خط مشی دسترسیدرباره ما
ثبت نامثبت نام
راهنماراهنما
فارسی
ورودورود
صفحه اصلیصفحه اصلی
جستجوی مدارک
تمام متن
منابع دیجیتالی
رکورد قبلیرکورد بعدی
Record identifier : 565183
Personal Name - Primary Intelectual Responsibility : Ahadi Nansa, Somayeh
Title and statement of responsibility : The Clustering and Classification Data Mining Techniques in Insurance Fraud Detection: The Case of Iranian Car insurance [Thesis]/احدی نانسا، سمیه;supervisor: Ghadir Mahdavi;advisor: Atousa Goudarzi
Publication, Distribution,Etc. : , 2013
Language of the Item : eng
Internal Bibliographies/Indexes Note : Bibliography
Dissertation of thesis details and type of degree : M. Sc.in
Discipline of degree : , Actuarial Science
Body granting the degree : , Allameh Tabatabai University, E.C.O. College of Insurance
Summary or Abstract : .هدف تحقیق :تقلب بیمه ای با توجه به ماهیت کسب و کار بیمه ای و بنابه تبعات مالی منفی برای شرکت های بیمه ای از مسائل مهم و اساسی به شمار می آید و با توجه به گسترش روزافزون آن در تمامی رشته های بیمه ای به خصوص در بیمه اتومبیل ,لازم است با بکارگیری روش های مناسب و کارآمد به شناسایی و کشف تقلب در خسارت های ادعا شده پرداخت .درک الگوی موجود در داده های مربوط به مطالبات گزارش شده ی پیشین می تواند در کشف واقعی یا غیرواقعی بودن ادعای خسارت، مفید باشد .یکی از متداولترین و پرکاربردترین راه های کشف الگوی داده ها استفاده از روش داده کاوی است .بسیاری از محققین با استفاده از روش های داده کاوی مدل هایی برای تشخیص و شناسایی بالقوه ی خسارت های غیرواقعی ایجاد و توسعه داده اند .در این پایان نامه ما نیز با استفاده از تکنیک های داده کاوی ,مدل هایی برای کشف الگوهایی جهت تشخیص و پیش بینی تقلب در خسارت های ادعا شده ارائه داده ایم
: Fraud affects most aspects of social and economic modern life. Together with technological progress different fraudulent behavior of mankind appears.Banking and insurance industries are the most significant sectors which suffer significantly losses. Insurance is a growing industry which provides peace of mind or security for business and life and, increases economic activity and controls risks which is essential to other industries and commerce. Fraud is a major problem in insurance industry. The main conclusion of this research is the fact that the type of use, age, accident type, the amount of claim, the gap between report date and accident date, the duration of contract have effect on fraudulent behavior. Actually, if the vehicle has commercial use with higher age, larger amount of claim and moderate gap between report date and accident date, lower duration of contract with collision accident type, the probability of fraudulent behavior increases..
Topical Name Used as Subject : Car Insurance fraud
: Bayesian Belief networks
: Data mining
: J48 decision tree
Uncontrolled Subject Terms : داده کاوی
: درخت تصمیم
: شبکه باورمندی بیزی
Information of biblio record : TL
 
 
 
(در صورت عدم وضوح تصویر اینجا را کلیک نمایید)