典型文献
机器学习模型在车险欺诈检测的研究进展
文献摘要：
随着保险行业的蓬勃发展,保险欺诈问题也显得日趋严重.车险欺诈一直是保险欺诈的"重灾区",对保险行业的发展至关重要.因此,车险欺诈检测技术一直是国内外学者研究的热点问题.鉴于我国在机动车辆保险欺诈检测技术方相对滞后,而国外的研究成果又较少对我国车险业务数据进行有效建模与分析,首次针对机器学习模型应用在车险欺诈检测的研究工作进行了文献调研,对二十多年来的研究工作进行系统化的归纳与总结.通过引入车险欺诈流程的简介,对专家系统与智能理赔系统在车险欺诈检测的流程进行了叙述;依次从国外和国内的角度介绍了机器学习模型应用在车险欺诈检测的具体研究进展,并进行了宏观的对比;基于国内某车险公司提供近5年来高质量的车险数据选取具有代表性的机器学习模型进行建模,并进行了全面的测试与分析;探讨了车险欺诈检测技术未来的研究方向.
文献关键词：
汽车保险欺诈;机器学习;深度学习;数据不均衡;保险监管
中图分类号：
作者姓名：
卢冰洁;李炜卓;那崇宁;牛作尧;陈奎
作者机构：
之江实验室,杭州 311121;南京邮电大学 现代邮政学院,南京 210003;南京大学 计算机软件新技术国家重点实验室,南京 210093;东南大学 苏州联合研究生院,江苏 苏州 215123
文献出处：
引用格式：
[1]卢冰洁;李炜卓;那崇宁;牛作尧;陈奎-.机器学习模型在车险欺诈检测的研究进展)[J].计算机工程与应用,2022(05):34-49
A类：
汽车保险欺诈
B类：
机器学习模型,欺诈检测,保险行业,日趋严重,重灾区,机动车辆保险,方相,车险业务,业务数据,建模与分析,模型应用,文献调研,二十多年,简介,专家系统,理赔,具体研究,测试与分析,数据不均衡,保险监管
AB值：
0.20386
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
