CN113627525B - 特征提取模型的训练方法、医保风险识别方法及装置 - Google Patents
特征提取模型的训练方法、医保风险识别方法及装置 Download PDFInfo
- Publication number
- CN113627525B CN113627525B CN202110912040.3A CN202110912040A CN113627525B CN 113627525 B CN113627525 B CN 113627525B CN 202110912040 A CN202110912040 A CN 202110912040A CN 113627525 B CN113627525 B CN 113627525B
- Authority
- CN
- China
- Prior art keywords
- feature extraction
- extraction model
- data
- training
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 148
- 238000012549 training Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000011218 segmentation Effects 0.000 claims abstract description 73
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 20
- 239000003814 drug Substances 0.000 claims description 18
- 229940079593 drug Drugs 0.000 claims description 15
- 230000000306 recurrent effect Effects 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 13
- 201000010099 disease Diseases 0.000 description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 11
- 230000015654 memory Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000007689 inspection Methods 0.000 description 9
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 239000008103 glucose Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229920002307 Dextran Polymers 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Child & Adolescent Psychology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开提供了一种特征提取模型的训练方法,可以应用于金融领域及人工智能技术领域。该特征提取模型的训练方法包括:获取对第一历史医疗信息进行预处理得到的第一描述信息,其中,第一描述信息用于描述用户针对医保项目消耗的资源信息,其中,相同资源信息对应多种不同的第一描述信息;基于第一描述信息,生成分词编码数据,其中,相同资源信息对应唯一的分词编码数据;以及利用分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型,其中,特征提取模型用于提取分词编码数据的向量化特征。本公开还提供了一种医保风险识别方法、特征提取模型的训练装置、医保风险识别装置、设备、存储介质和程序产品。
Description
技术领域
本公开涉及金融领域及人工智能技术领域,更具体地涉及一种特征提取模型的训练方法、医保风险识别方法、装置、设备、介质和程序产品。
背景技术
医保监管一直是一个非常有挑战性的问题,保险监管手段比较单一,主要是事后人工监察,覆盖程度不高。
因此在宏观指标监管之外,业内采取建立机器学习风险识别模型对每一个报销单据进行风险的判定。大多数欺诈行为的判定可以归类为监督学习中的分类问题,综合运用专家规则,大数据分析和深度学习领域的算法,以参保人当次报销或者前后一段时间的报销单据为样本,针对每个欺诈违规行为建立风险判定器,对所有上述欺诈行为进行概率评定,输出每个违规行为的风险概率。
目前机器学习风险识别模型处于起步阶段,疾病种类繁多,为分类模型的准确率带来了严峻挑战。数据多模态,数值型、文本型等多种类型数据的混合,特征选取及加工工作极为繁琐;最重要的是数据标准化程度不一,不同的医院对药品有不同的名称,又或者同一种药品有多种名称,比如胰岛素注射剂、胰岛素蛋白等等。因此对医疗报销风险判断模型的结果不容乐观,效率不高,有时还会给风险甄别带来一定困惑。
发明内容
鉴于上述问题,本公开提供了一种特征提取模型的训练方法、医保风险识别方法、特征提取模型的训练装置、医保风险识别装置、设备、存储介质和程序产品。
根据本公开的第一个方面,提供了一种特征提取模型的训练方法,包括:
获取对第一历史医疗信息进行预处理得到的第一描述信息,其中,上述第一描述信息用于描述用户针对医保项目消耗的资源信息,其中,相同上述资源信息对应多种不同的第一描述信息;
基于上述第一描述信息,生成分词编码数据,其中,相同上述资源信息对应唯一的上述分词编码数据;以及
利用上述分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型,其中,上述特征提取模型用于提取上述分词编码数据的向量化特征。
根据本公开的实施例,上述待训练的特征提取模型的隐藏层包括固定参数隐藏层和可调参数隐藏层,其中,上述可调参数隐藏层包括多层隐藏层;
上述利用上述分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型包括:
迭代地执行至少一次以下操作:
按照第一预设规则,从上述可调参数隐藏层中确定目标可调参数隐藏层;以及
将上述分词编码数据输入上述待训练的特征提取模型,以便对上述目标可调参数隐藏层的网络参数进行调整;
基于上述特征提取模型的输出来确定是否满足收敛条件;
在不满足上述收敛条件的情况下,重新确定上述目标可调参数隐藏层;
在满足上述收敛条件的情况下,将与上述满足收敛条件的验证结果对应的特征提取模型作为上述训练完成的特征提取模型。
根据本公开的实施例,上述收敛条件包括以下任意一种或多种:
上述可调参数隐藏层中的每层隐藏层的网络参数均被调整;
上述特征提取模型的输出结果满足第一预设条件。
根据本公开的实施例,上述目标可调参数隐藏层设置有第一学习率,其中,上述第一学习率表征以第一步长调整上述目标可调参数隐藏层的网络参数;
上述方法还包括:
为重新确定的上述目标可调参数隐藏层设置第二学习率,其中,上述第二学习率表征以第二步长调整上述重新确定的目标可调参数隐藏层的网络参数。
根据本公开的实施例,上述基于上述第一描述信息,生成分词编码数据包括:
将上述第一描述信息转换为第一编码数据;
按照第二预设规则将上述第一编码数据划分成多个第一子编码数据;
将上述多个第一子编码数据与预先配置的对比模板进行对比,生成多个对比结果;
在上述多个对比结果中至少一个上述对比结果满足第二预设条件的情况下,获取与满足上述预设条件的对比结果对应的目标子编码数据;
将上述目标子编码数据确定为上述分词编码数据。
根据本公开的实施例,在上述多个对比结果均不满足上述第二预设条件的情况下,按照第三预设规则将上述第一编码数据划分成多个第二子编码数据,以便从上述多个第二子编码数据中确定上述分词编码数据。
根据本公开的实施例,上述第一描述信息是通过对上述第一历史医疗信息执行以下预处理操作生成的:
将上述第一历史医疗信息与标准模板进行对比,获得重现医疗信息,其中,上述重现医疗信息包括上述第一历史医疗信息中与上述标准模板匹配的医疗信息;
将上述重现医疗信息作为上述第一描述信息。
根据本公开的实施例,上述待训练的特征提取模型是利用第二历史医疗信息对初始特征提取模型进行预训练而得到的,其中,上述第二历史医疗信息与上述第一历史医疗信息各自的生成时间间隔第一时间跨度。
根据本公开的实施例,上述资源信息包括以下一种或多种:
药品名称以及与上述药品名称对应的第一价值属性值;
检查项目名称以及与上述检查项目名称对应的第二价值属性值。
本公开的第二方面提供了一种医保风险识别方法,包括:
获取用户的医保数据,其中,上述医保数据包括基于上述用户的治疗描述信息生成的分词编码数据,上述治疗描述信息用于描述上述用户针对医保项目消耗的资源值;
将上述医保数据输入特征提取模型,输出向量化特征特征数据,其中,上述特征提取模型是由本公开实施例提供的特征提取模型的训练方法训练得到的;以及
将上述向量化特征数据输入预先训练完成的识别器,输出医保风险识别结果。
本公开的第三方面提供了一种特征提取模型的训练装置,包括:
第一获取模块,用于获取对第一历史医疗信息进行预处理得到的第一描述信息,其中,上述第一描述信息用于描述用户针对医保项目消耗的资源信息,其中,相同上述资源信息对应多种不同的第一描述信息;
生成模块,用于基于上述第一描述信息,生成分词编码数据,其中,相同上述资源信息对应唯一的上述分词编码数据;以及
训练模块,用于利用上述分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型,其中,上述特征提取模型用于提取上述分词编码数据的向量化特征。
本公开的第四方面提供了一种医保风险识别装置,包括:
第二获取模块,用于获取用户的医保数据,其中,上述医保数据包括基于上述用户的治疗描述信息生成的分词编码数据,上述治疗描述信息用于描述上述用户针对医保项目消耗的资源值;
输出模块,用于将上述医保数据输入特征提取模型,输出向量化特征特征数据,其中,上述特征提取模型是由本公开实施例提供的特征提取模型的训练方法训练得到的;以及
识别模块,用于将上述向量化特征数据输入预先训练完成的识别器,输出医保风险识别结果。
本公开的第五方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述特征提取模型的训练方法、医保风险识别方法。
本公开的第六方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述特征提取模型的训练方法、医保风险识别方法。
本公开的第七方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述特征提取模型的训练方法、医保风险识别方法。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的特征提取模型的训练方法、医保风险识别方法、特征提取模型的训练装置、医保风险识别装置的应用场景图;
图2示意性示出了根据本公开实施例的特征提取模型的训练方法的流程图;
图3示意性示出了根据本公开实施例的利用分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型的流程图;
图4示意性示出了根据本公开实施例的基于第一描述信息,生成分词编码数据的流程图;
图5示意性示出了根据本公开实施例的生成第一描述信息的流程图;
图6示意性示出了根据本公开实施例的医保风险识别方法的流程图;
图7示意性示出了根据本公开实施例的特征提取模型的训练装置的结构框图;
图8示意性示出了根据本公开实施例的医保风险识别装置的结构框图;以及
图9示意性示出了根据本公开实施例的适于实现特征提取模型的训练方法、医保风险识别方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
本公开提供了一种特征提取模型的训练方法,可以应用于金融领域及人工智能技术领域。该特征提取模型的训练方法包括:获取对第一历史医疗信息进行预处理得到的第一描述信息,其中,第一描述信息用于描述用户针对医保项目消耗的资源信息,其中,相同资源信息对应多种不同的第一描述信息;基于第一描述信息,生成分词编码数据,其中,相同资源信息对应唯一的分词编码数据;以及利用分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型,其中,特征提取模型用于提取分词编码数据的向量化特征。本公开还提供了一种医保风险识别方法、特征提取模型的训练装置、医保风险识别装置、设备、存储介质和程序产品。
需要说明的是,本公开实施例确定的方法和装置可用于金融领域及人工智能技术领域,也可用于除金融领域及人工智能技术领域之外的任意领域,本公开实施例的方法和装置的应用领域不做限定。
图1示意性示出了根据本公开实施例的特征提取模型的训练方法、医保风险识别方法、特征提取模型的训练装置、医保风险识别装置的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的特征提取模型的训练方法、医保风险识别方法一般可以由服务器105执行。相应地,本公开实施例所提供的特征提取模型的训练装置、医保风险识别装置一般可以设置于服务器105中。本公开实施例所提供的特征提取模型的训练方法、医保风险识别方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的特征提取模型的训练装置、医保风险识别装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图6对公开实施例的特征提取模型的训练方法进行详细描述。
图2示意性示出了根据本公开实施例的特征提取模型的训练方法的流程图。
如图2所示,该实施例的特征提取模型的训练方法包括操作S201~操作S203。
在操作S201,获取对第一历史医疗信息进行预处理得到的第一描述信息,其中,第一描述信息用于描述用户针对医保项目消耗的资源信息,其中,相同资源信息对应多种不同的第一描述信息。
根据本公开的实施例,医保项目例如可以包括入院治疗,但不限于此,还可以包括为治疗疾病而进行的其他任意医保项目,例如从医院或药店购药。
根据本公开的实施例,第一历史医疗信息可以包括至少一名用户近年来的出院证明信息,出院证明信息可以包括该用户在住院期间的多种基本信息,例如入院时间、出院时间、床位号、主治医师、用药清单、检查项目清单、诊断结论等。
在本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
根据本公开的实施例,为了保证第一历史医疗信息的有效性,可以获取近两年来的第一历史医疗信息。
根据本公开的实施例,第一历史医疗信息还可以包括至少一名用户近年来为治疗疾病而进行的活动的历史信息,例如该历史信息可以包括到药店买药的历史信息,从而历史信息可以包括支付方式、药店名称、购药详细清单等。
根据本公开的实施例,第一历史医疗信息可以包括从医保报销平台的医保报销数据中获取的医疗信息。
根据本公开的实施例,医保报销数据可以是由用户以报销自己为治疗疾病所消耗的资源为目的而提供的数据。
根据本公开的实施例,第一描述信息例如可以包括由用药清单、检查项目清单等信息组成的诊断明细信息。
根据本公开的实施例,在实际的应用中,由于出院证明信息中的诊断结论等数据有可能存在被篡改的可能,但是用药清单、检查项目清单等日常消费明细等通常不易被篡改,因此,在获取第一历史医疗信息后,可以从第一历史医疗信息中得到第一描述信息。
根据本公开的实施例,第一描述信息除包括诊断明细信息外,还可以包括用户标识信息以及与用户表示信息相对应的诊断结果。
在操作S202,基于第一描述信息,生成分词编码数据,其中,相同资源信息对应唯一的分词编码数据。
根据本公开的实施例,第一描述信息通常为非标准文本描述信息,即相同资源信息对应多种不同的第一描述信息,例如,用户在住院期间消耗了葡萄糖溶液,而不同的医生、不同的医院可能对于葡萄糖溶液有不同的记录方式,例如可以将葡萄糖溶液记录为葡萄糖、葡溶或英文Glucose solution。
根据本公开的实施例,第一描述信息通常为多模态的文本描述信息,例如第一描述信息可以包括数值型、文本型或多种类型数据的混合。
根据本公开的实施例,由于第一描述信息为非标准文本描述信息,并且通常为多模态的文本描述信息,因此,若以第一描述信息作为训练样本对特征提取模型进行训练,通常会造成数据污染,无法训练得到特征提取准确率高的特征提取模型,因此,需要对第一描述信息进行处理,生成分词编码数据。
根据本公开的实施例,对第一描述信息进行处理后生成的分词编码数据可以是通过数字序列表示的数据。
根据本公开的实施例,对于每一个资源信息均有唯一对应的分词编码数据,例如,对于葡萄糖溶液,可以有葡萄糖、葡溶两种第一描述信息,然后,将该两种第一描述信息转换成分词编码数据后,两种第一描述信息均可以转换为[114225]。
在操作S203,利用分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型,其中,特征提取模型用于提取分词编码数据的向量化特征。
根据本公开的实施例,待训练的特征提取模型可以基于循环神经网络(RecurrentNeural Network,RNN)构建得到的。
根据本公开的实施例,待训练的特征提取模型可以选用AWD-LSTM,其具有注意力机制以及dropout等超参数。
在本公开的实施例中,由于第一描述信息在实际应用过程中被篡改的风险较低,从而基于第一描述信息生成与资源信息唯一对应的分词编码数据,从而可以至少部分的解决相关技术中存在的由于同一种资源信息有多种名称导致的特征提取准确度较差的技术问题,实现提高特征提取准确率的技术效果。
根据本公开的实施例,资源信息包括以下一种或多种:
药品名称以及与药品名称对应的第一价值属性值;
根据本公开的实施例,第一价值属性值例如可以包括与药品名称对应的药品的价格。
检查项目名称以及与检查项目名称对应的第二价值属性值。
根据本公开的实施例,检查项目可以包括用户以治疗疾病为目的而进行的医疗检查,例如可以包括电子计算机断层扫描、血液检查等。
根据本公开的实施例,第二价值属性值可以包括与检查项目名称对应的检查项目的价格。
根据本公开的实施例,待训练的特征提取模型是利用第二历史医疗信息对初始特征提取模型进行预训练而得到的,其中,第二历史医疗信息与第一历史医疗信息各自的生成时间间隔第一时间跨度。
根据本公开的实施例,在对初始特征提取模型进行预训练时,无需对训练样本的有效性有较高的要求,因此可以直接利用第二历史医疗信息对初始特征提取模型进行预训练,而无需将第二历史医疗信息转换为分词编码数据。
根据本公开的实施例,由于第二历史医疗信息中数据的有效性对模型的预训练过程影响较小,并且,在预训练阶段通常需要较大数据量的训练数据,从而,可以选取与第一历史医疗信息的生成时间具有第一时间跨度的第二历史医疗信息。例如,第一历史医疗信息可以是近两年的医疗信息,从而,第二历史医疗信息可以是近五年的医疗信息。
根据本公开的实施例,待训练的特征提取模型的隐藏层包括固定参数隐藏层和可调参数隐藏层,其中,可调参数隐藏层包括多层隐藏层。
根据本公开的实施例,在对初始特征提取模型进行预训练得到待训练的特征提取模型后,可以将待训练的特征提取模型的隐藏层划分为固定参数隐藏层和可调参数隐藏层,并且在后续的训练过程中,可以仅对可调参数隐藏层进行训练,从而可以实现节省训练时间,提高训练效率的技术效果。
根据本公开的实施例,可以将靠近输出层的多层隐藏层划分为固定参数隐藏层,将靠近输出层的至少一层隐藏层划分为可调参数隐藏层。
根据本公开的实施例,由于越靠近输出层的隐藏层对输出的影响越大,从而,在仅对可调参数隐藏层进行训练的基础上,将靠近输出层的至少一层隐藏层划分为可调参数隐藏层可以在节省训练时间的基础上提高训练精度。
图3示意性示出了根据本公开实施例的利用分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型的流程图。
如图3所示,该实施例的利用分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型包括操作S301~操作S305。
在操作S301,按照第一预设规则,从可调参数隐藏层中确定目标可调参数隐藏层。
根据本公开的实施例,第一预设规则可以包括将可调参数隐藏层靠近输出层的未被调整过的一层或多层隐藏层确定为目标可调参数隐藏层,但不限于此,第一预设规则还可以包括从可调参数隐藏层中随机确定一层或多层隐藏层为目标可调参数隐藏层。
在操作S302,将分词编码数据输入待训练的特征提取模型,以便对目标可调参数隐藏层的网络参数进行调整。
在操作S303,基于特征提取模型的输出来确定是否满足收敛条件。
在操作S304,在不满足收敛条件的情况下,重新确定目标可调参数隐藏层。
根据本公开的实施例,从可调参数隐藏层中确定目标可调参数隐藏层后,可以利用分词编码数据训练可调参数隐藏层中的目标可调参数隐藏层。
根据本公开的实施例,例如可调参数隐藏层中一共有三层隐藏层,该三层隐藏层由靠近可调参数隐藏层的输入层至靠近可调参数隐藏层的输出层依次为第一隐藏层、第二隐藏层和第三隐藏层。按照第一预设规则,可以确定靠近可调参数隐藏层的输出层的第三隐藏层为目标可调参数隐藏层,然后可以利用分词编码数据调整目标可调参数隐藏层的网络参数,并根据特征提取模型的输出结果确定是否满足收敛条件,如果不满足收敛条件,可以再次按照第一预设规则,将第二参数隐藏层确定为目标可调参数隐藏层,并再次利用利用分词编码数据调整该重新确定的目标可调参数隐藏层的网络参数,然后根据特征提取模型的输出结果确定是否满足收敛条件,如果不满足收敛条件,可以再次按照第一预设规则重新选取目标可调参数隐藏层,直至满足收敛条件。
根据本公开的实施例,每次仅对可调参数隐藏层中的一部分隐藏层进行调整,虽然需要调整较多的轮次,但是每个轮次需要调整的参数量较少,从而可以在提高训练精度的基础上提高训练速度。
根据本公开的实施例,可以将所有分词编码数据划分成多个子训练集,从而可以对目标可调参数隐藏层进行多个轮次的训练。
在操作S305,在满足收敛条件的情况下,将与满足收敛条件的验证结果对应的特征提取模型作为训练完成的特征提取模型。
根据本公开的实施例,在上述操作S303、操作S304、操作S305中的任意一个或多个操作中,收敛条件包括以下任意一种或多种:
可调参数隐藏层中的每层隐藏层的网络参数均被调整;
特征提取模型的输出结果满足第一预设条件。
根据本公开的实施例,第一预设条件可以包括特征提取模型的输出结果的准确率大于预设阈值。
根据本公开的实施例,特征提取模型的输出结果是否满足第一预设条件可以通过损失函数输出的损失结果来进行判断,例如,获得特征提取模型的输出结果后,可以将该输出结果输入预先构建好的损失函数中,并根据损失函数输出的损失结果来判断特征提取模型的输出结果是否满足第一预设条件。
根据本公开的实施例,目标可调参数隐藏层设置有第一学习率,其中,第一学习率表征以第一步长调整目标可调参数隐藏层的网络参数。
根据本公开的实施例,上述操作S304还包括以下操作:
为重新确定的目标可调参数隐藏层设置第二学习率,其中,第二学习率表征以第二步长调整重新确定的目标可调参数隐藏层的网络参数。
根据本公开的实施例,可以在每次重新确定目标可调参数隐藏层后,都为该重新确定的目标可调参数隐藏层更新学习率。
根据本公开的实施例,通过对每次重新确定的目标可调参数隐藏层重新确定学习率,可以使每层目标可调参数隐藏层均不同程度的对分词编码数据进行学习,从而不同的目标可调参数隐藏层可以捕获分词编码数据中不同类型的信息,提高了特征提取模型的泛化能力和鲁棒性,在此基础上,还可以避免特征提取模型在分词编码数据上过拟合。
图4示意性示出了根据本公开实施例的基于第一描述信息,生成分词编码数据的流程图。
如图4所示,该实施例的基于第一描述信息,生成分词编码数据包括操作S401~操作S405。
在操作S401,将第一描述信息转换为第一编码数据。
在操作S402,按照第二预设规则将第一编码数据划分成多个第一子编码数据。
根据本公开的实施例,第二预设规则例如可以包括随机地将第一编码数据划分成多个第一子编码数据,但不限于此,第二预设规则例如还可以包括将预设字符确定为截止符,然后根据截止符将第一编码数据划分成多个第一子编码数据。
以下将结合具体示例,详细说明根据第一描述信息生成多个第一子编码数据的流程,需要说明的是,以下示例仅用于帮助本领域技术人员理解本公开,而非对本公开做出的任何不当限定。
例如第一描述信息为“Hello World.”,可以将“Hello World.”转换成初始编码数据“15188218876”,其中,“1518821”可以表示“Hello”,“887”可以表示“World”,“6”可以表示“.”,可以首先根据将第一描述信息中的空格以及标点符号作为截止符,从而将第一编码数据“15188218876”划分为“1518821-887-6”,然后可以对“1518821”进行进一步的划分,得到“151-88-21”,从而生成第一编码数据“151-88-21-887-6”,其中,“151”可以表示“HE”,“88”可以表示“ll”,“21”可以表示“o”,“887”可以表示“World”,“6”可以表示“.”。得到第一编码数据后,可以将第一编码数据中的“-”作为分隔符,从而生成多个第一子编码数据:“151”、“88”、“21”、“887”、“6”。
在操作S403,将多个第一子编码数据与预先配置的对比模板进行对比,生成多个对比结果。
根据本公开的实施例,预先设置的对比模板可以包括国际疾病分类编码(International classification of diseases,ICD),更为具体的,预先设置的对比模板可以包括疾病判断标准ICD-4。
在操作S404,在多个对比结果中至少一个对比结果满足第二预设条件的情况下,获取与满足预设条件的对比结果对应的目标子编码数据。
在操作S405,将目标子编码数据确定为分词编码数据。
根据本公开的实施例,在获得多个第一子编码数据后,可以将L个第一子编码数据与预先配置的对比模板,例如ICD编码,进行对比,生成L个对比结果,该L个对比结果中的每个对比结果可以表示与之对应的第一子编码数据与ICD编码中数据的匹配程度。
根据本公开的实施例,第二预设条件可以包括第一子编码数据与ICD编码中数据的匹配程度大于预设匹配阈值。
根据本公开的实施例,在L个对比结果仅存在一个匹配程度大于预设匹配阈值的对比结果的情况下,可以将与该对比结果对应的第一子编码数据确定为分词编码数据;在L个对比结果存在I个匹配程度大于预设匹配阈值的对比结果的情况下,可以将I个匹配程度大于预设匹配阈值的对比结果中,与匹配程度最大的对比结果对应的第一子编码数据确定为分词编码数据。
根据本公开的实施例,操作S404中在多个对比结果均不满足第二预设条件的情况下,还包括以下操作:
按照第三预设规则将第一编码数据划分成多个第二子编码数据,以便从多个第二子编码数据中确定分词编码数据。
根据本公开的实施例,在多个对比结果均不满足第二预设条件的情况下,可以随机地将第一编码数据划分成多个第二子编码数据,并将第二子编码数据作为第一子编码数据继续执行上述在操作S403,直至确定出分词编码数据。
相关技术中在对文本信息进行分词时,通常预先生成分词词汇表,例如分词词汇表中可以包括“医疗”、“保险”、“报销”,在利用该分词词汇表对“医疗保险报销”这个文本进行分词时,仅可以将该文本划分为“医疗/保险/报销”,然而,如果需要对文本进行更大粒度的划分,如“医疗保险/报销”,或者不切分,则需要把对应的大粒度词加到分词词汇表中加以解决,但是添加这类大粒度词的工作需人工完成,会消耗人力成本。
本公开实施例通过对第一编码数据按照预设规则划分成多个第一子编码数据,然后将多个第一子编码数据与对比模板进行对比,从而可以得到需要的分词编码数据,实现了提高分词效率的技术效果。
图5示意性示出了根据本公开实施例的生成第一描述信息的流程图。
如图5所示,该实施例的生成第一描述信息包括操作S501~操作S502。
在操作S501,将第一历史医疗信息与标准模板进行对比,获得重现医疗信息,其中,重现医疗信息包括第一历史医疗信息中与标准模板匹配的医疗信息。
根据本公开的实施例,标准模板可以包括国际疾病分类编码(Internationalclassification of diseases,ICD),更为具体的,标准模板可以包括疾病判断标准ICD-4。
在操作S502,将重现医疗信息作为第一描述信息。
基于上述特征提取模型的训练方法,本公开还提供了一种医保风险识别方法。
图6示意性示出了根据本公开实施例的医保风险识别方法的流程图。
如图6所示,该实施例的医保风险识别方法包括操作S601~操作S603。
在操作S601,获取用户的医保数据,其中,医保数据包括基于用户的治疗描述信息生成的分词编码数据,治疗描述信息用于描述用户针对医保项目消耗的资源值。
在操作S602,将医保数据输入特征提取模型,输出向量化特征特征数据,其中,特征提取模型是由本公开实施例提供的特征提取模型的训练方法训练得到的。
在操作S603,将向量化特征数据输入预先训练完成的识别器,输出医保风险识别结果。
基于上述特征提取模型的训练方法,本公开还提供了一种特征提取模型的训练装置。以下将结合图7对该装置进行详细描述。
图7示意性示出了根据本公开实施例的特征提取模型的训练装置的结构框图。
如图7所示,该实施例的特征提取模型的训练装置700包括第一获取模块701、生成模块702和训练模块703。
第一获取模块701用于获取对第一历史医疗信息进行预处理得到的第一描述信息,其中,第一描述信息用于描述用户针对医保项目消耗的资源信息,其中,相同资源信息对应多种不同的第一描述信息。在一实施例中,第一获取模块701可以用于执行前文描述的操作S201,在此不再赘述。
生成模块702用于基于第一描述信息,生成分词编码数据,其中,相同资源信息对应唯一的分词编码数据。在一实施例中,生成模块702可以用于执行前文描述的操作S202,在此不再赘述。
训练模块703用于利用分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型,其中,特征提取模型用于提取分词编码数据的向量化特征。在一实施例中,训练模块730可以用于执行前文描述的操作S203,在此不再赘述。
根据本公开的实施例,待训练的特征提取模型的隐藏层包括固定参数隐藏层和可调参数隐藏层,其中,可调参数隐藏层包括多层隐藏层。
根据本公开的实施例,训练模块703包括第一确定单元、调整单元、第二确定单元、第三确定单元和第四确定单元。
第一确定单元,用于按照第一预设规则,从可调参数隐藏层中确定目标可调参数隐藏层。
调整单元,用于将分词编码数据输入待训练的特征提取模型,以便对目标可调参数隐藏层的网络参数进行调整。
第二确定单元,用于基于特征提取模型的输出来确定是否满足收敛条件。
第三确定单元,用于在不满足收敛条件的情况下,重新确定目标可调参数隐藏层。
第四确定单元,用于在满足收敛条件的情况下,将与满足收敛条件的验证结果对应的特征提取模型作为训练完成的特征提取模型。
根据本公开的实施例,收敛条件包括以下任意一种或多种:
可调参数隐藏层中的每层隐藏层的网络参数均被调整;
特征提取模型的输出结果满足第一预设条件。
根据本公开的实施例,目标可调参数隐藏层设置有第一学习率,其中,第一学习率表征以第一步长调整目标可调参数隐藏层的网络参数。
根据本公开的实施例,第三确定单元包括设置子单元。
设置子单元,用于为重新确定的目标可调参数隐藏层设置第二学习率,其中,第二学习率表征以第二步长调整重新确定的目标可调参数隐藏层的网络参数。
根据本公开的实施例,生成模块702包括转换单元、划分单元、第一对比单元、获取单元和第五确定单元。
转换单元,用于将第一描述信息转换为第一编码数据。
划分单元,用于按照第二预设规则将第一编码数据划分成多个第一子编码数据。
第一对比单元,用于将多个第一子编码数据与预先配置的对比模板进行对比,生成多个对比结果。
获取单元,用于在多个对比结果中至少一个对比结果满足第二预设条件的情况下,获取与满足预设条件的对比结果对应的目标子编码数据。
第五确定单元,用于将目标子编码数据确定为分词编码数据。
根据本公开的实施例,获取单元包括划分子单元。
划分子单元,用于在多个对比结果均不满足第二预设条件的情况下,按照第三预设规则将第一编码数据划分成多个第二子编码数据,以便从多个第二子编码数据中确定分词编码数据。
根据本公开的实施例,第一获取模块701获取的第一描述信息是通过以下操作生成的:
将第一历史医疗信息与标准模板进行对比,获得重现医疗信息,其中,重现医疗信息包括第一历史医疗信息中与标准模板匹配的医疗信息;
将重现医疗信息作为第一描述信息。
根据本公开的实施例,待训练的特征提取模型是利用第二历史医疗信息对初始特征提取模型进行预训练而得到的,其中,第二历史医疗信息与第一历史医疗信息各自的生成时间间隔第一时间跨度。
根据本公开的实施例,资源信息包括以下一种或多种:
药品名称以及与药品名称对应的第一价值属性值;
检查项目名称以及与检查项目名称对应的第二价值属性值。
基于上述特医保风险识别方法,本公开还提供了一种医保风险识别装置。
图8示意性示出了根据本公开实施例的医保风险识别装置的结构框图。
如图8所示,该实施例的医保风险识别装置800包括第二获取模块801、输出模块802和识别模块803。
第二获取模块801用于获取用户的医保数据,其中,医保数据包括基于用户的治疗描述信息生成的分词编码数据,治疗描述信息用于描述用户针对医保项目消耗的资源值。在一实施例中,第二获取模块801可以用于执行前文描述的操作S601,在此不再赘述。
输出模块802用于将医保数据输入特征提取模型,输出向量化特征特征数据,其中,特征提取模型是由本公开实施例提供的特征提取模型的训练方法训练得到的。在一实施例中,输出模块802可以用于执行前文描述的操作S602,在此不再赘述。
识别模块803用于将向量化特征数据输入预先训练完成的识别器,输出医保风险识别结果。在一实施例中,识别模块803可以用于执行前文描述的操作S603,在此不再赘述。
根据本公开的实施例,第一获取模块701、生成模块702、训练模块703、第二获取模块801、输出模块802和识别模块803中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,第一获取模块701、生成模块702、训练模块703、第二获取模块801、输出模块802和识别模块803中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一获取模块701、生成模块702、训练模块703、第二获取模块801、输出模块802和识别模块803中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图9示意性示出了根据本公开实施例的适于实现特征提取模型的训练方法、医保风险识别方法的电子设备的方框图。
如图9所示,根据本公开实施例的电子设备900包括处理器901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 903中,存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备900还可以包括输入/输出(I/O)接口905,输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/***中所包含的;也可以是单独存在,而未装配入该设备/装置/***中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机***中运行时,该程序代码用于使计算机***实现本公开实施例所提供的特征提取模型的训练方法、医保风险识别方法。
在该计算机程序被处理器901执行时执行本公开实施例的***/装置中限定的上述功能。根据本公开的实施例,上文描述的***、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分909被下载和安装,和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时,执行本公开实施例的***中限定的上述功能。根据本公开的实施例,上文描述的***、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (14)
1.一种特征提取模型的训练方法,包括:
获取对第一历史医疗信息进行预处理得到的第一描述信息,其中,所述第一描述信息用于描述用户针对医保项目消耗的资源信息,其中,相同所述资源信息对应多种不同的所述第一描述信息;
基于所述第一描述信息,生成分词编码数据,其中,相同所述资源信息对应唯一的所述分词编码数据;以及
利用所述分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型,其中,所述特征提取模型用于提取所述分词编码数据的向量化特征,所述待训练的特征提取模型的隐藏层包括固定参数隐藏层和可调参数隐藏层,其中,所述可调参数隐藏层包括多层隐藏层;
所述利用所述分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型包括:
迭代地执行至少一次以下操作:
按照第一预设规则,从所述可调参数隐藏层中确定目标可调参数隐藏层;以及
将所述分词编码数据输入所述待训练的特征提取模型,以便对所述目标可调参数隐藏层的网络参数进行调整;
基于所述特征提取模型的输出来确定是否满足收敛条件;
在不满足所述收敛条件的情况下,重新确定所述目标可调参数隐藏层;
在满足所述收敛条件的情况下,将与所述满足收敛条件的验证结果对应的特征提取模型作为所述训练完成的特征提取模型。
2.根据权利要求1所述的方法,其中,所述收敛条件包括以下任意一种或多种:
所述可调参数隐藏层中的每层隐藏层的网络参数均被调整;
所述特征提取模型的输出结果满足第一预设条件。
3.根据权利要求1所述的方法,其中,所述目标可调参数隐藏层设置有第一学习率,其中,所述第一学习率表征以第一步长调整所述目标可调参数隐藏层的网络参数;
所述方法还包括:
为重新确定的所述目标可调参数隐藏层设置第二学习率,其中,所述第二学习率表征以第二步长调整所述重新确定的目标可调参数隐藏层的网络参数。
4.根据权利要求1所述的方法,其中,所述基于所述第一描述信息,生成分词编码数据包括:
将所述第一描述信息转换为第一编码数据;
按照第二预设规则将所述第一编码数据划分成多个第一子编码数据;
将所述多个第一子编码数据与预先配置的对比模板进行对比,生成多个对比结果;
在所述多个对比结果中至少一个所述对比结果满足第二预设条件的情况下,获取与满足所述预设条件的对比结果对应的目标子编码数据;
将所述目标子编码数据确定为所述分词编码数据。
5.根据权利要求4所述的方法,在所述多个对比结果均不满足所述第二预设条件的情况下,按照第三预设规则将所述第一编码数据划分成多个第二子编码数据,以便从所述多个第二子编码数据中确定所述分词编码数据。
6.根据权利要求1所述的方法,其中,所述第一描述信息是通过对所述第一历史医疗信息执行以下预处理操作生成的:
将所述第一历史医疗信息与标准模板进行对比,获得重现医疗信息,其中,所述重现医疗信息包括所述第一历史医疗信息中与所述标准模板匹配的医疗信息;
将所述重现医疗信息作为所述第一描述信息。
7.根据权利要求1所述的方法,其中,所述待训练的特征提取模型是利用第二历史医疗信息对初始特征提取模型进行预训练而得到的,其中,所述第二历史医疗信息与所述第一历史医疗信息各自的生成时间间隔第一时间跨度。
8.根据权利要求1所述的方法,其中,所述资源信息包括以下一种或多种:
药品名称以及与所述药品名称对应的第一价值属性值;
检查项目名称以及与所述检查项目名称对应的第二价值属性值。
9.一种医保风险识别方法,包括:
获取用户的医保数据,其中,所述医保数据包括基于所述用户的治疗描述信息生成的分词编码数据,所述治疗描述信息用于描述所述用户针对医保项目消耗的资源值;
将所述医保数据输入特征提取模型,输出向量化特征特征数据,其中,所述特征提取模型是由权利要求1至8任一项所述的特征提取模型的训练方法训练得到的;以及
将所述向量化特征数据输入预先训练完成的识别器,输出医保风险识别结果。
10.一种特征提取模型的训练装置,包括:
第一获取模块,用于获取对第一历史医疗信息进行预处理得到的第一描述信息,其中,所述第一描述信息用于描述用户针对医保项目消耗的资源信息,其中,相同所述资源信息对应多种不同的第一描述信息;
生成模块,用于基于所述第一描述信息,生成分词编码数据,其中,相同所述资源信息对应唯一的所述分词编码数据;以及
训练模块,用于利用所述分词编码数据训练待训练的特征提取模型,得到训练完成的特征提取模型,其中,所述特征提取模型用于提取所述分词编码数据的向量化特征,所述待训练的特征提取模型的隐藏层包括固定参数隐藏层和可调参数隐藏层,其中,所述可调参数隐藏层包括多层隐藏层;
所述训练模块包括:
第一确定单元,用于按照第一预设规则,从所述可调参数隐藏层中确定目标可调参数隐藏层;以及
调整单元,用于将所述分词编码数据输入所述待训练的特征提取模型,以便对所述目标可调参数隐藏层的网络参数进行调整;
第二确定单元,用于基于所述特征提取模型的输出来确定是否满足收敛条件;
第三确定单元,用于在不满足所述收敛条件的情况下,重新确定所述目标可调参数隐藏层;
第四确定单元,用于在满足所述收敛条件的情况下,将与所述满足收敛条件的验证结果对应的特征提取模型作为所述训练完成的特征提取模型。
11.一种医保风险识别装置,包括:
第二获取模块,用于获取用户的医保数据,其中,所述医保数据包括基于所述用户的治疗描述信息生成的分词编码数据,所述治疗描述信息用于描述所述用户针对医保项目消耗的资源值;
输出模块,用于将所述医保数据输入特征提取模型,输出向量化特征特征数据,其中,所述特征提取模型是由权利要求1至8任一项所述的特征提取模型的训练方法训练得到的;以及
识别模块,用于将所述向量化特征数据输入预先训练完成的识别器,输出医保风险识别结果。
12.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~9中任一项所述的方法。
13.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~9中任一项所述的方法。
14.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912040.3A CN113627525B (zh) | 2021-08-10 | 2021-08-10 | 特征提取模型的训练方法、医保风险识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912040.3A CN113627525B (zh) | 2021-08-10 | 2021-08-10 | 特征提取模型的训练方法、医保风险识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113627525A CN113627525A (zh) | 2021-11-09 |
CN113627525B true CN113627525B (zh) | 2024-06-18 |
Family
ID=78383946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110912040.3A Active CN113627525B (zh) | 2021-08-10 | 2021-08-10 | 特征提取模型的训练方法、医保风险识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627525B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945235A (zh) * | 2011-08-16 | 2013-02-27 | 句容今太科技园有限公司 | 面向医疗保险违规和欺诈行为的数据挖掘*** |
CN107145587A (zh) * | 2017-05-11 | 2017-09-08 | 成都四方伟业软件股份有限公司 | 一种基于大数据挖掘的医保反欺诈*** |
CN107967948B (zh) * | 2017-12-07 | 2021-10-08 | 泰康保险集团股份有限公司 | 医疗大数据分析方法与装置 |
CN111353024B (zh) * | 2018-12-04 | 2023-04-18 | 阿里巴巴集团控股有限公司 | 回评文本的生成方法、装置及*** |
CN110517050A (zh) * | 2019-08-12 | 2019-11-29 | 太平洋医疗健康管理有限公司 | 一种医保反欺诈串换编码挖掘***及方法 |
CN113012774A (zh) * | 2019-12-18 | 2021-06-22 | 医渡云(北京)技术有限公司 | 病案自动编码方法、装置、电子设备及存储介质 |
CN111737975A (zh) * | 2020-05-14 | 2020-10-02 | 平安科技(深圳)有限公司 | 文本内涵质量的评估方法、装置、设备及存储介质 |
CN111597401B (zh) * | 2020-05-20 | 2021-08-17 | 腾讯科技(深圳)有限公司 | 基于图关系网络的数据处理方法、装置、设备及介质 |
CN112348660B (zh) * | 2020-10-21 | 2023-09-26 | 上海淇玥信息技术有限公司 | 生成风险警示信息的方法、装置及电子设备 |
-
2021
- 2021-08-10 CN CN202110912040.3A patent/CN113627525B/zh active Active
Non-Patent Citations (2)
Title |
---|
助力"医保控费",中国人寿...索与实践——以湖州地区为例;靳宏;浙江保险论文汇编2020(上);20200630;全文 * |
层次化神经网络模型下的释义识别方法;袁蕾;高曙;郭淼;袁自勇;;哈尔滨工业大学学报;20200925(10);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113627525A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Trivedi et al. | Automatic determination of the need for intravenous contrast in musculoskeletal MRI examinations using IBM Watson’s natural language processing algorithm | |
US11232365B2 (en) | Digital assistant platform | |
Rochefort et al. | A novel method of adverse event detection can accurately identify venous thromboembolisms (VTEs) from narrative electronic health record data | |
US10692588B2 (en) | Method and system for exploring the associations between drug side-effects and therapeutic indications | |
US20190371438A1 (en) | Computer-implemented system and method of facilitating artificial intelligence based revenue cycle management in healthcare | |
CN112259246B (zh) | 一种融合医学概念层级结构的疾病预测方法及相关设备 | |
WO2023024422A1 (zh) | 基于问诊会话的辅助诊断方法、装置及计算机设备 | |
US11860950B2 (en) | Document matching and data extraction | |
WO2021113728A1 (en) | Generating synthetic patient health data | |
CN114078597A (zh) | 从文本获得支持的决策树用于医疗健康应用 | |
Aljofey et al. | A feature-based robust method for abnormal contracts detection in ethereum blockchain | |
Guo et al. | Using knowledge transfer and rough set to predict the severity of android test reports via text mining | |
Panesar et al. | Artificial intelligence and machine learning in global healthcare | |
Williams et al. | Term sets: a transparent and reproducible representation of clinical code sets | |
US20240143605A1 (en) | System And Method For Improved State Identification And Prediction In Computerized Queries | |
Stiglic et al. | Pediatric readmission classification using stacked regularized logistic regression models | |
Oliveira et al. | Survivability prediction of colorectal cancer patients: a system with evolving features for continuous improvement | |
CN117557331A (zh) | 一种产品推荐方法、装置、计算机设备及存储介质 | |
CN113627525B (zh) | 特征提取模型的训练方法、医保风险识别方法及装置 | |
KR102145858B1 (ko) | 문서 이미지로부터 인식된 용어를 표준화하기 위한 방법 | |
US11989525B2 (en) | Techniques for generating multi-modal discourse trees | |
Demestichas et al. | An advanced abnormal behavior detection engine embedding autoencoders for the investigation of financial transactions | |
CN111507109A (zh) | 电子病历的命名实体识别方法及装置 | |
CN113392630A (zh) | 一种基于语义分析的中文句子相似度计算方法和*** | |
Anguera et al. | Sensor-generated time series events: a definition language |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |