زهرا صیدی عقیل آبادی - کارشناس ارشد مدیریت بازرگانی، گرایش مدیریت بیمه، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
سعید صحت - دانشیار گروه آموزشی مدیریت بازرگانی، دانشکده مدیریت، دانشگاه علامه طباطبایی
رسول صالحی - مدیر بیمه های اتومبیل شرکت بیمه سینا

صنعت بیمه با توجه به ماهیت خود، مستعد ابتلا به کلاهبرداری و تقلب است. در بیمه اتومبیل، بیمه گر کلیه خسارتهایی را که به واسطه خودرو یا بار خودرو به اشخاص ثالث وارد می شود، تحت پوشش قرار می دهد. در طی سال های اخیر با توجه به رشد این نوع بیمه، تشخیص عوامل تاثیرگذار بر روی تصمیم هایی که به جعلی بودن یک ادعای خسارت می پردازد به امری ضروری مبدل شده است. یکی از راه های کشف و مقابله با این نوع تقلب ها بررسی اطلاعات موجود در پرونده هایی است که از طریق بیمه نامه شخص ثالث ادعای خسارت کرده اند. داده کاوی روش مناسبی برای تعامل با چنین بانک های اطلاعاتی است و منجر به کشف دانشی ارزشمند از آنها می شود؛ در این تحقیق با بررسی 142 پرونده شخص ثالث و 6 متغیر، سعی شده است تا الگوهای تقلب در بیمه شخص ثالث کشف شود. نتایج تحقیق نشان می دهد الگوریتم درخت تصمیم و شبکه های عصبی در شناسایی پرونده های تقلبی، غیرتقلبی، و مشکوک نسبت به الگوریتم ماشین بردار پشتیبان عملکرد بهتری داشته اند.

ادعای کلاهبردارانه، داده کاوی، رده بندی، درخت تصمیم، ماشین بردار پشتیبان، شبکهعصبی، تقلب