序列嵌入有助于识别医疗保险中的欺诈案例
机器学习
2019-10-09 v1 密码学与安全
机器学习
摘要
欺诈给金融与保险行业的企业和客户带来了巨大的成本与损失。例如欺诈性信用卡交易或欺诈性索赔。据估计，保险行业每年发生的损失及理赔费用中约有 个百分点源于欺诈性索赔。金融与保险领域数字化的兴起与普及产生了大型数据集，尤其包含文本数据，可用于欺诈检测。本文中，我们提出通过深度学习进行文本嵌入的架构，与其他机器学习方法相比，有助于改进欺诈性索赔的检测。我们利用一家大型国际健康保险公司的数据集说明了我们的方法。实证结果表明，我们的方法优于其他最先进（state-of-the-art）方法，并有助于使索赔管理流程更高效。随着（非结构化）文本数据对经济学家和计量经济学家日益可用，我们所提出的方法将适用于许多类似应用，特别是当变量具有大量类别时——例如卫生经济学与卫生服务中典型的国际疾病分类（ICD）编码。
引用
@article{arxiv.1910.03072,
title = {Sequence embeddings help to identify fraudulent cases in healthcare insurance},
author = {I. Fursov and A. Zaytsev and R. Khasyanov and M. Spindler and E. Burnaev},
journal= {arXiv preprint arXiv:1910.03072},
year = {2019}
}