هوش مصنوعی در کشف تقلب و پیش بینی خسارت بیمه های مهندسی

چکیده مقاله

هدف پژوهش حاضر بررسی کارکردهای نوین هوش مصنوعی و یادگیری ماشین در بازآفرینی سازوکار نظارت بیمه ای، با تمرکز بر بیمه های مهندسی است پژوهش با مرور نظام مند ۸۰ مقاله بین المللی در فاصله ی ۲۰۱۰ تا ۲۰۲۴ و تحلیل تطبیقی وضعیت ایران انجام شد یافته ها نشان دادند که الگوریتم هایی مانند Random Forest و XGBoost در پیش بینی خسارت مهندسی دقت بالایی دارند و شبکه های عصبی Artificial Neural Networks ANN و Convolutional Neural Network CNN ، به ویژه در قالب مدل های ترکیبی مانند ANN–SVM Support Vector Machine توانایی تشخیص الگوهای پیچیده ی تقلب را تا بیش از ۹۰ درصد افزایش می دهند ترکیب داده های عددی، متنی و تصویری در مدل های چندوجهی Multimodal Models نیز کارایی تشخیص تقلب را به شکل چشمگیری بهبود می دهد نتیجه ی پژوهش، ارائه ی چارچوبی بومی برای توسعه ی Supervisory Technology SupTech در بیمه های مهندسی ایران است؛ چارچوبی که می تواند به افزایش شفافیت، کاهش خسارت ناشی از تقلب و تقویت اعتماد عمومی به نظام بیمه ای کمک کند

کلیدواژه‌ها

نویسندگان

محدثه پورفرج حسنکلو

مقاله هوش مصنوعی در کشف تقلب و پیش بینی خسارت بیمه های مهندسی

پورفرج حسنکلو، محدثه،1404،هوش مصنوعی در کشف تقلب و پیش بینی خسارت بیمه های مهندسی،سی ودومین همایش ملی و سیزدهمین همایش بین المللی بیمه و توسعه با عنوان: «بازاندیشی نظارت در بیمه؛ مسیر نوآورانه برای تنظیم گری موثر»،تهران

ارائه‌شده در

مجموعه مقالات سی ودومین همایش ملی و سیزدهمین همایش بین المللی بیمه و توسعه با عنوان: «بازاندیشی نظارت در بیمه؛ مسیر نوآورانه برای تنظیم گری موثر»11 آذر 1404 · تهران