/或程序符合一般商业协议，公司合规性，和/或法律法规，政策，或要求。
技术实现思路
提供了用于在计算环境中通过处理器实现智能学习操作规则以及将操作规则应用于操作数据的各种实施例。在一个实施例中，仅作为示例，提供了一种用于再次由处理器实现操作规则的智能应用的方法。可从描述一个或多个操作政策和条件的知识图、领域知识或其组合中提取一个或多个操作规则并将其形式化(formalize)。可将该一个或多个操作规则应用于操作数据以识别和过滤不合规的操作数据。附图说明为了容易理解本专利技术的优点，将通过参考在附图中示出的特定实施例来对以上简要描述的本专利技术进行更具体的描述。理解这些附图仅描绘了本专利技术的典型实施例，因此不应被认为是对本专利技术范围的限制，将通过使用附图以附加的特征和细节来描述和解释本专利技术，在附图中：图1是描绘根据本专利技术的实施例的示例性云计算节点的框图；图2是描绘根据本专利技术的实施例的示例性云计算环境的附加框图；图3是描绘根据本专利技术的实施例的抽象模型层的附加框图；图4是描绘根据本专利技术的各方面运行的各种用户硬件和计算组件的附加框图；图5是根据本专利技术的各方面的用于智能学习操作规则以及将操作规则应用于操作数据的流程图；图6A-6B是描绘智能学习操作规则以及将操作规则应用于操作数据以识别政策违规的图，其中可实现本专利技术的各方面；以及图7是描绘了由处理器在根据本专利技术实施例的计算环境中实现智能学习操作规则以及将操作规则应用于操作数据的示例性方法的流程图，其中可实现本专利技术的各方面。具体实施方式随着电子信息量的不断增加，对复杂信息访问系统的需求也不断增长。通过实时的全球计算机网络，数字或“在线”数据已变得越来越可访问。数据可反映主题的许多方面，包括科学，法律，教育，金融，旅行，购物和休闲活动，医疗保健等。许多数据密集型应用程序需要从数据源中提取信息。信息的提取可通过知识生成过程来获得，该知识生成过程可包括在不同来源之间的初始数据收集，数据归一化和聚合，以及最终数据提取。此外，一些实体(例如，由诸如例如医疗保健行业的保险公司提供的保险服务)通常伴随有多个政策，这些政策描述了应用这些保险服务所依据的多个政策标准。例如，在医疗保健行业中，提供者(而不是患者)可直接向医疗保健保险机构发送索赔，其中这些索赔必须遵循州和/或联邦政策规定的特定合规标准。用自然语言描述的针对物理治疗服务的政策标准的一个示例是“会员每12个月最多可接受48个单位的物理治疗或职业治疗服务组合”。一方面，取决于政策的类型，政策可包括成百上千个规则，可对其进行检查(例如，政策文档可包括多于100页)。另外，提供者(例如，医生，医院等)可向提供给患者的服务的实体/付款人(例如，健康保险机构或政府保险计划)提交索赔。实体/付款人根据由政策指南确定的特定服务的资格标准，决定支付(例如，有效的索赔)还是拒绝所提交的索赔(例如，无效的索赔)。一方面，政策指南根据特定服务的资格标准和普遍接受的医疗惯例，列出了哪些索赔是允许的。计划完整性调查单位旨在向正确的提供者主张，已为正确的成员支付了针对正确服务的正确费用。通常，调查不是在提交索赔时而是在已经支付索赔之后才进行。欺诈，浪费和滥用调查人员需要根据追回的可能性(根据不当付款的索赔的财务追回)和调查资源的最大回报来确定调查的优先级。在一方面，无效的索赔可以是有意地(例如，欺诈性的)或无意地(提供不必要的，低效的或与公认的商业惯例不符的服务)违反或侵犯政策标准的索赔。可将在各种政策(例如，医疗保健政策)中描述的资格标准建模为操作规则(例如，商业规则)，该操作规则描述合格的提供者(例如，所要求的角色/许可证：医生，护士等)，合格的服务地点(例如，在家中，在医院)，提供者应在选定的时间内为单个患者报告的服务单位或设备类型的最大数量，在同一天针对同一患者不应(以组合的形式)一起报告的服务对，不适合患者的年龄或性别的服务等。为了由实体/付款人决定是否优先考虑对所提交的索赔的调查，调查员需要知道最大的追回(例如，根据财务追回)在何处，以确保足以保证进一步的调查。为此，调查人员需要查找和了解保单文档。保单信息可包括数百页的非结构化文本，其中包括合规规则，调查人员必须搜索、审查和参考这些规则以支持他们的日常工作。了解保单的内容并验证条例依从性对确保追回不当付款的索赔至关重要，但在时间和资源上却很昂贵。因此，本专利技术提供了智能学习操作规则(例如，商业规则)，理解操作规则，以及将操作规则应用于操作数据(例如，索赔)。可从描述一个或多个操作政策和条件的知识图、领域知识或其组合中提取一个或多个操作规则并将其形式化。可将操作规则应用于操作数据以识别和过滤不合规的操作数据。因此，如本文所述，本专利技术适用于两种情况：1)追回不当付款的(不合规保单)索赔和/或2)拒绝所提交的索赔。在一方面，可从一个或多个政策中提取知识(例如，使用自然语言处理“NLP”操作)。知识可以以半结构形式(例如，知识图)表示。可从知识图中提取一个或多个操作规则(例如，商业规则)，该知识图表示用于操作数据(例如，所提交的索赔)的一个或多个政策合规标准/条件。使用知识图和操作数据，本专利技术可建立(或协助建立)操作规则(例如，商业规则)，其可应用于操作数据(例如，半结构化或结构化数据)以识别和/或标记不合规的操作数据(例如，不合规的索赔)。知识图可从可能具有噪声的非结构化政策中提取。“噪声”可指可包括可能是不正确的信息的知识图。同样存在一些情况，其中信息有时可能是正确的，但并不总是正确的。这是因为知识图可能已经使用NLP技术自动提取，也就是说，知识图可包括不准确或丢失的信息(如下所述，在被图5中的用户504组件生效之前)。最初，一个或多个权重被分配给从知识图提取的操作规则，除其它外，这些知识图反映了系统对规则的置信度是准确的。应当注意，历史数据和/或训练数据可能不可用，因此可执行机器学习操作和/或可接收用户反馈以学习适当和/或最适用的规则(规则的标题/正文部分)，在知识图中的合规条件被(例如，操作规则建立器)形式化为带有正文和标题的可执行规则或伪代码规则之后，该适当和/或最适用的规则使索赔不合规和/或合规。应当注意，尽管现有技术可执行一个或多个分析操作(例如，文本挖掘，社交网络分本文档来自技高网...

【技术保护点】
1.一种用于由处理器在计算环境中实现操作规则的智能应用的方法，包括：/n从描述一个或多个操作政策和条件的知识图、领域知识或它们的组合中提取一个或多个操作规则；以及/n将所述一个或多个操作规则应用于操作数据，以识别和过滤不合规的操作数据。/n

【技术特征摘要】
20190508 US 16/4068561.一种用于由处理器在计算环境中实现操作规则的智能应用的方法，包括：
从描述一个或多个操作政策和条件的知识图、领域知识或它们的组合中提取一个或多个操作规则；以及
将所述一个或多个操作规则应用于操作数据，以识别和过滤不合规的操作数据。


2.根据权利要求1所述的方法，进一步包括：向所述一个或多个操作规则分配得分，所述得分指示针对所述操作数据的合规或不合规的概率。


3.根据权利要求1所述的方法，进一步包括：通过补充所述一个或多个操作政策和条件来从所述一个或多个操作规则创建一个或多个不合规操作规则，以识别和过滤所述不合规的操作数据。


4.根据权利要求1所述的方法，进一步包括：基于用户反馈、操作可接受性标准、历史数据、或它们的组合，从所述一个或多个操作规则创建一个或多个不合规操作规则，以识别和过滤所述不合规的操作数据。


5.根据权利要求1所述的方法，进一步包括：从所述知识图中学习所述一个或多个政策或条件中根据历史数据、用户反馈、一个或多个不合规操作规则、或它们的组合来将所述操作数据识别为不合规的操作数据的政策或条件。
<...

【专利技术属性】
技术研发人员：V·洛佩兹加西亚，F·库奇，T·布里西姆，岸本章宏，R·马里内斯库，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：美国;US