[发明专利]基金数据库中异常数据检测方法、装置和计算机设备

说明书

本申请涉及数据分析技术领域，提供一种基金数据库中异常数据检测方法、装置和计算机设备，基于医疗机构名称，提取出医疗机构的基金支出数据以及就诊明细数据，由医疗机构的基金支出能够对应查找到就诊明细数据，采用基金支出回归预测算法计算各医疗机构的基金支出预测值，并根据决策树信息增益算法和预设的医疗机构属性集，完成对就诊明细数据的划分，按照数据的信息增益即数据的重要程度进行数据分类，得出影响基金支出主要属性集，有针对性地实现了影响基金支出的数据的划分，再基于基金支出的预测值和影响医疗机构基金支出的属性集，能够更为快速且准确检测出异常数据，提高基金异常数据的处理效率。

技术领域

本申请涉及数据分析技术领域，特别是涉及基金数据库中异常数据检测方法、装置、计算机设备和存储介质。

背景技术

随着我国社会医疗保险制度改革的不断深入，医疗保险的社会保障功能使越来越多的居民受益。

为减少骗领医保基金的现象的发生，已有学者(或技术)提出能够检测医疗机构是否存在异常基金支出的方法，但是现有的检测方案，其是获取所有医疗机构的基金数据中所有对基金支出可能有影响的因子，对所有可能影响基金支出的因子进行整体分析，进而检测出异常数据，计算机在整体分析所有因子时，需要执行大量的数据分析操作，分析过程繁琐，耗时久，且缺乏针对性，使得基金异常数据的处理效率低。

发明内容

基于此，有必要针对现有的医疗机构基金支出异常数据检测方法处理效率低的问题，提供一种高效的基金数据库中异常数据检测方法、装置、计算机设备和存储介质。

一种基金数据库中异常数据检测方法，基金数据库应用于医疗机构，方法包括：

获取医疗机构的医疗数据，医疗数据包括医疗机构名称；

提取出医疗数据中与医疗机构名称对应的基金支出数据以及就诊明细数据；

基于基金支出数据，采用基金支出回归预测算法计算医疗机构的基金支出预测值；

根据决策树信息增益算法和预设的医疗机构属性集，对就诊明细数据进行划分，得到包含影响医疗机构基金支出的属性集的划分结果；

根据医疗机构的基金支出预测值以及划分结果，得到基金数据库中异常数据检测结果。

在其中一个实施例中，根据决策树信息增益算法，对就诊明细数据进行划分，得到划分结果包括：

根据就诊明细数据，构建训练集；

将训练集与预设的医疗机构属性集进行属性测试，得到属性测试结果；

基于属性测试结果，采用决策树信息增益算法完成对训练集的划分，生成医疗机构基金支出决策树，医疗机构基金支出决策树包括影响医疗机构基金支出的属性集及属性集影响的重要程度数据。

在其中一个实施例中，根据医疗机构的基金支出预测值以及划分结果，得到基金数据库中异常数据检测结果包括：

基于医疗机构的基金支出预测值，调用预设的曲线生成工具，检测出基金支出增长异常的医疗机构；

基于时间序列分析法，对基金支出增长异常的医疗机构的基金支出进行差异化分析，提取出导致基金支出增长异常的属性；

提取出影响医疗机构基金支出的属性集及属性集影响的重要程度数据；

将基金支出增长异常的医疗机构、导致基金支出增长异常的属性、影响医疗机构基金支出的属性集及属性集影响的重要程度数据进行输出。

在其中一个实施例中，基于医疗机构的基金支出预测值，调用预设的曲线生成工具，检测出基金支出增长异常的医疗机构包括：

基于医疗机构的基金支出预测值，调用曲线生成工具，生成医疗机构的基金支出增长曲线；