收药端医保欺诈识别与可视化系统研发

项目介绍

开发的系统可以读取嫌疑人手机取证信息中的微信聊天记录、微信群组信息、转账信息和位置信息等内容，通过技术手段进行分析，进一步寻找倒卖药品线索。本人的工作主要是下图红色部分：以合适的方式存储系统基于微信聊天记录分析得到的倒卖药品线索，采用技术手段整合这些线索并进行可交互式展示。

宏观流程展示

功能需求与解决方案

系统架构介绍（图片顺序从上至下）

1、为了将分析结果转换以图谱的形式存储，系统自动触发处理更新的全局前端绘图数据表，将处理后的数据同步更新至Neo4j图数据库。
2、为实现Cypher语句生成功能，我们在本地服务器上部署ChatGLM3-6B大模型，机器的显卡配置是2 × RTX3090。编写API可实现与模型的交流。
3、为实现自然语言到Cypher语句的转化，本系统借助大语言模型的语言生成能力，采用少样本提示方式，用自然语言描述的查询需求，生成对应的Cypher语句，进而可向Neo4j图数据库查询获取信息。该过程的细节如图所示。
4、数据适配过程主要用正则表达式过滤Cypher查询结果字符串，将精确信息存储到前端绘图数据表中。
上述内容如下图所示：

应用实例介绍

下图是以一个示例来展示系统实现流程：

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
1、“未来可期”是取证用户的微信昵称，为一级收药人，向昵称为“sweety”的人出售药品。
2、如图中所示左侧部分存储节点信息，右侧部分存储关系信息，关系的方向由节点信息的ID字段值决定。

++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
举例说明，如果用户想要查询的问题是“查询与微信id为sweety的人有直接药品交易联系的嫌疑人”，系统会匹配到右表与之最相似的第一行的问题(Qa)，ChatGLM-3模型会模仿第一行的查询语句(Cypher)，生成查询节点和关系的标准Cypher语句。后续程序脚本将这两个Cypher语句提交到Neo4j中查询，查询结果字符串中包含节点信息和关系信息，系统对结果字符串做数据适配，将信息存储到局部前端绘图数据表。

++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
系统效果展示：

总结

一方面，针对包含复杂关联信息的线索分析结果的存储与表达问题，本系统采用Neo4j图数据库存储线索分析结果，充分建模数据关联，构建知识图谱，提高了信息表达质量。
另一方面，针对检方业务用户难以查询图数据库的问题，本系统以可视化知识图谱的形式展示操作界面，并融合大语言模型生成图数据库查询语句，设计相关功能实现基于自然语言的交互，方便用户查询操作。