[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

说明书

本申请涉及数据处理领域，具体使用了图计算技术实现理赔反欺诈以找出骗保行为，并公开了一种基于图计算技术的理赔反欺诈方法、装置、设备及存储介质，所述方法包括：根据医疗数据采用生成医生患者子图、医生医嘱子图以及融合大图；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；并利用该医生关系网络构建影响力度量模型，通过影响力度量模型确定骗保行为。进而找出具有高嫌疑的骗保医生，为快速甄别骗保诈骗提供了重要的参考。

技术领域

本申请涉及互联网金融领域，尤其涉及一种基于图计算技术的理赔反欺诈方法、装置、设备及存储介质。

背景技术

目前，金融社保领域的数据量庞大且数据复杂性很高。相对于传统数据库技术，图计算技术能更加高效地挖掘数据之间的关联价值。在图数据中，一般用节点(Vertex)代表实体对象，用边(Edge)代表实体对象之间的联系，根据不同的应用场景构建不同类型的图数据，这种图数据能够构建复杂的现实网络和模型，并完整映射现实问题。为了更好的维护金融社保安全，保障金融体系，打击骗保等违法犯罪行为，尤其是医生骗保行为。然而，现有确定骗保行为均需要人工进行调查，人工调查很难快速准确地确定骗保行为，同时又费时费力。因此，有必要提供一种基于图计算技术的理赔反欺诈方法，以甄别患者团体骗保行为。

发明内容

本申请提供了一种基于图计算技术的理赔反欺诈方法、装置、设备及存储介质，为甄别骗保欺诈提供了重要参考。

第一方面，本申请提供了一种基于图计算技术的理赔反欺诈方法，所述方法包括：

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，其中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。

第二方面，本申请还提供了一种基于图计算技术的理赔反欺诈装置，所述装置包括：

图生成单元，用于基于图计算技术，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；

网络生成单元，用于根据所述融合大图，对所述医生患者子图进行投影以生成医生关系网络；

影响计算单元，用于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；

模型建立单元，用于根据每个所述节点的影响力度量，建立影响力度量模型；

节点确定单元，用于根据所述影响力度量模型确定种子节点集合，其中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；

骗保确定单元，用于根据传播范围最广的K个种子节点确定骗保行为。

第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的理赔反欺诈方法。

第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的理赔反欺诈方法。