医保数据处理方法、装置、电子设备及存储介质与流程

技术特征：
1.一种医保数据处理方法，其特征在于，应用于信用评估系统的服务端，所述信用评估系统还包括与所述服务端连接的终端，所述方法包括：获取医疗机构的相关数据；将所述相关数据分别输入多个机器学习模型，得到各所述机器学习模型输出的所述医疗机构的失信概率；将各所述失信概率进行独热编码，得到各所述失信概率对应的特征数据；将各所述特征数据输入线性加权预测模型，得到信用评估结果，所述信用评估结果用于反映医疗机构违规操作医疗保险基金的风险程度；向所述终端发送所述信用评估结果。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于医疗机构的多个相关信息对所述医疗机构的信用评估结果的影响程度，对所述多个相关信息进行筛选，得到目标信息，所述相关数据为所述医疗机构的所述目标信息的数据。3.根据权利要求2所述的方法，其特征在于，所述基于医疗机构的多个相关信息对所述医疗机构的信用评估结果的影响程度，对所述多个相关信息进行筛选，得到目标信息，包括：获取多个医疗机构的信用标签的数据以及所述多个相关信息的数据，所述信用标签的数据包括：失信标签数据或者未失信标签数据；根据所述信用标签的数据以及所述多个相关信息的数据，对各所述相关信息与所述信用标签进行相关性分析；根据相关性分析结果对所述多个相关信息进行筛选，得到目标信息。4.根据权利要求3所述的方法，其特征在于，所述基于医疗机构的多个相关信息对所述医疗机构的信用评估结果的影响程度，对所述多个相关信息进行筛选，得到目标信息，还包括：根据所述信用标签的数据以及所述多个相关信息的数据，计算各所述相关信息的iv值；所述根据相关性分析结果对所述多个相关信息进行筛选，得到目标信息，包括：根据相关性分析结果以及各所述相关信息的iv值，对所述多个相关信息进行筛选得到目标信息。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：采用多个样本数据、各所述样本数据对应的样本标签以及目标损失函数训练逻辑回归lr模型，得到所述线性加权预测模型，其中，所述样本数据包括医疗机构的相关数据，所述样本标签用于反映医疗机构的信用类型属于失信类型或者未失信类型，所述信用评估结果包括：失信类型或者未失信类型，所述目标损失函数满足：其中，j
(θ)
为损失值，m为所述样本数据的个数，y
i
为第i个所述样本数据对应的样本标签所反映的信用类型，1-h
θ
(x
(i)
)为所述线性加权预测模型输出的第i个所述样本数据的信用类型。
6.根据权利要求1所述的方法，其特征在于，所述信用评估结果包括：所述医疗机构的目标失信概率；所述方法还包括：确定所述目标失信概率对应的目标评分所属的目标预设评分区间，所述目标失信概率与所述目标评分呈正比；将所述目标预设评分区间对应的信用评分等级，作为所述医疗机构的信用评分等级。7.根据权利要求1所述的方法，其特征在于，所述多个机器学习模型包括以下至少两个：lightgbm模型、catboost模型、xgboost模型。8.一种医保数据处理装置，其特征在于，应用于信用评估系统的服务端，所述信用评估系统还包括与所述服务端连接的终端，所述装置包括：获取模块，用于获取医疗机构的相关数据；第一输入模块，用于将所述相关数据分别输入多个机器学习模型，得到各所述机器学习模型输出的所述医疗机构的失信概率；编码模块，用于将各所述失信概率进行独热编码，得到各所述失信概率对应的特征数据；第二输入模块，用于将各所述特征数据输入线性加权预测模型，得到信用评估结果，所述信用评估结果用于反映医疗机构违规操作医疗保险基金的风险程度；发送模块，用于向所述终端发送所述信用评估结果。9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1至7任一所述的方法步骤。10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的方法。

技术总结
本发明实施例提供了一种医保数据处理方法、装置、电子设备及存储介质，属于互联网技术领域。应用于信用评估系统的服务端，所述信用评估系统还包括与所述服务端连接的终端，方法包括：获取医疗机构的相关数据；将所述相关数据分别输入多个机器学习模型，得到各所述机器学习模型输出的所述医疗机构的失信概率；将各所述失信概率进行独热编码，得到各所述失信概率对应的特征数据；将各所述特征数据输入线性加权预测模型，得到信用评估结果，所述信用评估结果用于反映医疗机构违规操作医疗保险基金的风险程度，向所述终端发送所述信用评估结果。本发明实现了一种高准确率的医保数据处理方法。方法。方法。


技术研发人员：张舒
受保护的技术使用者：泰康养老保险股份有限公司
技术研发日：2021.09.24
技术公布日：2022/1/28