基于非均衡数据分类的保险欺诈检测研究

摘要：

目前研究者已提出了基于统计和人工智能的方法来对保险欺诈进行检测,但是这些方法并没有考虑保险欺诈数据的自身特点,在实际中应用效果并不理想.本文针对保险欺诈数据非均衡分布的特点,提出基于非均衡数据分类的保险欺诈探测研究.在分析常用非均衡数据分类方法的基础上,选取经典的保险欺诈数据集来对传统分类方法和非均衡数据分类方法进行检验,实验结果表明,相对于传统分类方法,非均衡数据分类方法可以明显提高保险欺诈检测的效果.

关键词： 保险欺诈 业务检测 非均衡数据分类 集成学习 代价敏感学习

作者: 王刚 杨善林 宋键

作者单位: 合肥工业大学管理学院,合肥230009;过程优化与智能决策教育部重点实验室,合肥230009

会议类型: 国内会议

会议名称: 信息系统协会中国分会第四届学术年会

会议地点: 上海

会议语种:中文

页码: 448-452

在线出版日期: 2011-12-02（万方平台首次上网日期，不代表论文的发表时间）