چارچوب تجمیع یادگیری ماشین عملیاتیِ حساس به هزینه با بازنمونه‌گیری (ROME) برای تشخیص تقلب در بیمهٔ خودرو
چارچوب تجمیع یادگیری ماشین عملیاتیِ حساس به هزینه با بازنمونه‌گیری (ROME) برای تشخیص تقلب در بیمهٔ خودرو
نوشتهٔ
Behnam Yousefimehr, Mehdi Ghatee, Ayin Ghazimoradi, Vista Farahifar
برای انتشار در نشریهٔ «International Journal of Information and Communication Technology Research» پذیرفته شده است.
چکیده
این پژوهش رویکردی نوین برای بهبود تشخیص تقلب در بیمهٔ خودرو از طریق چارچوب ROME معرفی می‌کند که روش‌های بازنمونه‌گیری را با یادگیری ماشین حساس به هزینه تلفیق می‌کند. منطق این روش از پرداختن به دو چالش اساسی تشخیص تقلب سرچشمه می‌گیرد: عدم توازن مجموعه‌داده‌ها و هزینهٔ بالای ناشی از طبقه‌بندی نادرست موارد متقلبانه. روش بازنمونه‌گیری، بازنمایی متوازن داده‌ها را تضمین می‌کند، درحالی‌که رویکرد حساس به هزینه، کاهش پیامد طبقه‌بندی نادرست را در اولویت قرار می‌دهد و با هدف صنعت برای کمینه‌کردن زیان‌های مالی همسوست. این راهبرد ترکیبی پیشرفتی مهم در تشخیص تقلب به شمار می‌رود. مدل با داده‌های واقعی بیمهٔ خودرو آزموده شد و به معیار F1 برابر با 76.32% دست یافت که 31.25% بهتر از مدل پایهٔ CatBoost بود. این نتایج، اثربخشی رویکرد ترکیبی را در افزایش دقت تشخیص نشان می‌دهند و ابزاری توانمند برای بهبود مدیریت ریسک در اختیار بیمه‌گران قرار می‌دهند. یافته‌ها با افزایش قابلیت‌اعتماد و کارایی سامانه‌های تشخیص تقلب، دستاوردهای مهمی برای صنعت بیمه فراهم می‌کنند.
کلیدواژه‌ها
تشخیص تقلب؛ بیمهٔ خودرو؛ بازنمونه‌گیری؛ حساس به هزینه؛ یادگیری ماشین
ضمیمهٔ آرشیو منبع: پژوهش OCT
این بخشِ حفظ‌شده از آرشیو منبع، مربوط به پژوهشی جداگانه دربارهٔ OCT نوشتهٔ Amin Rahmani و Mehdi Ghatee است و مرجع یا پیوند دسترسی پژوهش ROME نیست. متن اعلان اصلی برای حفظ سابقه در ادامه آمده است. مهلت دسترسی رایگانِ ذکرشده در آن پایان یافته است. مشاهدهٔ پژوهش جداگانهٔ OCT.
مرجع:
نسخهٔ کامل مقالهٔ «استنتاج سریع در طبقه‌بندی تصاویر توموگرافی همدوسی نوری (OCT) برای تشخیص بلادرنگ بیماری‌های شبکیه» نوشتهٔ Amin Rahmani و Mehdi Ghatee اکنون در نشریهٔ «Biomedical Signal Processing and Control» به‌صورت آنلاین در دسترس است. با کلیک بر پیوند اشتراک‌گذاری زیر پیش از 16 فوریهٔ 2025 می‌توان آن را دریافت کرد. نیازی به ایجاد حساب، ثبت‌نام یا پرداخت هزینه نیست.
پیوند اشتراک‌گذاری: