Interpretable Vehicle Insurance Claim Fraud Detection Using Categorical Preprocessing, SMOTE-NC and a Decision Tree
تُثبت هذه الورقة أن مصنف شجرة القرار (Decision Tree) الذي تمت معالجته مسبقاً بعناية، باستخدام تقنية SMOTE-NC لزيادة العينات وتشفير البيانات الفئوية، يمكنه بفعالية إعطاء الأولوية للاحتيال في تأمين المركبات مع تحقيق استدعاء (recall) عالٍ وقابلية كاملة للتفسير، على الرغم من تحقيقه دقة (precision) متواضعة على مجموعة بيانات غير متوازنة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تعالج شركات التأمين كل عام ملايين مطالبات المركبات، وهو تدفق هائل من الأوراق التي تشمل كل شيء، بدءاً من حوادث الاصطدام الطفيفة وصولاً إلى الخسائر الكلية. وبينما تكون معظم هذه الطلبات مشروعة، إلا أن جزءاً صغيراً ولكن مكلفاً منها يكون احتيالياً، ويتضمن حوادث مدبرة أو فواتير إصلاح مضخمة. هذا الخداع يرفع التكاليف على الجميع، مما يجبر شركات التأمين على رفع أقساط التأمين على السائقين الشرفاء، ويتطلب من المحققين البشريين قضاء ساعات لا تحصى في فحص الملفات للعثين على المزيفين. ويكمن التحدي أمام علماء البيانات في بناء نظام يمكنه رصد هؤلاء المخادعين النادرين دون الضياع في ضجيج ملايين المطالبات العادية. وتكمن الصعوبة في مجالين رئيسيين: الندرة الشديدة لعمليات الاحتيال، مما يجعل من السهل على الكمبيوتر ببساطة أن يفترض "عدم وجود احتيال" ويظل محقاً في معظم الأوقات، والطبيعة الفوضوية للبيانات نفسها، المليئة بالفئات القائمة على النصوص مثل ماركات السيارات، وأنواع البوالص، ومواقع الحوادث، بدلاً من الأرقام المنظمة.
لقد سعى باحث في جامعة سانجيفاني في الهند لمعرفة ما إذا كان بإمكان الكمبيوتر تعلم كيفية رصد حالات الاحتيال هذه باستخدام طريقة بسيطة وشفافة للغاية، بشرط أن يتم إعداد البيانات بعناية فائقة. وبدلاً من بناء ذكاء اصطناعي معقد ومعقد كـ "الصندوق الأسود" الذي يصعب فهمه، ركزت الدراسة على "شجرة قرار" واحدة، وهي نوع من النماذج التي تعمل مثل مخطط انسيابي من أسئلة (نعم أو لا). وكان الهدف هو تحديد ما إذا كان مفتاح النجاح يكمس في تطور النموذج أم في الانضباط في تنظيف وتنظيم البيانات قبل أن يراها الكمبيوتر. أخذ الباحث مجموعة بيانات عامة تضم أكثر من 15,000 مطالبة تأمين للمركبات، حيث كانت حوالي ستة بالمائة فقط منها احتيالية بالفعل، وطبق سلسلة صارمة من الخطوات لتنظيف المعلومات. شمل ذلك إزالة المعرفات الفريدة التي قد تخدع الكمبيوتر وتجعله يحفظ حالات معينة، وتحويل الفئات النصية إلى تنسيق يمكن للآلة فهمه، وموازنة بيانات التدريب بعناية حتى ينتبه الكمبيوتر لحالات الاحتيال النادرة بدلاً من تجاهلها.
أظهرت النتائج أن هذا النهج المنضبط حقق نجاحاً ملحوظاً لأداة بسيطة. فعند اختبارها على مجموعة جديدة من المطالبات التي لم ترها من قبل، تمكن النموذج من تحديد أكثر من نصف حالات الاحتيال بشكل صحيح، حيث رصد 150 حالة من أصل 277 حالة مزيفة مخفية. وكان هذا تحسناً كبيراً مقارنة بالنهج القياسي الذي قد يصنف كل مطالبة على أنها سليمة، وهو ما كان سيؤدي إلى تفويت كل حالات الاحتيال. ومع ذلك، سلطت الدراسة الضوء أيضاً على مقايضة ضرورية: فلكي يرصد النظام هذا العدد من الحالات المزيفة، قام أيضاً بتمييز حوالي 700 مطالبة صادقة كحالات مشبوهة، مما يعني أنه مقابل كل ستة تنبيهات يصدرها النظام، كانت هناك حالة واحدة فقط احتيالية بالفعل. وهذا واقع مألوف في اكتشاف الاحتيال، حيث تكون تكلفة تفويت عملية الاحتيال عالية، لكن تكلفة إزعاج عميل شريف حقيقية أيضاً. لم يحاول النموذج رفض المطالبات تلقائياً؛ بل عمل كمرشح عالي الكفاءة، يقوم بفرز أكوام الورق الهائلة وتسليم الحالات الأكثر إثارة للريبة إلى المحققين البشريين لإجراء فحص أدق.
إن ما جعل هذا العمل بارزاً ليس تعقيد الخوارزمية، بل وضوح القواعد التي أنتجها. ولأن النموذج عبارة عن شجرة قرار، فإن كل تنبؤ يقوم به يمكن تتبعه وصولاً إلى مجموعة محددة من الشروط، مثل نوع المركبة، أو تفاصيل البوليصة، أو طبيعة الحادث. ووجدت الدراسة أن العوامل الأكثر أهمية في رصد الاحتيال كانت الخطأ المحدد في الحادث، ونوع البوليصة الأساسي، ونوع التأمين المحدد الذي تم حمله. وتتوافق هذه النتائج مع ما يشتبه فيه المحققون البشريون بالفعل، لكن الكمبيوتر توصل إلى هذه الاستنتاجات من خلال تعلم أنماط البيانات وحدها. وتشير الأبحاث إلى أنه بالنسبة للصناعات التي تتطلب الشفافية، مثل التأمين، فإن نموذجاً بسيطاً مُعداً جيداً يمكن أن يكون أكثر قيمة من نموذج معقد لا يمكنه شرح منطقه.
تخلص الدراسة إلى أنه بينما لا يعد النظام مثالياً ويتطلب إشرافاً بشرياً للتعامل مع الإنذارات الكاذبة، إلا أنه يقدم وسيلة قوية ومنخفضة التكلفة لتحديد أولويات التحقيقات. ومن خلال التركيز على كيفية إعداد البيانات بدلاً من بناء آلات أكثر تعقيداً، أثبت الباحث أن شجرة قرار واحدة قابلة للتفسير يمكنها بفعالية فصل الإشارة عن الضجيج في بحر من مطالبات التأمين. ويسمح هذا النهج للمنظمين والشركات برؤية سبب تمييز أي مطالبة بدقة، مما يبني الثقة في النظام مع ضمان عدم اختباء القلة من السيئين وسط حشد الملايين من السائقين الشرفاء. ويعمل هذا العمل كتذكير بأنه في عالم علم البيانات، ليست الأداة الأكثر قوة هي الأكثر فعالية دائماً، بل الأداة التي تمت ضبطها بعناية لتناسب واقع المشكلة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.