مدلی برای تشخیص ادعاهای غیرعادی خسارت در بیمه کشاورزی با استفاده از یادگیری عمیق

موارد کلاهبرداری در سال های اخیر به ویژه در زمینه های مهم و حساس مالی و بیمه ای افزایش یافته است. از این رو، برای مقابله با این گونه کلاهبرداری ها نیاز به اقدامات متفاوتی نسبت به روش های بازرسی سنتی وجود دارد. بیمه کشاورزی نیز با توجه به ماهیت و گستردگی وسیع آن از این تهدید مستثنا نبوده و سالانه هزینه های زیادی صرف پرداخت به خسارت های ساختگی می شود. این پژوهش با هدف ارائه مدلی برای کشف ادعاهای خسارت غیرواقعی در بیمه کشاورزی با بکارگیری تکنیک های داده کاوی و یادگیری ماشین ارائه شد. برای ساخت مدل یادگیری عمیق مورد استفاده قرار گرفت. داده های مورد استفاده از صندوق بیمه کشاورزی اخذ شد و مربوط به بیمه نامه های گندم آبی و دیم استان خوزستان بود که در سال زراعی ۱۳۹۹-۱۳۹۸ برای آنها غرامت پرداخت شده بود. بعد از آماده سازی و پیش پردازش داده ها، با استفاده از یادگیری عمیق نسبت به کشف موارد غیرعادی اقدام و نتایج توسط کارشناسان صندوق بیمه کشاورزی مورد ارزیابی قرار گرفت. بعد از تحلیل نتایج مشخص شد یک درصد از خسارت های پرداختی مربوط به درخواست های غیرواقعی بوده و در پرداخت خسارت بایستی دقت و بررسی بیشتری انجام شود. دقت مدل در تشخیص موارد غیرعادی برای گندم آبی و دیم به ترتیب برابر با ۵۳/۵۳ و ۶۳/۳۷ درصد بدست آمد. در بررسی نتایج مشخص شد ۵ دسته رفتار غیرعادی منجر به پرداخت خسارت غیرواقعی شده اند که رفتار عدم ارائه مستندات خسارت فراوانی بیشتری نسبت به بقیه داشت.

کلیدواژه ها:

تشخیص ناهنجاری ، بیمه کشاورزی ، یادگیری عمیق ، خودرمزگذار