数据信息智能化处理方法、装置、设备及介质与流程

1.本发明涉及数据处理技术领域，属于智慧医疗中对数据信息进行智能化处理的应用场景，尤其涉及一种数据信息智能化处理方法、装置、设备及介质。


背景技术：

2.随着医疗保险的覆盖越来越完善，越来越多的人通过医疗保险报销就医费用，而参保人申请报销就医费用时需要基于参保人的就医信息进行结算。现有的技术方法均是采用业务人员通过硬盘等存储介质从医保系统中对待理赔数据进行复制后，携带至办公场所进行人工整理后将数据逐笔或者批量上传至医疗报销系统中进行理赔，该数据处理方式存在智能化程度较低的问题，且可能由于数据在人工携带过程中得不到监管而被非法利用，而采用人工方式进行整理的工作量巨大，占用了大量人力资源，并且人工整理容易出现疏漏导致数据出现错误。因此，现有技术方法中对参保人的就医数据进行处理的方法存在处理效率不高的问题。


技术实现要素：

3.本发明实施例提供了一种数据信息智能化处理方法、装置、设备及介质，旨在解决现有技术方法中对参保人的就医数据进行处理的方法存在处理效率不高的问题。
4.第一方面，本发明实施例提供了一种数据信息智能化处理方法，其包括：
5.若到达预设的数据采集时间点，采集每一所述数据源终端存储的新增数据信息；
6.根据预置的标准化处理规则对所述新增数据信息进行标准化处理，得到与每一所述新增数据信息对应的标准数据信息；
7.根据预置的提取规则从每一所述标准数据信息中提取得到对应的量化特征信息；
8.根据预置的异常分析模型对每一所述量化特征信息进行异常分析，得到每一所述新增数据信息对应的异常分析结果；
9.根据所述异常分析结果从所述新增数据信息中获取目标数据信息并存储至预置的临时数据库中；
10.根据预置的分配规则根据所述临时数据库中的目标数据信息生成结算清单并分配至所述结算终端进行结算处理。
11.第二方面，本发明实施例提供了一种数据信息智能化处理装置，其包括：
12.新增数据信息获取单元，用于若到达预设的数据采集时间点，采集每一所述数据源终端存储的新增数据信息；
13.标准化处理单元，用于根据预置的标准化处理规则对所述新增数据信息进行标准化处理，得到与每一所述新增数据信息对应的标准数据信息；
14.量化特征信息获取单元，用于根据预置的提取规则从每一所述标准数据信息中提取得到对应的量化特征信息；
15.异常分析结果获取单元，用于根据预置的异常分析模型对每一所述量化特征信息
进行异常分析，得到每一所述新增数据信息对应的异常分析结果；
16.目标数据信息存储单元，用于根据所述异常分析结果从所述新增数据信息中获取目标数据信息并存储至预置的临时数据库中；
17.分配结算单元，用于根据预置的分配规则根据所述临时数据库中的目标数据信息生成结算清单并分配至所述结算终端进行结算处理。
18.第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的数据信息智能化处理方法。
19.第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的数据信息智能化处理方法。
20.本发明实施例提供了一种数据信息智能化处理方法、装置、设备及介质。到达数据采集时间点则从数据源终端获取新增数据信息，对新增数据信息进行标准化处理得到标准数据信息并从中提取得到对应的量化特征信息，根据异常分析模型对量化特征信息进行异常分析得到异常分析结果，从新增数据信息中获取目标数据信息存储至临时数据库并根据分配规则将临时数据库中的目标数据信息分配至结算终端进行处理。通过上述方法，通过对新增数据信息进行异常分析并根据异常分析结果获取目标数据信息，将目标数据信息存储至临时数据库进行整理并分配至结算终端进行处理，从而大幅提高对数据进行处理的智能化程度，也即可提高对数据信息进行处理的效率。
附图说明
21.为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1为本发明实施例提供的数据信息智能化处理方法的流程示意图；
23.图2为本发明实施例提供的数据信息智能化处理方法的应用场景示意图；
24.图3为本发明实施例提供的数据信息智能化处理方法的子流程示意图；
25.图4为本发明实施例提供的数据信息智能化处理方法的另一子流程示意图；
26.图5为本发明实施例提供的数据信息智能化处理方法的另一流程示意图；
27.图6为本发明实施例提供的数据信息智能化处理方法的另一子流程示意图；
28.图7为本发明实施例提供的数据信息智能化处理方法的另一子流程示意图；
29.图8为本发明实施例提供的数据信息智能化处理方法的另一流程示意图；
30.图9为本发明实施例提供的数据信息智能化处理装置的示意性框图；
31.图10为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
32.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施
例，都属于本发明保护的范围。
33.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
34.还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
35.还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
36.请参阅图1及图2，图1是本发明实施例提供的数据信息智能化处理方法的流程示意图；图2为本发明实施例提供的数据信息智能化处理方法的应用场景示意图；该数据信息智能化处理方法应用于管理服务器10中，该数据信息智能化处理方法通过安装于管理服务器10中的应用软件进行执行，管理服务器10同时与至少一个数据源终端20及至少一个结算终端30建立网络连接以实现数据信息的传输，数据源终端20即是用于录入及存储新增数据信息的终端设备，如医保局内配置用于录入新增数据信息的终端设备，数据源终端20可以是台式电脑、笔记本电脑、平板电脑或手机等；管理服务器10即是可从数据源终端20获取新增数据信息并进行筛选及分配处理的服务器端，如企业或政府部门所构建的服务器，结算终端30即是用于对数据信息进行支付结算处理的终端设备，如企业或政府部门内部所构建的处理集群。如图1所示，该方法包括步骤s110～s160。如图1所示，该方法包括步骤s110～s160。
37.s110、若到达预设的数据采集时间点，采集每一所述数据源终端存储的新增数据信息。
38.若到达预设的数据采集时间点，采集每一所述数据源终端存储的新增数据信息。数据源终端的使用者可将数据信息上传至数据源终端，则管理服务器可在数据采集时间点对数据源终端所存储的新增数据信息进行采集，具体的，可判断每一数据源终端中的每一数据信息的存储时间是否位于采集时间段内，以根据判断结果获取存储时间位于采集时间段内的数据信息得到新增数据信息，其中，采集时间段为当前数据采集时间段与上一数据采集时间点之间的间隔时间。例如，间隔时间为2个月，则本次数据采集时间点为上一数据采集时间点之后2个月对应的时间点。
39.例如，若数据源终端为医保局内配置的终端设备，则所采集得到的新增数据信息即为医保报销数据，医保报销数据中包括数据源地址信息、参保人信息、医保订单、就医账单、就医明细、收款信息等。
40.s120、根据预置的标准化处理规则对所述新增数据信息进行标准化处理，得到与每一所述新增数据信息对应的标准数据信息。
41.为提高对新增数据信息进行处理的效率，获取到新增数据信息后，可通过标准化处理规则对新增数据信息进行标准化处理，得到与每一新增数据信息对应的标准数据信息。标准化处理规则即为对新增数据信息进行标准化处理的具体规则，其中，标准化处理规则包括标准模板、标准维度集合及字段映射规则，标准模板即为对新增数据信息中每一维度信息进行匹配判断的模板，标准维度集合即为由多个标准维度字段所组合得到的集合，
字段映射规则即为对新增数据信息中的非标准维度信息进行映射处理的具体规则。
42.在一实施例中，如图3所示，步骤s120包括子步骤s121、s122和s123。
43.s121、对每一所述新增数据信息中每一维度对应的维度信息是否均与所述标准模板相匹配进行判断。
44.每一条新增数据信息中均包含多个维度对应的维度信息，例如医保订单中可包括“就医类型信息”，则“就医类型信息”即对应一个维度，某一条新增数据信息中与“就医类型信息”这一维度对应的数据即为该新增数据信息中该维度对应的维度信息。
45.标准模板可对每一维度信息所包含的字符是否符合相应标准进行匹配判断，具体的，可通过标准模板验证每一维度信息所包含字符的字符长度及字符类型是否符合相应标准。
46.例如，对于就医账单中所包含的就医类型信息，标准模板中对“就医类型信息”对应的匹配规则包括字符长度为[3,7]、字符类型为中文字符，则可对每一条新增数据信息中与“就医类型信息”这一维度对应的维度信息是否符合上述匹配规则进行判断。
[0047]
若一条新增数据信息所包含的维度信息均与标准模板所包含的匹配规则相匹配，则对该新增数据信息进行下一步处理；若某一条新增数据信息的维度信息不均与标准模板所包含的匹配规则相匹配，则可将该新增数据信息存储至异常清单中。
[0048]
s122、若所述新增数据信息中包含的维度信息均与所述标准模板相匹配，根据所述标准维度集合验证所述新增数据信息中是否包含非标准维度信息。
[0049]
标准维度集合由每一维度对应的标准维度字段所形成的集合，标准维度字段之间互不重复，可判断每一新增数据信息的每一维度信息是否均与标准维度集合中的任意一个标准维度字段相匹配，若维度信息与任意一个标准维度字段相匹配，则该维度信息为标准维度信息，无需进行后续映射处理；若维度信息与标准维度字段均不相匹配，则该维度信息为非标准维度信息，需对该非标准维度信息进行映射处理。
[0050]
s123、若所述新增数据信息中包含非标准维度信息，根据所述字段映射规则及所述标准维度集合对所述非标准维度信息进行映射处理，得到与所述新增数据信息对应的标准数据信息。
[0051]
若新增数据信息中不包含非标准维度信息，则可直接将该新增数据信息作为标准数据信息。若新增数据信息中包含非标准维度信息，则可根据字段映射规则及标准维度集合对非标准维度信息进行映射处理，具体的，可根据字段映射规则获取非标准维度信息与每一标准维度字段之间的匹配度，并获取匹配度最高的一个标准维度字段对该非标准维度信息进行映射处理，也即是将该非标准维度信息进行映射替换为对应的标准维度字段，进行映射处理后即可得到该新增数据信息对应的标准数据信息。可先获取非标准维度信息与每一个标准维度字段之间的重合字符占比、字符长度差值及重合字符拼音占比，重合字符占比即为相重合的字符数量与非标准维度信息中字符数量的比值，字符长度差即为非标准维度信息的字符长度与标准维度字段的字符长度之间的差值，重合字符拼音占比即为拼音相重合的字符数量与非标准维度信息中字符数量的比值，根据字段映射规则对重合字符占比、字符长度差值及重合字符拼音占比进行映射计算以得到对应的匹配度。
[0052]
s130、根据预置的提取规则从每一所述标准数据信息中提取得到对应的量化特征信息。
[0053]
为获取每一标准数据信息的特征，可通过提取规则从每一标准数据信息中提取对应的量化特征信息，量化特征信息即可对标准数据信息的特征进行量化表示，提取规则即为提取量化特征信息的具体规则。每一标准数据信息包含的维度信息可以是数字、字母或中文字符，则可通过提取规则对每一标准数据信息包含的维度信息分别进行提取，以从采用数字、字母或中文字符表示的维度信息中提取得到数值化的量化特征信息，则所得到的量化特征信息中包含每一维度对应的量化特征值。具体的，若维度信息为数字，则可将该数字转换为对应的小数作为该维度信息的量化特征值。若维度信息为非数字，则可通过提取规则中与该维度信息对应的转换关系将该维度信息转换为以数字进行表示的量化特征值。例如，提取规则中与“就医类型信息”这一维度对应的转换关系为“一般门诊：1”、“普通住院：2”、“特病门诊：3”、“重大疾病门诊：4”。
[0054]
s140、根据预置的异常分析模型对每一所述量化特征信息进行异常分析，得到每一所述新增数据信息对应的异常分析结果。
[0055]
根据预置的异常分析模型对每一所述量化特征信息进行异常分析，得到每一所述新增数据信息对应的异常分析结果。为确保新增数据信息的各维度信息之间不会产生冲突，可通过异常分析模型对新增数据信息的特征量化信息进行异常分析，以分析得到每一新增数据信息的各维度信息之间是否存在异常冲突，异常冲突即为一个维度信息与其它一个或多个维度信息之间不对应。
[0056]
在一实施例中，如图4所示，步骤s140包括子步骤s141和s142。
[0057]
s141、将每一所述量化特征信息分别输入所述异常分析模型以获取与每一所述量化特征信息对应的校验输出信息。
[0058]
具体的，异常分析模型是基于神经网络所构建的智能校验模型，异常分析模型可由一个输入层、多个中间层及一个输出层组成，输入层与中间层之间、中间层与前后相邻的其他中间层之间、中间层与输出层之间均通过关联公式进行关联，例如某一关联公式可表示为y＝p
×
x q，p和q即为该关联公式中的参数值。输入层中包含的输入节点的数量与量化特征信息中包含的维度数量相等，则量化特征信息中的每一个量化特征值均与一个输入节点相对应，将每一量化特征信息依次输入异常分析模型进行智能校验，即可从其输出层获取校验输出信息，其中，校验输出信息即为输出节点的输出节点值，异常分析模型中包含两个输出节点，则与每一量化特征信息对应的校验输出信息中包含两个输出节点值，输出节点值即为量化特征信息与相应输出节点对应的概率值，第一个输出节点值为存在异常冲突的概率值，第二个输出节点值为不存在异常冲突的概率值，概率值可采用一个小数进行表示，取值范围为[0，1]。将每一量化特征信息分别输入异常分析模型即可获取相应的校验输出信息，校验输出信息中包含异常分析模型两个输出节点分别对应的概率值。
[0059]
s142、根据每一所述量化特征信息的校验输出信息获取对应的异常分析结果。
[0060]
根据量化特征信息的校验输出信息，确定其中概率值较大的输出节点作为相应异常分析结果。也即若第一个输出节点的概率值较大，则得到存在异常冲突的异常分析结果，若第二个输出节点的概率值较大，则得到不存在异常冲突的异常分析结果。
[0061]
在一实施例中，如图5所示，步骤s140之前还包括步骤s1401、s1402、s1403和s1404。
[0062]
s1401、从所述标准数据信息中随机抽取多个数据校验样本得到校验样本集合。
[0063]
在一实施例中，如图6所示，步骤s1401包括子步骤s14011和s14012。
[0064]
s14011、根据所述标准数据信息包含的维度数量，随机抽取与所述维度数量对应的多个所述标准数据信息中分别与一维度对应的多个维度信息；s14012、将所述多个维度信息进行组合得到一个数据校验样本。
[0065]
例如，若标准数据信息包含40个维度，则随机抽取40个标准数据信息，并从40个标准数据信息中分别获取一个维度对应的维度信息，则从40个标准数据信息中可分别获取得到40个维度信息，且40个维度信息对应的维度不重复，从而实现随机抽取与每一维度对应的多个维度信息组合得到一个数据校验样本，则数据校验样本的信息来自于随机抽取的多个标准数据信息。重复执行上述方法即可随机抽取得到多个数据校验样本，将所得到的多个数据校验样本进行组合即可得到校验样本集合，校验样本集合中所包含的数据校验样本的数量可小于标准数据信息的总数量
[0066]
s1402、根据预置的异常数据校验规则对所述校验样本集合中的每一数据校验样本分别进行异常校验得到每一所述数据校验样本的样本校验信息。
[0067]
可根据预置的异常数据校验规则对校验样本集合中的每一数据校验样本分别进行异常校验，得到数据校验样本是否存在异常冲突的样本校验信息。由于通过异常数据校验规则对数据校验样本进行异常校验的计算量较大，因此可对数据量较小的校验样本集合进行异常校验，并通过每一数据校验样本的样本校验信息对初始异常分析模型进行训练，并基于训练后的异常分析模型对标准数据信息进行异常分析，从而可大幅提高对标识数据信息进行异常分析的效率。
[0068]
s1403、根据所述提取规则从所述校验样本集合的每一所述数据校验样本中提取得到对应的样本特征信息。
[0069]
可根据上述提取规则从每一数据校验样本中提取得到对应的样本特征信息，提取样本特征信息的具体技术方法与从标准数据信息提取得到量化特征信息的技术方法相同。之后可根据模型训练规则、样本特征信息及样本校验信息对初始异常分析模型进行迭代训练，得到训练后的异常分析模型。其中，模型更新规则即为对初始异常分析模型中参数值进行训练更新的具体规则，模型更新规则包括损失值计算公式及梯度计算公式。
[0070]
s1404、根据预存的模型训练规则、所述样本特征信息及所述样本校验信息对初始异常分析模型进行迭代训练，得到训练后的异常分析模型。
[0071]
具体的，可将顺序获取一条样本特征信息输入初始异常分析模型以得到相应预测输出信息，则预测输出信息中包含异常分析模型两个输出节点分别对应的概率值。之后，根据可根据模型更新规则中的损失值计算公式对预测输出信息及该样本特征信息对应的样本校验信息进行计算得到损失值，并根据损失值及梯度计算公式计算得到异常分析模型中每一参数值的更新值，即可对异常分析模型进行一次更新，则根据一条样本特征信息及对应的样本校验信息即可对异常分析模型中所有参数的参数值进行一次更新，也即是完成对异常分析模型的一次训练更新。之后再获取下一条样本特征信息并重复上述训练过程，直至全部样本特征信息均用于对异常分析模型进行迭代更新，这一训练方法可称为梯度下降训练方法。
[0072]
s150、根据所述异常分析结果从所述新增数据信息中获取目标数据信息并存储至预置的临时数据库中。
[0073]
根据所述异常分析结果从所述新增数据信息中获取目标数据信息并存储至预置的临时数据库中。可根据新增数据信息的异常分析结果，从新增数据中获取对应的目标数据信息并进行存储，可将获取到的目标数据信息存储至管理服务器中预先配置的临时数据库中，临时数据库用于对目标数据信息进行临时存储。其中，临时数据库包括基础数据表及落地数据表。
[0074]
在一实施例中，如图7所示，步骤s150包括子步骤s151、s152、s153、s154和s155。
[0075]
s151、根据所述异常分析结果获取不存在异常冲突的所述新增数据信息作为目标数据信息。
[0076]
具体的，可对包含异常分析结果的新增数据信息进行判断，若新增数据信息的异常分析结果为存在异常冲突，则将该新增数据信息存储至异常清单中，若新增数据信息的异常分析结果为不存在异常冲突，则将该新增数据信息确定为目标数据信息。
[0077]
s152、从与每一所述目标数据信息中获取对应的基础数据存储至所述临时数据库的基础数据表中。
[0078]
可从目标数据信息中获取对应的基础数据并存储至临时数据库的基础数据表中，则从每一条目标数据信息中均可获取对应的一条基础数据，则基础数据表中仅存储有每一目标数据信息的部分信息。例如，对于医保报销数据而言，基础数据包括数据源地址信息、参保人基本信息、医保基本段结算日期、报销处理状态，其中数据源地址信息即为数据源终端的网络地址，参保人基本信息即为可确定参保人身份的基本信息，包括参保人证件类型、证件号码、姓名、性别、出生日期，医保基本段结算日期即为参保人医保进行定期结算的日期信息，报销处理状态即为参保人对应的一条新增数据信息的处理状态。
[0079]
s153、根据所述基础数据的主体信息判断同一主体是否对应多条基础数据；s154、若同一主体对应多条基础数据，对同一主体对应的多条基础数据进行排序整理。
[0080]
可基于基础数据的主体信息判断同一主体是否对应多条基础数据，若同一主体对应多条基础数据，则可对基础数据表中同一主体所对应的多条基础数据进行排序整理。
[0081]
例如，对于医保报销数据而言，主体信息即可以是基础数据中的参保人基本信息，若两条基础数据的参保人基本信息相同，则判定两条基础数据属于同一主体，也即该注意对应多条基础数据，若基础数据的参保人基本信息不与其它任意一条基础数据的参保人基本信息相同，则判断该基础数据的主体仅对应一条基础数据。若同一主体对应多条基础数据，则可根据多条基础数据中的医保基本段结算日期的大小对多条基础数据进行排序整理，医保基本结算日期较小的基础数据排序靠前，医保基本结算日期较大则排序靠后。若一个主体仅对应一条基础数据，则无需对该主体的基础数据进行排序整理。
[0082]
s155、根据所述基础数据表中基础数据的排序将与每一基础数据分别对应的目标数据信息顺序存储至临时数据库的落地数据表中。
[0083]
基础数据表中每一条基础数据均与一条目标数据信息相对应，则可根据基础数据表中基础数据的排序，分别获取每一条基础数据对应的目标数据信息并顺序存储至落地数据表中，则落地数据表中存储有每一目标数据信息的完整信息。
[0084]
s160、根据预置的分配规则根据所述临时数据库中的目标数据信息生成结算清单并分配至所述结算终端进行结算处理。
[0085]
根据预置的分配规则将所述临时数据库中的目标数据信息分配至所述结算终端，
以通过结算终端对目标数据信息进行结算处理。目标数据信息需要分配至结算终端才能够完成最终结算处理，则可通过分配规则将目标数据信息分配至相应结算终端进行结算处理，其中，所述分配规则包括出库条件及分配条件。
[0086]
在一实施例中，如图8所示，步骤s160包括子步骤s161、s162、s163和s164。
[0087]
s161、根据所述结算终端监控信息及所述分配条件为每一所述主体分配结算终端，并根据所分配的结算终端生成相应处理标识信息。
[0088]
结算终端在进行结算处理过程中状态时刻发生变化，则可通过管理服务器对每一结算终端进行实时监控从而获取对应的结算终端监控信息，具体的，结算终端监控信息中包括每一结算终端的使用状态信息及资源占用信息，使用状态信息即用于对结算终端是否可用进行记载的信息，资源占用信息即对结算终端中的各硬件资源占用情况进行记载的信息。可根据分配条件及结算终端监控信息为每一主体分配对应的结算终端，具体的，可获取使用状态信息为可用的全部结算终端作为备选结算终端，并根据分配条件获取当前资源占用信息占用最少的一个备选结算终端作为分配至当前主体的一个结算终端，获取分配至每一主体的结算终端对应的终端标识作为相应的处理标识信息。
[0089]
s162、将所述处理标识信息添加至所述基础数据表中与每一所述主体对应基础数据的存储位置。
[0090]
将为每一主体分配的处理标识信息添加至基础数据表中与相应主体对应的基础数据的存储位置，由于处理标识信息仅与主体相关联，则同一主体对应的基础数据的处理标识信息均相同。
[0091]
s163、依次判断所述落地数据表中同一主体的目标数据信息是符合所述出库条件。
[0092]
可依次判断落地数据表中同一主体的目标数据信息是否符合出库条件，出库条件即为对目标数据信息是否可出库进行判断的条件。具体的，出库条件可以是主体的多条目标数据信息是否重复、目标数据信息之间是否有冲突、总金额是否小于金额阈值等具体判断条件。
[0093]
s164、若同一主体的目标数据信息符合所述出库条件，根据所述目标数据信息生成结算清单，并发送至与所述目标数据信息中处理标识信息所对应的结算终端。
[0094]
若同一主体的目标数据信息符合出库条件，则根据将该主体对应的一条或多条目标数据信息生成结算清单，结算清单中包含与同一主体的多条目标数据信息所对应的具体结算信息，可将所生成的结算清单发送至该主体的目标数据信息中处理标识信息所对应的结算终端，以使结算终端对该结算清单进行自动化结算处理。若同一主体的目标数据信息不符合出库条件，则表明该主体的目标数据信息无法进行自动化结算处理，可将该主体的目标数据信息发送至人工处理终端进行人工审核结算处理。
[0095]
本技术中的技术方法可应用于智慧医疗等包含对数据信息进行智能化处理的场景中，从而推动智慧医疗的建设。
[0096]
在本发明实施例所提供的数据信息智能化处理方法中，到达数据采集时间点则从数据源终端获取新增数据信息，对新增数据信息进行标准化处理得到标准数据信息并从中提取得到对应的量化特征信息，根据异常分析模型对量化特征信息进行异常分析得到异常分析结果，从新增数据信息中获取目标数据信息存储至临时数据库并根据分配规则将临时
数据库中的目标数据信息分配至结算终端进行处理。通过上述方法，通过对新增数据信息进行异常分析并根据异常分析结果获取目标数据信息，将目标数据信息存储至临时数据库进行整理并分配至结算终端进行处理，从而大幅提高对数据进行处理的智能化程度，也即可提高对数据信息进行处理的效率。
[0097]
本发明实施例还提供一种数据信息智能化处理装置，该数据信息智能化处理装置用于执行前述的数据信息智能化处理方法的任一实施例，具体地，请参阅图9，图9为本发明实施例提供的数据信息智能化处理装置的示意性框图。
[0098]
如图9所示，数据信息智能化处理装置100包括新增数据信息获取单元110、标准化处理单元120、量化特征信息获取单元130、异常分析结果获取单元140、目标数据信息存储单元150和分配结算单元160。
[0099]
新增数据信息获取单元110，用于若到达预设的数据采集时间点，采集每一所述数据源终端存储的新增数据信息。
[0100]
标准化处理单元120，用于根据预置的标准化处理规则对所述新增数据信息进行标准化处理，得到与每一所述新增数据信息对应的标准数据信息。
[0101]
在一实施例中，所述标准化处理单元120包括子单元：维度信息判断单元，用于对每一所述新增数据信息中每一维度对应的维度信息是否均与所述标准模板相匹配进行判断；新增数据信息验证单元，用于若所述新增数据信息中包含的维度信息均与所述标准模板相匹配，根据所述标准维度集合验证所述新增数据信息中是否包含非标准维度信息；映射处理单元，用于若所述新增数据信息中包含非标准维度信息，根据所述字段映射规则及所述标准维度集合对所述非标准维度信息进行映射处理，得到与所述新增数据信息对应的标准数据信息。
[0102]
量化特征信息获取单元130，用于根据预置的提取规则从每一所述标准数据信息中提取得到对应的量化特征信息。
[0103]
异常分析结果获取单元140，用于根据预置的异常分析模型对每一所述量化特征信息进行异常分析，得到每一所述新增数据信息对应的异常分析结果。
[0104]
在一实施例中，所述异常分析结果获取单元140包括子单元：校验输出信息获取单元，用于将每一所述量化特征信息分别输入所述异常分析模型以获取与每一所述量化特征信息对应的校验输出信息；结果获取单元，用于根据每一所述量化特征信息的校验输出信息获取对应的异常分析结果。
[0105]
在一实施例中，所述数据信息智能化处理装置100还包括子单元：校验样本集合获取单元，用于从所述标准数据信息中随机抽取多个数据校验样本得到校验样本集合；样本校验信息获取单元，用于根据预置的异常数据校验规则对所述校验样本集合中的每一数据校验样本分别进行异常校验得到每一所述数据校验样本的样本校验信息；样本特征信息提取单元，用于根据所述提取规则从所述校验样本集合的每一所述数据校验样本中提取得到对应的样本特征信息；异常分析模型训练单元，用于根据预存的模型训练规则、所述样本特征信息及所述样本校验信息对初始异常分析模型进行迭代训练，得到训练后的异常分析模型。
[0106]
在一实施例中，所述校验样本集合获取单元包括子单元：维度信息抽取单元，用于根据所述标准数据信息包含的维度数量，随机抽取与所述维度数量对应的多个所述标准数
据信息中分别与一维度对应的多个维度信息；维度信息组合单元，用于将所述多个维度信息进行组合得到一个数据校验样本。
[0107]
目标数据信息存储单元150，用于根据所述异常分析结果从所述新增数据信息中获取目标数据信息并存储至预置的临时数据库中。
[0108]
在一实施例中，所述目标数据信息存储单元150包括子单元：目标数据信息获取单元，用于根据所述异常分析结果获取不存在异常冲突的所述新增数据信息作为目标数据信息；基础数据存储单元，用于从与每一所述目标数据信息中获取对应的基础数据存储至所述临时数据库的基础数据表中；主体信息判断单元，用于根据所述基础数据的主体信息判断同一主体是否对应多条基础数据；排序整理单元，用于若同一主体对应多条基础数据，对同一主体对应的多条基础数据进行排序整理；信息存储单元，用于根据所述基础数据表中基础数据的排序将与每一基础数据分别对应的目标数据信息顺序存储至临时数据库的落地数据表中。
[0109]
分配结算单元160，用于根据预置的分配规则根据所述临时数据库中的目标数据信息生成结算清单并分配至所述结算终端进行结算处理。
[0110]
在一实施例中，所述分配结算单元160包括子单元：处理标识信息生成单元，用于根据所述结算终端监控信息及所述分配条件为每一所述主体分配结算终端，并根据所分配的结算终端生成相应处理标识信息；处理标识信息添加单元，用于将所述处理标识信息添加至所述基础数据表中与每一所述主体对应基础数据的存储位置；出库条件判断单元，用于依次判断所述落地数据表中同一主体的目标数据信息是符合所述出库条件；结算清单分配单元，用于若同一主体的目标数据信息符合所述出库条件，根据所述目标数据信息生成结算清单，并发送至与所述目标数据信息中处理标识信息所对应的结算终端。
[0111]
在本发明实施例所提供的数据信息智能化处理装置应用上述数据信息智能化处理方法，到达数据采集时间点则从数据源终端获取新增数据信息，对新增数据信息进行标准化处理得到标准数据信息并从中提取得到对应的量化特征信息，根据异常分析模型对量化特征信息进行异常分析得到异常分析结果，从新增数据信息中获取目标数据信息存储至临时数据库并根据分配规则将临时数据库中的目标数据信息分配至结算终端进行处理。通过上述方法，通过对新增数据信息进行异常分析并根据异常分析结果获取目标数据信息，将目标数据信息存储至临时数据库进行整理并分配至结算终端进行处理，从而大幅提高对数据进行处理的智能化程度，也即可提高对数据信息进行处理的效率。
[0112]
上述数据信息智能化处理装置可以实现为计算机程序的形式，该计算机程序可以在如图10所示的计算机设备上运行。
[0113]
请参阅图10，图10是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行数据信息智能化处理方法以对数据信息进行智能化处理的管理服务器。
[0114]
参阅图10，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。
[0115]
该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行数据信息智能化处理方法，其中，存储介质503可以为易失性的存储介质或非易失性的存储介质。
[0116]
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
[0117]
该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行数据信息智能化处理方法。
[0118]
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图10中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0119]
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现上述的数据信息智能化处理方法中对应的功能。
[0120]
本领域技术人员可以理解，图10中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图10所示实施例一致，在此不再赘述。
[0121]
应当理解，在本发明实施例中，处理器502可以是中央处理单元(central processing unit，cpu)，该处理器502还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0122]
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为易失性或非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的数据信息智能化处理方法。
[0123]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0124]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
[0125]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个
网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
[0126]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0127]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0128]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。