کاربرد یادگیری بدون نظارت در کشف تقلبات بیمه اتومبیل (الگوریتم جنگل ایزوله)
نویسندگان
1 استادیار، گروه پژوهشی بیمههای اموال و مسئولیت، پژوهشکده بیمه، تهران، ایران
2 استادیار، گروه پژوهشی عمومی بیمه، پژوهشکده بیمه، تهران، ایران.
3 استادیار، گروه پژوهشی بیمههای اموال و مسئولیت، پژوهشکده بیمه، تهران، ایران. (نویسنده مسئول)
doi
10.30495/jma.2022.20585چکیده
استراتژی شرکتهای بیمه در مقابله با تخلفات و تقلبات، بسیار حائز اهمیت میباشد. نداشتن چنین برنامهای برای جلوگیری از تقلبات بیمهای و پرداخت سریع خسارت بیمهگذاران، ممکن است در کوتاه مدت موجب رضایت مشتریان و افزایش پورتفوی شرکتها گردد؛ اما در بلندمدت عواقب ناگواری را برای صنعت بیمه به همراه دارد. بهعبارت دیگر، هزینه پروندههای تقلب خسارت در طول زمان بهصورت افزایش حق بیمه و غیرمستقیم به بیمهگذاران منتقل میگردد. هدف از این مطالعه، ارائه مکانیزمی به شرکتهای بیمه جهت کشف تقلب است. دستیابی به این هدف از طریق الگوریتم بدون نظارت و جهت کشف ناهنجاری آشکار در مجموعه داده میباشد. استفاده از الگوریتم مزبور به علت تجمیعی بودن آن باعث افزایش دقت در تشخیص پروندههای مشکوک به تقلب و کاهش موارد مثبت کاذب میگردد. بر اساس نتایج مقاله خسارت وارده به راننده مقصر، نوع و کاربری خودرو، جنسیت زیاندیده از مهمترین شاخصها در کشف پروندههای مشکوک به تقلب هستند.
