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22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)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113642669A(43)申请公布日2021.11.12(21)申请号202111004063.0(22)申请日2021.08.30(71)申请人平安医疗健康管理股份有限公司地址200001上海市黄浦区北京东路666号H区(东座)12G室(72)发明人李佳秀(74)专利代理机构北京市京大律师事务所11321代理人姚维(51)Int.Cl.G06K9/62(2006.01)G06Q30/00(2012.01)G06Q10/06(2012.01)G06F40/279(2020.01)权利要求书2页说明书13页附图6页(54)发明名称基于特征分析的防欺诈检测方法、装置、设备及存储介质(57)摘要本发明涉及人工智能领域,公开了一种基于特征分析的防欺诈检测方法、装置、设备及存储介质。该方法包括:获取目标参保账户的医保数据并用于构建医疗结算的标准数据表;对标准数据表中的各结算维度指标进行相关性分析,并用于提取标准数据表对应的多个显著性特征;分别对各显著性特征进行特征工程和业务逻辑的分值转换,对应得到第一、第二标准分值;采用预置业务学习模型,对第一、第二标准分值对应的预置初始权重进行调整,得到最终权重;通过最终权重对第一标准分值和第二标准分值进行加权处理,得到最终标准分值,以确定目标参保账户的异常检测结果。本发明降低了不同阶段医保异常行为检测的漏检率,提升了医保异常行为检测的场景迁移性能。CN113642669ACN113642669A权利要求书1/2页1.一种基于特征分析的防欺诈检测方法,其特征在于,所述基于特征分析的防欺诈检测方法包括:获取目标参保账户的医保数据,并采用所述医保数据构建医疗结算的标准数据表,其中,所述标准数据表包含多个结算维度指标;对所述标准数据表中的各结算维度指标进行相关性分析,得到相关性分析结果,并根据所述相关性分析结果,提取所述标准数据表对应的多个显著性特征;对各所述显著性特征进行特征工程的分值转换,得到第一标准分值,以及对各所述显著性特征进行业务逻辑的分值转换,得到第二标准分值;采用预置业务学习模型,对所述所述第一标准分值和所述第二标准分值对应的预置初始权重进行调整,得到最终权重;通过所述最终权重对所述第一标准分值和所述第二标准分值进行加权处理,得到最终标准分值,并根据所述最终标准分值,确定所述目标参保账户的异常检测结果。2.根据权利要求1所述的基于特征分析的防欺诈检测方法,其特征在于,所述采用所述医保数据构建医疗结算的标准数据表包括:从所述医保数据中提取多个预置目标维度的医保数据,并对各所述目标维度的医保数据进行规范化处理,得到所述目标参保账户的医疗结算数据;对所述医疗结算数据进行数据映射,得到多个结算维度指标,并采用所述结算维度指标生成医疗结算的标准数据表。3.根据权利要求1所述的基于特征分析的防欺诈检测方法,其特征在于,所述对所述标准数据表中的各结算维度指标进行相关性分析,得到相关性分析结果包括:提取所述标准数据表中的各结算维度指标对应的结算维度特征,并对所述结算维度特征进特征强化加工,得到所述结算维度特征对应的衍生特征;对所述结算维度特征和所述衍生特征进行进行线性转换,得到多个具有线性关系的特征因子,并采用预置因子相关性分析方法,对各所述特征因子进行交叉相关性分析,得到各所述特征因子之间的相关性得分;选取相关性得分高于预置相关性得分阈值的特征因子并作为相关性分析结果。4.根据权利要求3所述的基于特征分析的防欺诈检测方法,其特征在于,所述对所述结算维度特征和所述衍生特征进行进行线性转换,得到多个具有线性关系的特征因子包括:识别所述结算维度特征和所述衍生特征中的多个数值型特征和多个字符型特征;采用预置第一特征方法,对各所述数值型特征进行特征转换,并建立特征转换后的各数值型特征之间的线性关系,得到多个特征因子;采用预置第二特征方法,对各所述字符型特征进行特征转换,并建立特征转换后的各字符型特征之间的线性关系,得到多个特征因子。5.根据权利要求3所述的基于特征分析的防欺诈检测方法,其特征在于,所述根据所述相关性分析结果,提取所述标准数据表对应的多个显著性特征包括:采用所述相关性分析结果对应特征因子,构建特征回归树图,并统计对应特征因子之间在所述特征回归树图的分裂损失值;选取分裂损失值大于预置分裂损失阈值的特征因子,并将选取的特征因子作为所述标准数据表对应的显著性特征。2CN113642669A权利要求书2/2页6.根据权利要求1‑5中任一项所述的基于特征分析的防欺诈检测方法,其特征在于,预置初始权重包括所述第一标准分值对应的第一初始权重和所述第二标准分值对应的第二初始权重,所述采用预置业务学习模型,对所述所述第一标准分值和所述第二标准