混合集成建模在保險行業詐騙檢測中的應用

Fraud prevention button, concept about cybersecurity, credit card and identity protection against cyberattack and online thieves

本項目開發了一種混合集成建模方法,可以幫助保險公司更有效地打擊詐騙。關鍵思想是利用既已被證實有效的業務規則和保險行業累積的大數據。探索了信念規則庫(BRB)方法,開發了一個概率規則模型,可以通過使用標記數據集來模仿和微調用於詐騙檢測的業務規則。還將開發純數據驅動的機器學習(ML)模型,以便從不同角度檢測詐騙,並從數據中識別新的詐騙模式。將兩種模型:BRB模型和ML模型通過最優化訓練集成,建立混合集成模型,以實現最佳的詐騙檢測精度和可解釋性。

自18世紀中葉推出保險服務以來,詐騙一直存在,現在每年造成數十億美元的損失。越來越多地,詐騙檢測服務被視為律師事務所提供的服務包的必要組成部分。首先識別應當爭議的案例是該過程的關鍵部分。最近的研究表明,計算機算法可以自動搜索數據並生成突出詐騙最有可能發生的案例的紅旗。大多數保險公司已經使用自動紅旗和業務規則來協助詐騙預防。未來,更強大的人工智能決策系統可以完成此類工作,從而使錯誤更少。

分享此內容

地址

香港沙田香港科學園科技大道西 19 號
11樓 1101-1102 及 1121-1123 室

產品及解決方案

人才

工作機會

關於我們

地址

版權所有 © 2024 人工智能金融科技實驗室有限公司