علم داده، هوشمندی و تحلیل‌های آینده نگر
یعقوب احمدلو؛ علیرضا پورابراهیمی؛ جعفر تنها؛ علی رجب زاده قطری
چکیده
موارد کلاهبرداری در سال‌های اخیر به ویژه در زمینه‌های مهم و حساس مالی و بیمه‌ای افزایش یافته است. از این رو، برای مقابله با این‌گونه کلاهبرداری‌ها نیاز به اقدامات متفاوتی نسبت به روش‌های بازرسی سنتی وجود دارد. بیمه کشاورزی نیز با توجه به ماهیت و گستردگی وسیع آن از این تهدید مستثنا نبوده و سالانه هزینه‌‌های زیادی صرف پرداخت به ...
بیشتر
موارد کلاهبرداری در سال‌های اخیر به ویژه در زمینه‌های مهم و حساس مالی و بیمه‌ای افزایش یافته است. از این رو، برای مقابله با این‌گونه کلاهبرداری‌ها نیاز به اقدامات متفاوتی نسبت به روش‌های بازرسی سنتی وجود دارد. بیمه کشاورزی نیز با توجه به ماهیت و گستردگی وسیع آن از این تهدید مستثنا نبوده و سالانه هزینه‌‌های زیادی صرف پرداخت به خسارت‌‌های ساختگی می‌شود. این پژوهش با هدف ارائه مدلی برای کشف ادعاهای خسارت غیرواقعی در بیمه کشاورزی با بکارگیری تکنیک‌های داده کاوی و یادگیری ماشین ارائه شد. برای ساخت مدل یادگیری عمیق مورد استفاده قرار گرفت. داده‌‌های مورد استفاده از صندوق بیمه کشاورزی اخذ شد و مربوط به بیمه‌‌نامه‌‌های گندم آبی و دیم استان خوزستان بود که در سال زراعی 1399-1398 برای آنها غرامت پرداخت شده بود. بعد از آماده‌‌سازی و پیش‌‌پردازش داده‌ها، با استفاده از یادگیری عمیق نسبت به کشف موارد غیرعادی اقدام و نتایج توسط کارشناسان صندوق بیمه کشاورزی مورد ارزیابی قرار گرفت. بعد از تحلیل نتایج مشخص شد یک درصد از خسارت‌‌های پرداختی مربوط به درخواست‌های غیرواقعی بوده و در پرداخت خسارت بایستی دقت و بررسی بیشتری انجام شود. دقت مدل در تشخیص موارد غیرعادی برای گندم آبی و دیم به ترتیب برابر با 53/53 و 63/37 درصد بدست آمد. در بررسی نتایج مشخص شد 5 دسته رفتار غیرعادی منجر به پرداخت خسارت غیرواقعی شده‌اند که رفتار عدم ارائه مستندات خسارت فراوانی بیشتری نسبت به بقیه داشت.
مهرگان قباخلو؛ علی رجب زاده قطری؛ عباس طلوعی اشلقی؛ محمود البرزی
چکیده
حفظ مشتری یکی از پراهمیت‌ترین مسائل هر سازمانی می‌باشد و یافتن راهی جهت حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر، در حوزه یادگیری ماشین با تمرکز بر شناسایی صحیح نیازهای مشتری با روشی مبتنی بر استخراج دیدگاه‌ها و تحلیل احساسات و کمی سازی گرایش احساسی مشتریان در مورد خدمات بانکی با بررسی و تحلیل نظرات آنها ...
بیشتر
حفظ مشتری یکی از پراهمیت‌ترین مسائل هر سازمانی می‌باشد و یافتن راهی جهت حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر، در حوزه یادگیری ماشین با تمرکز بر شناسایی صحیح نیازهای مشتری با روشی مبتنی بر استخراج دیدگاه‌ها و تحلیل احساسات و کمی سازی گرایش احساسی مشتریان در مورد خدمات بانکی با بررسی و تحلیل نظرات آنها می‌باشد. به‌عبارتی موضوع این پژوهش طراحی سیستم توصیه‌گر جهت ارائه خدمات مناسب به مشتریان، با استفاده از عقاید و تجارب آنها می‌باشد. روش اجرای ارائه شده در پژوهش حاضر بدین ترتیب است که، با بررسی عقاید مشتریان و استخراج متغیرهایی چون نمره احساسات افراد برای توییت‌ها، نمره ارتباط، شباهت کسینوسی و میزان ضریب اطمینان در قالب فرآیند آموزش و تست، خدمات بانکی مناسب را پیشنهاد می‌دهد. به‌منظور ارائه این پیشنهاد، از روش‌های دسته‌بندی مناسب به‌همراه روش‌های عقیده‌کاوی و رویکرد اعتبارسنجی مناسب استفاده می‌شود و سیستم طراحی‌شده نهایی با خطایی اندک، جهت ارائه خدمات شخصی‌سازی‌شده، در راستای کمک به مدیران بانکی گام خواهد برداشت. ازآنجاییکه درحال حاضر ارائه خدمات بانکی متناسب با وضعیت مشتریان به‌طورکامل وجود ندارد، لذا سیستم مذکور در این زمینه بسیار راهگشا خواهد بود.
