(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210085212.9 (22)申请日 2022.01.25 (71)申请人 厦门理工学院 地址 361024 福建省厦门市集美区理工路 600号 (72)发明人 林开标　陈锦坡　柳小刚　卢萍　 (74)专利代理 机构 厦门智慧呈 睿知识产权代理 事务所(普通 合伙) 35222 专利代理师 郑拥军 (51)Int.Cl. G06Q 40/08(2012.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种医保欺诈的识别方法、 装置、 设备和存 储介质 (57)摘要 本发明实施例提供一种医保欺诈的识别方 法、 装置、 设备和存储介质， 涉及医疗大数据技术 领域。 其中， 这种识别方法包含 步骤S1至步骤S5。 S1、 获取医疗数据， 并根据医疗数据构建医保异 构图。 S2、 基于不同轨迹的多语义元路径， 获取医 保异构图中的各目标节点在不同轨迹下的邻居 节点， 并将各目标节点在不同轨迹下的邻居节点 分别和各目标节点融合， 以获得各目标节点在不 同轨迹下的语义表示。 S3、 将各目标节点在不同 轨迹下的语义表示进行融合， 生成各目标节点的 空间节点。 S4、 基于时间顺序， 获取各目标节点的 空间节点的时间序列。 S5、 根据时间序列， 通过双 向长短期记忆模型， 对各个目标节点进行分类， 以判断医保异构图中的各个目标节点是否为医 保欺诈。 权利要求书3页 说明书13页 附图3页 CN 114581250 A 2022.06.03 CN 114581250 A 1.一种医保欺诈的识别方法， 其特 征在于， 包 含： 获取医疗数据， 并根据 所述医疗数据构建医保异构图； 其中， 所述医保异构图以实体为 节点， 以关系为 边； 基于不同轨迹的多语义元路径， 获取所述医保异构图中的各目标节点在不同轨迹下的 邻居节点， 并将所述各目标节点在不同轨迹下 的邻居节点分别和所述各目标节点融合， 以 获得所述各目标节点在不同轨 迹下的语义表示； 将所述各目标节点在不同轨迹下的语义表示进行融合， 生成所述各目标节点的空间节 点； 基于时间顺序， 获取 所述各目标节点的空间节点的时间序列； 根据所述时间序列， 通过双向长短期记忆模型， 对各个目标节点进行分类， 以判断医保 异构图中的各个目标节点是否为医保欺诈。 2.根据权利要求1所述的医保欺诈的识别方法， 其特征在于， 基于不同轨迹的多语义元 路径， 获取所述医保异构图中的各目标节点在不同轨迹下 的邻居节点， 并将所述各目标节 点在不同轨迹下的邻居节点分别和所述各目标节 点融合， 以获得所述各目标节点在不同轨 迹下的语义表示， 具体包括 基于不同轨迹的多语义元路径， 获取所述医保异构图中的所述各目标节点在不同轨迹 下的邻居节点， 并分别对不同轨迹下 的所述各目标节点执行以下步骤， 以获得所述各目标 节点在不同轨 迹下的语义表示： 获 取 目 标 节 点 在 当 前 轨 迹 下 的 邻 居 节 点 的 注 意 力 互 相 关 系 数 ； 其 中 ， 为第i个目标节点在轨迹P下的第j个邻居节点的注意 力互相关系数， attnode为神经网络， W为映射矩阵， hi和hj分别为目标节点i和邻居节 点j的 原始特征， ||表示拼接； 根据邻居节点的注意力互相关系数， 对邻 居节点进行LeakyReLU函数激活和softmax函 数 规 范 化 ，以 获 得 目 标 节 点 在 当 前 轨 迹 下 的 邻 居 节 点 的 注 意 力 权 重 ； 为第i个目标节点在 轨迹P下的第j个邻居节点的注意 力权重， 为第i个目标节点在轨迹P下的所有邻居节点的集合， 为第i个目标节点在轨 迹P下的第s个邻居节点的注意力互相关系数； 根据所述注意力权重， 将目标节点在当前轨迹下的所有邻居节点融合到目标节点， 以 获得目标节点在当前轨迹下的语义表示； 其中， 节点融合模型为 为第i个目标节点在轨迹P下的语义表 示， σ(·)表示激活函数， 为第i个目标节 点在轨迹 P下的邻居节点的集 合。 3.根据权利要求1所述的医保欺诈的识别方法， 其特征在于， 将所述各目标节点在不同 轨迹下的语义表示进行融合， 生成所述各目标节点的空间节点， 具体包括： 将所述语义表示进行非线性转换， 然后和注意向量q进行点乘， 以得到各个语义表示的 节点重要性； 对同一轨迹下的所有语义表示的节点重要性取平均值， 以获得各个轨迹的轨迹重要性权　利　要　求　书 1/3 页 2 CN 114581250 A 2SPi； 其中， SPi为节点i的多语义元路径P的轨迹重要 性， V为轨迹P下所有的目标节点的集合， q为注意向量， qT为q的转秩， W为映射矩阵， 为节 点i在轨迹P下的语义表示； 通过softmax函数对所述各个轨迹的轨迹重要性进行规范化， 以获得各个轨迹的注意 力权重βPi， 其中， m为轨迹P下的目标节点的数量， 根据所述各个轨迹的注意力权重分别对所述各目标节点在不同轨迹下的语义表示进 行加权融合， 生成所述各目标节点的空间节点； 其中 ， 加权融合的融合模型为 4.根据权利要求1所述的医保欺诈 的识别方法， 其特征在于， 所述获取医疗数据， 并根 据所述医疗数据构建医保异构图， 具体包括： 获取医疗数据； 基于时间顺序， 根据所述医疗数据， 构建多个医保异构图； 基于时间顺序， 获取 所述各目标节点的空间节点的时间序列， 具体包括： 基于时间顺序， 获取所述多个医保异构图中的目标节点的空间节点， 以得到所述各目 标节点的空间节点的时间序列。 5.根据权利要求1所述的医保欺诈 的识别方法， 其特征在于， 根据所述时间序列， 通过 双向长短期记忆模型， 对各个目标节点进行分类， 以判断医保异构图中的各个目标节点是 否为医保欺诈， 具体包括： 根据所述时间序列， 通过双 向长短期记忆模型， 获取各个目标节点的最终嵌入； 其中， 最终嵌入表示为： T表示所有子图的集合， xt表示目标节点 在t子图经过空间聚合得到的空间节点， 表示拼接操作， (为模型向前传播， 为模型向后传播； 将所述最终嵌入， 输入多层感知机进行分类， 以判断医保异构图中的各个目标节点是 否为医保欺诈。 6.根据权利要求1至5任一项所述的医保欺诈 的识别方法， 其特征在于， 所述医保异构 图的实体包括患者、 医院科室、 药物和就诊日期。 7.一种医保欺诈的识别装置， 其特 征在于， 包 含： 构图模块， 用于获取医疗数据， 并根据所述医疗数据构建医保异构图； 其中， 所述医保 异构图以实体为节点， 以关系为 边； 语义模块， 用于基于不同轨迹的多语义元路径， 获取所述医保异构图中的各目标节点 在不同轨迹下的邻居节点， 并将所述各目标节点在不同轨迹下的邻居节点分别和所述各目 标节点融合， 以获得 所述各目标节点在不同轨 迹下的语义表示； 空间约束模块， 用于将所述各目标节点在不同轨迹下的语义表示进行融合， 生成所述 各目标节点的空间节点； 时间约束模块， 用于基于时间顺序， 获取 所述各目标节点的空间节点的时间序列； 判断模块， 用于根据 所述时间序列， 通过双向长短期记忆模型， 对各个目标节点进行分权　利　要　求　书 2/3 页 3 CN 114581250 A 3