隨著我國醫(yī)保制度的不斷發(fā)展,醫(yī)療保險制度在廣大人民群眾就診上發(fā)揮了重要作用。但由于相關法律法規(guī)不完善,醫(yī)療保險欺詐也呈現(xiàn)越來越嚴重的趨勢,影響了我國醫(yī)療保險事業(yè)健康可持續(xù)發(fā)展。因此,對存在社會醫(yī)�；鹌墼p行為的人員進行精確查處,加大反欺詐的力度,確保醫(yī)療保險基金的安全勢在必行。本文梳理了國內外醫(yī)療保險欺詐行為識別的相關研究,根據(jù)現(xiàn)有研究的不足,提出本文應用的方法。以統(tǒng)計周期的時間長短為劃分基礎,分別從長期維度和短期維度兩個方面建立基本醫(yī)療保險欺詐行為智能監(jiān)測指標體系�；谥悄鼙O(jiān)測體系中的各個指標組成樣本,利用Kmeans聚類和smote抽樣的混合抽樣方法對不平衡樣本進行重抽樣處理,利用lasso回歸等方法進行變量選擇,最終利用隨機森林和梯度提升決策樹算法建立基本醫(yī)療保險欺詐行為智能監(jiān)測模型、根據(jù)召回率、正確率等指標對模型進行評價和優(yōu)化,最終得到能夠準確識別醫(yī)療保險欺詐行為的智能監(jiān)測模型。本文在理論上,從多角度構建了一套較為完善的醫(yī)療保險智能監(jiān)測體系,為本文識別醫(yī)療保險欺詐行為奠定了基礎,也可作為今后監(jiān)測醫(yī)療保險異常行為的數(shù)據(jù)基礎;在實踐上,提出了一個能夠準確識別醫(yī)療保險欺詐行為的組合模型,相對于單一模型,欺詐行為的識別率有所提升,欺詐用戶識別率高達93.5%。本文的研究工作為反欺詐的工作提供重要參考,對醫(yī)療社會保險工作的發(fā)展具有一定的現(xiàn)實意義。
【學位單位】：首都經濟貿易大學
【學位級別】：碩士
【學位年份】：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變量的頻數(shù)直方圖如圖 4.1 所示。(a)治療費申報比例直方圖 (b)按周統(tǒng)計藥品費申報比例標準差直方圖

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，同時考慮了模型準確率、正確率、F 值和角度評估，最終得出識別欺詐行為效果最好的模型。療保險欺詐行為智能監(jiān)測模型的評價主要從基于混淆矩陣計算和正確率、 值、 曲線和 AUC值對模型進行評價。在基能監(jiān)測實證研究的過程中，本文從樣本數(shù)據(jù)中隨機選擇 70%作為測試集。同時也利用了 logstic 回歸、KNN 和支持向量機等算，在模型的召回率上遠遠低于隨機森林算法和梯度提升決策樹了隨機森林和梯度提升決策樹算法的評價結果。為對比出混合計算了利用全部樣本數(shù)據(jù)集進行建模的模型評價結果，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)模型評價結果
【參考文獻】

相關期刊論文 前10條

1 葉楓;丁鋒;;不平衡數(shù)據(jù)分類研究及其應用[J];計算機應用與軟件;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)保欺詐行為主動發(fā)現(xiàn)[J];科教導刊(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證碼人機識別[J];信息網絡安全;2017年09期

4 邱瑞;;基于頻繁模式挖掘算法的醫(yī)保欺詐預警研究[J];產業(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];測控技術;2017年05期

6 許剛;談元鵬;戴騰輝;;稀疏隨機森林下的用電側異常行為模式檢測[J];電網技術;2017年06期

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

8 李毅;姜天英;劉亞茹;;基于不平衡樣本的互聯(lián)網個人信用評估研究[J];統(tǒng)計與信息論壇;2017年02期

9 李婉華;陳宏;郭昆;郭松榮;韓嘉民;陳羽中;;基于隨機森林算法的用電負荷預測研究[J];計算機工程與應用;2016年23期

10 史徑宇;冉松靈;李晨萍;;醫(yī)保欺詐行為的主動發(fā)現(xiàn)——基于引進指標權重的聚類分析算法[J];數(shù)學建模及其應用;2016年01期

相關碩士學位論文 前10條

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

2 周如意;基于BP神經網絡和關聯(lián)規(guī)則的智能醫(yī)療保險稽核系統(tǒng)研究[D];浙江理工大學;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;2016年

4 馬驪;隨機森林算法的優(yōu)化改進研究[D];暨南大學;2016年

5 蘇濤;基于梯度提升樹的行為式驗證碼人機識別的研究[D];華中師范大學;2016年

6 郭濤;醫(yī)療保險欺詐檢測的研究與應用[D];電子科技大學;2016年

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

8 馬嘯原;社會醫(yī)療保險欺詐偵測模型及實證研究[D];首都經濟貿易大學;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;2014年

10 彭黎;神經網絡算法在新農合醫(yī)療保險欺詐風險預警中的應用[D];湖南大學;2014年

本文編號：2849501