| تشخیص و کشف تقلب در بیمه درمان با استفاده از الگوریتم‌های شبکه باور عمیق و شبکه عصبی مصنوعی پرسپترون سه لایه |
| کد مقاله : 1034-NCAEA |
| نویسندگان: |
|
سارا ابوطالبی *1، حمیدرضا لرستانی2 1کارشناس توسعه نرم افزار/بیمه البرز 2مدیر پروژه استارت آپ بیمه دات کام |
| چکیده مقاله: |
| در کشورهای توسعه یافته بیمه درمانی همیشه از موارد مهم خدمات اجتماعی محسوب می‌شود. بیمه درمانی محدوده وسیعی از برنامه‌های بیمه‌ای است که هزینه‌های ناشی از بیماریها، تصادفات و ناتوانی‌ها را تحت پوشش قرار می‌دهد. نظام بیمه درمانی دارای چالش‌های مختلفی است. متاسفانه با توجه به گسترش نظام بیمه در کشور ایران، رویکرد تقلب و سوء استفاده از انواع بیمه‌ها نیز گسترش یافته است، و هر ساله زیان‌های بسیاری را متوجه شرکت‌های بیمه‌ای می‌کند. کشف تقلب در انبوه داده‌های مربوط به بیمه به روش‌های سنتی باعث اتلاف زمان و هزینه بسیار می‌شود. رویکرد پیشنهادی استفاده از روش‌های داده کاوی جهت استخراج دانش از انبوه داده‌ها و کشف تقلب است. در ایران اکثر تحقیقات انجام شده در این زمینه متعلق به رشته اتومبیل بوده و رشته درمان تاحدودی مورد غفلت قرار گرفته است. در تحقیقات خارج از ایران نیز سابقه استفاده از الگوریتم SVM با درصد کشف خطای 63 درصد در این رشته وجود دارد. در این پژوهش پس از شناسایی برخی از تقلبات مختص بیمه درمان، از شبکه عصبی مصنوعی پرسپترون و باور عمیق جهت کشف تقلب در داده‌های بیمه درمانی استفاده شد. بهترین نتیجه مربوط به مدل باور عمیق با 48/88 درصد تشخیص صحیح بود. نتایج شبیه‌سازی نشان می‌دهد استفاده از روش‌های داده کاوی به خصوص شبکه‌های عصبی مصنوعی با قابلیت یادگیری، توانایی تشخیص تخلف در داده‌های مربوط به بیمه را دارد. |
| کلیدواژه ها: |
| بیمه درمان، خسارت، کشف تقلب، شبکه عصبی مصنوعی، پرسپترون، شبکه باور عمیق |
| وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است |
