Makine öğrenmesi ile sigorta sektöründe sahte hasar tespiti
Fraud detection in the insurance sector with machine learning
- Tez No: 678129
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET GÜRHANLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine Öğrenimi, Makine Öğrenmesi Algoritmaları, Sahte Hasar, Büyük Veri, Sahte Hasar Tespiti, Machine Learning, Machine Learning Algorithms, Fraud Detection, Fake Claim, BigData
- Yıl: 2020
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 80
Özet
Sigorta sektöründe dolandırıcılık dünya genelinde ciddi artış göstermektedir. İnternetin günlük hayatın yanında iş hayatında ciddi oranda kullanılması ve banka kartı, kredi kartı gibi dijital ödeme araçlarının çokça kullanımıyla dolandırıcılık ve sahte işlem vakalarının artış gösterdiği görülmektedir. Özellikle finans sektörü krediler ve kredi kartları dolandırıcılıklarının tespit edilmesi ve önlenmesine ilişkin bir çok çalışma yapıldığı ve önlemler alındığı görülmektedir. Benzer durum sigorta hasarlarında yani sigortacılık sektöründe yoğun bir şekilde görülmektedir. Sigortacılıkta kullanılan sahte hasar yöntemlerinin tahmini ile ilgili uygulamaların finans alanında yapılan çalışmalara nazaran daha az olduğunu ve yapılmış çalışmalar incelendiğinde daha zor uygulamalar olduğu görülmektedir. Teknolojinin hızla ilerlemesi ve iş hayatında bu teknolojilerden faydalanılması yapılan işlemlerin hacimlerini ve dolayısıyla verileri çok hızlı bir şekilde arttırmaktadır. Yazılım dünyasında artık algoritmaların programlar tarafından otomatik yazılmasından, öğrenmesinden ve bunları uygulamasından bahsedilmektedir. Makine öğrenmesi olarak isimlendirilen bu yöntemler yapay zekanın bir alt uygulamasıdır ve veri üzerinden öğrendiğini deneyip, geliştirip bize sonuçları verir. Makine öğrenmesi yöntemleri iş hayatında bir çok sektörde kullanıldığı gibi finans ve sigorta sektöründe de yoğun bir şekilde kullanılmaktadır. Sigortalıların verileri ve hasar bilgileri büyük veri havuzunda toplanıp bu veri üzerinden ciddi analizler yapılmaktadır. Bu verilerin doğru yöntemler ve makine öğrenimi algoritmaları ile analizleri yapılarak özellikle sahte hasarların yüksek oranlarda tahmin edilmesini sağlamaktadır. Tezimde özel bir sigorta şirketinden temin edilen gerçek hasar veri seti ile makine öğrenmesi algoritmalarını kullanarak, sahte hasarların tahmin edilme skorları karşılaştırılmıştır. 7 adet değişik algoritma aynı veri seti ile eşit test ve eğitim oranları ile çalıştırılıp, doğruluk oranları ve performans değerleri karşılaştırılmış ve sonuçlar grafikler ve tablolar yardımıyla gösterilmiştir.
Özet (Çeviri)
Fraud in the insurance industry is rising on the worldwide. With the increase use of the Internet in daily life as well as in business life and increasing use of credit cards, fraud and forgery cases are also increasing. Especially in the financial sector, it is observed that many studies have been carried out and measures have been taken to detect and prevent loans and credit card frauds. A similar situation is observed intensely in insurance claims in the insurance sector. It is seen that fake claims methods used in insurance are more difficult to predict than in the financial sector and the number of studies in this area is less. The rapid advancement of technology and the use of these technologies in business life increases the volume of transactions and therefore the data very quickly increasing. In the software world, it is now mentioned that algorithms are automatically written by programs, learning and applying them. These methods, called machine learning, are a sub-application of artificial intelligence and they try and develop what they learn over data and give us results. Machine learning methods are used extensively in the finance and insurance sector as well as in many sectors in business life. The data and damage information of the insured are collected in a large data pool and serious analyzes are made on this data. By analyzing these data with correct methods and machine learning algorithms, it ensures that false damages are predicted at high rates. In my thesis, the real damage data set obtained from a private insurance company was compared with the prediction scores of fake claims by using machine learning algorithms. 7 different algorithms are run with the same data set with equal test and training rates, their accuracy rates and performance values are compared and the results are shown with the help of graphs and tables.
Benzer Tezler
- Sigorta sektöründe sahte hasar tespitinde makine öğrenimi modellerinin kıyaslanması
Comparison of machine learning models in fake damage detection in the insurance industry
GİZEM ÖZTÜRK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL BEYKENT ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ATINÇ YILMAZ
- Sigorta sektöründe kasko sigortası için makine öğrenmesi kullanılarak sahte hasarların tahmini
Fraud detection using machine learning for automobile insurance in insurance sector
ENGİN ÇALIMFİDAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiSosyal Bilimler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR ERKUT ŞAHİN
- Türkiye'de otomobil sigortası sahtekarlıklarının makine öğrenmesi yöntemleri ile tespit edilmesi
Detecting automobile insurance frauds in turkey using machine learning approaches
EZGİ GÜNBATAR
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARBAROS YET
- İş ve Sosyal Güvenlik Hukuku bakımından dijital platform çalışanlarının hukuki statüsü
Legal status of digital platform workers in terms of Labour and Social Security Law
HAZAL TOLU YILMAZ
- Sigorta suistimallerinin makine öğrenmesi yöntemleri ile incelenmesi
Investigation of insurance fraud using machine learning methods
KÜBRA AKILLI