基于Cluster-GCN的医疗保险欺诈检测研究

摘要

医疗保险欺诈是现阶段医疗保险机构面临的重大挑战,由于保险基金规模的扩张,欺诈导致的基金损失也在增加。随着大数据技术的发展,医疗保险欺诈检测技术在不断提高。本文针对个人的多条就诊记录与多个就诊医院,使用基于图聚类(社群发现)改进GCN的Cluster-GCN方法来搭建被保险人与医院、被保险人之间的关系网络,并设定行为信息更新与聚合的方式。检测结果表明,Cluster-GCN在医疗保险欺诈检测中有较好的分类性能,AUC达到0.86以上,总体识别的准确精度达到83.37%,反欺诈的识别率为77.25%。