HyperAIHyperAI

Command Palette

Search for a command to run...

منذ 4 أشهر

تحليل الشبكات للكشف عن الاحتيال في التأمين: دراسة حالة نقدية

{Tim Verdonck Bart Baesens Wouter Verbeke Félix Vandervorst Bruno Deprez}

الملخص

لقد زاد الاهتمام بشكل متزايد بطرق الكشف عن الاحتيال، مدفوعًا باللوائح الجديدة والخسائر المالية المرتبطة بالاحتيال. إحدى الطرق المتطورة في هذا المجال هي تحليل الشبكات (Network Analytics)، التي تستفيد من التفاعلات بين الكيانات المختلفة للكشف عن أنماط معقدة تدل على الاحتيال. ومع ذلك، لم يُطبَّق تحليل الشبكات حتى الآن على نطاق واسع في مجال الكشف عن الاحتيال ضمن الأدبيات التأمينية. وعلى الرغم من الإمكانات الكبيرة التي يُظهرها هذا النهج، لا تزال العديد من طرق تحليل الشبكات غير مُطبقة بشكل واسع. يُعد هذا البحث مساهمةً في توسيع الأدبيات العلمية بطريقتين رئيسيتين. أولاً، نراجع ونُطبّق عدة طرق تحليلية في سياق الاحتيال التأميني، ونقيّم قدرتها التنبؤية مقارنةً ببعضها البعض. ثانيًا، نحلل القيمة المضافة لسمات الشبكة مقارنةً بسمات الكيانات الداخلية (intrinsic features) في الكشف عن الاحتيال. نستنتج أن: (1) لا تتفوق الطرق المعقدة بالضرورة على السمات الشبكية الأساسية، وأن (2) يُسهم تحليل الشبكات في الكشف عن أنماط احتيال مختلفة مقارنةً بالنماذج التي تُدرَّب فقط على سمات المطالبات الخاصة بكل حالة.

المعايير القياسية

معيار قياسيالمنهجيةالمقاييس
fraud-detection-on-healthcare-provider-fraudBiRank
AUC: 0.786
AUPRC: 0.175
fraud-detection-on-healthcare-provider-fraudmetapath2vec
AUC: 0.513
AUPRC: 0.054
fraud-detection-on-healthcare-provider-fraudGraphSAGE
AUC: 0.668
AUPRC: 0.201

بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة المشتركة بالذكاء الاصطناعي
وحدات معالجة رسومات جاهزة
أفضل الأسعار
ابدأ الآن

Hyper Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
تحليل الشبكات للكشف عن الاحتيال في التأمين: دراسة حالة نقدية | الأوراق البحثية | HyperAI