[发明专利]医疗保险保费定价方法、装置、计算机设备和存储介质

权利要求书

1.一种医疗保险保费定价方法，所述方法包括：

获取医保数据，将所述医保数据经过特征工程提取得到医保特征向量；

将所述医保特征向量输入到已训练好的医保报销异常检测模型中，得到异常检测结果，将所述医保特征向量输入到已训练好的医保理赔费用检测模型中，得到可控理赔费用，根据所述异常检测结果和所述可控理赔费用得到医保理赔可控空间比例；

获取医保数据中的理赔值、医保成本数、医保利润数和医保风险走廊数，根据所述医保成本数、所述医保利润数、所述医保风险走廊数和所述医保理赔可控空间比例计算得到保费定价。

2.根据权利要求1所述的方法，其特征在于，将所述医保数据经过特征工程提取得到医保特征向量，包括：

将所述医保数据进行数据清洗，得到清洗后的医保数据；

根据所述清洗后的医保数据得到预设特征类型对应的特征集；

根据所述预设特征类型对应的特征集使用特征选择算法进行特征选择，得到医保输入特征，根据所述医保输入特征和所述清洗后的医保数据得到医保特征向量。

3.根据权利要求1所述的方法，其特征在于，所述已训练的医保报销异常检测模型的生成步骤包括：

获取历史医保数据和对应的历史异常检测结果数据，根据所述历史医保数据得到历史医保特征向量，根据所述对应的历史异常检测结果得到历史医保输出向量；

将所述历史医保特征向量作为输入，将所述对应的历史医保输出向量作为标签，使用随机森林算法进行训练，当达到目标条件时，得到所述已训练的医保报销异常检测模型。

4.根据权利要求1所述的方法，其特征在于，所述已训练的医保报销异常检测模型的生成步骤包括：

获取历史医保数据，将历史医保数据作为初始样本数据；

随机从所述初始样本数据中选择目标样本数据，将所述目标样本数据作为目标树当前节点；

随机选择目标特征，在所述目标树当前节点中随机选择所述目标特征对应的特征值；

根据所述特征值对所述目标树当前节点二叉划分，得到所述目标树当前节点的叶子节点，将所述叶子节点作为目标树当前节点；

返回随机选择目标特征，在所述目标树当前节点中随机选择所述目标特征对应的特征值的步骤，当达到预设条件时，得到目标树；

返回随机从所述初始样本数据中选择目标样本数据，将所述目标样本数据作为目标树当前节点的步骤，当达到预设数目的目标树时，形成隔离森林，得到已训练的医保报销异常检测模型。

5.根据权利要求1所述的方法，其特征在于，所述已训练的医保理赔费用检测模型的生成步骤包括：

获取历史医保数据和对应的可控理赔费用，根据历史医保数据提取医保理赔特征；

计算所述医保理赔特征对应的医保特征向量和所述可控理赔费用对应的向量；

将所述医保特征向量作为前馈神经网络的输入，将所述可控理赔费用对应的向量作为标签进行训练，当达到预设条件时，得到所述已训练的医保理赔费用检测模型。

6.根据权利要求1所述的方法，其特征在于，所述已训练的医保理赔费用检测模型的生成步骤包括：

获取历史医保数据，将所述历史医保数据输入聚类模型中，得到多个候选医保簇群；

计算所述各个候选医保簇群的理赔对标值，并获取所述各个候选医保簇群中历史医保数据中的理赔值，根据所述理赔对标值和所述理赔值计算所述各个候选医保簇群的理赔差异值，得到已训练的医保理赔费用检测模型。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取带有不同影响因子的医保数据，根据所述带有不同影响因子的医保数据分别计算得到对应的保费定价；

将所述保费定价进行排序，根据排序结果得到影响因子的重要程度。