AutoFraudNet: A Multimodal Network to Detect Fraud in the Auto Insurance Industry
在保险业中，发现欺诈性索赔是一项具有重大财务影响的关键任务。识别欺诈性索赔的一个常见策略是寻找支持证据中的不一致之处。然而，对于人类专家来说，这是一项费力且认知繁重的任务，因为保险索赔通常带有来自不同模态的大量数据（例如图像，文本和元数据）。为了克服这一挑战，研究界一直专注于多模态机器学习框架，可以有效地通过多个数据源进行推理。尽管最近在多模态学习方面取得了进展，但这些框架仍然受到（i）由不同模态的不同特征引起的联合训练的挑战和（ii）由于模型复杂性高而导致的过拟合趋势。在这项工作中，我们通过引入多模态推理框架AutoFraudNet（汽车保险欺诈检测网络）来解决这些挑战，用于检测欺诈性汽车保险索赔。AutoFraudNet利用级联慢速融合框架和最先进的融合模块BLOCK Tucker来减轻联合训练的挑战。此外，它还采用了轻质结构设计以及额外的损失，以防止过度装配。通过在真实世界数据集上进行的大量实验，我们证明了：（i）与单峰和双峰方法相比，多模态方法的优点，以及（ii）AutoFraudNet在融合各种模态以提高性能方面的有效性（PR AUC超过3%）。
2023-01-15 cs.LG
Health Insurance Coverage Rule Interpretation Corpus: Law, Policy, and Medical Guidance for Health Insurance Coverage Understanding
针对美国健康保险复杂性，构建法律与医学文本语料库，提出申诉结果预测任务及标注基准与模型，以提升理解与司法可及性。
2025-07-28 cs.AI cs.CL cs.CY
Combining Structural and Unstructured Data: A Topic-based Finite Mixture Model for Insurance Claim Prediction
School of Data Science, Fudan University（复旦大学数据科学学院）；Center for Applied Statistics and School of Statistics, Renmin University of China（中国人民大学应用统计中心与统计学院）
针对传统保险理赔预测模型忽略理赔描述信息的问题，本文提出整合文本与金额数据的基于主题的有限混合模型，搭配两种校准算法，实现了更准确且可解释的理赔聚类与预测。
2024-10-07 cs.LG stat.AP
Chaotic Variational Auto Encoder based One Class Classifier for Insurance Fraud Detection
Centre for Artificial Intelligence and Machine Learning Institute for Development and Research in Banking Technology（人工智能与机器学习中心，银行技术发展与研究院）
最近，由于欺诈带来的巨大经济和声誉损失以及欺诈检测技术的巨大成功，保险欺诈检测具有巨大的意义。保险主要分为两类：（一）人寿保险和（二）非人寿保险。非人寿保险又包括健康保险和汽车保险等。在这两类中的任何一种情况下，欺诈检测技术的设计都应该能够捕获尽可能多的欺诈交易。由于欺诈交易的罕见性，在本文中，我们提出了一个混沌变分自编码器（C-VAE）执行一类分类（OCC）的真实交易。在这里，我们采用逻辑混沌映射产生随机噪声的潜在空间。在健康保险欺诈和汽车保险数据集上证明了C-VAE的有效性。我们认为香草变分自动编码器（VAE）作为基线。据观察，C-VAE在两个数据集中均优于VAE。C-VAE在健康和汽车保险数据集上的分类率分别为77.9%和87.25%。此外，在1%显著性水平和18个自由度下进行的t检验推断C-VAE比VAE具有统计学显著性。
2022-12-15 cs.LG
Markov model with machine learning integration for fraud detection in health insurance
Sri Sathya Sai Institute of Higher Learning（萨提亚赛高等学习学院）
欺诈导致印度医疗保险部门的费用大幅增加。这项工作的目的是提供适用于健康保险欺诈检测的方法。本文提出了两种方法--马尔可夫模型和一种基于梯度提升方法的改进马尔可夫模型。数据集382，587索赔，其中38，082索赔是欺诈性的。基于马尔可夫模型的准确度为94.07%，F1得分为0.6683。然而，改进的马尔可夫模型表现得更好，与97.10%的准确性和F1得分为0.8546。实验结果表明，改进后的马尔可夫模型比马尔可夫模型具有更低的误报率。
2021-02-11 cs.AI cs.LG stat.AP
Conformal prediction of future insurance claims in the regression problem
Department of Mathematical Sciences, The University of Texas at Dallas（德克萨斯大学达拉斯分校数学科学系）
本文提出无模型、无调参且具备有限样本覆盖保证的保形预测方法，以解决保险索赔回归预测中的模型误设、选择效应和有效性问题，并通过模拟与真实数据验证其满足 Solvency II 偿付能力资本要求的应用价值。
2025-09-28 cs.LG stat.AP stat.ML
Correlating Medi-Claim Service by Deep Learning Neural Networks
Vellore Institute of Technology（韦洛尔理工学院）；Valliammal Eng College, SRM（SRM 瓦利亚马尔工程学院）
针对医疗保险理赔中的有组织欺诈与洗钱问题，本文采用卷积神经网络结合回归模型相关性研究，并使用监督与无监督分类器识别欺诈及非欺诈理赔。
2023-08-08 cs.AI cs.LG
Micro-level Reserving for General Insurance Claims using a Long Short-Term Memory Network
Université Laval（拉瓦尔大学）；Institut intelligence et données（智能与数据研究所）
当保险索赔数据被聚合并结构化在损失准备金的发展三角形中时，关于个人索赔的详细信息被完全忽略。为了从个人索赔特征中提取预测能力，研究人员最近提出了从这些宏观层面的方法转向微观层面的损失准备金方法。我们引入了一个离散时间个体保留框架，该框架将粒度信息引入到一种名为长短期记忆（LSTM）神经网络的深度学习方法中。在每个时间段，网络有两个任务：第一，分类是否有支付或恢复，第二，预测相应的非零金额，如果有的话。我们说明了一个模拟和一个真正的一般保险数据集的估计过程。我们比较我们的方法与链梯聚合方法使用的预测未决损失估计和它们的实际值。基于超过阈值的超额支付的广义帕累托模型，我们调整了LSTM储备预测以考虑极端支付。
2022-01-27 cs.LG econ.EM stat.AP
Bayesian CART models for insurance claims frequency
University of Leeds（利兹大学）
本文提出贝叶斯CART模型用于保险索赔频率建模，扩展至零膨胀泊松分布以处理数据不平衡，并通过MCMC算法和DIC进行树探索与模型选择，提升风险分类能力。
2023-12-01 cs.LG q-fin.ST stat.AP
Sequence embeddings help to identify fraudulent cases in healthcare insurance
Skoltech（斯科尔科沃科学技术研究所）；University of Hamburg（汉堡大学）
欺诈给金融和保险行业的公司和客户造成了巨大的成本和损失。例如，欺诈性信用卡交易或欺诈性索赔。据估计，保险业每年发生的损失和损失调整费用中大约有$10$ %来自欺诈性索赔。金融和保险业数字化的兴起和扩散导致了大数据集的出现，特别是文本数据，可用于欺诈检测。在本文中，我们提出了通过深度学习进行文本嵌入的架构，与其他机器学习方法相比，这有助于提高欺诈性索赔的检测。我们说明了我们的方法使用一个大型国际健康保险公司的数据集。实证结果表明，我们的方法优于其他国家的最先进的方法，可以帮助使索赔管理过程更有效。随着（非结构化）文本数据越来越多地提供给经济学家和计量经济学家，我们提出的方法将是有价值的许多类似的应用程序，特别是当变量有大量的类别是典型的，例如国际疾病分类（ICD）的代码在卫生经济学和卫生服务。
2019-10-07 cs.CR cs.LG stat.ML
Uncovering Insurance Fraud Conspiracy with Network Learning
Ant Financial（蚂蚁金服）
欺诈性索赔检测是保险业面临的最大挑战之一。阿里巴巴的退货运费保险，为电子商务平台上的产品退货提供退货运费补偿，每天收到数千起潜在的欺诈性索赔。这种故意滥用保险单的行为可能导致严重的经济损失。为了检测和防止欺诈性保险索赔，我们开发了一种新的数据驱动程序，通过学习网络信息来识别有组织的欺诈者群体，这是造成财务损失的主要原因之一。在本文中，我们介绍了索赔人之间的设备共享网络，然后开发了一个自动化的解决方案，欺诈检测的基础上图学习算法，从普通客户中分离欺诈者和发现组有组织的欺诈者。在人工专家调查后，与之前部署的基于规则的分类器相比，阿里巴巴应用的这一解决方案实现了80%以上的准确率，同时覆盖了44%以上的可疑账户。我们的方法可以简单有效地推广到其他类型的保险。
2020-02-27 cs.CR cs.LG stat.ML
Explainable Boosting Machine for Predicting Claim Severity and Frequency in Car Insurance
ADDACTIS France（ADDACTIS法国）
本文评估可解释提升机（EBM）在车险索赔频率和严重程度建模中的表现，EBM结合广义加性模型与循环梯度提升，实现可解释的玻璃箱模型，并通过实证与基准模型比较预测精度和校准效果。
2026-06-23 cs.LG stat.AP stat.ML
Zero-Inflated Tweedie Boosted Trees with CatBoost for Insurance Loss Analytics
Towson University（陶森大学）；University of Connecticut（康涅狄格大学）
针对传统 Tweedie 模型难以刻画大量零索赔的问题，本文在 CatBoost 框架中结合零索赔单独建模与树提升集成，并在保险车联网数据上验证了预测性能提升。
2024-10-28 cs.LG stat.ML
Accurate and Interpretable Machine Learning for Transparent Pricing of Health Insurance Plans
Lumiata Data Science and Engineering（Lumiata数据科学与工程部）
健康保险公司通过商业雇主赞助的健康计划覆盖了美国一半的人口，每年支付1.2万亿美元来支付其成员的医疗费用。精算师和承保人在健康保险公司的作用是评估承担哪些风险以及如何为这些风险定价，以确保组织的盈利能力。虽然贝叶斯分层模型是行业中估计风险的当前标准，但人们对机器学习作为改进这些现有方法的一种方式的兴趣正在增加。医疗分析公司Lumiata与美国一家大型医疗保险公司进行了一项研究。我们评估了机器学习模型预测雇主群体在下一个续约期内每个成员每月成本的能力，特别是那些成本低于精算模型预测的95%的群体（具有“让步机会”的群体）。我们开发了一系列两个模型，一个是个体患者水平模型，另一个是雇主群体水平模型，以1400万患者为基础，预测雇主群体每月每个成员的年度允许金额。我们的模型比保险公司现有的定价模型好20%，并识别了84%的特许权机会。本研究展示了机器学习系统在计算健康保险产品准确和公平价格方面的应用，并分析了可解释的机器学习模型如何在保持可解释性的同时超过精算模型的预测准确性。
2021-02-27 cs.CY cs.LG stat.ML
Is TabPFN the Silver Bullet for Insurance Pricing?
KU Leuven University of Antwerp-imec（根特大学安特卫普-imec）；KU Leuven（根特大学）；University of Antwerp-imec（安特卫普大学-imec）
本文首次实证评估 TabPFN 在车险定价中的表现，与 GLM 和 XGBoost 对比，发现其性能不稳定、推理时间长且对上下文训练集大小敏感，目前无法替代传统精算方法。
2026-10-12 cs.LG q-fin.RM
Learning Inter-Annual Flood Loss Risk Models From Historical Flood Insurance Claims and Extreme Rainfall Data
Instituto Politécnico Nacional（国立理工学院）；Massachusetts Institute of Technology（麻省理工学院）
洪水是最具灾难性的自然灾害之一，造成巨大的经济损失。洪水引起的经济损失的预测模型对于气候变化适应规划和保险承保等许多应用都很有用。本研究使用神经网络（条件生成对抗网络）、决策树（极端梯度提升）和基于核的回归（高斯过程）评估在国家洪水保险计划（NFIP）数据集上构建的回归的预测能力。该评估突出了回归的最具信息性的预测因子。索赔额推断的分布建模与伯尔分布允许引入偏差校正方案，并增加回归的预测能力。为了研究与物理变量的相互作用，我们将Daymet降雨估计NFIP作为一个额外的预测。对美国西南部八个州的沿海县进行的一项研究产生了一个$R^2=0.807$。对NFIP数据集中索赔数量较多的11个县的进一步分析表明，极端梯度提升提供了最佳结果，偏差校正显著提高了与参考分布的相似性，降雨预测器增强了回归性能。
2022-12-15 cs.LG physics.data-an stat.AP
Using massive health insurance claims data to predict very high-cost claimants: a machine learning approach
Blue Health Intelligence（蓝健康智能公司）；University of Illinois School of Public Health（伊利诺伊大学公共卫生学院）；Loyola University of Chicago（芝加哥洛约拉大学）
由于不断上升的医疗成本，准确预测哪些患者将承担高成本是医疗保健支付者和提供者的重要任务。高成本索赔人（HiCC）是年费用高于$\$250,000$的患者，他们仅占投保人口的0.16%，但目前占所有医疗费用的9%。在这项研究中，我们的目标是开发一种高性能的算法来预测HiCC，以告知一种新的护理管理系统。使用来自4800万人的健康保险索赔并辅以人口普查数据，我们应用机器学习来训练二元分类模型，以计算HiCC的个人风险。为了训练模型，我们开发了一个平台，从所有临床和人口统计学维度的6,006个变量开始，构建了100多个候选模型。最佳模型的受试者工作特征曲线下面积为91.2%。该模型超过了已发表的最高性能（84%），并且对于没有高成本状态既往史的患者（89%），招募不到一整年的患者（87%）或缺乏药房索赔数据（88%）仍然很高。它达到了23.1%的精确率-召回率曲线下的面积，在0.99的阈值下，精确率为74%。一项招募500名HiCC风险最高的人的护理管理计划预计将治疗199名真正的HiCC，每年可净节省$\$7.3$百万美元。我们的研究结果表明，高性能的预测模型可以单独使用索赔数据和公开的数据，即使是罕见的高成本索赔超过$\$250,000$。我们的模型展示了机器学习和人工智能在护理管理中的变革力量，这将使医疗保健支付者和提供者能够引入下一代护理管理计划。
2019-12-30 cs.LG stat.ML
InfDetect: a Large Scale Graph-based Fraud Detection System for E-Commerce Insurance
Ant Financial Services Group（蚂蚁金融服务集团）
保险业一直在围绕新兴的网上购物活动创造创新产品。此类电子商业保险旨在保护买家免受冲动购买和假冒伪劣等潜在风险的影响。针对在线保险的欺诈性索赔通常涉及买方、卖方和快递公司等多方，可能导致严重的经济损失。为了揭示有组织的欺诈者背后的关系，检测欺诈索赔，我们开发了一个大规模的保险欺诈检测系统，即，InfDetect，它提供了常用图形的接口，标准数据处理程序和统一的图形学习平台。InfDetect能够处理包含多达1亿个节点和数十亿条边的大图。在本文中，我们研究了不同的图，以促进欺诈者挖掘，如设备共享图，交易图，友谊图和买家-卖家图。这些图被馈送到包含监督和无监督图学习算法的统一图学习平台。最后以一个应用广泛的电子商业保险案例为例，说明了系统的使用方法和性能。InfDetect已成功检测到数千起欺诈性索赔，每天节省数万美元。
2020-03-12 cs.CR cs.LG stat.ML
Investigation into U.S. Citizen and Non-Citizen Worker Health Insurance and Employment
The Lawrenceville School（劳伦斯维尔学校）
本研究利用统计分析与机器学习方法，揭示美国公民与非公民在健康保险和就业方面的不平等现象，发现教育水平和劳动力状况是关键差异因素。
2025-12-31 cs.LG econ.GN q-fin.EC
Insuring Smiles: Predicting routine dental coverage using Spark ML
California State University Los Angeles（加州州立大学洛杉矶分校）
本文利用Spark ML和多种机器学习算法分析保险计划特征，预测健康保险是否覆盖成人常规牙科服务，为个人和家庭提供基于收入和支出的保险选择策略。
2023-10-13 cs.DC cs.LG
A Data Science Approach to Risk Assessment for Automobile Insurance Policies
The University of the West Indies（西印度群岛大学）
为了确定一个合适的汽车保险单保费需要考虑三个因素，与司机和汽车的政策，与政策的管理和所需的利润率相关的运营成本相关联的风险。保险费应该是这三个值的函数。我们专注于使用数据科学方法进行风险评估。我们不使用传统的频率和严重性指标，而是使用当前和过去保单的历史数据来预测新客户将提出的总索赔。考虑到政策的多个特征（司机的年龄和性别，汽车的价值，以前的事故等）人们可以潜在地尝试具体地基于如下这些特征来提供个性化的保险单。我们可以计算所有具有相同特征的过去和当前保单每年的平均索赔额，然后对这些索赔率取平均值。不幸的是，可能没有足够的样本来获得稳健的平均值。相反，我们可以尝试包括“相似”的策略，以获得足够的样本来获得稳健的平均值。因此，我们面临着个性化（仅使用非常相似的策略）和鲁棒性（将域扩展到足够远以捕获足够的样本）之间的权衡。这被称为偏差-方差权衡。我们对这个问题进行建模，并确定两者之间的最佳权衡（即提供最高预测精度的平衡），并将其应用于索赔率预测问题。我们使用真实数据来证明我们的方法。
2022-09-06 cs.LG stat.AP
Applications of Machine Learning to the Identification of Anomalous ER Claims
Tarleton Analytics Institute, Tarleton State University（塔尔顿州立大学塔尔顿分析研究所）；Tarleton State University（塔尔顿州立大学）
在美国，由于欺诈和编码升级导致的不当医疗保险支付每年导致数百亿美元的超额医疗费用，这促使机器学习研究人员为医疗保险索赔建立异常检测模型。本文介绍了两个这样的战略，特别是ER索赔。第一种是基于严重性代码分布的上编码模型，由分层诊断代码聚类分层。在独立ER和急性护理医院之间观察到平均上编码异常评分的统计学显著差异，独立ER更异常。第二个模型是一个随机森林，它通过对审查队列中的ER索赔进行最佳排序来最大限度地减少不当支付。根据审查的索赔百分比，随机森林比按账单金额优先处理索赔的基线方法节省了12%到40%。
2022-06-16 cs.LG stat.ML
A Self-Attention Network for Hierarchical Data Structures with an Application to Claims Management
Allianz（安联集团）；University of Hamburg（汉堡大学）
保险公司每年必须处理数百万起索赔。虽然大多数索赔都是非欺诈性的，但欺诈检测是保险公司的核心。最终的目标是建立一个预测模型，挑出欺诈性索赔，并立即支付非欺诈性索赔。现代机器学习方法非常适合这类问题。医疗保健索赔通常具有分层且长度可变的数据结构。我们提出了一种基于分段前馈神经网络（深度学习）的模型和另一种基于自注意力神经网络的模型，用于索赔管理任务。我们表明，所提出的方法优于基于词袋的模型，手工设计的功能，以及基于卷积神经网络的模型，在200万医疗保健索赔的数据集。所提出的自注意力方法表现最好。
2018-08-30 cs.LG econ.EM stat.ML
Advances in Prediction of Readmission Rates Using Long Term Short Term Memory Networks on Healthcare Insurance Data
University of Toronto（多伦多大学）；Emory University（埃默里大学）；Georgia Institute of Technology（佐治亚理工学院）；University of Arizona（亚利桑那大学）
30-日间医院再入院是一个长期存在的医学问题，其影响患者的发病率和死亡率，并且每年花费数十亿美元。最近，已经创建了机器学习模型来预测患有特定疾病的患者的住院再入院风险，但是没有模型可以预测所有患者的这种风险。我们开发了一个双向的长短期记忆（LSTM）网络，它能够使用现成的保险数据（住院患者就诊、门诊患者就诊和药物处方）来预测任何住院患者30天内的再入院情况，无论原因如何。当使用历史、住院和出院后数据时，表现最好的模型达到了0.763（0.011）的ROC AUC。LSTM模型的性能明显优于基线随机森林分类器，这表明理解事件序列对于模型预测很重要。与单独的住院患者数据相比，纳入30天的历史数据也显著改善了模型性能，表明患者入院前的临床病史，包括门诊就诊和药房数据是再次入院的重要因素。我们的研究结果表明，机器学习模型能够使用结构化保险账单数据以合理的准确度预测所有患者的住院再入院风险。由于可以从站点提取账单数据或等效替代数据，因此可以部署这样的模型以在出院前识别有再入院风险的患者，或者在出院后为有风险的患者分配更稳健的随访（更密切的随访、家庭健康、邮寄药物）。
2022-06-30 cs.AI cs.LG cs.NA
An engine to simulate insurance fraud network data
Faculty of Economics and Business, KU Leuven（KU Leuven 经济与商学院）；Faculty of Economics and Business, University of Amsterdam（阿姆斯特丹大学经济与商学院）
针对保险欺诈检测中数据稀缺、类别不平衡等问题，研究人员设计了一款可控制数据生成参数的网络数据模拟引擎，用于支持欺诈检测模型的开发与性能验证。
2024-10-06 cs.LG stat.AP stat.CO
