پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,479 |
| تعداد مقالات | 70,032 |
| تعداد مشاهده مقاله | 123,012,159 |
| تعداد دریافت فایل اصل مقاله | 96,243,701 |
Fraud Detection Using a Fuzzy Expert System In Motor Insurance | ||
| Journal of Information Technology Management | ||
| مقاله 3، دوره 7، شماره 2، مهر 2015، صفحه 239-258 اصل مقاله (547.57 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/jitm.2015.53992 | ||
| نویسندگان | ||
| Seyed Mohammadtaghi TaghaviFard* 1؛ Zahra Jafari2 | ||
| 1Associate Prof. in Industrial Management, Faculty of Management and Accounting, Allameh Tabataba'i University, Tehran, Iran | ||
| 2MSc. in IT Management, Faculty of Management and Accounting, Allameh Tabataba'i University, Tehran, Iran | ||
| چکیده | ||
| Insurance industry experts believe that fraud is a destructive disaster in the insurance industry. Over the years, many methods have been used in the literature for fraud detection, one of which is expert systems. Fraud detection expert systems are based on the knowledge of experts in the field of insurance identify fraud. Judgment of experts is mostly based on evidence, documents, qualitative information which is often presented in verbal words to describe the fraudulent behavior. In the presented model, 61 qualitative and quantitative criteria related to the detection of fraud in car insurance were identified. Then, these criteria were prioritized according to expert opinion and 17 criteria with the highest priority classified into eight factors were selected. In the suggested system fuzzy inference was performed using Mamdani algorithm. Finally, the designed system was implemented to an Iranian private insurance company and the validity of the system assessed by a questionnaire and came up to 69.45%. The obtained results indicate that the proposed model is able to detect the fraud quite significantly. | ||
| کلیدواژه‌ها | ||
| expert systems؛ Fraud detection؛ Fuzzy logic؛ Linguistic variables | ||
| عنوان مقاله [English] | ||
| کشف تقلب در بیمۀ بدنۀ خودرو با بهرهمندی از سیستم خبرۀ فازی | ||
| نویسندگان [English] | ||
| سید محمد تقی تقوی فرد1؛ زهرا جعفری2 | ||
| 1دانشیار مدیریت صنعتی، دانشکدۀ مدیربت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران | ||
| 2کارشناسارشد مدیریت فناوری اطلاعات، دانشکدۀ مدیربت و حسابداری دانشگاه علامه طباطبائی، تهران، ایران | ||
| چکیده [English] | ||
| صاحبنظران صنعت بیمه معتقدند تقلب، بلای خانمانسوز این صنعت خواهد بود. روشهای گوناگونی طی سالها برای کشف تقلب بهکار گرفته شده است که یکی از آنها، سیستم خبرۀ فازی نام دارد. سیستمهای خبرۀ شناسایی تقلب با تکیه بر پایگاه دانشی که مستخرج از خبرگان است، به شناسایی تقلب میپردازند. البته بهدلیل ماهیت پنهان پدیدۀ تقلب، دانش و قضاوت خبرگان مبتنی بر شواهد و اطلاعات کیفی است که اغلب واژه‌های کلامی را برای توصیف رفتار متقلبانه بهکار میبرند. در مدل ارائهشده، از میان 61 معیار کمی و کیفی شناساییشدۀ کشف تقلب در بیمۀ بدنۀ خودرو، بر اساس نظر خبرگان 17 معیار که از اولویت بالایی برخوردار بودند، در قالب هشت عامل دستهبندی شدند. در سیستم پیشنهادی برای استنتاج فازی، از الگوریتم ممدانی استفاده شده است. در نهایت پس از طراحی و پیادهسازی سیستم در یکی از شرکتهای بیمۀ خصوصی ایران، اعتبار آن از طریق پرسشنامه سنجیده شد و اعتبار کلی سیستم 45/69 درصد بهدست آمد. درصد محاسبهشده مؤید این نکته است که مدل پیشنهادی به میزان شایان توجهی از قابلیت شناسایی تقلب برخوردار است. | ||
| کلیدواژه‌ها [English] | ||
| سیستم خبره, کشف تقلب, منطق فازی, واژگان کلامی | ||
| مراجع | ||
|
Belhadji E.B. & Dionne, G. (1997). Development of an Expert System for the Automatic Fraud Detection of Automobile Insurance Fraud. Canada, Montreal: Ecole des Hutes Etudes Commerciales.
Bhargava, B., Zhong, Y. & Lu, Y. (2003). Fraud Formalization and Detection. Lecture Notes in Computer Science, 2737: 330-339.
Derrig, R.A., Johnston, D.J. & Sprinkel, A.E. (2006). Auto Insurance Fraud: Measurements and Efforts to Combat It. Risk Management and Insurance Review, 9 (2): 109-130.
Firouzi, M., Shokri, M., Kazemi, L., Zahedi, S. (2011). Fraud Detection in Car Insurance using Data Mining Techniques. Insurance Journal, 26(3): 103-128. (in Persian)
Jafari, Z. (2013). Fraud Detection in Car Insurance using a Fuzzy Expert System. MA Thesis, Allameh Tabatabai University. (in Persian)
Mamdani, E.H. & Assilian, S. (1975). An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller. International Journal of Man-Machine Studies, 7(1): 1–13.
Ngai, E.W.T., Hu, Y., Wong, Y.H., Chen, Y. & Sun, X. (2010). The Application of Data Mining Techniques in Financial Fraud Detection: A Classification Framework and an Academic Review of literature. Decision Support Systems, 50(3): 559-569.
Taghavifard, M.T., Hosseini F. & Khanbabaei, M. (2014). A Hybrid Credit Scoring Model using Genetic Algorithm and Fuzzy Expert Systems. Journal of IT Management, 6(1): 31-46. (in Persian)
Tennyson, S. & Salsas-Forn, P. (2002). Claims Auditing In Automobile Insurance: Fraud Detection and Deterrence Objectives. The Journal of Risk and Insurance, 69(3): 289–308.
Viaene, S., Ayuso, M., Guillen, M. & Van Gheel, D. (2007). Strategies for Detecting Fraudulent Claims in the Automobile Insurance Industry. European Journal of Operational Research, 176 (1): 565-583.
Yaghmaei, F. (2000). Content validity and its measurement . Journal of Nursing and Midwifery, 10 (33): -35-39.
Zhang, N. & Xu, W. (2000). A comparative study on sufficient conditions for Takagi-Sugeno fuzzy systems as universal approximators. IEEE Transactions, 8 (6): 773 – 780.
| ||
|
آمار تعداد مشاهده مقاله: 2,887 تعداد دریافت فایل اصل مقاله: 2,637 |
||