[发明专利]基于图计算技术的理赔反欺诈方法、装置、设备及存储介质

权利要求书

1.一种基于图计算技术的理赔反欺诈方法，其特征在于，包括：

基于图计算技术，根据医疗数据生成医生患者子图和医生医嘱子图以及根据所述医生患者子图和医生医嘱子图生成融合大图；

根据所述融合大图，对所述医生患者子图进行投影以生成医生关系网络；

确定所述医生关系网络中每个节点的邻居节点，计算所述邻居节点对所述节点的影响力度量；

根据每个所述节点的影响力度量，建立影响力度量模型；

根据所述影响力度量模型确定种子节点集合，所述种子节点集合包括传播范围最广的K个种子节点，K为正整数；

根据传播范围最广的K个种子节点确定骗保行为。

2.根据权利要求1所述的理赔反欺诈方法，其特征在于，所述基于图计算技术，根据医疗数据生成医生患者子图和医生医嘱子图以及根据所述医生患者子图和医生医嘱子图生成融合大图，包括：

获取医疗数据并对所述医疗数据进行分类得到分类数据；

根据所述分类数据的关联关系生成分类关系表，所述分类关系表包括患者医生关系表和医生医嘱关系表；

基于图计算技术，根据所述分类关系表生成二分图，所述二分图包括医生患者子图和医生医嘱子图；以及

基于图计算技术中的模型融合技术，将所述医生患者子图和医生医嘱子图融合生成融合大图。

3.根据权利要求1或2所述的理赔反欺诈方法，其特征在于，所述根据所述融合大图，对所述医生患者子图进行投影以生成患者关系网络，包括：

根据所述融合大图确定医生之间具有的相似诊治行为；

根据所述患者之间具有的相似诊治行为，对所述医生患者子图进行投影以生成医生关系网络。

4.根据权利要求1所述的理赔反欺诈方法，其特征在于，所述确定所述医生关系网络中每个节点的邻居节点，计算所述邻居节点对所述节点的影响力度量，包括：

根据节点之间的边确定所述医生关系网络中每个节点的邻居节点；

计算所述邻居节点在接待患者数量、开医嘱数据和开医嘱金额对所述节点的影响程度；

根据所述影响程度计算所述邻居节点对所述节点的影响率；以及

根据所述影响率计算所述邻居节点对所述节点的影响力度量。

5.根据权利要求4所述的理赔反欺诈方法，其特征在于，所述根据所述影响程度计算所述邻居节点对所述节点的影响率，包括：

基于所述影响率计算公式，根据所述影响程度计算所述邻居节点对所述节点的影响率；

所述影响率计算公式为：

I(i,j)＝Acc(i,j)*Amo(i,j)*Fin(i,j)

其中，I(i,j)为影响率，Acc(i,j)为节点j在接待患者数量上对节点i的影响程度，Amo(i,j)为节点j在开医嘱数量上对节点i的影响程度，Fin(i,j)为节点j在开医嘱金额上对节点i的影响程度；

其中，|T_j|表示节点j接待患者数量的总数，∑_a∈A(i)|T_a|表示节点i的邻居节点所接待患者数量之和；|Z_j|表示节点j开医嘱数量的总数，∑_a∈A(i)|Z_a|表示节点i的邻居节点所开医嘱数量之和；|M_j|表示医生j开医嘱金额的总数，∑_a∈A(i)|M_a|表示节点i的邻居节点所开医嘱金额之和。

6.根据权利要求4或5所述的理赔反欺诈方法，其特征在于，所述根据所述影响率计算所述邻居节点对所述节点的影响力度量，包括：

基于影响力度量计算公式，根据所述影响率通过迭代计算所述邻居节点对所述节点的影响力度量；

所述影响力度量计算公式为：

DIR(i)＝d+(1-d)∑_j∈N(i)[S_ij*DIR(j)]

其中，DIR(i)是节点i的影响力度量；N(i)是节点i的邻居节点集合；S_ij是节点i的影响力分配给节点j的比例因子，为节点j在所有影响节点i的邻居节点中所占的比重；d是阻尼系数，为常量。