KaydedilenlerDerginizi ekleyin

Dergiler / Bilişim Teknolojileri Dergisi / 2020 / Cilt: 13 - Sayı: 4

Sigorta Sektöründe Sahte Hasarların Tahmini İçin Geliştirilen Makine Öğrenmesi Modellerinin Kıyaslanması

Comparison of Machine Learning Models for Predict Fraudulent Claims in Insurance Sector

Özgür Erkut ŞAHİN
Serkan AYVAZ
Engin ÇALIMFİDAN
Sayfa
479–489
Yayın Tarihi
2020-10-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen sonuçlar doğrultusunda makine öğrenimi yöntemlerinin kullanımının suistimali hasarların tespiti için hasar ekiplerine ve sigorta şirketlerine yardımcı olabileceği düşünülmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Araştırmanın amacı, sigorta sektöründe kasko sigortası için sahte hasarların tespitinde hasar dosyası incelemelerine yardımcı olabilecek makine öğrenmesi modelleri geliştirmektir.
📊
Temel Bulgular & Veri:Bu çalışmada özel bir sigorta şirketinin kasko sigortasına ait hasar verileri kullanılmıştır.
💡
Sonuç & Katkı:Elde edilen sonuçlar doğrultusunda makine öğrenimi yöntemlerinin kullanımının suistimali hasarların tespiti için hasar ekiplerine ve sigorta şirketlerine yardımcı olabileceği düşünülmektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Insurance Sector · automobile insurance · fraud detection

Özet

Araştırmanın amacı, sigorta sektöründe kasko sigortası için sahte hasarların tespitinde hasar dosyası incelemelerine yardımcı olabilecek makine öğrenmesi modelleri geliştirmektir. Bu çalışmada özel bir sigorta şirketinin kasko sigortasına ait hasar verileri kullanılmıştır. Model oluşturulmasında k-en yakın komşuluk, karar ağaçları, lojistik regresyon, yapay sinir ağ algoritmaları denenmiştir. Elde edilen sonuçlar doğrultusunda makine öğrenimi yöntemlerinin kullanımının suistimali hasarların tespiti için hasar ekiplerine ve sigorta şirketlerine yardımcı olabileceği düşünülmektedir.

Abstract

The aim of this research is to develop machine learning models that can assist in the investigation of automobile insurance claims by detecting counterfeit damages filed in the insurance industry. In this study, automobile insurance claims data belonging to a private insurance company is used for analysis. The k-nearest neighborhood, decision trees, logistic regression, and artificial neural network algorithms have been explored in data modeling. Based on the research results, it is observed that the use of machine learning methods can help claims investigation teams and insurance companies to detect fraudulent activities.

🔖

Bu Makaleye Atıf Yap

ŞAHİN, Ö. E., AYVAZ, S., ÇALIMFİDAN, E. (2020). Sigorta Sektöründe Sahte Hasarların Tahmini İçin Geliştirilen Makine Öğrenmesi Modellerinin Kıyaslanması. Bilişim Teknolojileri Dergisi, Cilt: 13 - Sayı: 4, 479–489. https://ajindex.com/articles/251721

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. L. Šubelj, Š. Furlan, M. Bajec, “An expert system for detecting automobile insurance fraud using social network analysis”, Expert Systems with Applications, 38(1), 1039-1052, 2011
  2. S. Erol, Hile Denetiminde Proaktif Yaklaşımlar, Yüksek Lisans Tezi, İstanbul Ticaret Üniversitesi, Sosyal Bilimler Enstitüsü, 2016
  3. M. Ö. Dolgun., B.Cenk, A. A. Koç, “Sigortacılık Sektöründe Araç Sigortalarında Suistimal Tespit Sistemi”, 2. Ulusal Sigorta ve Aktüerya Kongresi, Karabük, 28-29 Eylül, 2015
  4. E. Kasap, Sigortacılık Sektöründe Müşteri İlişkileri Yönetimi Yaklaşımıyla Veri Madenciliği Teknikleri ve Bir Uygulama, Yüksek Lisans Tezi, Marmara Üniversitesi, Bankacılık Ve Sigortacılık Enstitüsü, 2007
  5. D. Muslu, Sigortacılık Sektöründe Risk Analizi: Veri Madenciliği Uygulaması, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2009
  6. Y. Kaya, Motokaravan Sigortacılığı Tahmin Modellemesi ve Uygulanan Yöntemlerin Karşılaştırılması, Yüksek Lisans Tezi, Beykent Üniversitesi, Fen Bilimleri Enstitüsü, 2017
  7. İ. Şişaneci, Sağlık Sisteminde Veri Madenciliği ile Suistimal Tespiti, Yüksek Lisans Tezi, Gebze Yüksek Teknoloji Üniversitesi, Fen Bilimleri Enstitüsü, 2009
  8. A. Yılmaz, Sahte Hasarların Lojistik Regresyon Analizi ile Tahmini, Yüksek Lisans Tezi, İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, 2014
  9. R. Bhowmik, “Detecting Auto Insurance Fraud by Data Mining Techniques”, Journal of Emerging Trends in Computing and Information Sciences, Computer Sciences, 2(4), 156-162, 2011
  10. A. R. Bauder, M. T. Khoshgoftaar, “The Detection of Medicare Fraud Using Machine Learning Methods with Excluded Provider Labels”, The Thirty-First International Florida Artificial Intelligence Research Society Conference, College of Engineering & Computer Science Florida Atlantic University, FLAIRS-31, A.B.D. 2018
  11. T. Martin, J. Biegelman, T. Bartow, Executive Roadmap to Fraud Prevention and Internal Control, John Wiley & Sons, New Jersey, A.B.D. 23, 2006
  12. Y. Wang, W. Xu, “Leveraging deep learning with LDA-based text analytics to detect automobile insurance fraud”, Decision Support Systems, (105), 87-95, 2018
  13. Y. Li, C. Yan, W. Liu, M. Li, “A principle component analysis- based random forest with the potential nearest neighbor method for automobile insurance fraud identification”, Applied Soft Computing, (70), 1000-1009, 2018
  14. Internet: S. Aligil, Cumhuriyet Gazetesi Ekonomi Bölümü, https://www.cumhuriyetarsivi.com/monitor