论文题目：基于关系网与主动学习的医保欺诈识别系统研究及应用
摘要：近年来,随着社会老龄化加剧及经济下行的压力加大,医保基金收入逐步放缓。与此同时,国家医保制度在不断完善,医保参保范围逐步扩大,医疗需求得到大量释放,使得医保基金支出增长连续高于收入增长,许多地区已出现入不敷出,甚至严重赤字的情况。另一方面,由于医疗保障基金制度及监管体系不健全,使得不法分子较为容易骗取医保资金进行套现,各种医保欺诈案例层出不穷。如何有效保障医保资金安全、有效地使用,已逐渐成为社会各界研究的热点。由于医疗数据的敏感性以及数据样本的特殊性,传统的医保欺诈研究方法已经不适当前的现状,现研究的主要困难有:（1）医保欺诈手段层出不穷,近期更是出现了团伙作案,且操作极为隐蔽,从常规数据维度中已经很难看出端倪;（2）现有的医疗数据中,已经被判断为欺诈的患者很稀缺,而未知欺诈与否的数据是海量的,很自然就出现了机器学习中常见的数据样本标签不足的问题,现有的解决方案都受限于数据本身,很难提高模型的泛化能力;（3）现有的医保欺诈文献中,大多只用到了就诊医疗数据,而忽视了就诊行为中所产生的社会关系这一个重要信息。针对以上问题,本文提出了一种基于关系网与主动学习的医保欺诈检测解决方案,充分考虑了病人医生关系网中的潜在信息,并以图卷积神经网络（GCN）算法为基础,提出了OCGVAE医保欺诈检测框架,OCGVAE是一个单分类检测算法,通过借助病人医生关系网这个信息弥补样本不平衡的问题,实现了小数据训练样本下的医保欺诈检测;为了解决人工标记成本高的问题,本文提出主动学习策略去标注医保数据,实现了在标注较少数据样本的情况下就能达到理想的分类效果。主要创新和研究工作概括为以下几个部分:（1）提出了病人-医生关系网模型。本文分析现有的欺诈案件,发现欺诈病人之间可以直接或者间接的通过医生这个纽带关联起来,并通过建立病人-医生数学关系,来提高模型的分类效果。实验证明,在使用病人医生关系网的算法中能达到更高分类准确率,准确率平均高出19%。（2）提出了GCN算法处理医保欺诈检测问题。本文有效且合理的利用了患者在就医过程中所产生的社会关系网络,GCN算法利用这个网络信息,学习网络节点之间的拓扑信息,能够即使在小数据标签下,也达到了理想的分类准确率。（3）本文改进变分自编码（VAE）算法的解码层,结合医保欺诈真实数据集,提出OCGVAE医保欺诈检测框架。OCGVAE算法的输入是欺诈样本标签以及整个病人医生关系网（包括节点所有的节点信息和节点之间的权重信息）,该算法是一种单分类算法,解决了样本标签极度不平衡的问题。同时该模型具有边预测能力,其准确率达到80%。（4）提出了通过主动学习策略帮助医保欺诈数据标注,减少人工成本。本文设计了三种数据选择标注策略,分别是最大熵（MEs）、最大概率（MPs）和随机（Rs）选择策略。设计了学习率为0.1、0.01以及分类器阈值0.5、0.8时的四组对比实验,本文提出的MEs数据标注策略在各组参数中都能取得最好的效果,证明了基于最大熵策略能有效的减少人工标记成本,准确率达到97%。
关键词：医保欺诈;关系网;图卷积神经网络;变分自编码器;主动学习
学科专业：计算机技术（专业学位）
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 基于监督学习的欺诈检测
1.2.2 基于无监督学习的欺诈检测
1.3 研究内容
1.4 论文结构
第2章 预备知识
2.1 神经网络
2.2 一类分类器
2.2.1 一类高斯过程
2.2.2 一类最近邻
2.2.3 一类支持向量机
2.2.4 一类生成对抗网络
2.3 自编码器
2.4 主动学习
2.5 章节总结
第3章 医疗保险数据探索
3.1 医保数据多源抽取
3.2 数据清洗
3.3 数据规约
3.3.1 维度规约
3.3.2 数据压缩
3.4 实验数据
3.5 章节总结
第4章 基于关系网的单分类医保欺诈检测模型
4.1 病人医生关系网分析
4.2 病人医生关系网的探索
4.3 单分类医保欺诈检测
4.3.1 模型框架与算法
4.4 实验结果与分析
4.4.1 实验数据
4.4.2 实验设计
4.4.3 实验结果
4.5 章节总结
第5章 基于主动学习策略的医保数据标注
5.1 问题描述
5.2 主动学习解决问题
5.2.1 基于最大熵的数据标注策略
5.2.2 基于最大概率的数据标注策略
5.2.3 基于随机的数据标注策略
5.3 算法框架
5.4 实验结果与分析
5.4.1 实验设计
5.4.2 实验结果
5.5 章节总结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
