买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京智诚民康信息技术有限公司申请的专利DIP及DRG医保风险预测方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121504637B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610027069.6，技术领域涉及：G06Q40/08；该发明授权DIP及DRG医保风险预测方法、装置、设备及介质是由余燕平设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本DIP及DRG医保风险预测方法、装置、设备及介质在说明书摘要公布了：本发明公开了一种DIP及DRG医保风险预测方法、装置、设备及介质，该方法包括：对采集的多源异构数据进行预处理，获得初始时序数据集，对初始时序数据集进行动态特征提取，获得各参保用户的关键时序特征组合，基于关键时序特征组合对预构建的原始模型进行训练，获得双分支编码结构的欺诈风险时序预测模型，将目标区域预处理以及动态特征提取后的数据输入至欺诈风险时序预测模型，输出动态欺诈风险预测结果，实现欺诈特征的精准挖掘与时序化表征，从时空维度进行欺诈风险预测，提升对复杂欺诈行为的精准预测，实现对医保交易中的异常行为进行动态实时预测，实现对风险交易进行提前管控，提升医保交易监管的精准性与高效性。

本发明授权DIP及DRG医保风险预测方法、装置、设备及介质在权利要求书中公布了：1.一种DIP及DRG医保风险预测方法，其特征在于，所述方法包括： 对采集的多源异构数据进行预处理，获得初始时序数据集，所述多源异构数据包括医保结算数据、医疗机构运营数据及患者就诊记录数据； 对所述初始时序数据集进行动态特征提取，获得各参保用户的关键时序特征组合，所述关键时序特征组合包含欺诈类型以及与所述欺诈类型关联的多个关键欺诈时序特征； 基于所述关键时序特征组合对预构建的原始模型进行训练，获得欺诈风险时序预测模型，所述原始模型包含双分支特征编码模块、特征融合模块及预测输出模块，所述双分支特征编码模块的第一分支为图神经网络、第二分支为双向长短期记忆网络，其中所述第一分支配置为图结构数据学习，所述第二分支配置为时序特征学习，所述欺诈风险时序预测模型包括第一分支特征编码结构和第二分支特征编码结构，所述第一分支特征编码结构基于图神经网络构建，所述第二分支特征编码结构基于双向长短期记忆网络构建； 对目标区域进行数据监测，并对采集到的监测数据进行预处理以及动态特征提取，将预处理以及动态特征提取后的数据输入至所述欺诈风险时序预测模型，输出动态欺诈风险预测结果，所述动态欺诈风险预测结果包括所述目标区域中各交易行为的风险等级； 所述对所述初始时序数据集进行动态特征提取，获得各参保用户的关键时序特征组合，包括： 将所述初始时序数据集输入至语义编码模型进行语义编码，获得语义向量，所述语义编码模型基于医保领域词典数据集预构建； 分析各参保用户在不同时间步的语义向量的关联强度，获得时序趋势特征； 基于所述语义向量分析各实体对应的语义向量关联强度，获得实体关联特征，所述实体包括参保用户、医疗机构和诊疗项目； 基于所述时序趋势特征和所述语义向量关联强度生成各参保用户的特征子集，所述特征子集包含多个特征矩阵； 基于历史样本确定各特征矩阵的欺诈特征权重，并基于所述欺诈特征权重将各特征矩阵与欺诈类型进行关联组合，生成多个欺诈特征组合，所述历史样本包含欺诈标签的特征矩阵样本和正常标签的特征矩阵样本； 对所述欺诈特征组合进行特征筛选，获得关键时序特征组合； 所述基于历史样本确定各特征矩阵的欺诈特征权重，并基于所述欺诈特征权重将各特征矩阵与欺诈类型进行关联组合，生成多个欺诈特征组合，包括： 基于历史样本构建权重分析模型，所述权重分析模型包含输入层、多头因果注意力层和融合层，所述输入层配置为基于干预函数将输入的特征矩阵映射为因果特征向量，所述多头因果注意力层包含多个因果注意力头，所述因果注意力头包含欺诈类型注意力头和因果层级注意力头，所述欺诈类型注意力头配置为基于欺诈类型维度计算因果特征向量的注意力得分，所述因果层级注意力头配置为基于因果层级维度计算因果特征向量的注意力得分，所述融合层配置为对多个因果注意力头的输出结果进行融合，输出初始特征权重； 将各参保用户的特征子集输入至所述权重分析模型，获得初始特征权重； 对所述历史样本进行事实分析，获得事实分析结果，所述事实分析结果包括特征缺失后导致的欺诈概率变化值； 基于所述事实分析结果对所述初始特征权重进行调整，获得各特征矩阵的欺诈特征权重； 基于所述欺诈特征权重对所述特征矩阵进行优先级分析，确定所述特征矩阵中的高权重的核心特征矩阵和中权重的辅助特征矩阵； 将所述核心特征矩阵以及所述辅助特征矩阵与欺诈类型进行关联组合，获得欺诈特征组合； 所述对所述欺诈特征组合进行特征筛选，获得关键时序特征组合，包括： 基于医保规则信息生成业务合理约束条件，并基于所述业务合理约束条件对所述欺诈特征组合进行合理性筛选，获得第一特征组合； 基于所述第一特征组合中各特征的时间步分析各特征的时间波动信息，并基于所述时间波动信息对所述第一特征组合进行时序稳定性筛选，获得第二特征组合； 对所述第二特征组合中各特征之间的多重共线性进行分析，确定各特征之间的互信息值，并基于所述互信息值对所述第二特征组合进行特征冗余筛选，获得关键时序特征组合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京智诚民康信息技术有限公司，其通讯地址为：100020 北京市朝阳区五里桥一街1号院4号楼1层J1-1型研发中心内101室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。