Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2021 | OriginalPaper | Buchkapitel

Fraudulent Detection in Healthcare Insurance

verfasst von : C. Arunkumar, Srijha Kalyan, Hamsini Ravishankar

Erschienen in: Advances in Electrical and Computer Technologies

Verlag: Springer Nature Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Our paper provides an extensive study of detecting fraudulent claims in healthcare insurance by leveraging machine learning algorithms. By using the publicly available medicare dataset, we are able to classify as fraud and non-fraud providers. Moreover, synthetically minority oversampling technique is used to avoid the class imbalance problem. Furthermore, a hybrid approach is used which is based on clustering and classification. Additionally, we have used other machine learning algorithms to check the efficiency of the best-suited algorithm.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Visualization and Interpretation of Gephi and Tableau: A Comparative Study
Literatur
1.
D. Sotiropoulos, C. Giannoulis, G.A. Tsihrintzis, A comparative study of one-class classifiers in machine learning problems with extreme class imbalance, in Proceedings of IISA 2014, The 5th International Conference on Information, Intelligence, Systems and Applications, 2014. https://​doi.​org/​10.​1109/​IISA.​2014.​6878723
2.
3.
4.
S.S. Waghade, A.M. Karandikar, A comprehensive study of healthcare fraud detection based on machine learning. Int. J. Appl. Eng. Res. 13(6), 4175–4178 (2018)
5.
K.S. Hari Sankar, A.V. Shyam, Customer ethics in health insurance claims: a study using genetic algorithm (2015)
6.
R. Vinayakumar, K.P. Soman, P. Poornachandran, Detecting malicious domain names using deep learning approaches at scale, in Special Section: Soft Computing and Intelligent Systems: Techniques and Applications, 2018. https://​doi.​org/​10.​3233/​JIFS-169431
7.
8.
9.
10.
V. Rawte, G. Anuradha, Fraud detection in health insurance using data mining techniques, in 2015 International Conference on Communication, Information & Computing Technology (ICCICT), Mumbai, 2015, pp. 1–5. https://​doi.​org/​10.​1109/​ICCICT.​2015.​7045689
11.
12.
M. Herland , R.A. Bauder , T.M. Khoshgoftaar, Medical provider specialty predictions for the detection of anomalous medicare insurance claims, in Proceedings of 2017 IEEE International Conference on Information Reuse and Integration (IRI), 2017. https://​doi.​org/​10.​1109/​IRI.​2017.​29
Metadaten
Titel
Fraudulent Detection in Healthcare Insurance
verfasst von
C. Arunkumar
Srijha Kalyan
Hamsini Ravishankar
Copyright-Jahr
2021
Verlag
Springer Nature Singapore
Buch
Advances in Electrical and Computer Technologies

Print ISBN: 978-981-15-9018-4

Electronic ISBN: 978-981-15-9019-1

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-981-15-9019-1_1

Neuer Inhalt

    Bildnachweise