دپارتمان پژوهشی سفیر

دانلود پروپوزال کشف تقلب در بیمه خودرو با استفاده از تکنیک های داده کاوی

24,500 تومان

پروپوزال آماده
عنوان: کشف تقلب در بیمه خودرو با استفاده از تکنیک های داده کاوی
فرمت فایل: .ورد(DOC)
تعداد صفحات: ۲۵
خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.

توضیحات

دانلود پروپوزال کشف تقلب در بیمه خودرو با استفاده از تکنیک های داده کاویReviewed by انیتا نعیمی on Feb 20Rating:

دانلود پروپوزال کشف تقلب در بیمه خودرو با استفاده از تکنیک های داده کاوی

با گسترش  صنعت بیمه، تقلب در بیمه نیز در حال افزایش است. بر طبق مطالعات صورت گرفته، حدود ۲۰ تا ۳۵ درصد از ادعاهای مربوط به بیمه های اتومیبل تقلب هستند. تقلب های بیمه منجر به خسارات اقتصادی و اعتباری به شرکت های بیمه می شود و از این رو به یک موضوع جدی در جامعه تبدیل شده است.  کشف تقلب در بیمه 

ضرر پولی ناشی از کلاهبرداری در بیمه اتومبیل نه تنها نگرانی شرکت های بیمه بلکه  یک نگرانی برای مصرف کننده نیز محسوب می شود. چرا که، شرکت های بیمه اغلب به منظور جبران پول از دست رفته از طریق مطالبات کلاهبرداری در بیمه ،  حق بیمه هر یک از دارندگان بیمه نامه را افزایش می دهند. بنابراین اتخاذ یک رویکرد مناسب و کشف تقلب در بیمه، به یک نیاز اساسی مبدل شده است. (یان و همکاران، ۲۰۱۹)

امروزه تکنیک‌های داده‌کاوی به‌طور فزاینده‌ای به‌عنوان ابزاری برای کشف تقلب به کمک شرکت‌های بیمه آمده‌اند. با در اختیار داشتن داده‌های مربوط به بیمه‌گذاران و خسارت‌ها و شناسایی معیارهای تقلب در بیمه خودرو و با تکیه بر داده‌کاوی و تکنیک‌های یادگیری ماشین، در زمان کوتاه و با دقت بالا، موارد تخلف شناسایی می‌شوند و بدین ترتیب هزینه‌های اقتصادی وارد آمده بر شرکت‌ها را تا حد زیادی کاهش می‌دهند. (لی و همکاران، ۲۰۱۸) هدف اصلی شناسایی تقلب بر اساس داده کاوی ، یافتن الگوهایی است که به طور معمول به یک ادعای تقلبی مربوط است. در این تحقیق،  به روشی برای شناسایی موارد تقلب در بیمه اتومیبل ارائه می دهیم. این روش از ترکیب الگوریتم ژنتیکی با یک شبکه عصبی تشکیل شده است. شبکه عصبی  توانایی پیش بینی  و جستجو و  الگوریتم ژنتیک،  به منظور بهینه سازی استفاده شده است.

فهرست مطالب پروپوزال کشف تقلب در بیمه خودرو با استفاده از تکنیک های داده کاوی

  1. بیان مساله اساسی تحقیق
  2. اهمیت و ضرورت انجام تحقیق
  3. مرور ادبیات و سوابق مربوطه
  4. جنبه جدید بودن و نوآوری در تحقیق
  5. اهداف مشخص تحقیق
  6. سؤالات تحقیق
  7. فرضیه ‏های تحقیق
  8. روش شناسی تحقیق
  9. متغیرهای مورد بررسی در قالب یک مدل مفهومی
  10. شرح کامل روش (میدانی، کتابخانه‏ای) و ابزار
  11. جامعه آماری، روش نمونه‏ گیری و حجم نمونه
  12. روش‌ها و ابزار تجزیه و تحلیل داده ‏ها
  13. مراجع

برخی از مراجع:

  • Yan, C., Li, M., Liu, W. and Qi, M., 2019. Improved adaptive genetic algorithm for the vehicle Insurance Fraud Identification Model based on a BP Neural Network. Theoretical Computer Science.
  • Tselentis, D.I., Yannis, G., Vlahogianni, E.I., 2017. Innovative motor insurance schemes: a review of current practices and emerging challenges. Accid. Anal. Prev. 98,139–۱۴۸٫
  • Li, Y., Yan, C., Liu, W. and Li, M., 2016, August. Research and application of random forest model in mining automobile insurance fraud. In 2016 12th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery (ICNC-FSKD) (pp. 1756-1761). IEEE.
  • Verma, A., Taneja, A. and Arora, A., 2017, August. Fraud detection and frequent pattern matching in insurance claims using data mining techniques. In 2017 Tenth International Conference on Contemporary Computing (IC3) (pp. 1-7). IEEE.
  • Yan, C., Li, Y., Liu, W., Li, M., Chen, J., & Wang, L. (2019). An artificial bee colony-based kernel ridge regression for automobile insurance fraud identification. Neurocomputing.
  • Moon, H., Pu, Y., & Ceglia, C. (2019). A Predictive Modeling for Detecting Fraudulent Automobile Insurance Claims. Theoretical Economics
  • Letters, 9(06), 1886.
پروپوزال کشف تقلب در بیمه خودرو با استفاده از تکنیک های داده کاوی

پروپوزال کشف تقلب در بیمه خودرو با استفاده از تکنیک های داده کاوی

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود پروپوزال کشف تقلب در بیمه خودرو با استفاده از تکنیک های داده کاوی”

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