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！

申请/专利权人：浙江工业大学

摘要：本发明公开了一种基于改进RFM模型的医保参保人员分类方法，包括：获取参保人员购药数据集；建立改进RFM模型，执行：基于参保人员购药数据集统计对应参保人员的关键指标，包括平均购买时间、购买频次、购买地点数、代办次数和代办人数；将平均购买时间指标逆向标准化，其余指标正向标准化；采用熵值法为标准化后的各项指标赋权；对赋权后的参保人员购药数据集进行聚类，获得各类别的参保人员群体的总监管价值；将全部类别的总监管价值进行排序，比较总监管价值最大的前L个类别的参保人员群体的各项指标价值，将每项指标价值中的最大值作为对应类别的突出特征并进行监管。该方法能够精准监管具有医保违规风险的参保人群，更加智能化。

主权项：1.一种基于改进RFM模型的医保参保人员分类方法，其特征在于：所述基于改进RFM模型的医保参保人员分类方法包括如下步骤：S1、获取参保人员购药刷卡信息并进行预处理，形成参保人员购药数据集；S2、建立改进RFM模型，所述改进RFM模型执行如下操作：S21、基于参保人员购药数据集统计出对应参保人员的关键指标，所述关键指标包括平均购买时间R1、购买频次F、购买地点数P、代办次数S和代办人数S1共五项指标，所述购买地点数P为对刷卡药店编号集合去重后的元素个数，所述代办人数S1为对代办人身份证号集合去重后的元素个数，所述平均购买时间R1计算如下： 式中，Tlast_time表示在预设参考时间段内参保人员最后一次购药的时间，Tfirst_time表示在预设参考时间段内参保人员第一次购药的时间；S22、将平均购买时间R1指标进行逆向标准化，将购买频次F、购买地点数P、代办次数S和代办人数S1指标进行正向标准化；S23、采用熵值法为标准化后的各项指标赋权，形成赋权后的参保人员购药数据集，各项指标的赋权公式如下：Vi′j＝WjVij,j＝1,...,5式中，Wj为第j项指标的权重，Vij为第i个参保人员的第j项指标的标准化值，Vi′j为第i个参保人员的第j项指标赋权后的值；S3、对赋权后的参保人员购药数据集采用聚类算法进行聚类，获得k个不同类别的参保人员群体，计算出第l个类别的参保人员群体的总监管价值Vl，公式如下： 式中，表示第l个类别的平均购买时间的指标价值，Fl表示第l个类别的购买频次的指标价值，Pl表示第l个类别的购买地点数的指标价值，Sl表示第l个类别的代办次数的指标价值，表示第l个类别的代办人数的指标价值，指标价值即为对应指标的平均值；S4、将全部类别的参保人员群体的总监管价值进行排序，比较总监管价值最大的前L个类别的参保人员群体的各项指标价值，L≤k，将每项指标价值中的最大值作为对应类别的突出特征并进行监管。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于改进RFM模型的医保参保人员分类方法