近年來(lái),全民醫(yī)保已經(jīng)基本實(shí)現(xiàn),隨之而來(lái)的就是醫(yī)療保險(xiǎn)服務(wù)的監(jiān)控形勢(shì)面臨更嚴(yán)峻的挑戰(zhàn),即基本醫(yī)療保險(xiǎn)（簡(jiǎn)稱“醫(yī)�！保┢墼p騙保的案例急劇增多,給國(guó)家財(cái)產(chǎn)帶了巨大損失的同時(shí)也損害了社會(huì)的公平性和醫(yī)療的保障性。為了能夠加強(qiáng)對(duì)門診、住院,購(gòu)藥等各醫(yī)療服務(wù)環(huán)節(jié)的高效智能監(jiān)控,國(guó)家人社部門采取了諸多手段,包括了人工診療規(guī)則篩查、專家介入和數(shù)據(jù)比對(duì)等,這些方法都取得了一定的成果,但是由于技術(shù)手段比較落后,還存在著很大的局限性。因此能否結(jié)合新的特征提取方法和模型融合技術(shù)來(lái)有效解決基本醫(yī)療保險(xiǎn)欺詐騙保行為的識(shí)別問(wèn)題（簡(jiǎn)稱醫(yī)保欺詐識(shí)別）便成為了本文研究的出發(fā)點(diǎn)。首先,針對(duì)基本醫(yī)療保險(xiǎn)欺詐識(shí)別場(chǎng)景中傳統(tǒng)方法提取的特征不完善,本文提出了基于行為相似度和多類別算法的二次特征提取方法,該方法在傳統(tǒng)特征提取基礎(chǔ)上將模型訓(xùn)練過(guò)程中產(chǎn)生的中間結(jié)果作為統(tǒng)計(jì)特征,其中多類別算法包括多項(xiàng)式組合,Boosting樹模型葉子節(jié)點(diǎn)特征提取以及基于Word2vec的embedding特征提取。該方法有效避免了傳統(tǒng)特征提取方法的特征生成質(zhì)量不高的問(wèn)題,達(dá)到了為后續(xù)預(yù)測(cè)模型提供完善而高質(zhì)量特征的效果,以保證預(yù)測(cè)性能的大幅提升。其次,針對(duì)醫(yī)... 

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

交叉驗(yàn)證圖解

醫(yī)保欺詐識(shí)別特征工程流程圖

參保人員行為分布圖

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的醫(yī)保欺詐識(shí)別[J]. 劉崇,祝錫永.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(06)
[2]特征工程:學(xué)習(xí)分析中識(shí)別行為模式的重要方法[J]. 歐陽(yáng)嘉煜,范逸洲,羅淑芳,紀(jì)九梅,汪瓊.  現(xiàn)代教育技術(shù). 2018(04)
[3]卷積神經(jīng)網(wǎng)絡(luò)特征重要性分析及增強(qiáng)特征選擇模型[J]. 盧泓宇,張敏,劉奕群,馬少平.  軟件學(xué)報(bào). 2017(11)
[4]一種基于Boosting的集成學(xué)習(xí)算法在銀行個(gè)人信用評(píng)級(jí)中的應(yīng)用[J]. 陳力,黃艷瑩,游德創(chuàng).  價(jià)值工程. 2017(18)
[5]利用人體部位特征重要性進(jìn)行行人再識(shí)別[J]. 章登義,王騫,朱波,武小平,曹瑀,蔡波.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(01)
[6]改進(jìn)Pearson相關(guān)系數(shù)的個(gè)性化推薦算法[J]. 陳功平,王紅.  山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[7]醫(yī)保欺詐行為的主動(dòng)發(fā)現(xiàn)[J]. 唐璟宜,孫有坤,周海林.  合作經(jīng)濟(jì)與科技. 2016(16)
[8]基于數(shù)據(jù)挖掘的醫(yī)保欺詐預(yù)警模型研究[J]. 陳亞琳,王旭明.  電腦知識(shí)與技術(shù). 2016(11)
[9]基于信息增益和Bagging集成學(xué)習(xí)算法的個(gè)人信用評(píng)估模型研究[J]. 曹杰,邵笑笑.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2016(08)
[10]基于多Agent的醫(yī)保欺詐檢測(cè)系統(tǒng)的研究[J]. 劉舒舒,楊鶴標(biāo).  計(jì)算機(jī)技術(shù)與發(fā)展. 2013(12)

碩士論文
[1]基于GBDT和LR融合的個(gè)人信用評(píng)估模型的研究與應(yīng)用[D]. 孟碩.北京工業(yè)大學(xué) 2018
[2]基于LightGBM,XGBoost,ERT混合模型的風(fēng)機(jī)葉片結(jié)冰預(yù)測(cè)研究[D]. 張丹峰.上海師范大學(xué) 2018
[3]基于商品類目的個(gè)性化廣告推薦[D]. 楊程遠(yuǎn).西安電子科技大學(xué) 2017
[4]基于不平衡數(shù)據(jù)的分類方法研究[D]. 張立旺.中北大學(xué) 2016
[5]B2B電子商務(wù)平臺(tái)欺詐用戶識(shí)別研究[D]. 鄭一曼.南京理工大學(xué) 2014



本文編號(hào)：3716287