Fraud Detection in Insurance Using Machine Learning

doi:10.1007/978-981-96-7514-2_7

Fraud Detection in Insurance Using Machine Learning

2026-01-01

0

PRE

AI

DOI：10.1007/978-981-96-7514-2_7

原文链接

原文求助

摘要

En 中文

保险行业的欺诈索赔导致重大经济损失，并对投保人和保险公司产生负面影响。机器学习已被证明正在革新欺诈检测，因为它不仅能执行常规的基于规则的系统，还能自动化和优化检测流程。本研究提出了一种新颖的混合方法，结合机器学习中的监督和非监督技术，应用于准确且稳健地检测保险欺诈。该框架包含三个主要模型：决策树、随机森林和投票分类器，这些模型提高了在真实数据集上的检测性能。此外，一种基于嵌入的模型解释了序列索赔数据，一个经过统计验证的网络用于检测相关实体间的共谋和欺诈模式。在大规模机动车和综合保险数据集上进行了广泛实验，结果表明所提出的混合模型达到了89.60%的准确率。通过超参数调整和数据预处理进一步优化了模型性能；该模型能够平衡由欺诈类型差异带来的不平衡、复杂性和复杂性所引发的所有问题。该方法优于现有模型，更擅长识别罕见复杂的欺诈案例。从数据治理最佳实践、模型可解释性和利益相关者信任的角度，也讨论了在保险领域部署机器学习模型的实际意义。未来，将通过整合实时分析以实现更快检测、增强可解释性功能以及适应不断变化的数据环境中的新兴欺诈模式来改进本研究。

Keyword:

Machine learning

Supervised learning

Unsupervised learning

Hybrid models

Ensemble models

Fraud Detection in Insurance Using Machine Learning

摘要

期刊

机构

引用论文