[发明专利]确定医保欺诈结果的方法、装置、电子设备及存储介质

权利要求书

1.一种确定医保欺诈结果的方法，其特征在于，包括：

获取待预测病例数据，所述待预测病例数据包括患者的至少一个属性信息、以及各属性信息的属性值；

确定所述待预测病例数据所属的目标分类类别，以及所述目标分类类别对应的欺诈概率；

获取所述待预测病例数据的各属性信息的属性值所对应的占比，其中，所述属性值所对应的占比为包含该属性值的参考病例数据中欺诈病例数据所占比例的倒数；

根据所述目标分类类别对应的欺诈概率、以及所述各属性信息的属性值所对应的占比，确定所述待预测病例数据对应的欺诈概率：

基于所述待预测病例数据对应的欺诈概率，确定所述待预测病例数据的医保欺诈结果；

其中，所述根据所述目标分类类别对应的欺诈概率、以及所述各属性信息的属性值所对应的占比，确定所述待预测病例数据对应的欺诈概率，包括：

将所述各属性信息的属性值所对应的占比进行乘法运算，得到对应的积；

将所述目标分类类别对应的欺诈概率与所述对应的积的比值，作为所述待预测病例数据对应的欺诈概率。

2.根据权利要求1所述的方法，其特征在于，所述确定所述待预测病例数据所属的目标分类类别之前，还包括：

获取参考病例数据，每个所述参考病例数据中包括患者的各个属性信息和各属性信息的属性值，每个参考病例数据对应一个欺诈标签，所述欺诈标签用于表征参考病例数据是否为医保欺诈的病例数据；

对所述参考病例数据中包括的各个属性信息基于预设的聚类规则进行聚类，得到聚类结果，每个聚类结果中包括至少一个属性信息，每个聚类结果对应于一个分类类别；

针对每个属性值，将包含所述属性值的参考病例数据中属于欺诈病例的数量与包含所述属性的参考病例数据的数量的比值的倒数作为所述属性值所对应的占比。

3.根据权利要求2所述的方法，其特征在于，所述得到聚类结果之后，还包括：

根据每个分类类别中所包括的属性信息，以及预设的分类规则将所述参考病例数据划分至各分类类别中，所述分类规则是基于属性信息配置的；

针对每一个分类类别，根据所述分类类别中包括的参考病例数据所对应的欺诈标签，确定所述分类类别对应的欺诈概率。

4.根据权利要求3所述的方法，其特征在于，所述确定所述待预测病例数据所属的目标分类类别，包括：

根据所述待预测病例数据中包括的各属性信息、以及每个分类类别中包括的属性信息，确定所述待预测病例数据所属的目标分类类别。

5.根据权利要求4所述的方法，其特征在于，所述根据所述待预测病例数据中包括的各属性信息、以及每个分类类别中包括的属性信息，确定所述待预测病例数据所属的目标分类类别，包括：

根据所述待预测病例数据中包括的各属性信息、以及每个分类类别中包括的属性信息，确定所述待预测病例数据对应于每个分类类别的属性信息交集；

将包括属性信息最多的属性信息交集所对应的分类类别作为所述待预测病例数据所属的目标分类类别。

6.根据权利要求2所述的方法，其特征在于，所述对所述参考病例数据中包括的各个属性信息基于预设的聚类规则进行聚类，包括：

基于预设的删除规则对所述参考病例数据中包括的属性信息和/或属性信息的属性值进行删除，得到删除后的参考病例数据；

对所述删除后的参考病例数据中包括的各个属性信息基于预设的聚类规则进行聚类。