文献

J-GLOBAL ID：202202266836068623   整理番号：22A1101962

シーケンス埋込みは保険の不正を検知する【JST・京大機械翻訳】

Sequence Embeddings Help Detect Insurance Fraud

著者 (7件)： Fursov Ivan (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Kovtun Elizaveta (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Rivera-Castro Rodrigo (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Zaytsev Alexey (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Khasyanov Rasul (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Spindler Martin (Faculty of Business Administration, University of Hamburg, Hamburg, Germany) ,  Burnaev Evgeny (Skolkovo Institute of Science and Technology, Moscow, Russia)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 32060-32074  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 保険業界の損害を受けた損失の10パーセントは,不正な請求から生じると見積もられる。1つの解決策は,正当なものと fraudent者である請求を区別できるモデルを構築するために,表明データを用いることである。しかし,正準タブーデータモデルはロバストな fraud検出を可能にするが,複雑な逐次データは保険産業の範囲から外れた。健康保険では,患者訪問と特徴の逐次記録からなる保険データを処理する深層学習アーキテクチャを提案する。シーケンシャルおよびタブーラ成分の両者は,モデルの品質を改善し,健康保険 fraudの検出への新しい洞察を生成する。健康保険会社からの関連データを使用して導かれた経験的結果は,著者らのアプローチが最先端のモデルよりも優れ,請求管理プロセスを大幅に改良できることを示した。著者らは,0.873のROCAUC計量を得て,一方,最先端のモデルに基づく最良の競争者は,0.815を達成した。さらに,このアーキテクチャがデータ崩壊に対してロバストであることを示した。ますます多くの半構造化イベントシーケンスデータがインスレータに利用可能になるので,著者らの方法は,特に変数が国際疾病分類(ICD)コードまたは他の分類コードのような多数のカテゴリーを持つ場合,多くの類似アプリケーションにとって貴重になるであろう。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  分類 ,  保険 ,  絶縁材料 ,  応用プログラム ,  *モデル ,  計量 ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： 国際疾病分類 ,  健康保険 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： シーケンス ,  埋込み ,  保険