دانشگاه بناب
چکیده: (770 مشاهده)
بیمه بیکاری یکی از مهمترین و پرطرفدارترین انواع بیمه در دنیای امروزی محسوب میشود. سازمان تأمین اجتماعی در مقابل ادعای بیکاری افراد تحت پوشش این سازمان، وظیفه بررسی صحت این موضوع را دارد. بررسی دستیِ ادعای افراد بیکار نیازمند صرف زمان و هزینه زیادی است. روشهای دادهکاوی و یادگیری ماشین بهعنوان ابزارهای کارآمدِ تحلیل دادهها میتواند در خودکارسازی این فرآیند به سازمان تأمین اجتماعی کمک کنند. در این پژوهش، روشی مبتنی بر یادگیری نظارتی برای بررسی صحت ادعای بیکاری افراد متقاضی ارائه شده است. روش پیشنهادی، اطلاعات بیمهشدگان را بهعنوان ورودی دریافت کرده و پس از تحلیل دادهها به هر فرد متقاضی امتیازی تخصیص میدهد. سپس بر اساس مقدار این امتیاز، مدعیان بیمه بیکاری را به دو گروه "شایسته دریافت بیمه بیکاری" و "فاقد کفایت برای دریافت بیمه بیکاری" دستهبندی میکند. روش پیشنهادی از دو ترکیب مختلف برای دستهبندی ادعای متقاضیان استفاده میکند: روش BSA-SVM و روش ترکیب ضرایب اطمینان طبقهبندها. در روش BSA-SVM برای بهبود کارایی و تخمین پارامترهای کنترلی SVM، از الگوریتم بهینهسازی جستجوی عقبگرد (BSA) استفاده شدهاست. در روش ترکیب ضرایب اطمینان طبقهبندها، تعدادی طبقهبند، از جمله شبکههای عصبی مصنوعی، درخت تصمیم و رگرسیون لجستیک دادهها را طبقهبندی کرده و ضرایب اطمینان این طبقهبندها با دو روش مختلف با همدیگر ترکیب میشوند. نتایج آزمایشها نشان میدهد که روش پیشنهادی BSA-SVM با کسب 87% و روش ترکیب طبقهبندها با ضرایب اطمینان با کسب دقت 86%، کارایی بهتری در قیاس با سایر روشهای موجود کسب کرده اند.
شمارهی مقاله: 4
نوع مطالعه:
پژوهشي |
موضوع مقاله:
مقالات پردازش دادههای رقمی دریافت: 1398/2/13 | پذیرش: 1399/2/24 | انتشار: 1401/12/29 | انتشار الکترونیک: 1401/12/29