Algoritmos de machine learning para la detección del fraude en el seguro de automóviles
<?xml version="1.0" encoding="UTF-8"?><modsCollection xmlns="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-8.xsd">
<mods version="3.8">
<titleInfo>
<title>Algoritmos de machine learning para la detección del fraude en el seguro de automóviles</title>
</titleInfo>
<name type="personal" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20210000379">
<namePart>Sanjuán Díaz, Andrés </namePart>
<nameIdentifier>MAPA20210000379</nameIdentifier>
</name>
<name type="personal" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20210000386">
<namePart>Segura Gisbert, Jorge </namePart>
<nameIdentifier>MAPA20210000386</nameIdentifier>
</name>
<typeOfResource>text</typeOfResource>
<genre authority="marcgt">periodical</genre>
<originInfo>
<place>
<placeTerm type="code" authority="marccountry">esp</placeTerm>
</place>
<dateIssued encoding="marc">2020</dateIssued>
<issuance>serial</issuance>
</originInfo>
<language>
<languageTerm type="code" authority="iso639-2b">spa</languageTerm>
</language>
<physicalDescription>
<form authority="marcform">print</form>
<internetMediaType>application/pdf</internetMediaType>
</physicalDescription>
<abstract displayLabel="Summary">El fraude en el seguro de automóvil ha aumentado considerablemente en los últimos años, indudablemente impulsado por la crisis económica. Este incremento significativo del número de reclamaciones fraudulentas, así como los nuevos requerimientos asociados con Solvencia II, conducen a un mayor control y asignación de recursos contra el fraude por parte de las aseguradoras. Por estas razones, la importancia del uso de avanzadas técnicas de predicción para la detección de accidentes sospechosos está más que justificada. En este artículo, se presentan diversas metodologías de base estadística y algoritmos de aprendizaje automático que permiten el análisis y la detección de tales afirmaciones.</abstract>
<note type="statement of responsibility">Elena Badal Valero, Andrés Sanjuán Díaz, Jorge Segura Gisbert</note>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080553128">
<topic>Algoritmos</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20170005476">
<topic>Machine learning</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080591052">
<topic>Fraude en el seguro</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080603779">
<topic>Seguro de automóviles</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080567118">
<topic>Reclamaciones</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080541064">
<topic>Fraude</topic>
</subject>
<classification authority="">322</classification>
<relatedItem type="host">
<titleInfo>
<title>Anales del Instituto de Actuarios Españoles : Colegio Profesional</title>
</titleInfo>
<originInfo>
<publisher>Madrid : Instituto de Actuarios Españoles, 1943-</publisher>
</originInfo>
<identifier type="local">MAP20070000012</identifier>
<part>
<text>01/12/2020 Número 26 - Epoca 4ª, Año 2020 , p. 23-46</text>
</part>
</relatedItem>
<recordInfo>
<recordContentSource authority="marcorg">MAP</recordContentSource>
<recordCreationDate encoding="marc">210112</recordCreationDate>
<recordChangeDate encoding="iso8601">20220911190324.0</recordChangeDate>
<recordIdentifier source="MAP">MAP20210000744</recordIdentifier>
<languageOfCataloging>
<languageTerm type="code" authority="iso639-2b">spa</languageTerm>
</languageOfCataloging>
</recordInfo>
</mods>
</modsCollection>