دانلود ترجمه مقاله کاربرد متد های دیتا ماینینگ جهت شناسایی تقلب پزشکی در بیمه درمانی

Translation3

 

 

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” کاربرد متد های دیتا ماینینگ جهت شناسایی تقلب پزشکی در بیمه درمانی ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

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

عنوان انگلیسی مقاله:

Use of Data Mining Techniques to Detect Medical Fraud in Health Insurance

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله ۲۰۱۲
تعداد صفحات مقاله انگلیسی ۱۲ صفحه با فرمت pdf
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 مربوطه مجله بین المللی نوآوری های مهندسی و فناوری – International Journal of Engineering and Technology Innovation
دانشگاه تهیه کننده گروه علوم و مهندسی کامپیوتر، دانشگاه تاتونگ، تایپه، تایوان
کلمات کلیدی این مقاله داده کاوی، دعاوی بیمه تندرستی، پرونده های کلاهبرداری پزشکی
رفرنس دارد
نشریه Ijeti

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۱۹ صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است
ترجمه متون داخل تصاویر ترجمه نشده است
ترجمه متون داخل جداول ترجمه نشده است
درج تصاویر در فایل ترجمه درج شده است
درج جداول در فایل ترجمه درج شده است

 


  • فهرست مطالب:

 

چکیده
۱٫مقدمه
۲٫ مرور آثار
۲٫۱ شناسایی دعاوی بیمه تندرستی
۲٫۲ داده کاوی
۲٫۳ بررسی کلاهبرداری بیمه ای
۳٫ طراحی پروژه
۳٫۱ درباره بیمه تندرستی
۳٫۲ متد و مراحل
۳٫۳ مراحل توسعه ی مدل
۳٫۴ مدل داده کاوی
۴٫ آموزش مدل
۴٫۱ نتایج تولید اول مدل
۴٫۲ آنالیز اصل ۸۰/۲۰ با جدول Gain
۴٫۳ آنالیز ماتریس
۴٫۴ متا آنالیز
۵٫ تنظیم مدل
۵٫۱ کاهش پردازش مجموعه های داده و داده های خالی (بلاتصدی)
۵٫۲ پیش پردازش از بین بردن تکراری بودن داده ها و افزایش معرف بودن داده ها
۵٫۳ اثبات
۵٫۴ نتیجه گیری های تنظیم
۶٫ نتیجه گیری های تحقیقاتی
۶٫۱ یافته های تحقیقاتی
۶٫۲ پیشنهادات تحقیقاتی
۶٫۳ محدودیت ها و آینده

 


  • بخشی از ترجمه:

 

۶٫۱ یافته های تحقیقاتی
طبق جدول ۲ گرچه مدل ۶ ممکن است نیاز به تنظیم مجدد داشته باشد زیرا نسبت دقت و پوشش کافی نیستند.در زمینه ی داده های فاصله ای ، اگر این مدل هایی که در تحقیق ارائه شده اند تطبیق نیابند، دقت وارسی تصادفی می تواند ارتقا یابد و هزینه های کار برای بررسی کامل می تواند صرفه جویی شود.
۱) امکان پذیر بودن کاربرد اصل ۸۰/۲۰ برای داده کاوی
تحقیقات در می یابد که این مل می تواند واقعا ورودی کار را در بازبینی غربالگری بزرگترین درصد پرونده های مشکوک با کوچکترین اندازه ی نمونه کاهش دهد که از طریق به کار گیری اصل ۸۰/۲۰ است (برای نمونه ۲۰% اندازه ی نمونه می تواند حدود ۸۰% پرونده های مشکوک را پوشش دهد). در این بین وابستگی اصلی به ورودی بالای هزینه های کار می تواند کاهش یابد که بزرگترین مزیت تحقیقاتی است.
۲) انتقال دانش و تکنولوژی مستلزم این است که نفوذ پیدا کند.
به نظر می رسد عملیات دستی غیر ضروری باشد. بنابراین انتقال دانش چگونه باید بیشتر برای یک راه حل بررسی شود. در حال حاضر متخصصان به کار گرفته می شوند یا دانش و تجربه ی بازرسان مورد تاکید قرار می گیرد. اگر این متد بتواند تجربه ی واحد های دریافت کننده را با واحد های بازرسی و تجربه واحد های بازرسی را با واحد های پرداخت به اشتراک بگذاردمی توان راه حل های بهتری را برای جدیدترین بازرسان ارائه نمود.

 


  • بخشی از مقاله انگلیسی:

 

۶٫۱٫ Research Findings

From Table 2, though Model 6 may need readjustment as its coverage and accuracy ratio are not sufficient. In respect of the interval data, if the models proposed in the research are adopted, the accuracy of random inspection can be promoted and the labor costs for complete checking can be saved as well. (1) Feasibility of the application of the 20/80 principle to data mining The research finds that it can really reduce the labor input in the review to screen the largest percentage of questionable cases with the smallest sample size by applying the 20/80 principle (for instance, 20% of the sample size can cover about 80% of the questionable cases). Meanwhile, the original dependence on the high input of labor costs can be relieved, which is the biggest benefit of the research. (2) The technology and knowledge transfer needs to be broken through It seems that manual operation is inevitable. Thus, how to transfer knowledge should be considered further for a solution. Currently, experts are employed or experience and knowledge of inspectors are relied upon. If the method can be found out to share the experience of the receiving units with the inspection units and of the inspection units with the payment units, better solutions can be provided for latest inspectors.


 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

کاربرد متد های دیتا ماینینگ جهت شناسایی تقلب پزشکی در بیمه درمانی

عنوان انگلیسی مقاله:

Use of Data Mining Techniques to Detect Medical Fraud in Health Insurance

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

 

خرید ترجمه فارسی مقاله

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *