ترجمه مقاله استفاده از تکنیک داده کاوی برای کشف کلاهبرداری های پزشکی در بیمه تندرستی

ترجمه مقاله استفاده از تکنیک داده کاوی برای کشف کلاهبرداری های پزشکی در بیمه تندرستی
قیمت خرید این محصول
۳۱,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
استفاده از تکنیک های داده کاوی برای کشف کلاهبرداری های پزشکی در بیمه تندرستی
عنوان انگلیسی
Use of Data Mining Techniques to Detect Medical Fraud in Health Insurance
صفحات مقاله فارسی
19
صفحات مقاله انگلیسی
12
سال انتشار
2012
نشریه
Ijeti
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
7670
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله
داده کاوی، مدیریت سیستمهای اطلاعات و مهندسی الگوریتم ها و محاسبات
مجله
مجله بین المللی نوآوری های مهندسی و فناوری - International Journal of Engineering and Technology Innovation
دانشگاه
گروه علوم و مهندسی کامپیوتر، دانشگاه تاتونگ، تایپه، تایوان
کلمات کلیدی
داده کاوی، دعاوی بیمه تندرستی، پرونده های کلاهبرداری پزشکی
فهرست مطالب
چکیده
1.مقدمه
2. مرور آثار
2.1 شناسایی دعاوی بیمه تندرستی
2.2 داده کاوی
2.3 بررسی کلاهبرداری بیمه ای
3. طراحی پروژه
3.1 درباره بیمه تندرستی
3.2 متد و مراحل
3.3 مراحل توسعه ی مدل
3.4 مدل داده کاوی
4. آموزش مدل
4.1 نتایج تولید اول مدل
4.2 آنالیز اصل 80/20 با جدول Gain
4.3 آنالیز ماتریس
4.4 متا آنالیز
5. تنظیم مدل
5.1 کاهش پردازش مجموعه های داده و داده های خالی (بلاتصدی)
5.2 پیش پردازش از بین بردن تکراری بودن داده ها و افزایش معرف بودن داده ها
5.3 اثبات
5.4 نتیجه گیری های تنظیم
6. نتیجه گیری های تحقیقاتی
6.1 یافته های تحقیقاتی
6.2 پیشنهادات تحقیقاتی
6.3 محدودیت ها و آینده
نمونه چکیده متن اصلی انگلیسی
Abstract

The health insurance claims application case the inspection usually relies on experts’ experience for verification and experienced personnel in charge for checking. However, due to the heavy work load and the insufficiency of manpower and experience, the ratio of miscarriages of justice is high, leading to improper settlement of claims and the waste of social resources. This paper takes advantage of data-mining technology to design models and find out cases requiring for manual inspection so as to save time and manpower. Six models are designed in this paper. By the analysis of the 20/80 principle and the coverage and accuracy ratio, a great number of periodic data (over 2 million records) are fed back to the data-mining models after repetitive verification. Also, it is discovered that to integrate the data-mining technology and feed back to different business stages so as to establish early warning system will be an important topic for the health insurance system in hospital’s EMR in the future. Meanwhile, as the information acquired by data-mining needs to be stored and the traditional database technology has limitations. Next time, this paper explores the ontology framework to be set up by semantic network technology in the future in order to assist the storage of knowledge gained by data-mining

نمونه چکیده ترجمه متن فارسی
چکیده
بازرسی پرونده درخواست دعاوی بیمه تندرستی معمولا بر روی تجربه متخصصان برای اثبات و پرسنل محرب مسئول برای بررسی تاکید دارد.با این وجود، با توجه به حجم کار سنگین و ناکافی بودن نیروی انسانی و تجربه ،نسبت بی نتیجگی های قضاوت ها بالاست، که منجر به حل و فصل نامناسب دعاوی و اتلاف منابع اجتماعی خواهد شد.این مقاله از تکنولوژی داده کاوی برای طراحی مدل های بهره می برد و مواردی را پیدا می کند که به بررسی دستی نیاز دارند بنابراین سبب صرفه جویی در زمان و نیروی انسانی می شود.شش مدل در این مقاله طراحی می شود. از طریق تحلیل اصل 80/20 و نسبت دقت و پوشش ، شمار خیلی زیادی از داده های دوره ای (بیشت از 2 میلیون ثبت) به مدلهای داده کاوی پس از تایید تکراری برگردانده می شود. هم چنین، کشف می شود کامل کردن تکنولوژی داده کاوی و برگرداندن آن به مراحل بازرگانی مختلف برای ایجاد یک سیستم هشداردهی اولیه،یک موضوع مهم برای سیستم بیمه تندرستی در EMR (تابش الکترومغناطیسی ) در اینده خواهد بود.در این حین،همانطور که اطلاعات از طریق داده کاوی کسب می شود،نیاز است مورد ذخیره قرار گرد و تکنولوژی دادگان سنتی دارای محدودیت هایی است.سپس این مقاله چهارچوب هستی شناسی را کشف می کند که باید از طریق تکنولوژی شبکه معنایی در آینده به منظور کمک به ذخیره دانش حاصل از داده کاوی تنظیم شود.

بدون دیدگاه