الگوریتم هوشمند ارزیابی و پیش بینی ریسک و خسارت بیمه درمان تکمیلی با استفاده از روش شبکه عصبی مصنوعی چندلایه

با توجه به گسترش مخاطرات و ریسک های زندگی در عصر کنونی در حوزه های مختلف به خصوصبخش سلامت و درمان، جوامع امروزی همواره در حال جستجو و اخذ سرویس بیمه مناسب برایکاهش هزینه های ناشی از ریسک های موجود در اطراف خود هستند. از طرف دیگر شرکت هایبیمه گذار با توجه به رسالت و هدف خود به دنبال جذب مشتریان و بیمه نامه ها با کمترین میزان خسارتو ریسک هستند. از این رو ارزیابی ریسک و خسارت مشتریان در رشته درمان یکی از چالش هایاصلی شرکت های بیمه ای می باشد. از طرف دیگر شرکت های بیمه ای با حجم انبوهی از داده هایمشتریان خود همراه بوده و تکنیک های سنتی ابزار مناسبی برای تحلیل آن نیست. از این رو در اینپژوهش به ارائه یک چارچوب متکی بر تکنیک های داده کاوی و هوش مصنوعی برای ارزیابی ریسکو خسارت در رشته درمان برای مشتریان شرکت های بیمه پرداخته شد. برای این منظور پس ازغربالگری و بومی سازی شاخص های موثر بر خسارت و ریسک با استفاده از روش های تصمیم گیریچند معیاره، اقدام به ارجحیت سنجی آنها بر اساس داده های خبرگان شد. سپس با استفاده از روشخوشه بندی فازی اقدام به خوشه بندی و طبقه بندی مشتریان بر اساس ریسک و خسارت شد. در ادامه بهمنظور تخمین دقیق تر میزان ریسک خسارت هر مشتری یک شبکه عصبی مصنوعی چندلایه فازی باتعداد ۱۶ نرون و با استفاده از تابع محرک سیگموئیدی بر روی داده ها هر مشتری، شاخص برازش شدکه نتایج نشان از قابلیت بالای این الگوریتم برای ارزیابی خسارت می باشد.

Keywords:

ارزیابی ریسک , پیش بینی خسارت , بیمه درمان تکمیلی , هوشمند , داده کاوی