CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مدل پیش بینی خسارت مشتریان در بیمه های درمان تکمیلی با بهره گیری از تکنیک های داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۳۱ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: ICMFS02_050
زبان مقاله: فارسی
حجم فایل: ۶۵۸.۹۲ کیلوبایت (فایل این مقاله در ۱۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدل پیش بینی خسارت مشتریان در بیمه های درمان تکمیلی با بهره گیری از تکنیک های داده کاوی

  آزاده جفتانی - گروه کامپیوتر، دانشکده برق، کامپیوتر و مکانیک، دانشگاه ایوان کی، تهران، ایران
    نیما فرجیان - گروه کامپیوتر، دانشکده برق، کامپیوتر و مکانیک، دانشگاه ایوان کی، تهران، ایران

چکیده مقاله:

به علت رقابت تنگاتنگ در زمینه فروش انواع بیمه نامه ها بین شرکت های بیمه ای و بالا رفتن روز افزون تقاضا، شناخت مشتریان محصولات بیمه ای از مسائل مهم در خصوص بقای شرکت های بیمهای به شمار می آید. کاربرد این تحقیق کسب حداکثر سود برای سازمان بیمه به همراه جلب رضایت مشتری می باشد که این نتیجه با بررسی کاربرد عملی داده کاوی برروی مشتریان بیمه تکمیل درمان یک شرکت بیمه تحقق می یابد.پیش بینی خسارت مشتریان بیمه در سه بخش متفاوت صورت گرفته است. در بخش اول مدلی جهت تشخیص سود ده یا زیان ده بودن مشتری با دقت 90 % به کمک الگوریتم KNN+Partition Membership ارائه شده است، در بخش دوم مبلغ خسارت مشتری به کمک الگوریتم SMOreg با میانگین خطای مطلق حدود 120.000 ریال حاوی بهترین نتیجه می باشد و در نهایت در بخش سوم با بهره گیری الگوریتم Apriori بهترین الگوی روابط خسارت مشتریان با اطمینان 90 % ارائه شده است. جهت پیاده سازی بخش های یک تا سه از الگوریتم های شبکه عصبی مصنوعی، K نزدیک ترین همسایگی ، درخت J48 ، رگرسیون لجستیک، Gaussian ، SMOreg(SVM) و Apriori بهره گرفته شده است. به جهت پیاده سازی تکنیک ها، از نرم افزار وکا بهره گرفته شده است.این تحقیق نشان می دهد که داده کاوی از طریق پیش بینی خسارت مشتریان می تواند به شرکت های بیمه کمک کند تا با شناخت انواع مشتریان و ویژگی های آنها الگوی مناسبی جهت ارائه خدمات مناسب به مشتریان ارائه دهند و به این ترتیب حداکثر ارزش افزوده را از برقراری ارتباط با مشتری کسب نمایند.

کلیدواژه‌ها:

بیمه تکمیلی؛ طبقه بندی؛ رگرسیون؛ قواعد انجمنی؛ داده کاوی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICMFS02-ICMFS02_050.html
کد COI مقاله: ICMFS02_050

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
جفتانی, آزاده و نیما فرجیان، ۱۳۹۷، مدل پیش بینی خسارت مشتریان در بیمه های درمان تکمیلی با بهره گیری از تکنیک های داده کاوی، دومین کنفرانس بین المللی مدیریت وسیستم های فازی، ایوان کی، دانشگاه ایوان کی- موسسه بین المللی مهد پژوهش ره پویان حقیقت، https://www.civilica.com/Paper-ICMFS02-ICMFS02_050.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (جفتانی, آزاده و نیما فرجیان، ۱۳۹۷)
برای بار دوم به بعد: (جفتانی و فرجیان، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: ۸۴۷
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • صنعت بیمه > صنعت بیمه
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.