Назад в библиотеку

Разработка скоринговой СППР страхования автомобилей.

Автор: А.М. Куликов, Е.О. Савкова
Источник: Информационные управляющие системы и компьютерный мониторинг 2013/ Сборник материалов к III Всеукраинской научно-технической конференции студентов, аспирантов и молодых ученых. – Донецк, ДонНТУ – 2013, том 2, с. 45-50

Ключенвые слова: методы поиска решений, страховая компания, франшиза, страховые выплаты, страховые взносы, автовладелец.

Аннотация

А.М. Куликов, Е.О. Савкова - Разработка скоринговой СППР страхования автомобилей. Рассмотрены основные методы поиска решений. Определен наиболее подходящий метод. Рассмотрен пример определения страхового пакета для автовладельца.

Постановка проблемы.

Современные страховые компании предоставляют широкий спектр услуг по страхованию транспортных средств, и клиентам не всегда бывает легко разобраться во всех существующих предложениях и подобрать наиболее подходящий им вид страхования.

Данная работа представляет собой описание по разработке прототипа СППР, целью которой является помощь в определении оптимального варианта страхования. Данная система призвана заменить эксперта-консультанта в выбранной предметной области [1].

Актуальность работы обусловлена ростом потребности Украинских страховых компаний в эффективном андеррайтинге в связи с развитием страхового рынка и фактически полным отсутствием внедренных скоринговых систем.

Цель: Выбор оптимального метода поиска решений для создания скоринговой СППР страхования личных автомобилей.

Постановка задач исследования.

Основные факторы, влияющие на выбор страхового пакета

  1. Размер страховой суммы;
  2. Количество страховых случаев;
  3. Марка автомобиля – частота ДТП;
  4. Марка автомобиля – частота угонов;
  5. Наличие и размер франшизы;
  6. Возраст водителя;
  7. Возраст водителя;
  8. Год выпуска авто;
  9. Страна производитель авто;
  10. СТО владельца;

Методы поиска решений

Методы решения задач, основанные на сведении их к поиску, зависят от особенностей предметной области, в которой решается задача, и от требований, предъявляемых пользователем к решению.

Поиск решений в иерархии пространств.

Методы поиска решений в одном пространстве обычно делятся на:

Рассмотрим поиск методом редукции

При поиске методом редукции решение задачи сводится к решению совокупности образующих ее подзадач. Этот процесс повторяется для каждой подзадачи до тех пор, пока каждая из полученного набора подзадач, образующих решение исходной задачи, не будет иметь очевидное решение. Процесс решения задачи разбиением ее на подзадачи можно представить в виде специального направленного графа G, называемого И/ИЛИ-графом; Каждой вершине этого графа ставится в соответствие описание некоторой задачи (подзадачи). В графе выделяют два типа вершин: конъюнктивные вершины и дизъюнктивные вершины.

Решение задачи при поиске методом редукции (при поиске в И/ИЛИ-графе) сводится к нахождению в И/ИЛИ-графе решающего графа.

Цель процесса поиска в И/ИЛИ-графе - показать, что начальная вершина разрешима, т.е. для этой вершины существует решающий граф[2].

Нейлоровские диагностирующие системы.

Разработанная К. Нейлором концепция построения ЭС основана на общей байесовской схеме. Основные принципы, реализованные в данной ЭС, включают:

Первое усложнение, которое вводится в общую схему байесовского подхода, связано с использованием верхних и нижних порогов для вероятностей отдельных гипотез. Если вероятность Р(Н) после учета всех свидетельств превосходит верхний порог М1(Н):Р(Н)>М1(Н),то гипотеза Н принимается как основа для возможного заключения. Если же Р(Н) < М2(Н),где М2(Н) — нижний порог, то гипотеза Н отвергается как неправдоподобная.

Есть основания устанавливать верхние и нижние пороги M1, М2 индивидуально для каждой гипотезы в соответствии с имеющейся в СППР базой знаний и максимальных возможных уровней вероятностей гипотез с учетом всех принципиально возможных свидетельств. Например, можно полагать М1(Н) = 0,9РМАХ(Н), М2(Н) = 0,5М1(Н),где РМАХ(Н) — максимальная возможная вероятность, достижимая для данной гипотезы, при условии, что все свидетельства, имеющиеся в базе знаний и связанные с этой гипотезой, будут подтверждены пользователем в пользу гипотезы Н.

Величины РМАХ(Н) для всех Н, так же как и М1(Н) , М2(Н) , очевидно, могут быть вычислены заранее и также включены в базу знаний СППР.

Учет неопределенности, заключенной в ответах пользователя на вопросы СППР, является важным моментом в организации диалога. В идеале мы могли бы предположить, что на вопрос СППР пользователь отвечает либо "да", либо "нет" (есть высокая температура у пациента, нет высокой температуры и т. д.), т. е. выполняется данное свидетельство Е или не выполняется.

Более реалистичной является ситуация, когда пользователь по какой-либо причине либо хочет уклониться от ответа (если, например, вопрос слишком сложен и не соответствует квалификации пользователя в данной предметной области), либо стремится дать не слишком определенный ответ. Например, если задается вопрос о наличии повышенной температуры у пациента, то необходимо дать пользователю возможность проранжировать степень повышения температуры, например, в соответствии с 11-балльной шкалой:

Присутствуют и все промежуточные целые значения шкалы от -5 до +5.

В результате каждое свидетельство Е будет оцениваться по этой шкале на основании ответа пользователя

Выводы

Проанализированы методы создания СППР страхования автомобилей. Выбран оптимальный метод. На основании выбора привели пример поиска решения. В дальнейшем планируется исследование, которое позволит определить реальный «вес» всех факторов, а также выбрать среду разработки данной СППР.

Список использованной литературы

1. Попов Э.В. Экспертные системы/ Э.В.Попов. М.: Наука, 1987
2. Нейлор К. Как построить свою экспертную систему/ К.Нейлор; пер. с англ. под ред. Н.Н. Слеповой. М.: Энергоатомиздат, 1991
3. Черноруцкий И. Г. Методы принятия решений/Черноруцкий И. Г.: БХВ-Петербург, 2005.