[发明专利]基于离群值分析的医疗保险欺诈检测装置及方法

权利要求书

1.一种基于离群值分析的医疗保险欺诈检测方法，其特征在于包括以下步骤：

步骤S1，获得某地区实际的医疗保险中就医记录；

步骤S2，利用数据清洗和药典对数据集进行预处理；

步骤S3，提取病人、疾病、药品信息构建异构网络；

步骤S4，利用相似性计算不同病人的相似度分数；

步骤S5，利用阈值与置信区间相结合的方式进行离群值分析，以区分正常和欺诈病人，最终确定疑似欺诈的病人;

所述利用阈值与置信区间相结合的方式进行离群值分析包括以下步骤：

步骤S501，在计算病人的相似度分数后，通过对分数进行统计分析，发现病人的相似度分数的分布接近正态分布，结合正态分布性质进行阈值计算；

步骤S502，利用正态分布的置信区间辅助确定检测离群值的灵活临界值，使当其他因素改变时，临界值可以自动调整到适当的值，所述临界值，即阈值用公式表示：

步骤S503，迭代计算临界值与相似度分数进行比较，分数低于临界值的认为是离群值，用这种方式进行离群值筛选，

通过迭代操作，能够发现一些离群值，但它们只是所有离群值的一部分，删除上述离群值，并使用剩余的数据再次计算临界值，并删除新的离群值，重复此过程，直到找不到新的离群值，并将最后一个临界值作为最终值；

步骤S504，将找到的离群值确定为疑似欺诈的病人。

2.根据权利要求1所述的基于离群值分析的医疗保险欺诈检测方法，其特征在于所述获得某地区实际的医疗保险中就医记录包括以下步骤：

步骤S101，获取某地区医疗保险机构的大量就医相关数据，保留有用数据，移除无用数据；

步骤S102，提取病人基本信息记录、用药记录、治疗记录数据。

3.根据权利要求2所述的基于离群值分析的医疗保险欺诈检测方法，其特征在于所述利用数据清洗和药典对数据集进行预处理包括以下步骤：

步骤S201，提取要进行欺诈检测的病人的就医数据；

步骤S202，利用数据清洗技术，处理病人敏感数据和数据丢失率高的数据，保证每个病人的就医记录不少于三条；

步骤S203，通过查询药典对药品信息进行类别处理，根据药品和类别之间的对应关系，将许多类似药品统一为同一类别。

4.根据权利要求1所述的基于离群值分析的医疗保险欺诈检测方法，其特征在于所述提取病人、疾病、药品信息构建异构网络包括以下步骤：

步骤S301，对预处理之后的病人数据集进行分析，主要是分析病人基本信息、病人患病信息和病人用药情况；

步骤S302，提取数据集中的病人基本信息、药品信息、疾病信息，构建病人的异构信息网络。

5.根据权利要求4所述的基于离群值分析的医疗保险欺诈检测方法，其特征在于所述利用相似性计算不同病人的相似度分数包括以下步骤：