近年来,随着国家层面上对医疗保险的大力推广,防范医疗保险欺诈、保护医保基金的稳定安全显得愈发重要。现阶段,医疗保险的主要工作方向在于使用信息化技术构建合理的监管系统,以及利用大数据技术从海量医疗保险数据中识别异常数据和行为。本文主要从以上两点出发,针对历史医保数据挖掘医保规则,丰富现有的规则库,并采用以规则引擎为核心,构建一套完善的针对医保业务的审核系统。同时,为了应对大量的数据审核需求,采用MapReduce模型的思想,提出基于现有规则引擎的并行化执行方案,有效的提升了系统的审核能力。通过以上方式形成一套从挖掘新规则,应用规则,再到优化规则执行性能的解决方案。主要工作有以下几个方面:1.医保规则挖掘:分析医保规则挖掘的问题所在,针对某地医保费用数据集进行预处理和特征选取,对数据集存在分类不平衡问题做处理,对比了多种数据平衡策略在医保数据集的表现,最后通过Ripper规则提取算法挖掘医保规则,并和其他常用的规则学习算法做对比。2.规则执行优化:基于现有的规则引擎Drools,结合MapReduce模型的思想,提出针对医保审核业务的规则并行化执行方案。具体的,在子规则的拆分和分配方式、事实数据的分配方式、中间结果的规约方式上详细阐述了方案的设计思路。在这个过程中,结合规则引擎Rete算法的特点进一步优化。最后对比基于该方案的原型系统和单机系统的性能,证明方案的可行性。3.医保审核系统:分析系统需求所在,并提出系统整体的设计实现架构。针对详细功能模块设计,依次介绍了规则管理、规则流管理、审核服务和规则监控等核心模块。