基于Hadoop平臺的醫(yī)療保險欺詐檢測的研究與應用.pdf

1、隨著我國醫(yī)療與經濟水平的進一步提高，我國醫(yī)療保險覆蓋面已非常廣，老百姓享受到了醫(yī)保政策帶來的真切好處。與之相對的，醫(yī)?；馂E用的情況也有愈演愈烈的趨勢，越來越多的基金被套取，打擊非法欺詐行為勢在必行。目前，醫(yī)保經辦機構主要利用規(guī)則系統(tǒng)對結算信息進行審核，規(guī)則依賴于少數指標，由于規(guī)則的不完善性與更新的滯后性使得相對不變的規(guī)則很容易被精心偽造的數據欺騙，利用計算機技術輔助審查迫在眉睫。
　　本文分析醫(yī)保數據特點，使用數據挖掘技術建立了

2、一套欺詐檢測的流程，并結合業(yè)務系統(tǒng)，實現了醫(yī)保大數據欺詐檢測與審核，主要內容如下：
　　1.原始數據的特征工程處理。由于歷史原因，現有數據集存在諸多瑕疵，首先對原始數據利用特征工程進行了處理，包括清除噪聲數據，補全缺失值，結合實際業(yè)務流程提取特征等步驟。
　　2.基于DBSCAN的粗粒度欺詐篩查。根據數據極度不平衡的特點，研究無監(jiān)督算法在欺詐檢測中的應用，主要對比了各種聚類算法對數據集應用的效果，并結合標簽信息擬定了使用DB

3、SCAN算法識別異常群簇。
　　3.基于密度抽樣與隨機森林的精準欺詐檢測。在聚類劃分異常群體的基礎上，提出一種基于密度的抽樣方法對數據進行再平衡，并在隨機森林算法中利用抽樣信息對子分類器進行選擇集成，分類與聚類算法的結合使用使得準確性大幅提高，最終形成完整的欺詐檢測框架。
　　4.基于Hadoop平臺的并行化實現。針對大規(guī)模數據的場景提出了DBSCAN與隨機森林的并行化算法，并在Hadoop平臺上使用Map-Reduce進行