基于国家医保基金监管典型案例的结构化违规特征与处罚知识图谱数据集

本数据产品以医保基金监管典型案例为核心，通过NLP与结构化抽取技术，将通报自由文本转化为结构化数据，构建基础信息、违规分析、处罚依据、主体关联四层架构。 （一）核心实体表（15字段）： 典型案例内容、检查时间、来源网址、被检查地区、检查类型、检查主体、违法违规情形、被检查单位/个人、处罚依据、处罚情况、涉及基金、罚款金额、涉及项目、违规类型、违规行为，均为文本型（网址为字符型）。 （二）知识图谱查询： 采用Neo4j图数据库构建正向（违规类型→案例→处罚依据→结果，分析违规认定与处罚模式）、反向（处罚依据→案例→违规行为，分析法规引用频次）、主体画像（被查单位→历史违规→类型分布→处罚趋势，构建合规风险画像）、地域分析（检查主体→辖区案例→违规热点）四类查询路径。 （三）数据加工层级： L1原始层（案例通报PDF/HTML，保留原文与格式）； L2抽取层（通过NLP抽取检查类型、检查主体、被查单位、违规情形、处罚依据、处理结果、涉及金额等实体）； L3结构化层（按表结构规范化存储，统一编码格式）； L4知识图谱层（构建违规—处罚—结果多维关联图谱，支持复杂语义查询与模式识别）。

搜集汇总

背景与挑战

背景概述

该数据集基于国家医保基金监管典型案例，借助自然语言处理与结构化抽取技术，将通报文本转化为涵盖基础信息、违规分析、处罚依据和主体关联四层架构的结构化数据，并构建了包含15个字段的核心实体表。同时，利用Neo4j图数据库建立了正向、反向、主体画像和地域分析四类查询路径的知识图谱，支持违规认定、法规引用频次、合规风险画像等复杂语义查询与模式识别。