| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 医保审核发展现状 | 第11-14页 |
| 1.2.2 大数据挖掘技术综述 | 第14-16页 |
| 1.2.3 大数据挖掘在医保领域的应用 | 第16页 |
| 1.3 研究目标和内容 | 第16-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第二章 相关技术研究 | 第19-32页 |
| 2.1 规则引擎技术简介 | 第19-22页 |
| 2.1.1 基本原理 | 第20-21页 |
| 2.1.2 主流规则引擎 | 第21-22页 |
| 2.2 Drools规则引擎 | 第22-28页 |
| 2.2.1 Drools机制 | 第23-24页 |
| 2.2.2 规则语言 | 第24-25页 |
| 2.2.3 模式匹配算法Rete | 第25-28页 |
| 2.3 Hadoop体系结构 | 第28-31页 |
| 2.3.1 MapReduce | 第29-31页 |
| 2.3.2 HDFS | 第31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 医保智能审核系统需求分析与总体设计 | 第32-48页 |
| 3.1 基于规则的医保智能审核系统概述与目标 | 第32-34页 |
| 3.2 医保规则管理 | 第34-37页 |
| 3.2.1 医保规则的一般表现形式 | 第34-35页 |
| 3.2.2 医保规则管理需求 | 第35-37页 |
| 3.3 医保数据审核 | 第37-38页 |
| 3.4 系统管理 | 第38-39页 |
| 3.5 医保数据准备与模型建立 | 第39-44页 |
| 3.5.1 医保数据集理解与分析 | 第39-40页 |
| 3.5.2 数据选取与预处理 | 第40-42页 |
| 3.5.3 频繁模式挖掘算法FP-Growth | 第42-44页 |
| 3.6 总体架构 | 第44-47页 |
| 3.6.1 总体设计原则 | 第44页 |
| 3.6.2 系统总体逻辑结构 | 第44-45页 |
| 3.6.3 总体技术架构与技术路线 | 第45-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 医保智能审核系统详细设计与实现 | 第48-76页 |
| 4.1 医保规则管理的设计与实现 | 第48-59页 |
| 4.1.1 业务规则设计 | 第49-51页 |
| 4.1.2 规则数据模型 | 第51-57页 |
| 4.1.3 规则生成过程 | 第57-59页 |
| 4.2 医保数据审核的设计与实现 | 第59-68页 |
| 4.2.1 医保数据审核的基本流程 | 第59-60页 |
| 4.2.2 接口的设计 | 第60-66页 |
| 4.2.3 引擎内部实现 | 第66-68页 |
| 4.3 系统管理数据模型设计 | 第68-69页 |
| 4.4 医保数据挖掘的设计与实现 | 第69-75页 |
| 4.4.1 FP-Growth算法的并行化设计与实现 | 第69-70页 |
| 4.4.2 数据分析环境的搭建 | 第70-72页 |
| 4.4.3 数据挖掘结果及分析 | 第72-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 医保智能审核系统实例与测试 | 第76-84页 |
| 5.1 测试环境 | 第76页 |
| 5.2 功能测试 | 第76-82页 |
| 5.2.1 规则管理模块 | 第77-80页 |
| 5.2.2 费用审核模块 | 第80-82页 |
| 5.3 性能测试 | 第82-83页 |
| 5.4 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 本文工作小结 | 第84-85页 |
| 6.2 工作展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 攻读硕士期间取得的成果 | 第90-91页 |