隨著我國醫(yī)保制度的不斷發(fā)展,醫(yī)療保險(xiǎn)制度在廣大人民群眾就診上發(fā)揮了重要作用。但由于相關(guān)法律法規(guī)不完善,醫(yī)療保險(xiǎn)欺詐也呈現(xiàn)越來越嚴(yán)重的趨勢(shì),影響了我國醫(yī)療保險(xiǎn)事業(yè)健康可持續(xù)發(fā)展。因此,對(duì)存在社會(huì)醫(yī)�；鹌墼p行為的人員進(jìn)行精確查處,加大反欺詐的力度,確保醫(yī)療保險(xiǎn)基金的安全勢(shì)在必行。本文梳理了國內(nèi)外醫(yī)療保險(xiǎn)欺詐行為識(shí)別的相關(guān)研究,根據(jù)現(xiàn)有研究的不足,提出本文應(yīng)用的方法。以統(tǒng)計(jì)周期的時(shí)間長短為劃分基礎(chǔ),分別從長期維度和短期維度兩個(gè)方面建立基本醫(yī)療保險(xiǎn)欺詐行為智能監(jiān)測(cè)指標(biāo)體系。基于智能監(jiān)測(cè)體系中的各個(gè)指標(biāo)組成樣本,利用Kmeans聚類和smote抽樣的混合抽樣方法對(duì)不平衡樣本進(jìn)行重抽樣處理,利用lasso回歸等方法進(jìn)行變量選擇,最終利用隨機(jī)森林和梯度提升決策樹算法建立基本醫(yī)療保險(xiǎn)欺詐行為智能監(jiān)測(cè)模型、根據(jù)召回率、正確率等指標(biāo)對(duì)模型進(jìn)行評(píng)價(jià)和優(yōu)化,最終得到能夠準(zhǔn)確識(shí)別醫(yī)療保險(xiǎn)欺詐行為的智能監(jiān)測(cè)模型。本文在理論上,從多角度構(gòu)建了一套較為完善的醫(yī)療保險(xiǎn)智能監(jiān)測(cè)體系,為本文識(shí)別醫(yī)療保險(xiǎn)欺詐行為奠定了基礎(chǔ),也可作為今后監(jiān)測(cè)醫(yī)療保險(xiǎn)異常行為的數(shù)據(jù)基礎(chǔ);在實(shí)踐上,提出了一個(gè)能夠準(zhǔn)確識(shí)別醫(yī)療保險(xiǎn)欺詐行為的組合模型,相對(duì)于單一模型,欺詐行為的識(shí)別率有所提升,欺詐用戶識(shí)別率高達(dá)93.5%。本文的研究工作為反欺詐的工作提供重要參考,對(duì)醫(yī)療社會(huì)保險(xiǎn)工作的發(fā)展具有一定的現(xiàn)實(shí)意義。
【學(xué)位單位】：首都經(jīng)濟(jì)貿(mào)易大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F842.684
【部分圖文】：

下四分位數(shù) 1 0.01829 0.00926 0.0235最大值 1 0.3454 0.3802 0.9426從直方圖可以更直觀的看到變量的分布情況，取值變化較小的四個(gè)變量的頻數(shù)直方圖如圖 4.1 所示。(a)治療費(fèi)申報(bào)比例直方圖 (b)按周統(tǒng)計(jì)藥品費(fèi)申報(bào)比例標(biāo)準(zhǔn)差直方圖

圖 4.2 ROC曲線示意圖文的研究目的是為了精確識(shí)別出存在欺詐行為的人員，因此本以召回率優(yōu)先的原則，同時(shí)考慮了模型準(zhǔn)確率、正確率、F 值和角度評(píng)估，最終得出識(shí)別欺詐行為效果最好的模型。療保險(xiǎn)欺詐行為智能監(jiān)測(cè)模型的評(píng)價(jià)主要從基于混淆矩陣計(jì)算和正確率、 值、 曲線和 AUC值對(duì)模型進(jìn)行評(píng)價(jià)。在基能監(jiān)測(cè)實(shí)證研究的過程中，本文從樣本數(shù)據(jù)中隨機(jī)選擇 70%作為測(cè)試集。同時(shí)也利用了 logstic 回歸、KNN 和支持向量機(jī)等算，在模型的召回率上遠(yuǎn)遠(yuǎn)低于隨機(jī)森林算法和梯度提升決策樹了隨機(jī)森林和梯度提升決策樹算法的評(píng)價(jià)結(jié)果。為對(duì)比出混合計(jì)算了利用全部樣本數(shù)據(jù)集進(jìn)行建模的模型評(píng)價(jià)結(jié)果，具體數(shù)見圖 4.3。表 4.4 原始數(shù)據(jù)與混合抽樣數(shù)據(jù)模型評(píng)價(jià)結(jié)果
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葉楓;丁鋒;;不平衡數(shù)據(jù)分類研究及其應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2018年01期

2 尹菊芳;韓雪;;基于主成分分析和聚類分析的醫(yī)保欺詐行為主動(dòng)發(fā)現(xiàn)[J];科教導(dǎo)刊(下旬);2017年12期

3 歐陽志友;孫孝魁;;基于梯度提升模型的行為式驗(yàn)證碼人機(jī)識(shí)別[J];信息網(wǎng)絡(luò)安全;2017年09期

4 邱瑞;;基于頻繁模式挖掘算法的醫(yī)保欺詐預(yù)警研究[J];產(chǎn)業(yè)與科技論壇;2017年17期

5 陳宏;鄧芳明;吳翔;付智輝;;基于梯度提升決策樹的電力電子電路故障診斷[J];測(cè)控技術(shù);2017年05期

6 許剛;談元鵬;戴騰輝;;稀疏隨機(jī)森林下的用電側(cè)異常行為模式檢測(cè)[J];電網(wǎng)技術(shù);2017年06期

7 劉高軍;李越洋;;基于借閱信息的圖書個(gè)性化推薦算法研究[J];數(shù)字技術(shù)與應(yīng)用;2017年03期

8 李毅;姜天英;劉亞茹;;基于不平衡樣本的互聯(lián)網(wǎng)個(gè)人信用評(píng)估研究[J];統(tǒng)計(jì)與信息論壇;2017年02期

9 李婉華;陳宏;郭昆;郭松榮;韓嘉民;陳羽中;;基于隨機(jī)森林算法的用電負(fù)荷預(yù)測(cè)研究[J];計(jì)算機(jī)工程與應(yīng)用;2016年23期

10 史徑宇;冉松靈;李晨萍;;醫(yī)保欺詐行為的主動(dòng)發(fā)現(xiàn)——基于引進(jìn)指標(biāo)權(quán)重的聚類分析算法[J];數(shù)學(xué)建模及其應(yīng)用;2016年01期

相關(guān)碩士學(xué)位論文 前10條

1 何世建;基于梯度提升決策樹與深度信念網(wǎng)絡(luò)融合的推薦算法研究[D];廣西師范大學(xué);2017年

2 周如意;基于BP神經(jīng)網(wǎng)絡(luò)和關(guān)聯(lián)規(guī)則的智能醫(yī)療保險(xiǎn)稽核系統(tǒng)研究[D];浙江理工大學(xué);2017年

3 鄧仙榮;基于梯度提升回歸算法的O2O推薦模型研究[D];安徽理工大學(xué);2016年

4 馬驪;隨機(jī)森林算法的優(yōu)化改進(jìn)研究[D];暨南大學(xué);2016年

5 蘇濤;基于梯度提升樹的行為式驗(yàn)證碼人機(jī)識(shí)別的研究[D];華中師范大學(xué);2016年

6 郭濤;醫(yī)療保險(xiǎn)欺詐檢測(cè)的研究與應(yīng)用[D];電子科技大學(xué);2016年

7 李秀麗;醫(yī)保異常檢測(cè)的分類集成算法研究[D];電子科技大學(xué);2016年

8 馬嘯原;社會(huì)醫(yī)療保險(xiǎn)欺詐偵測(cè)模型及實(shí)證研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

9 歐陽源遊;基于混合采樣的非平衡數(shù)據(jù)集分類研究[D];重慶大學(xué);2014年

10 彭黎;神經(jīng)網(wǎng)絡(luò)算法在新農(nóng)合醫(yī)療保險(xiǎn)欺詐風(fēng)險(xiǎn)預(yù)警中的應(yīng)用[D];湖南大學(xué);2014年

本文編號(hào)：2849501