基于Hadoop平臺(tái)的醫(yī)療保險(xiǎn)欺詐檢測(cè)的研究與應(yīng)用.pdf

1、隨著我國(guó)醫(yī)療與經(jīng)濟(jì)水平的進(jìn)一步提高，我國(guó)醫(yī)療保險(xiǎn)覆蓋面已非常廣，老百姓享受到了醫(yī)保政策帶來(lái)的真切好處。與之相對(duì)的，醫(yī)?；馂E用的情況也有愈演愈烈的趨勢(shì)，越來(lái)越多的基金被套取，打擊非法欺詐行為勢(shì)在必行。目前，醫(yī)保經(jīng)辦機(jī)構(gòu)主要利用規(guī)則系統(tǒng)對(duì)結(jié)算信息進(jìn)行審核，規(guī)則依賴于少數(shù)指標(biāo)，由于規(guī)則的不完善性與更新的滯后性使得相對(duì)不變的規(guī)則很容易被精心偽造的數(shù)據(jù)欺騙，利用計(jì)算機(jī)技術(shù)輔助審查迫在眉睫。
　　本文分析醫(yī)保數(shù)據(jù)特點(diǎn)，使用數(shù)據(jù)挖掘技術(shù)建立了

2、一套欺詐檢測(cè)的流程，并結(jié)合業(yè)務(wù)系統(tǒng)，實(shí)現(xiàn)了醫(yī)保大數(shù)據(jù)欺詐檢測(cè)與審核，主要內(nèi)容如下：
　　1.原始數(shù)據(jù)的特征工程處理。由于歷史原因，現(xiàn)有數(shù)據(jù)集存在諸多瑕疵，首先對(duì)原始數(shù)據(jù)利用特征工程進(jìn)行了處理，包括清除噪聲數(shù)據(jù)，補(bǔ)全缺失值，結(jié)合實(shí)際業(yè)務(wù)流程提取特征等步驟。
　　2.基于DBSCAN的粗粒度欺詐篩查。根據(jù)數(shù)據(jù)極度不平衡的特點(diǎn)，研究無(wú)監(jiān)督算法在欺詐檢測(cè)中的應(yīng)用，主要對(duì)比了各種聚類算法對(duì)數(shù)據(jù)集應(yīng)用的效果，并結(jié)合標(biāo)簽信息擬定了使用DB

3、SCAN算法識(shí)別異常群簇。
　　3.基于密度抽樣與隨機(jī)森林的精準(zhǔn)欺詐檢測(cè)。在聚類劃分異常群體的基礎(chǔ)上，提出一種基于密度的抽樣方法對(duì)數(shù)據(jù)進(jìn)行再平衡，并在隨機(jī)森林算法中利用抽樣信息對(duì)子分類器進(jìn)行選擇集成，分類與聚類算法的結(jié)合使用使得準(zhǔn)確性大幅提高，最終形成完整的欺詐檢測(cè)框架。
　　4.基于Hadoop平臺(tái)的并行化實(shí)現(xiàn)。針對(duì)大規(guī)模數(shù)據(jù)的場(chǎng)景提出了DBSCAN與隨機(jī)森林的并行化算法，并在Hadoop平臺(tái)上使用Map-Reduce進(jìn)行