基于医药制品监管模型的智能区域监控方法及系统

本发明涉及医药制品价格监管，具体涉及一种基于医药制品监管模型的智能区域监控方法、系统、计算机介质及计算机。

背景技术：

1、在医疗领域，医疗服务的成本一直是全球的关注焦点，随着医药制品的种类和价格的不断增长，为了控制医疗费用，通常会对医药制品的价格进行限制，即限制医药制品的最高售价。

2、目前，现有的医药制品的价格监管通常采用监管人员人工巡查、消费者投诉举报、监管人员随机抽检等方式，具体是：首先，人工巡查需要投入大量的人力物力，难以实现全面监测和监管；其次，消费者投诉举报需要消费者自行发现和举报问题，而且消费者可能因为各种原因对医药制品价格的了解不全面，导致未能及时发现和举报问题；再次，监管人员随机抽检方式，难以覆盖所有医药制品的销售情况；同时，由于不同时期医药制品的限制价格也不同，消费者往往对医药制品的价格缺乏真实客观的了解。

3、因此，目前亟需一种能够通过大数据与神经网络结合，对设定区域的医药制品价格进行动态监管，提高监管效率，进而有效减少医药制品价格失控的智能区域监控方法。

技术实现思路

1、为此，本发明的一种基于医药制品监管模型的智能区域监控方法、系统、计算机介质及计算机，能够对设定区域的医药制品缴费数据进行动态监控，分析消费者医药制品缴费结果，且与匹配的医药制品限价数据进行比对，进而判断消费者医药制品缴费是否超过限价范围，一旦发现医药制品价格存在异常，可以快速采集包含收款端数据的医药制品价格异常信息，以提供给相关监管终端，进而有效减少医药制品价格失控。

2、为解决上述技术问题，本发明提供了一种基于医药制品监管模型的智能区域监控方法，包括：

3、步骤s1：采用滑动窗口的方法生成训练集；

4、步骤s2：采用长短时记忆神经网络模型不断对训练集进行训练，获得修正后的医药制品缴费数据，包括：将滑动窗口方法生成的缴费数据进行预设处理形成医药制品相关数据，在相关数据中进行预设特征提取，将预设特征采用交叉验证的方法进行训练，获得修正后的医药制品缴费数据；

5、步骤s3：建立医药制品监管模型，对预设区域的消费者缴费数据进行判断，获取消费者医药制品缴费结果；

6、步骤s4：将消费者医药制品缴费结果与预设区域的医药制品限价数据进行比对，判断消费者医药制品缴费是否超过预设区域的医药制品限价范围；

7、步骤s5：若是，则采集消费者缴费数据包含的收款端数据，且同时向匹配的消费者缴费端反馈医药制品价格异常信息，若否，则返回步骤s3，重新对预设区域的消费者支付数据进行判断；

8、步骤s6：向预设区域的医药制品价格监管终端反馈包含有收款端数据的医药制品价格异常信息。

9、通过采用上述技术方案，能够快速地处理数据，进而更快地发现医药制品价格异常情况，还能够更准确地判断消费者医药制品缴费是否超过预设区域的医药制品限价范围，提高监管的准确性；通过对医药制品缴费数据的监管，能够及时发现医药制品价格异常情况，并向消费者反馈异常信息，保护消费者的利益，且通过对医药制品价格的监管，能够有效地维护市场秩序，防止医药制品价格失控，进而降低医疗服务成本。

10、作为本发明的一种优选方式，所述采用滑动窗口的方法生成训练集的方法为：

11、步骤s10：收集预设时间序列的缴费数据；

12、步骤s11：采用滑动窗口的方法将长度为的缴费数据按照长度为的进行时间窗口切割，生成训练集：

13、；

14、其中，为样本数量，且每个样本包含个输入特征和一个输出标签，表示时间窗口中的最后一个月的缴费数据。

15、通过采用上述技术方案，能够更加全面地收集数据，从而提高监管的可追溯性，有利于对于违规情况的调查和处理。

16、作为本发明的一种优选方式，对所述缴费数据进行预设处理的方法为：

17、步骤s20：采用数据清洗的方法对缴费数据进行处理：

18、；

19、其中，是原始数据中的第个样本，和是数据范围，是清洗后的数据，如果超出了数据范围，则将其设置为缺失值；

20、步骤s21：对数据清洗后的缴费数据进行数据规范化处理：

21、；

22、其中，是清洗后缴费数据中第个样本的第个特征，是规范化后的缴费数据，和分别是第个特征的最小值和最大值。

23、步骤s22：对数据规范化后的缴费数据进行特征提取：

24、；

25、其中，是提取出的第个特征，是特征提取函数，是清洗后的缴费数据的特征；

26、步骤s23：对提取的特征进行数据聚合，生成医药制品相关数据：

27、；

28、其中，是特征聚合后的医药制品相关数据，是聚合函数，是需要聚合的特征数据。

29、作为本发明的一种优选方式，对所述相关数据中进行预设特征提取的方法为：

30、步骤s24：提取医药制品相关数据中的医药制品价格、消费者医药制品支付金额特征：

31、；

32、其中，表示医药制品价格特征，表示消费者医药制品支付金额特征，、表示提取医药制品价格、消费者医药制品支付金额特征的综合函数，表示医药制品相关数据。

33、作为本发明的一种优选方式，将所述预设特征进行训练的方法为：

34、步骤s25：将提取的总特征随机分为份，其中，每份大小相同，且份作为训练集，剩下的1份作为测试集；

35、步骤s26：对于每个特征，分别在测试集上进行测试；

36、步骤s27：重复步骤s26，直至每份数据均被用作测试集一次，得到个准确率；

37、步骤s28：对于每个特征，将个准确率的平均值作为其交叉验证准确率：

38、；

39、其中，表示第次验证的准确率；

40、步骤s29：比较每个特征的交叉验证准确率，选择准确率最高的特征作为最终特征。

41、通过采用上述技术方案，既能够有效利用数据，减少数据浪费的问题，又能够评估模型的泛化能力，从而更好地了解模型的性能，还能够减小随机性带来的影响，提高模型的鲁棒性。

42、作为本发明的一种优选方式，所述建立医药制品监管模型的方法为：

43、步骤s30：将长短时记忆神经网络模型在测试集上进行评估，生成每个权重的敏感度得分：

44、；

45、其中，表示第个权重，是损失函数；

46、步骤s31：计算医药制品监管模型每个lstm层的敏感度得分的平均值，生成平均得分向量：

47、；

48、其中，是第层的所有权重的下标集合；

49、步骤s32：将平均得分向量进行升序排序，且计算每个得分与所有得分的比例，生成比例向量：

50、；

51、其中，是的第个元素；

52、步骤s33：根据剪枝比例计算待保留的权重数量：

53、；

54、其中，为剪枝比例；

55、步骤s34：根据比例向量和权重数量，选择得分最高的权重作为保留权重：

56、；

57、其中，是的第个最大值；

58、步骤s35：进行医药制品监管模型的模型剪枝，将以外的所有权重的值设置为0；

59、步骤s36：重复步骤s31-s35预设次数，生成优化后的长短时记忆神经网络模型，且将优化后的长短时记忆神经网络模型内置于预设区域的医药制品价格监管终端中，建立医药制品监管模型。

60、通过采用上述技术方案，能够减少长短时记忆神经网络模型的计算量和存储量，进而精简模型。

61、作为本发明的一种优选方式，在对预设区域的消费者缴费数据进行判断时，还包括以下步骤：

62、步骤s300：对预设区域的消费者缴费数据进行判断，同时，采集消费者缴费数据包含的收款端数据，进而获取预设时间区间的消费者医药制品缴费结果、收款端的收款数据；

63、步骤s301：判断消费者医药制品缴费结果与收款端的收款数据是否匹配；

64、步骤s302：若是，则返回步骤s300，重新对预设区域的消费者缴费数据进行判断，若否，则进一步判断消费者医药制品缴费结果是否高于收款端的收款数据；

65、步骤s303：若是，则向预设区域的医药制品价格监管终端反馈包含有收款端数据的医药制品价格异常信息，若否，则返回步骤s30，重新对预设区域的消费者缴费数据进行判断。

66、通过采用上述技术方案，能够识别消费者在购买医药制品时，售卖方利用其他非法手段或漏洞，替换消费者购买的医药制品的种类、数量，防止售卖方录入系统的医药制品数据与消费者购买的医药制品不符，或售卖方将虚假、过期的医药制品售卖给消费者，影响消费者健康及生命安全。

67、作为本发明的一种优选方式，在判断出消费者医药制品缴费结果高于收款端的收款数据后，还包括以下步骤：

68、步骤s304：判断消费者医药制品缴费结果是否低于收款端的收款数据；

69、步骤s305：若是，则获取收款端的历史收款数据，且采集历史收款数据中的现金收入数据，若否，则返回步骤s304，重新判断消费者医药制品缴费结果；

70、步骤s306：判断所述现金收入数据于历史收款数据中的占比是否超过预设值；

71、步骤s307：若是，则向预设区域的医药制品价格监管终端反馈包含有收款端数据的医药制品价格异常信息，若否，则返回步骤s34，重新判断消费者医药制品缴费结果。

72、通过采用上述技术方案，能够识别消费者在购买医药制品时，售卖方通过虚报价格手段提高医药制品的售价，然后利用现金收款、部分现金部分在线支付形式收款，防止对消费者造成经济损失，进而影响医药市场的正常运行。

73、本发明还提供一种计算机介质，所述计算机介质上存储有计算机程序，所述计算机程序被处理器执行实现所述的一种基于医药制品监管模型的智能区域监控方法。

74、本发明还提供一种基于医药制品监管模型的智能区域监控系统，包括：

75、数据处理模块，用于采用滑动窗口的方法生成训练，且采用长短时记忆神经网络模型不断对训练集进行训练，获得修正后的医药制品缴费数据，包括：将滑动窗口方法生成的缴费数据进行预设处理形成医药制品相关数据，在相关数据中进行预设特征提取，将预设特征采用交叉验证的方法进行训练，获得修正后的医药制品缴费数据；

76、监管模块，用于将优化后的长短时记忆神经网络模型内置于预设区域的医药制品价格监管终端中，建立医药制品监管模型；

77、限价处理模块，用于对预设区域的消费者缴费数据进行判断，获取消费者医药制品缴费结果；将消费者医药制品缴费结果与预设区域的医药制品限价数据进行比对，判断消费者医药制品缴费是否超过预设区域的医药制品限价范围；若是，则采集消费者缴费数据包含的收款端数据，且同时向匹配的消费者缴费端反馈医药制品价格异常信息，若否，则重新对预设区域的消费者支付数据进行判断；

78、异常反馈模块，用于向预设区域的医药制品价格监管终端反馈包含有收款端数据的医药制品价格异常信息。

79、本发明的上述技术方案相比现有技术具有以下优点：

80、1、本发明所述的一种基于医药制品监管模型的智能区域监控方法及系统，能够通过采用滑动窗口方法更加全面地收集数据，从而提高监管的可追溯性，有利于对于违规情况的调查和处理；且通过长短时记忆神经网络模型，既能够快速地处理数据，进而更快地发现医药制品价格异常情况，又能够更准确地判断消费者医药制品缴费是否超过预设区域的医药制品限价范围，提高监管的准确性；

81、2、通过对医药制品缴费数据的监管，能够及时发现医药制品价格异常情况，并向消费者反馈异常信息，保护消费者的利益，且通过对医药制品价格的监管，能够有效地维护市场秩序，防止医药制品价格失控，进而降低医疗服务成本；

82、3、能够识别消费者在购买医药制品时，售卖方利用其他非法手段或漏洞，替换消费者购买的医药制品的种类、数量，防止售卖方录入系统的医药制品数据与消费者购买的医药制品不符，或售卖方将虚假、过期的医药制品售卖给消费者，影响消费者健康及生命安全；

83、4、还能够识别消费者在购买医药制品时，售卖方通过虚报价格手段提高医药制品的售价，然后利用现金收款、部分现金部分在线支付形式收款，防止对消费者造成经济损失，进而影响医药市场的正常运行。