我国社会医疗保险制度在广大人民群众医疗保障方面发挥着不可替代的作用,但由于社会医疗保险欺诈呈现越来越严重的趋势,其已经严重威胁了社会医疗保险保障基金的安全性和可持续性,也对社会医疗保险行业的公平与效率造成不良影响。在反欺诈力度不断加强的状态下,欺诈表现形式也更为多样,并具有一定隐蔽性,单纯依靠传统识别方式无法满足社会医疗保险欺诈防范要求。引入大数据技术,开展社会医疗保险反欺诈工作,将有助于解决体系内存在的实际问题。因此在大数据背景下进行社会医疗保险欺诈风险识别及防范问题的研究是十分必要的。本文首先通过对社会医疗保险以及保险欺诈等相关定义进行介绍,初步定义社会医疗保险欺诈概念,并分析社会医疗保险欺诈风险特征等;阐述大数据定义,分析大数据技术特征;通过对欺诈实施主体进行研究,合理划分社会医疗保险欺诈风险类型,并总结欺诈风险形成的主要原因,以及如何加强防范力度等;简要介绍防范该风险的传统措施和新型措施,深入剖析大数据与防范该欺诈风险的融合点;基于大数据背景选取逻辑回归模型、随机森林模型和梯度提升决策树模型分别对数据进行训练,并对其结果进行比较,选出识别效果最优的模型,达到准确识别社会医疗保险欺诈行为的目的,同时得出一套欺诈识别因子体系,对今后的社会医疗保险欺诈识别具有一定的参考价值;最后得出相应研究结论,针对大数据在我国社会医疗保险反欺诈领域应用存在的问题提出一些对策建议。根据该研究思路,将本文分成六个部分:第一部分绪论,重点介绍了论文的选题背景、研究目的及研究价值,总结国内外针对欺诈风险以及医疗保险欺诈识别所形成的研究结论,最终发现大部分研究都是从信息不对称现象、博弈论等方面进行的,我国对该问题的研究多集中于社会医疗保险欺诈的类型、成因和防范措施等相关理论层面,较少开展对其识别与防范的实证研究;而国外学者对该问题开展了较多的实证研究,大多数研究与车险和医疗保险有关,所采用的模型以probit、logit、朴素贝叶斯、决策树等模型为主,近年来开始使用更加复杂的模型,如神经网络、随机森林、梯度提升决策树等。因此,本文在大数据背景下,利用相关社会医疗保险数据并采用机器学习方法,研究社会医疗保险反欺诈风险的识别与防范问题是具有探索意义的。第二部分介绍社会医疗保险的相关概念、特征等;简要介绍信息不对称理论和公共产品理论内涵,为本文奠定理论基础;在此基础上界定社会医疗保险欺诈的概念,并总结其所具备的根本特征;对大数据概念进行阐述,为后续应用大数据技术开展社会医疗保险欺诈风险的识别和防范工作做好充分准备。第三部分从社会医疗保险欺诈行为实施主体方面入手,总结社会医疗保险欺诈类型,并尝试从主观以及客观角度分析欺诈行为产生的主要原因,在此基础上结合本文所使用的社会医疗保险数据,提取用于后文识别欺诈行为的欺诈因子。第四部分先介绍社会医疗保险欺诈风险的危害,简要比较传统与新型的欺诈风险防范措施,深入剖析大数据技术如何与防范社会医疗保险欺诈风险进行融合。由于社会医疗保险数据本身的性质符合大数据特征,所以可以尝试利用大数据技术来识别和防范社会医疗保险欺诈风险,但在这个过程中也要注意考虑隐私数据的安全性问题。第五部分是应用大数据识别社会医疗保险欺诈的实证研究。首先对数据进行相关处理并提取欺诈识别因子,其次基于大数据背景选取机器学习中的逻辑回归模型、随机森林模型、梯度提升决策树模型这三种方法分别进行建模并对其结果进行比较分析,最终选出一个表现最好的模型用于社会医疗保险欺诈识别。第六部分对本文研究结果进行总结,在此基础上提出相关对策建议。