基于深度神经网络的异常财务数据识别方法

摘要

对财务异常数据的准确识别是保障医疗财务系统正常运转的重要途径。传统的检测方法使用统计学方法进行验证,该方法虽可以直观快速地筛选出异常数据,但是无法处理当前海量的数字化数据。针对上述问题,文中对传统随机森林模型进行修正,加入方差项以增强模型效果。同时,使用深度RNN网络对经过随机森林处理后的数据进行训练。实验结果表明,加入方差项的随机森林模型的F1值相较于其他算法均有2%以上的提升。同时,准确率和召回率也维持在较高的水平,测得的AUC值在对比算法中也是最高的。由此证明,文中所提出的深度神经随机森林模型具有良好的识别性能,同时也可对异常财务数据进行有效的校验。