全国基本医疗保险欺诈行为智能监测研究

发布时间：2020-10-21 02:27

　　 随着我国医保制度的不断发展,医疗保险制度在广大人民群众就诊上发挥了重要作用。但由于相关法律法规不完善,医疗保险欺诈也呈现越来越严重的趋势,影响了我国医疗保险事业健康可持续发展。因此,对存在社会医保基金欺诈行为的人员进行精确查处,加大反欺诈的力度,确保医疗保险基金的安全势在必行。本文梳理了国内外医疗保险欺诈行为识别的相关研究,根据现有研究的不足,提出本文应用的方法。以统计周期的时间长短为划分基础,分别从长期维度和短期维度两个方面建立基本医疗保险欺诈行为智能监测指标体系。基于智能监测体系中的各个指标组成样本,利用Kmeans聚类和smote抽样的混合抽样方法对不平衡样本进行重抽样处理,利用lasso回归等方法进行变量选择,最终利用随机森林和梯度提升决策树算法建立基本医疗保险欺诈行为智能监测模型、根据召回率、正确率等指标对模型进行评价和优化,最终得到能够准确识别医疗保险欺诈行为的智能监测模型。本文在理论上,从多角度构建了一套较为完善的医疗保险智能监测体系,为本文识别医疗保险欺诈行为奠定了基础,也可作为今后监测医疗保险异常行为的数据基础;在实践上,提出了一个能够准确识别医疗保险欺诈行为的组合模型,相对于单一模型,欺诈行为的识别率有所提升,欺诈用户识别率高达93.5%。本文的研究工作为反欺诈的工作提供重要参考,对医疗社会保险工作的发展具有一定的现实意义。
【学位单位】：首都经济贸易大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F842.684
【部分图文】：

下四分位数 1 0.01829 0.00926 0.0235最大值 1 0.3454 0.3802 0.9426从直方图可以更直观的看到变量的分布情况，取值变化较小的四个变量的频数直方图如图 4.1 所示。(a)治疗费申报比例直方图 (b)按周统计药品费申报比例标准差直方图

图 4.2 ROC曲线示意图文的研究目的是为了精确识别出存在欺诈行为的人员，因此本以召回率优先的原则，同时考虑了模型准确率、正确率、F 值和角度评估，最终得出识别欺诈行为效果最好的模型。疗保险欺诈行为智能监测模型的评价主要从基于混淆矩阵计算和正确率、 值、 曲线和 AUC值对模型进行评价。在基能监测实证研究的过程中，本文从样本数据中随机选择 70%作为测试集。同时也利用了 logstic 回归、KNN 和支持向量机等算，在模型的召回率上远远低于随机森林算法和梯度提升决策树了随机森林和梯度提升决策树算法的评价结果。为对比出混合计算了利用全部样本数据集进行建模的模型评价结果，具体数见图 4.3。表 4.4 原始数据与混合抽样数据模型评价结果
【参考文献】

相关期刊论文 前10条

1 叶枫;丁锋;;不平衡数据分类研究及其应用[J];计算机应用与软件;2018年01期

2 尹菊芳;韩雪;;基于主成分分析和聚类分析的医保欺诈行为主动发现[J];科教导刊(下旬);2017年12期

3 欧阳志友;孙孝魁;;基于梯度提升模型的行为式验证码人机识别[J];信息网络安全;2017年09期

4 邱瑞;;基于频繁模式挖掘算法的医保欺诈预警研究[J];产业与科技论坛;2017年17期

5 陈宏;邓芳明;吴翔;付智辉;;基于梯度提升决策树的电力电子电路故障诊断[J];测控技术;2017年05期

6 许刚;谈元鹏;戴腾辉;;稀疏随机森林下的用电侧异常行为模式检测[J];电网技术;2017年06期

7 刘高军;李越洋;;基于借阅信息的图书个性化推荐算法研究[J];数字技术与应用;2017年03期

8 李毅;姜天英;刘亚茹;;基于不平衡样本的互联网个人信用评估研究[J];统计与信息论坛;2017年02期

9 李婉华;陈宏;郭昆;郭松荣;韩嘉民;陈羽中;;基于随机森林算法的用电负荷预测研究[J];计算机工程与应用;2016年23期

10 史径宇;冉松灵;李晨萍;;医保欺诈行为的主动发现——基于引进指标权重的聚类分析算法[J];数学建模及其应用;2016年01期

相关硕士学位论文 前10条

1 何世建;基于梯度提升决策树与深度信念网络融合的推荐算法研究[D];广西师范大学;2017年

2 周如意;基于BP神经网络和关联规则的智能医疗保险稽核系统研究[D];浙江理工大学;2017年

3 邓仙荣;基于梯度提升回归算法的O2O推荐模型研究[D];安徽理工大学;2016年

4 马骊;随机森林算法的优化改进研究[D];暨南大学;2016年

5 苏涛;基于梯度提升树的行为式验证码人机识别的研究[D];华中师范大学;2016年

6 郭涛;医疗保险欺诈检测的研究与应用[D];电子科技大学;2016年

7 李秀丽;医保异常检测的分类集成算法研究[D];电子科技大学;2016年

8 马啸原;社会医疗保险欺诈侦测模型及实证研究[D];首都经济贸易大学;2015年

9 欧阳源遊;基于混合采样的非平衡数据集分类研究[D];重庆大学;2014年

10 彭黎;神经网络算法在新农合医疗保险欺诈风险预警中的应用[D];湖南大学;2014年

本文编号：2849501