Mašīnmācīšanās algoritmu izmantošana krāpšanas atklāšanai apdrošināšanas atlīdzību pieteikumos

Abstract

Apdrošināšana ir uzņēmējdarbība ar salīdzinoši lielu finanšu līdzekļu apgrozījumu. Pēc publiski pieejamas informācijas, Latvijā izmaksāto atlīdzību apjoms gadā ir vairāki simti miljoni EUR. Līdz ar to zaudējumi apdrošināšanas organizācijām no krāpšanas mēģinājumiem ar atlīdzības pieteikumiem var būt miljoni EUR gadā. Maģistra darbā autors izpētīja izplatītākos apdrošināšanas krāpšanas veidus. Noskaidroja pieejamos mašīnmācīšanās algoritmus, ko var izmantot krāpšanas darījumu noteikšanai un salīdzināja to iespējas. Darbā izmantoti trīs mašīnmācīšanās algoritmi, kas var palīdzēt apdrošināšanas organizācijām noteikt anomālijas datos, tādā veidā identificējot potenciālas krāpnieciskās darbības.

Master thesis title: “Application of Machines Learning Algorithms to Detect Fraud in Insurance Claims”. Insurance is a business with a relatively large turnover of financial assets. According to publicly available information, the annual number of compensations paid out in Latvia is several hundred million EUR. Consequently, losses to insurance organizations from fraud attempts with claim applications can amount to millions of EUR per year. In his master's thesis, the author studied the most common types of insurance fraud. Identified available machine learning algorithms that can be used to detect fraudulent transactions and compared their capabilities. The work uses three machine learning algorithms that can help insurance organizations detect anomalies in data, thereby identifying potentially fraudulent activities.