医疗保险的欺诈检测方法、装置、设备及可读存储介质

本发明涉及计算机领域，特别涉及一种医疗保险的欺诈检测方法、装置、设备及可读存储介质。

背景技术：

1、图卷积网络(gcn)在图嵌入学习中得到广泛的研究，尽管其应用广泛，但图卷积网络(gcn)及其变体通常受到隐式同源性假设的限制，要求节点邻近区域内的邻居节点具有相似的节点表征，这在错综复杂的异构图网络上就很可能无法得到满足，图卷积网络(gcn)的聚合效果也会大打折扣。

2、有鉴于此，提出本申请。

技术实现思路

1、本发明公开了一种医疗保险的欺诈检测方法、装置、设备及可读存储介质，旨在解决在错综复杂的异构图网络，聚合效果不好的问题。

2、本发明第一实施例提供了一种医疗保险的欺诈检测方法,包括

3、接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵；

4、将所述软标签矩阵与网络拓扑结构进行计算,以生成块矩阵；根据所述块矩阵和所述软标签生成带权邻接矩阵，并将所述带权邻接矩阵替换所述图数据的邻接矩阵；

5、生成更新后的所述图数据，在每个视图下的带权邻接矩阵进行图卷积传播并进行分类聚合操作，以生成节点嵌入结果,其中,所述节点嵌入结果用于判断图数据是否存在医疗保险的欺诈行为。

6、优选地,所述接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵，具体为：

7、

8、其中，x为节点属性，mlp为多层感知机，为mlp的输出，σ(·)为激活函数，接着进行softmax操作生成软标签，其中，软标签的表达式为

9、优选地,在接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵之前，还包括：采用真实标签对所述多层感知机进行训练，其中，训练过程的损失表达式为：

10、

11、其中，si为节点vi的软标签，yi为节点vi的真实标签，tv为所有的训练集的节点，f(·)为交叉熵损失函数。

12、优选地,所述块矩阵的表达式为：

13、

14、其中，s为软标签，a为邻接矩阵，为hadamard除法运算，e是与s大小相同的全1矩阵。

15、优选地,在所述根据所述块矩阵和所述软标签生成带权邻接矩阵，并将所述带权邻接矩阵替换所述图数据的邻接矩阵之前，还包括：

16、生成所述块矩阵的相似度矩阵，其中，所述相似度矩阵用于修正所述块矩阵，所述相似度矩阵的表达式为q＝bbt。

17、优选地,所述带权邻接矩阵的表达式为:

18、

19、其中,i是单位矩阵，⊙是hadamard乘法运算，可以看做带权邻接矩阵,w图数据中所有节点对的传播权重；

20、其中，图数据中所有节点对的传播权重w的基于相似度矩阵q和软标签矩阵s共同指导，表达式为：w＝sqst。

21、优选地,所述图卷积传播的表达式为：

22、

23、其中，zl表示第l层的节点表示，和是第l层的学习参数。

24、本发明第二实施例提供了一种医疗保险的欺诈检测方法,包括

25、软标签矩阵生成单元，用于接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵；

26、块矩阵生成单元，用于根据软标签矩阵学习未知标签,以生成块矩阵；

27、替换单元，用于根据所述块矩阵和所述软标签生成带权邻接矩阵，并将所述带权邻接矩阵替换所述图数据的邻接矩阵；

28、节点嵌入单元，用于生成更新后的所述图数据，在每个视图下的带权邻接矩阵进行图卷积传播并进行分类聚合操作，以生成节点嵌入结果,其中,所述节点嵌入结果用于判断图数据是否存在医疗保险的欺诈行为。

29、本发明第三实施例提供了一种医疗保险的欺诈检测设备，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上任意一项所述的一种医疗保险的欺诈检测方法。

30、本发明第四实施例提供了一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述的一种医疗保险的欺诈检测方法。

31、基于本发明提供的一种医疗保险的欺诈检测方法、装置、设备及可读存储介质，先通过接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵；接着将所述软标签矩阵与网络拓扑结构进行计算,以生成块矩阵；再接着根据所述块矩阵和所述软标签生成带权邻接矩阵，并将所述带权邻接矩阵替换所述图数据的邻接矩阵；最后生成更新后的所述图数据，在每个视图下的带权邻接矩阵进行图卷积传播并进行分类聚合操作，以生成节点嵌入结果,其中,所述节点嵌入结果用于判断图数据是否存在医疗保险的欺诈行为。

技术特征：

1.一种医疗保险的欺诈检测方法,其特征在于,包括

2.根据权利要求1所述的一种医疗保险的欺诈检测方法,其特征在于,所述接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵，具体为：

3.根据权利要求2所述的一种医疗保险的欺诈检测方法,其特征在于,在接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵之前，还包括：采用真实标签对所述多层感知机进行训练，其中，训练过程的损失表达式为：

4.根据权利要求1所述的一种医疗保险的欺诈检测方法,其特征在于,所述块矩阵的表达式为：

5.根据权利要求1所述的一种医疗保险的欺诈检测方法,其特征在于,在所述根据所述块矩阵和所述软标签生成带权邻接矩阵，并将所述带权邻接矩阵替换所述图数据的邻接矩阵之前，还包括：

6.根据权利要求1所述的一种医疗保险的欺诈检测方法,其特征在于,所述带权邻接矩阵的表达式为:

7.根据权利要求1所述的一种医疗保险的欺诈检测方法,其特征在于,所述图卷积传播的表达式为：

8.一种医疗保险的欺诈检测方法,其特征在于,包括

9.一种医疗保险的欺诈检测设备，其特征在于，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如权利要求1至7任意一项所述的一种医疗保险的欺诈检测方法。

10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如权利要求1至7任意一项所述的一种医疗保险的欺诈检测方法。

技术总结
本发明提供了一种医疗保险的欺诈检测方法、装置、设备及可读存储介质，先通过接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵；接着将所述软标签矩阵与网络拓扑结构进行计算,以生成块矩阵；再接着根据所述块矩阵和所述软标签生成带权邻接矩阵，并将所述带权邻接矩阵替换所述图数据的邻接矩阵；最后生成更新后的所述图数据，在每个视图下的带权邻接矩阵进行图卷积传播并进行分类聚合操作，以生成节点嵌入结果,其中,所述节点嵌入结果用于判断图数据是否存在医疗保险的欺诈行为。

技术研发人员：林开标,陈润泽,陈锦坡,卢萍
受保护的技术使用者：厦门理工学院
技术研发日：
技术公布日：2024/1/15