本申請涉及人工智能領域的智能檢測，提供了一種醫保理賠費用檢測方法、裝置、計算機設備和存儲介質。所述方法包括：獲取歷史醫保理賠數據，將歷史醫保理賠數據輸入聚類模型中，得到多個候選醫保理賠簇群；計算各個候選醫保理賠簇群的理賠對標值，并獲取各個候選醫保理賠簇群中歷史醫保理賠數據的理賠值，根據理賠對標值和理賠值計算各個候選醫保理賠簇群的理賠差異值；獲取待檢測醫保理賠數據，根據待檢測醫保理賠數據從候選理賠簇群中確定對應的目標醫保理賠簇群，根據目標醫保理賠簇群得到對應的目標理賠差異值；獲取待檢測醫保理賠數據中的目標理賠值，根據目標理賠差異值和目標理賠值得到可控理賠費用。采用本方法能夠有效防止醫保理賠不合理增長。

技術領域

本申請涉及計算機技術領域，特別是涉及一種醫保理賠費用檢測方法、裝置、計算機設備和存儲介質。

背景技術

醫保指社會醫療保險。社會醫療保險是國家和社會根據一定的法律法規，為向保障范圍內的勞動者提供患病時基本醫療需求保障而建立的社會保險制度。但是，由于醫療衛生行業的特殊性，醫療保險系統主體間的信息不對稱引發了道德風險，導致醫療費用不合理上漲，從而使醫保理賠的費用不合理增長。目前，都是通過政策對醫保理賠的費用不合理增長進行限制，這種簡單的政策規則限制，難以有效防止醫保理賠的費用不合理增長。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠有效防止醫保理賠費用不合理增長的醫保理賠費用檢測方法、裝置、計算機設備和存儲介質。

一種醫保理賠費用檢測方法，所述方法包括：

獲取歷史醫保理賠數據，將歷史醫保理賠數據輸入聚類模型中，得到多個候選醫保理賠簇群；

計算各個候選醫保理賠簇群的理賠對標值，并獲取各個候選醫保理賠簇群中歷史醫保理賠數據的理賠值，根據理賠對標值和理賠值計算各個候選醫保理賠簇群的理賠差異值；

獲取待檢測醫保理賠數據，根據待檢測醫保理賠數據從候選理賠簇群中確定對應的目標醫保理賠簇群，根據目標醫保理賠簇群得到對應的目標理賠差異值；

獲取待檢測醫保理賠數據中的目標理賠值，根據目標理賠差異值和目標理賠值得到可控理賠費用。

在其中一個實施例中，將歷史醫保理賠數據輸入聚類模型中，得到多個候選醫保理賠簇群，包括：

獲取劃分條件，根據劃分條件對歷史醫保理賠數據進行劃分，得到劃分結果；

將劃分結果輸入聚類模型中，得到劃分結果對應的多個候選醫保理賠簇群；

則根據待檢測醫保理賠數據從候選理賠簇群中確定對應的目標醫保理賠簇群，包括：

根據劃分條件對待檢測醫保理賠數據進行劃分，根據劃分結果確定待檢測醫保理賠數據對應的目標醫保理賠簇群。

在其中一個實施例中，將歷史醫保理賠數據輸入聚類模型中，得到多個候選醫保理賠簇群，包括：

獲取預設聚類簇數，隨機從歷史醫保理賠數據中選擇預設聚類簇數的初始簇中心，將初始簇中心作為當前簇中心；

計算歷史醫保理賠數據到當前簇中心的距離，根據距離將歷史醫保理賠數據分配到當前簇中心對應的簇中，得到預設聚類簇數的目標簇；

計算目標簇的目標簇中心，將目標簇中心作為當前簇中心，返回計算歷史醫保理賠數據到當前簇中心的距離，根據距離將歷史醫保理賠數據分配到當前簇中心對應的簇中，得到預設聚類簇數的目標簇的步驟進行重復聚類，當滿足收斂條件時，得到預設聚類簇數的候選醫保理賠簇群。

在其中一個實施例中，將歷史醫保理賠數據輸入聚類模型中，得到多個候選醫保理賠簇群，包括：

獲取預設醫保聚類簇數，并獲取預設高斯分布參數和預設權重；