社保违规检测方法、装置、设备及计算机存储介质与流程

本发明社保监控技术领域，尤其涉及一种社保违规检测、装置、设备及计算机存储介质。

背景技术：

医疗保险一般指基本医疗保险，是为了补偿劳动者因疾病风险造成的经济损失而建立的一项社会保险制度。通过用人单位与个人缴费，建立医疗保险基金，参保人员患病就诊发生医疗费用后，由医疗保险机构对其给予一定的经济补偿。参保人在定点医疗机构对诊疗服务进行结算时，对自费诊疗项目或者自费药品等自费项目，不能将其串换成社保付费或药品等社保付费项目以达到骗取社保费用的目的，若发现将自费项目串换成社保付费项目，则认为为违规社保操作，是医保禁止的违规行为，会给医保基金带来极大的危害。

目前，对于将自费项目串换成社保付费项目的违规社保操作，由配备的监管人员对参保人员的社保行为进行监控，对医保结算单据进行核算，管理门诊统筹基金的支出，但是，人工监管造成人力浪费，并且我国参保人员很多，造成监管人员不够，从而让不法分子有机可乘，造成门诊统筹基金的浪费。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种社保违规检测、装置、设备及计算机存储介质，旨在解决现有技术中人工监管造成人力浪费及门诊统筹基金浪费的技术问题。

为实现上述目的，本发明提供一种社保违规检测方法，所述社保违规检测方法包括以下步骤：

获取参保人通过社保卡结算接诊费用的就诊数据；

将所述就诊数据输入偏差检测模型，通过偏差检测模型确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目；

若就诊数据中存在由自费项目串换得到的社保付费项目，则确定所述就诊数据异常，并提取所述就诊数据中的异常数据，以提供对参保人或医疗机构进行处罚的处罚证明。

可选地，所述将所述就诊数据输入偏差检测模型，通过偏差检测模型确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目的步骤包括：

将所述就诊数据输入偏差检测模型，通过偏差检测模型中的数据清洗模型对就诊数据进行清洗，以得到清洗后的规范就诊数据；

对所述规范就诊数据构造文本特征，以得到词向量，并通过偏差检测模型中的双向rnn子模型将词向量转化为句子向量矩阵；

基于所述句子向量矩阵进行注意力机制操作，以得到标准数据；

基于偏差检测模型中的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目。

可选地，所述基于偏差检测模型中的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目的步骤包括：

基于所述标准数据中的医保标识对所述标准数据中社保付费项目的药物信息或诊疗项目信息进行分类；

将分类结果与预设标准分类目录进行对比，确定分类结果是否与预设标准分类目录匹配；

若分类结果与预设标准分类目录不匹配，则确定所述就诊数据中存在由自费项目串换得到的社保付费项目。

可选地，所述基于偏差检测模型中的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目的步骤包括：

基于预存的病种与药物或诊疗项目的关联信息确定所述标准数据中社保付费项目的药物或诊疗项目的适用病种信息；

将所述适用病种信息与参保人申请的病种信息进行对比，确定所述适用病种信息与参保人申请的病种信息是否匹配；

若所述适用病种信息与参保人申请的病种信息不匹配，则确定所述就诊数据中存在由自费项目串换得到的社保付费项目。

可选地，所述若就诊数据中存在由自费项目串换得到的社保付费项目，则确定所述就诊数据异常，并提取所述就诊数据中的异常数据，以提供对参保人或医疗机构进行处罚的处罚证明的步骤之后包括：

根据预设处罚规则和所述异常数据生成处罚明细信息；

根据所述处罚明细信息发送处罚通知至参保人或医疗机构的终端并对参保人或医疗机构进行处罚。

可选地，所述根据预设处罚规则和所述异常数据生成处罚明细信息的步骤包括：

根据所述预设处罚规则定时根据所述异常数据统计参保人或医疗机构将自费项目串换成社保付费项目的违规次数或者违规金额，获得对应的统计结果；

基于违规次数或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级；

基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息；

基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。

可选地，所述异常检测算法包括嵌套循环异常检测算法。

此外，为实现上述目的，本发明还提供一种社保违规检测装置，所述社保违规检测装置包括：

获取模块，用于获取参保人通过社保卡结算接诊费用的就诊数据；

检测模块，用于将所述就诊数据输入偏差检测模型，通过偏差检测模型确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目；

提取模块，用于若就诊数据中存在由自费项目串换得到的社保付费项目，则确定所述就诊数据异常，并提取所述就诊数据中的异常数据，以提供对参保人或医疗机构进行处罚的处罚证明。

此外，为实现上述目的，本发明还提供一种社保违规检测设备，所述社保违规检测设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的社保违规检测程序，其中所述社保违规检测程序被所述处理器执行时，实现如上述的社保违规检测方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有社保违规检测程序，其中所述社保违规检测程序被处理器执行时，实现如上述的社保违规检测方法的步骤。

本发明提供一种社保违规检测方法、装置、设备及计算机可读存储介质，本发明通过获取参保人通过社保卡结算接诊费用的就诊数据；将所述就诊数据输入偏差检测模型，通过偏差检测模型确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目；若就诊数据中存在由自费项目串换得到的社保付费项目，则确定所述就诊数据异常，并提取所述就诊数据中的异常数据，以提供对参保人或医疗机构进行处罚的处罚证明。通过上述方式，实现了通过偏差检测模型对参保人通过社保卡结算的就诊数据进行监管，从而避免了人工监管造成的人力浪费及门诊统筹基金的浪费，提高了对门诊统筹基金的监管效率。

附图说明

图1为本发明各实施例涉及的社保违规检测设备的硬件结构示意图；

图2为本发明社保违规检测方法第一实施例的流程示意图；

图3为本发明社保违规检测方法第二实施例的流程示意图；

图4为本发明社保违规检测方法第三实施例的流程示意图；

图5为本发明社保违规检测方法第四实施例的流程示意图；

图6为本发明社保违规检测方法第五实施例的流程示意图；

图7为本发明社保违规检测方法第六实施例的流程示意图；

图8为本发明社保违规检测装置第一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例涉及的社保违规检测方法主要应用于社保违规检测设备，该社保违规检测设备可以是pc(个人计算机personalcomputer)、便携计算机、移动终端等具有显示和处理功能的设备。

参照图1，图1为本发明实施例方案中涉及的社保违规检测设备的硬件结构示意图。本发明实施例中，社保违规检测设备可以包括处理器1001(例如中央处理器centralprocessingunit、cpu)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)；存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，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。

继续参照图1，图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及社保违规检测程序。在图1中，网络通信模块主要用于连接服务器，与服务器进行数据通信；而处理器1001可以调用存储器1005中存储的社保违规检测程序，并执行本发明实施例提供的社保违规检测方法。

本发明进一步提供一种社保违规检测方法。参照图2，图2为本发明社保违规检测方法第一实施例的方法示意图。

目前，对于将自费项目串换成社保付费项目的违规社保操作，由配备的监管人员对参保人员的社保行为进行监控，对医保结算单据进行核算，管理门诊统筹基金的支出，但是，人工监管造成人力浪费，并且我国参保人员很多，造成监管人员不够，从而让不法分子有机可乘，造成门诊统筹基金的浪费。

在本实施例中，该社保违规检测方法包括：

步骤s10，获取参保人通过社保卡结算接诊费用的就诊数据；

在本实施例中，参保人员在定点医疗机构(例如，医院、药店)使用社保卡进行结算时，可以通过定点医疗机构的终端设备将就诊数据发送至人社核心系统，人社核心系统接收终端设备发送的就诊数据，以对就诊数据进行社保违规检测，其中，就诊/购药明细数据包括参保人信息、就诊/购药单位信息、药品标识信息、诊疗项目信息以及医保标识等信息的数据。其中，参保人信息可以是参保人姓名或医保号等信息；就诊单位信息可以是医疗机构的标识编码信息；诊疗项目信息可以包括放射费、麻醉费、输血费或输氧费等可以使用医保报销的项目，还可以包括洗牙、做冠、镶牙或义齿等自费项目；医保标识指的是医生或者相关工作人员在就诊明细数据/购药明细数据中对药物或诊疗项目添加的医保标识，可以包括：甲类药物、乙类药物、非医保药物、甲类诊疗项目、乙类诊疗项目或非医保诊疗项目，医保标识用于标识药物或者诊疗项目是否申请医保结算报销或申请的医保结算报销的类型。

步骤s20，将所述就诊数据输入偏差检测模型，通过偏差检测模型确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目；

在本实施例中，该偏差检测模型可以利用聚类、序列异常、最近邻居法、多维数据分析等对就诊数据进行分析，通过偏差检测模型能够检测就诊数据中是否存在由自费项目串换得到的社保付费项目，具体地，首先通过偏差检测模型对获取到的就诊数据进行标准化匹配，对医生出具诊断信息、药品信息、病种信息匹配到相应的标准化字段中。就诊数据中存在一些不必要的数据或者不规范的数据，对不规范的字段，在既表示词本身又可以考虑语义距离的要求下，利用偏差检测模型中的rnn子模型分析更长更复杂的文本内容，如诊疗数据、药品数据、疾病数据等对于第一就诊数据进行清洗，例如进行分词处理，例如，一条中文句子，词语之间都是连续的，而数据分析的最小单位粒度是词语，所以需要进行分词处理，而对于英文文本的句子，英文的句子的最小单位是词语，词语之间由空格隔开的，同时，需要对词性进行标注，例如，名词、从词、形容词、数量词等，词性标注的目的是为了让句子在后面的处理中融入更多的有用的语言信息，当然，对于有些文本处理任务，可以不用词性标注。进一步地，还可以去除停用词，停用词就是对文本特征没有任贡献作用的词语，比如，啊、的、标点符号等，在进行文本分析时需要对这些停用词去除掉，当然，对于不同的应用可以在预设模型中设置参数去除规定词性的词语。在标准化匹配完成获得标准数据后，基于异常检测算法对就诊数据中是否存在由自费项目串换得到的社保付费项目。在本实施例中，就诊数据中包括参保人的治疗过程中用药的药物项目和诊疗项目等治疗服务项目，就诊数据中的一种药物或一个诊疗项目对应着一个治疗服务项目，一般来说，就诊数据中包括多个治疗服务项目。治疗服务项目可分为自费项目和社保付费项目。其中，自费项目指的是由社保不予参保人进行报销的治疗服务项目。社保付费项目指的是社保给予参保人部分费用报销的治疗服务项目。由自费项目串换得到的社保付费项目指的是基于预设标准，例如三目录，为自费项目，医疗机构终端上传的数据中将其归类为社保付费项目的治疗服务项目，即医疗机构在就诊数据中将自费项目串换成社保付费项目的服务项目。在本实施例中，医疗机构终端设备基于医疗机构相关工作人员操作对药物或者诊疗项目添加的自费项目标识或社保付费项目标识。人社核心系统接收到就诊数据，对就诊数据基于上述标准化匹配方法获得标准数据后，从标准数据中提取携带社保付费项目标识的就诊数据，包括药物或者诊疗项目的名称信息以及对应的报销费用信息。在本社保付费项目标识可以包括甲类药物、乙类药物、甲类诊疗项目、乙类诊疗项目等不同类型的标识。人社核心系统在基于提取的社保付费项目标识对各个社保付费项目进行分类，分类的类别可以包括甲类药物、乙类药物、甲类诊疗项目、乙类诊疗项目等。然后将分类结果与三目录等标准分类表进行对比，确定各个药物或者诊疗项目的分类结果与三目录是否匹配，若某个药物或者诊疗项目分类结果与三目录的分类结果不匹配，则确定该药物或者诊疗项目为由自费项目串换得到的社保付费项目，将药物或者诊疗项目的名称信息、诊疗数量或者涉及金额作为违规异常数据。具体地，若在分类结果中，将洗牙这一项目分类到乙类诊疗项目，而在三目录的乙类诊疗项目中不存在洗牙项目，则就诊数据中的洗牙项目为由自费项目串换得到的社保付费项目，涉及金额等相关数据为异常数据。当然，在本实施例中，也可以将携带社保付费标识的药物或者诊疗项目的适用病种与参保人申请报销的病种信息进行对比，确定两者是否匹配，若不匹配，则确定对应的药物或诊疗项目为由自费项目串换得到的社保付费项目。

步骤s30，若就诊数据中存在由自费项目串换得到的社保付费项目，则确定所述就诊数据异常，并提取所述就诊数据中的异常数据，以提供对参保人或医疗机构进行处罚的处罚证明。

在确定就诊数据中存在由自费项目串换得到的社保付费项目时，则将上述分类结果与三目录不匹配的药物或者诊疗项目，或者适用病种与参保人申请的病种信息不匹配的药物或者诊疗项目，作为被串换的异常项目，提取异常项目的名称以及异常项目的数量、药物用量或涉及的金额等相关异常数据，并根据异常数据生成处罚证明，该处罚证明包括处罚对象的名称、处罚措施、处罚原因、处罚机构、处罚时间等。该异常数据可以用来对作为参保人或医疗机构利用社保卡违规操作的证据。

本实施例提出的社保违规检测方法，获取参保人通过社保卡结算接诊费用的就诊数据；将所述就诊数据输入偏差检测模型，通过偏差检测模型确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目；若就诊数据中存在由自费项目串换得到的社保付费项目，则确定所述就诊数据异常，并提取所述就诊数据中的异常数据，以提供对参保人或医疗机构进行处罚的处罚证明。通过上述方式，实现了通过偏差检测模型对参保人通过社保卡结算的就诊数据进行监管，从而避免了人工监管造成的人力浪费及门诊统筹基金的浪费，提高了对门诊统筹基金的监管效率。

基于上述实施例，提出本发明社保违规检测方法的第二实施例，参照图,3，本实施例中，步骤s20包括：

步骤s40，将所述就诊数据输入偏差检测模型，通过偏差检测模型中的数据清洗模型对就诊数据进行清洗，以得到清洗后的规范就诊数据；

基于上述实施例，在本实施例中，在本实施例中，该偏差检测模型可以利用聚类、序列异常、最近邻居法、多维数据分析等对就诊数据进行分析，通过偏差检测模型能够检测就诊数据中的药品中是否由自费项目串换得到的社保付费项目，具体地，首先通过偏差检测模型对获取到的就诊数据进行清洗，清洗是指对就诊数据中的文本数据进行分词处理，就诊数据中存在一些不必要的数据或者不规范的数据，在既表示词本身又可以考虑语义距离的要求下，利用偏差检测模型中的rnn子模型分析更长更复杂的文本内容，对于就诊数据进行分词处理，例如，一条中文句子，词语之间都是连续的，而数据分析的最小单位粒度是词语，所以需要进行分词处理，而对于英文文本的句子，英文的句子的最小单位是词语，词语之间由空格隔开的，同时，需要对词性进行标注，例如，名词、从词、形容词、数量词等，词性标注的目的是为了让句子在后面的处理中融入更多的有用的语言信息，当然，对于有些文本处理任务，可以不用词性标注。

进一步地，还可以去除停用词，停用词就是对文本特征没有任贡献作用的词语，比如，啊、的、标点符号等，在进行文本分析时需要对这些停用词去除掉，当然，对于不同的应用可以在偏差检测模型中设置参数去除规定词性的词语。

步骤s50，对所述规范就诊数据构造文本特征，以得到词向量，并通过偏差检测模型中的双向rnn子模型将词向量转化为句子向量矩阵；

在本实施例中，对就诊数据进行清洗操作后，对清洗后的就诊数据构造文本特征，将文本用一个向量的序列表示，将词语用词向量表示，通过正向计算及逆向计算拼接得到完整的词向量，得到词向量的序列，然后使用双向rnn模型将词向量编码(转化)为一个句子向量矩阵，对句子向量矩阵进行注意力机制，得到最终的标准数据。

步骤s60，基于所述句子向量矩阵进行注意力机制操作，以得到标准数据；

在本实施例中，对句子向量矩阵进行注意力机制，将上述步骤的句子向量矩阵压缩为一个向量表示，送入标准的前馈神经网络进行预测，输入一个矩阵，输出一个向量，从输入内容中提取一个上下文向量，该机制的上下文向量是被当作模型的参数学习得到。这使得注意机制变成一个纯粹的压缩操作，可以替换任何的池化步骤。文本内容被压缩成一个向量之后，得到最终的标准数据，例如，一种类别标签、一个实数值等。

步骤s70，基于偏差检测模型中的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目，其中，所述异常检测算法包括嵌套循环异常检测算法。

本实施例的异常检测算指的是基于对标准数据的检测确定就诊数据中是否存在由自费项目串换得到的社保付费项目，异常检测算法包括嵌套循环异常检测算法。嵌套循环异常检测算法指的是基于嵌套循环检测算法和预设检测规则对标准数据进行检测，确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目的预设算法。基于上述实施例，在本实施例中，预设规则包括通过对社保项目标识与三目录进行对比匹配以及将药物或者就诊项目的适用病种与参保人申请的病种进行对比匹配等方法确定是否存在由自费项目串换得到的社保付费项目的规则。相对于基于索引的异常检测算法，嵌套循环异常检测算法避免了索引结构的构建，试图最小化i/o的次数。它把内存的缓冲空间分为两半，把数据集合分为若干个逻辑块。通过精心选择逻辑块装入每个缓冲区域的顺序，i/o效率能够改善。

在本实施例中，将所述就诊数据输入偏差检测模型，通过偏差检测模型中的数据清洗模型对就诊数据进行清洗，以得到清洗后的规范就诊数据；对所述规范就诊数据构造文本特征，以得到词向量，并通过偏差检测模型中的双向rnn子模型将词向量转化为句子向量矩阵；基于所述句子向量矩阵进行注意力机制操作，以得到标准数据；基于偏差检测模型中的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目。通过上述方式，实现了通过偏差检测模型将第一就诊数据转化为标准数据，从而有利于异常数据的检测，进而提高异常数据检测的正确性。

基于上述实施例，提出本发明社保违规检测方法的第三实施例，参照图4，本实施例中，步骤s70包括：

步骤s80，基于所述标准数据中的医保标识对所述标准数据中社保付费项目的药物信息或诊疗项目信息进行分类；

基于上述实施例，在本实施例中，就诊数据中包括参保人的治疗过程中用药的药物项目和诊疗项目等治疗服务项目，就诊数据中的一种药物或一个诊疗项目对应着一个治疗服务项目，一般来说，就诊数据中包括多个治疗服务项目。治疗服务项目可分为自费项目和社保付费项目。其中，自费项目指的是由社保不予参保人进行报销的治疗服务项目。社保付费项目指的是社保给予参保人部分费用报销的治疗服务项目。由自费项目串换得到的社保付费项目指的是基于预设标准，例如三目录，为自费项目，医疗机构终端上传的数据中将其归类为社保付费项目的治疗服务项目，即医疗机构在就诊数据中将自费项目串换成社保付费项目的服务项目。在本实施例中，医疗机构终端设备基于医疗机构相关工作人员操作对药物或者诊疗项目添加的自费项目标识或社保付费项目标识。人社核心系统接收到就诊数据，对就诊数据基于上述标准化匹配方法获得标准数据后，从标准数据中提取携带社保付费项目标识的就诊数据，包括药物或者诊疗项目的名称信息以及对应的报销费用信息。在本社保付费项目标识可以包括甲类药物、乙类药物、甲类诊疗项目、乙类诊疗项目等不同类型的标识。人社核心系统在基于提取的社保付费项目标识对各个社保付费项目进行分类，分类的类别可以包括甲类药物、乙类药物、甲类诊疗项目、乙类诊疗项目等。

步骤s90，将分类结果与预设标准分类目录进行对比，确定分类结果是否与预设标准分类目录匹配；

本实施例中的预设标准分类目录为社保报销标准目录，包括可报销的药物或者诊疗项目的名称信息以及各个名称信息所属的社保类型，具体的，预设标准分类目录可以为各地区的三目录。然后将分类结果与三目录等标准分类表进行对比，确定各个药物或者诊疗项目的分类结果与三目录是否匹配。在将药物或者诊疗项目的分类结果匹配的过程中，对于特定药物，判断三目录中是否存在该药物的名称信息，若三目录中不存在该名称信息则确定该药物的分类结果与三目录不匹配；若三目录中存在该药物的名称信息，则确定该名称信息对应的等级是否与分类结果的等级信息一致，即是否同为甲等或乙等，若不一致，则确定该药物的分类结果与三目录不匹配。若等级信息一致。

步骤s100，若分类结果与预设标准分类目录不匹配，则确定所述就诊数据中存在由自费项目串换得到的社保付费项目。

若某个药物或者诊疗项目分类结果与三目录的分类结果不匹配，则确定该药物或者诊疗项目为由自费项目串换得到的社保付费项目，即可确定就诊数据中存在由自费项目串换得到的社保付费项目。将药物或者诊疗项目的名称信息、诊疗数量或者涉及金额作为违规异常数据。具体地，若在分类结果中，将洗牙这一项目分类到乙类诊疗项目，而在三目录的乙类诊疗项目中不存在洗牙项目，则就诊数据中的洗牙项目为由自费项目串换得到的社保付费项目，涉及金额等相关数据为异常数据。

在本实施例中，基于所述标准数据中的医保标识对所述标准数据中社保付费项目的药物信息或诊疗项目信息进行分类；将分类结果与预设标准分类目录进行对比，确定分类结果是否与预设标准分类目录匹配；若分类结果与预设标准分类目录不匹配，则确定所述就诊数据中存在由自费项目串换得到的社保付费项目。通过上述方式，实现基于药物或诊疗项目信息的分类结果与预设标准分类目录的匹配结果确定就诊数据中是否存在由自费项目串换得到的社保付费项目。

基于上述实施例，提出本发明社保违规检测方法的第四实施例，参照图5，本实施例中，步骤s70包括：

步骤s110，基于预存的病种与药物或诊疗项目的关联信息确定所述标准数据中社保付费项目的药物或诊疗项目的适用病种信息；

基于上述实施例，在本实施例中，适用病种信息指的是药物或诊疗项目起到治疗作用的病种信息。在本实施例中，可以预先将各个药物或者诊疗项目的信息与药物或者诊疗项目起到治疗作用的病种信息进行关联，生成病种与药物或者诊疗项目的关联信息，并将关联信息存储在预设位置。在进行异常检测的过程中，根据上述预设位置的关联信息确定就诊数据中各个药物或者诊疗项目对应关联的病种信息，将关联的病种信息作为药物或诊疗项目的适用病种信息。

步骤s120，将所述适用病种信息与参保人申请的病种信息进行对比，确定所述适用病种信息与参保人申请的病种信息是否匹配；

在本实施例中，可以从就诊数据中提取参保人的参保帐号等身份信息，基于参保人的身份信息提取参保人申请的病种信息。参保人申请的病种信息指的是参保人申请的社保报销病种信息。在确定各个药物或者诊疗项目的适用病种信息后，将适用病种信息与参保人申请的病种信息进行对比，确定两者是否匹配，从而确定适用病种是否属于参保人申请的病种。

步骤s130，若所述适用病种信息与参保人申请的病种信息不匹配，则确定所述就诊数据中存在由自费项目串换得到的社保付费项目。

若适用病种信息与参保人申请的病种信息并不匹配，则说明该药物或者诊疗项目的适用病种并非参保人申请的病种，该药物或者诊疗项目不属于社保付费项目，而是由自费项目串换得到的社保付费项目。

在本实施例中，基于预存的病种与药物或诊疗项目的关联信息确定所述标准数据中社保付费项目的药物或诊疗项目的适用病种信息；将所述适用病种信息与参保人申请的病种信息进行对比，确定所述适用病种信息与参保人申请的病种信息是否匹配；若所述适用病种信息与参保人申请的病种信息不匹配，则确定所述就诊数据中存在由自费项目串换得到的社保付费项目。通过上述方式，实现基于药物或者诊疗项目的适用病种信息与参保人申请的病种信息的匹配结果确定就诊数据中是否存在由自费项目串换得到的社保付费项目。

基于上述实施例，提出本发明社保违规检测方法的第五实施例，参照图6，本实施例中，步骤s30之后包括：

步骤s140，根据预设处罚规则和所述异常数据生成处罚明细信息；

在本实施例中，若检测到就诊数据中存在异常数据，则在数据库中查找预设处罚规则，并根据该处罚规则及异常数据生成处罚明细信息，该处罚规则由技术人员进行设定，处罚明细信息包括异常数据信息，基于异常数据的处罚措施信息等信息，还可以包括处罚对象的名称、处罚原因、处罚机构、处罚时间等。

步骤s150，根据所述处罚明细信息发送处罚通知至参保人或医疗机构的终端并对参保人或医疗机构进行处罚。

在本实施例中，可以将处罚明细信息作为处罚通知信息发送至参保人或医疗机构的终端设备，即各个医疗机构的终端设备。人社核心系统将处罚通知发送至移动终端，并自动对参保人或医疗机构进行处罚，其中，也可以统计参保人预设时间段违规操作的次数，确定惩罚措施的程度，例如，警告、罚款等，或者，在检测到参保人或医疗机构有违规的预行为时，可以进行相关提示，预行为是指根据参保人的购买药物的行为分析预测下次参保人购买药物将达到违规操作，提示方法可以是短信电话通知或者微信消息提示等。

在本实施例中，根据预设处罚规则和所述异常数据生成处罚明细信息；根据所述处罚明细信息发送处罚通知至参保人或医疗机构的终端并对参保人或医疗机构进行处罚。通过上述方式，实现基于违规数据对医疗机构进行处罚，以对医疗机构的违规操作进行管控，减少违规现象的发生。

基于第六实施例，提出本发明社保违规检测方法的第七实施例，参照图8，本实施例中，步骤s140包括：

步骤s160，根据所述预设处罚规则定时根据所述异常数据统计参保人或医疗机构将自费项目串换成社保付费项目的违规次数或者违规金额，获得对应的统计结果；

在本实施例中，人社核心系统可以根据获取参保人或医疗机构的历史就诊数据，并根据参保人或医疗机构的历史就诊数据统计参保人或医疗机构的将自费项目串换成社保付费项目的历史违规次数或违规金额，本实施例的违规金额可以是将自费项目串换成社保付费项目的社保付费项目的统计金额。

步骤s170，基于违规次数或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级；

在处罚规则中不同的违规次数或违规金额对应不同的处罚等级，所以，首先确定参保人或医疗机构历史违规次数在该处罚规则中所对应的次数或违规金额范围，以根据该次数范围确定参保人或医疗机构的违规等级。

步骤s180，基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息；

在本实施例中，历史违规次数处于不同的次数范围时，对应的违规等级不同，根据处罚规则确定历史违规次数所在的次数范围，并确定次数范围对应的处罚措施，例如，该处罚等级可以划分为第一等级、第二等级、第三等级等，第一等级对应处罚措施可以是警告提示，第二等级对应的处罚措施可以是进行一定金额罚款，第三等级对应的处罚措施可以是注销医保卡等，当然，可以根据参保人或医疗机构的历史违规次数所在不同的次数范围对参保人或医疗机构进行不同金额的罚款。

步骤s190，基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。

确定当前处罚措施信息后，将异常数据作为处罚措施信息的处罚证明，基于处罚措施信息和异常数据信息生成处罚明细信息。其中，处罚明细信息中包括对参保人或医疗机构的具体处罚措施信息，例如扣款金额，处罚明细信息还包括被串换为社保付费项目的药物或者诊疗项目的名称信息、药物或者诊疗项目的数量或者涉及金额信息，还可以包括相关的处罚规定或者处罚措施信息的确定方式等信息。

在本实施例中，根据所述预设处罚规则定时根据所述异常数据统计参保人或医疗机构将自费项目串换成社保付费项目的违规次数或者违规金额，获得对应的统计结果；基于违规次数或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级；基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息；基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。通过上述方式，实现了根据参保人或医疗击鼓欧的历史违规次数对参保人或医疗机构进行不同的处罚措施，从而自动进行处罚，提高了对门诊统筹基金的监管效率。

此外，本发明实施例还提供一种社保违规检测装置。

参照图8，图8为本发明社保违规检测装置第一实施例的功能模块示意图。

本发明社保违规检测装置为虚拟装置，存储于图1所示社保违规检测设备的存储器1005中，用于实现社保违规检测程序的所有功能：获取参保人通过社保卡结算就诊费用的就诊数据；将所述就诊数据输入偏差检测模型，通过偏差检测模型确定所述就诊数据中的药品中是否存在第一相斥药品，其中，所述第一相斥药品是指不能同时存在的药品；若药品中存在第一相斥药品，则确定所述就诊数据异常，并提取所述就诊数据中的异常数据，以提供对参保人或医疗机构处罚的处罚证明。

具体的，本实施例中，所述社保违规检测装置包括：

获取模块10，用于获取参保人通过社保卡结算接诊费用的就诊数据；

检测模块10，用于将所述就诊数据输入偏差检测模型，通过偏差检测模型确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目；

提取模块30，用于若就诊数据中存在由自费项目串换得到的社保付费项目，则确定所述就诊数据异常，并提取所述就诊数据中的异常数据，以提供对参保人或医疗机构进行处罚的处罚证明。

进一步地，所述检测模块还用于：

将所述就诊数据输入偏差检测模型，通过偏差检测模型中的数据清洗模型对就诊数据进行清洗，以得到清洗后的规范就诊数据；

对所述规范就诊数据构造文本特征，以得到词向量，并通过偏差检测模型中的双向rnn子模型将词向量转化为句子向量矩阵；

基于所述句子向量矩阵进行注意力机制操作，以得到标准数据；

基于偏差检测模型中的异常检测算法对所述标准数据进行检测，根据检测结果确定所述就诊数据中是否存在由自费项目串换得到的社保付费项目。

进一步地，所述检测模块还用于：

基于所述标准数据中的医保标识对所述标准数据中社保付费项目的药物信息或诊疗项目信息进行分类；

将分类结果与预设标准分类目录进行对比，确定分类结果是否与预设标准分类目录匹配；

若分类结果与预设标准分类目录不匹配，则确定所述就诊数据中存在由自费项目串换得到的社保付费项目。

进一步地，所述检测模块还用于：

基于预存的病种与药物或诊疗项目的关联信息确定所述标准数据中社保付费项目的药物或诊疗项目的适用病种信息；

将所述适用病种信息与参保人申请的病种信息进行对比，确定所述适用病种信息与参保人申请的病种信息是否匹配；

若所述适用病种信息与参保人申请的病种信息不匹配，则确定所述就诊数据中存在由自费项目串换得到的社保付费项目。

进一步地，所述社保违规检测装置还包括：

生成模块，用于根据预设处罚规则和所述异常数据生成处罚明细信息；

处罚模块，用于根据所述处罚明细信息发送处罚通知至参保人或医疗机构的终端并对参保人或医疗机构进行处罚。

进一步地，所述生成模块还用于：

根据所述预设处罚规则定时根据所述异常数据统计参保人或医疗机构将自费项目串换成社保付费项目的违规次数或者违规金额，获得对应的统计结果；

基于违规次数或违规金额与违规等级的预设关联关系确定所述统计结果的违规等级；

基于违规等级与处罚措施的预设关联关系获取当前违规等级的处罚措施信息；

基于所述处罚措施信息和所述异常数据生成所述处罚明细信息。

此外，本发明实施例还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有社保违规检测程序，其中所述社保违规检测程序被处理器执行时，实现如上述的社保违规检测方法的步骤。

其中，社保违规检测程序被执行时所实现的方法可参照本发明社保违规检测方法的各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。