随着医保体制的不断完善,覆盖人数也在不断全面。种种因信息不对称而产生骗保及欺诈行为正在呈现愈演愈烈之势。同时由于老龄化的快速到来也进一步加剧了医保基金穿底的风险。因此,建立完善高效的反欺诈机制迫在眉睫。论文研究围绕医保费用信息,利用数据挖掘技术对医保费用数据中异常和违规行为进行甄别。重点对医保费用数据进行特征分析与提取、异常群聚行为发现、异常解释性规则提取方面进行了研究,并实现了异常检测系统。(1)在特征分析与提取方面,重点针对一市医保局收录的费用数据进行分析。分别对数据进行了筛选、清理与规约处理,并按照不同应用场景需求对数据进行仓库化管理。(2)在群聚异常发现方面,选取指定常见病种为代表,进行聚类分析,通过设定样本数阈值进行疑似异常类簇的划分。并结合专家意见及标签信息对聚类结果进行评价与优化。(3)在解释性处理方面,利用规则提取算法,对异常类簇聚集原因进行挖掘并抽取,将异常类簇聚集的原因以规则的形式抽取出来并存储。同时对所抽取规则交于医保专家确认并给予反馈支持。(4)系统实现方面,利用web开发框架开发了一套异常检测系统,支持规则管理、异常审核与反馈以及透视分析。与常用的基于有监督学习的异常检测相比,以无监督学习为核心方式不再过分依赖标签数据。同时加入了解释性处理及反馈机制,不仅有效减轻了医保审核人员的工作量,更利于系统的循环运作。最后,提供了透视分析,可以辅助医保专家进行决策。