ثبت نام در مجله
مهلت ارسال مقالات

آخرین مهلت ارسال مقالات برای دوره ۲ -شماره ۵ -زمستان ۱۴۰۱:

(۱۵ اسفند ماه ۱۴۰۱)

بانک ها و نمایه ها


civilica

56454

tpbin

magiran

jref-fa

Irindexing

Untitled

 

قوانین

قانون بین المللی کپی رایت

 این نشریه تحت قانون بین المللی کپی رایت BY: Creative Commons  می‌باشد.

قوانین کمیتۀ اخلاق در انتشار

این نشریه تابع قوانین کمیتۀ اخلاق در انتشار (COPE) است و از آیین نامه اجرایی قانون پیشگیری و مقابله با تقلب در آثار علمی پیروی می نماید.

open access
دسترسی آزاد به مقالات نشریه
 
DOAJ
 
پیشنهاد روش نوینی برای پیش بینی و تشخیص کلاهبرداری مشتریان و بیمه شدگان در شرکتهای بیمه به منظور کاهش میزان خسارات مالی وارده به این شرکتها
دوره 2، شماره 2، 1401، صفحات 107 - 126
نویسندگان : علی پاسبان اسدآبادی * 1 ، زهرا اسماعیلی 2 ، علی اسماعیلی 3

1 دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد الکترونیک، تهران، ایران

2 دانشگاه علوم و تحقیقات ،دانشکده مدیریت و اقتصاد

3 دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران

چکیده :
متاسفانه مشاهده می شود که به خصوص در کشور ایران، تمامی سازمانهای بیمه با خطر ورشکستگی مواجه هستند، برای پاسخ به علت این امر، به تقلب ها و کلاهبرداری های مختلفی که در بیمه بدنه ماشینها، بیمه ساختمان، بیمه آتش سوزی و ... می توان نظری انداخت که واقعا این کلاهبرداری ها هزینه های سنگینی را برای سازمانهای بیمه تحمیل می کند. در این تحقیق بر روی یکی از بزرگترین معضلات کنونی در صنعت بیمه پرداختیم. یکی دوسالی از ایجاد نسخه های الکترونیکی در ایران می گذرد ولی با حجم بالایی از استفاده متقلبانه از دفترچه های بیمه افراد دیگر به منظور خرید داروهای خاص و یا استفاده از خدمات پاراکلینیکی و ... مواجه هستیم که این امر هم باعث افزایش فشارهای مالی بر سازمانهای بیمه شده است. در این تحقیق از تکنیکهای داده کاوی برای ارائه روش نوینی به منظور کشف موارد تقلب در نسخه های الکترونیکی به منظور دریافت داروهای خاص با دفترچه بیمه افراد دیگر استفاده نمودیم. نتایج بدست آمده نشان داد که استفاده از قوانین انجمنی می تواند با دقت بالا رابطه بین رفتارهای متقلبانه و ویژگیهای دیگر شخص متقلب را کشف نماید و استفاده از جنگلهای تصادفی در مقایسه با روشها و الگوریتمهای دیگر، با دقت بالاتری می تواند به شناسایی این موارد خطاکار یا ناهنجار منتهی شود.
کلمات کلیدی :
پیش بینی و تشخیص، کلاهبرداری، مشتریان و بیمه شدگان، شرکتهای بیمه، خسارات مالی، داده کاوی