مدلي براي تشخيص ادعاهاي غيرعادي خسارت در بيمه كشاورزي با استفاده از يادگيري عميق

موارد كلاهبرداري در سال‌هاي اخير به ويژه در زمينه‌هاي مهم و حساس مالي و بيمه‌اي افزايش يافته است. از اين رو، براي مقابله با اين‌گونه كلاهبرداري‌ها نياز به اقدامات متفاوتي نسبت به روش‌هاي بازرسي سنتي وجود دارد. بيمه كشاورزي نيز با توجه به ماهيت و گستردگي وسيع آن از اين تهديد مستثنا نبوده و سالانه هزينه‌‌هاي زيادي صرف پرداخت به خسارت‌‌هاي ساختگي مي‌شود. اين پژوهش با هدف ارائه مدلي براي كشف ادعاهاي خسارت غيرواقعي در بيمه كشاورزي با بكارگيري تكنيك‌هاي داده كاوي و يادگيري ماشين ارائه شد. براي ساخت مدل يادگيري عميق مورد استفاده قرار گرفت. داده‌‌هاي مورد استفاده از صندوق بيمه كشاورزي اخذ شد و مربوط به بيمه‌‌نامه‌‌هاي گندم آبي و ديم استان خوزستان بود كه در سال زراعي 1399 1398 براي آنها غرامت پرداخت شده بود. بعد از آماده‌‌سازي و پيش‌‌پردازش داده‌ها، با استفاده از يادگيري عميق نسبت به كشف موارد غيرعادي اقدام و نتايج توسط كارشناسان صندوق بيمه كشاورزي مورد ارزيابي قرار گرفت. بعد از تحليل نتايج مشخص شد يك درصد از خسارت‌‌هاي پرداختي مربوط به درخواست‌هاي غيرواقعي بوده و در پرداخت خسارت بايستي دقت و بررسي بيشتري انجام شود. دقت مدل در تشخيص موارد غيرعادي براي گندم آبي و ديم به ترتيب برابر با 53/53 و 63/37 درصد بدست آمد. در بررسي نتايج مشخص شد 5 دسته رفتار غيرعادي منجر به پرداخت خسارت غيرواقعي شده‌اند كه رفتار عدم ارائه مستندات خسارت فراواني بيشتري نسبت به بقيه داشت.