预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115829760A(43)申请公布日2023.03.21(21)申请号202211488104.2(22)申请日2022.11.25(71)申请人厦门理工学院地址361024福建省厦门市集美区理工路600号(72)发明人林开标王冬扬卢萍戴彬(74)专利代理机构厦门智慧呈睿知识产权代理事务所(普通合伙)35222专利代理师王玮婷(51)Int.Cl.G06Q40/08(2012.01)G06F18/22(2023.01)G06F18/24(2023.01)G06F16/901(2019.01)权利要求书4页说明书12页附图3页(54)发明名称基于邻域相似度的医保欺诈识别方法、装置、设备和介质(57)摘要本发明实施例提供基于邻域相似度的医保欺诈识别方法、装置、设备和介质,涉及医疗大数据技术领域。医保欺诈识别方法包含S1、根据医疗数据构建医疗异构图。S2、根据各种行为模式的元路径进行采样,获取异构子图。S3、根据异构子图,进行编码获取初始邻域集合。S4、根据初始邻域集合分别计算各个邻域的相似性并进行筛选,获取最终邻域集合。S5、通过第一个注意力机制分别融合最终邻域集合,获取各个患者节点的各个为模式下的嵌入表示。S6、根据嵌入表示,获取各种行为模式的重要性。S7、根据重要性,通过第二个注意力机制融合嵌入表示,获取各个患者节点的最终嵌入表示。S8、对最终嵌入表示进行分类,以判断各个患者节点是否为医保欺诈患者。CN115829760ACN115829760A权利要求书1/4页1.一种基于邻域相似度的医保欺诈识别方法,其特征在于,包含:获取医疗数据,并根据所述医疗数据构建医疗异构图;其中,所述医疗异构图包括患者节点;获取患者节点的各种行为模式的元路径,并根据所述元路径对所述医疗异构图进行采样,获取各种行为模式的异构子图;根据所述各种行为模式的异构子图,通过关系旋转编码器获取各个患者节点的各种行为模式下的初始邻域集合;根据所述初始邻域集合分别计算各个邻域的相似性,并通过自适应滤波阈值进行筛选,获取各个患者节点的各种行为模式下的最终邻域集合;通过第一个注意力机制分别融合所述各个患者节点在各种行为模式下的最终邻域集合,获取各个患者节点的各个为模式下的嵌入表示;根据所述各个患者节点的各个为模式下的嵌入表示,获取各种行为模式的重要性;根据所述各种行为模式的重要性,通过第二个注意力机制融合所述各个患者节点的各种行为模式下的嵌入表示,获取各个患者节点的最终嵌入表示。对所述各个患者节点的最终嵌入表示进行分类,以判断各个患者节点是否为医保欺诈患者。2.根据权利要求1所述的基于邻域相似度的医保欺诈识别方法,其特征在于,根据所述各种行为模式的异构子图,通过关系旋转编码器获取各个患者节点的各种行为模式下的初始邻域集合,具体包括:根据所述各种行为模式的异构子图,获取各个患者节点的各种行为模式下的元路径实例集合;通过关系旋转编码器分别将所述元路径实例集合中的元路径实例编码成向量表示,得到患者节点的邻域,以获取各个患者节点的各种行为模式下的初始邻域集合;其中,关系旋转编码器为:式中,hM(v,u)为行为模式M下目标患者节点v到邻居患者节点u的元路径实例的向量表示、fθ为编码函数、h′v为目标患者节点v投影后的特征表示、h′u为邻居患者节点u投影后的M(v,u)特征表示、h′g为中间节点g投影后的特征表示、t为行为模式M下目标患者节点v和邻居患者节点u的中间节点集合。3.根据权利要求1所述的基于邻域相似度的医保欺诈识别方法,其特征在于,根据所述初始邻域集合分别计算各个邻域的相似性,并通过相似度感知邻域选择器进行筛选,获取各个患者节点的各种行为模式下的最终邻域集合,具体包括:根据所述初始邻域集合,通过邻域相似性度量分别计算患者节点的各个邻域的相似性;其中,邻域相似性度量模型为:S(v,v′)=||σ(MLP(hvv′))||式中,S(v,v′)为患者节点v的邻域v′的相似性、σ为激活函数、MLP为单层感知机、hvv′为邻域v′的向量表示;2CN115829760A权利要求书2/4页根据所述患者节点的各个邻域的相似性,通过自适应滤波阈值对邻域进行选择,获取(e)各个患者节点的各种行为模式下的最终邻域集合;其中,自适应滤波阈值f(tr,ar)为:(e‑l)(e)式中,G(Sr)为行为模式r下第e‑l个周期中的平均相似性得分、G(Sr)为行为模式r(e)下第e个周期中的平均相似性得分、Vtrain为患者节点的数量、Sr(v,v′)为行为模式r下患者节点v的邻域v′在第e个周期中的相似性。4.根据权利要求1所述的基于邻域相似度的医保欺诈识别方法,其特征在于,所述第一个注意力机制为:式中,为行为模式M下患者节点v的嵌入