[发明专利]医保数据检测方法和装置

权利要求书

1.一种医保数据检测方法，其特征在于，包括：

对于待检测的多个医保数据中的任一数据，将所述多个医保数据中距离所述任一数据最近的第一预设数量的数据确定为所述任一数据的第一近邻数据；其中，所述任一数据与任一第一近邻数据之间的距离为第一距离；

将距离所述任一第一近邻数据最近的第二预设数量的数据确定为所述任一第一近邻数据的第二近邻数据；

获取所述第二近邻数据与所述任一第一近邻数据之间的最大距离，将所述最大距离与第一距离的比较结果作为所述任一第一近邻数据对所述任一数据的投票值，第一预设数量的第一近邻数据对所述任一数据的投票值形成所述任一数据的特征向量；

依据所述特征向量检测所述任一数据是否为异常数据。

2.根据权利要求1所述的方法，其特征在于，所述将距离所述任一第一近邻数据最近的第二预设数量的数据确定为所述任一第一近邻数据的第二近邻数据，包括：

在所述多个医保数据中排除所述任一数据，将排除之后的数据中距离所述任一第一近邻数据最近的第二预设数量的数据确定为所述任一第一近邻数据的第二近邻数据。

3.根据权利要求2所述的方法，其特征在于，所述将所述最大距离与第一距离的比较结果作为所述任一第一近邻数据对所述任一数据的投票值，包括：

在所述最大距离小于第一距离时，将所述投票值确定为异常值；

在所述最大距离不小于第一距离时，将所述投票值确定为正常值。

4.根据权利要求3所述的方法，其特征在于，所述依据所述特征向量检测所述任一数据是否为异常数据，包括：

在所述特征向量中的异常值数量大于预设的第一阈值、或者异常值占比大于预设的第一比例时，将所述任一数据确定为异常数据。

5.根据权利要求3所述的方法，其特征在于，所述方法执行在计算机集群的多个服务器，所述多个医保数据是全量医保数据根据当前的数据排列顺序被分配到一个服务器的数据，所述特征向量与所述当前的数据排列顺序对应；以及，

所述方法进一步包括：对所述全量医保数据的数据排列顺序执行至少一次随机打乱，获取所述任一数据对应于每一新的数据排列顺序的至少一个特征向量；将所述至少一个特征向量与所述任一数据对应于所述当前的数据排列顺序的特征向量组合为所述任一数据的判别特征；

所述依据所述特征向量检测所述任一数据是否为异常数据，包括：依据所述判别特征检测所述任一数据是否为异常数据。

6.根据权利要求5所述的方法，其特征在于，所述依据所述判别特征检测所述任一数据是否为异常数据，包括：

在所述判别特征中的异常值数量大于预设的第二阈值、或者异常值占比大于预设的第一比例时，将所述任一数据确定为异常数据。

7.根据权利要求5或6所述的方法，其特征在于，所述医保数据具有以下字段中的至少一个字段：病案流水号、医院名称、医院编码、出院科室、住院天数、主要诊断、疾病编码、手术及操作编码、手术及操作名称、DRG编码、DRG名称、本次就诊总费用、日均费用、统筹支付费用、西药费、抗菌药物费、中成药费、中药饮片费、中药费、中药费占比、病理诊断费、实验室诊断费、影像学诊断费、临床诊断项目费、检查费、检查费占比；

所述方法进一步包括：预先对所述医保数据中的每一字段执行Z分数标准化；在每一服务器使用球树Ball-Tree来存储所述医保数据，基于所述Ball-Tree来确定所述第一近邻数据和所述第二近邻数据。