[发明专利]医保数据检测方法和装置

说明书

本发明公开了一种医保数据检测方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：对于多个医保数据中的任一数据，将多个医保数据中距离任一数据最近的第一预设数量的数据确定为任一数据的第一近邻数据；任一数据与任一第一近邻数据之间的距离为第一距离；将距离任一第一近邻数据最近的第二预设数量的数据确定为任一第一近邻数据的第二近邻数据；获取第二近邻数据与任一第一近邻数据之间的最大距离，将最大距离与第一距离的比较结果作为任一第一近邻数据对任一数据的投票值，第一预设数量的第一近邻数据对任一数据的投票值形成任一数据的特征向量；依据特征向量检测任一数据是否为异常数据。该实施方式能够准确鉴别医保异常数据。

技术领域

本发明涉及计算机技术领域，尤其涉及一种医保数据检测方法和装置。

背景技术

随着医疗技术的发展、人民生活水平的提高及国家医保政策的调整，医保覆盖人口数量迅速增加，但是目前也存在一些骗保行为。为降低基金支出的风险，有必要从医保数据中检测出涉及骗保等行为的异常数据。

目前，针对医保数据的异常检测方法主要有三种：

第一种为基于医学规则的传统检测方法，该方法由具备医学经验的医师提供一些关于日常门诊、住院中发生可疑费用的规则，将这些规则写入后台程序，对每笔发生的费用进行规则检测，由此发现可疑的费用。这种方法的缺点是：规则有限而新的骗保手段层出不穷，随着时间的推移，规则会逐渐失效，且更新规则需要专业的医疗经验，时效性差。

第二种基于监督式机器学习的智能检测模型，通过人工标注可疑费用数据集，训练有监督的机器学习模型来识别可疑费用，该方法是随人工智能潮流而兴起的新方法，这种方法的缺点是：人工标注的可疑数据集不能覆盖所有情况，且人工标注耗时耗力。

第三种是基于现有离群点检测算法的异常数据检测方法，近几年在医保风控领域，离群点检测算法以其不用标注数据、省人力成本的优势开始普及，但现有的离群点检测算法存在计算效率低、无法处理大量数据、可解释性差、需要人工设置污染点比例(污染点比例即异常数据比例，实际应用中，污染点比例的设置由工作人员根据经验设置，带有主观性和偶然性，容易影响模型检测的精度和稳定性，同时缺乏可解释性)等缺点。

发明内容

有鉴于此，本发明实施例提供一种医保数据检测方法和装置，能够在不依赖专业医疗经验、不依赖人工标注数据集的前提下准确鉴别医保数据中的异常数据，并且可解释性好、不需人工设置污染点比例。

为实现上述目的，根据本发明的一个方面，提供了一种医保数据检测方法。

本发明实施例的医保数据检测方法包括：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。

可选地，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。

可选地，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。