Dr. Mohammad Doostizadeh دکتر محمد دوستی زاده Journal of New Achievements in Electrical,Computer and Technology نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 2 2 2022 06 03 Proposing a New Method for Predicting and Detecting Fraud of Customers and Policyholders in Insurance Companies in order to Reduce the Amount of Financial Losses to These Companies 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 107 126 FA ali pasban asadabadi Computer Eng Student, Electronic Branch, Islamic Azad University, tehran, Iran علی پاسبان اسدآبادی دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد الکترونیک، تهران، ایران zahra esmaeili University of Research, Sciences School of Management and Economics زهرا اسماعیلی دانشگاه علوم و تحقیقات ،دانشکده مدیریت و اقتصاد ali esmaeili Faculty of Engineering, Islamic Azad University, North Tehran Branch, Tehran, Iran علی اسماعیلی دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران 2022 05 26 Unfortunately, it is observed that especially in Iran, all insurance organizations are at risk of bankruptcy, to respond to this, to various frauds and scams in car body insurance, building insurance, fire insurance and ... It can be argued that these scams really impose heavy costs on insurance companies. In this study, we addressed one of the biggest current problems in the insurance industry. One or two years have passed since the creation of electronic prescriptions in Iran, but we are facing a high volume of fraudulent use of other people's insurance booklets in order to buy certain drugs or use paraclinical services, etc., which also increases the financial pressures on Insured organizations. In this study, we used data mining techniques to provide a new method to detect cases of fraud in electronic versions in order to receive certain drugs with other people's insurance booklets. The results showed that the use of association rules can accurately detect the relationship between fraudulent behaviors and other characteristics of the fraudster, and the use of random forests compared to other methods and algorithms, can more accurately identify these erroneous cases or lead to abnormal. 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. https://jnaect.ir/downloadfilepdf/486763