تقلب در حقوق و مزایای بیمه بیکاری همواره یکی از موضوعات حساس و مورد توجه در حوزه بیمه های اجتماعی است که طبق قوانین، جزو جرائم کیفری بوده و قابل پیگیری است. در حال حاضر بهترین روش به منظور ارزیابی تقلب، کنترل آن در همان مراحل اولیه شکل گیری و به کمک اطلاعات تقلبهای کشف شده گذشته است. در این مقاله ابتدا مراحل استاندارد کنترل تقلب در تقاضاهای بیمه ای مورد بررسی قرار گرفته و سپس با توجه به وجود پایگاه داده مناسب در خصوص مقرری بگیران بیمه بیکاری سازمان تأمین اجتماعی، از دو روش داده کاوی شبکه های عصبی و درخت تصمیم به منظور یافتن الگوهایی مناسب استفاده شده است که می تواند به عنوان ابزاری سودمند همراه با کاهش قابل توجه در وقت و هزینه به ارزیابی به موقع تقلب در تقاضاهای بیمه بیکاری کمک کند. در فرایند مطالعه تجربی، این روشها بر روی داده های واقعی شامل اطلاعات 15983 تقاضای جدید و جاری مقرری بیمه بیکاری آزمایش و کارایی هر روش سنجیده شده است. روش شبکه های عصبی با دقت 88 درصد در ارزیابی صحیح متقلبانه یا عادی بودن تقاضاها، بهترین کارایی را در مقایسه با روش درخت تصمیم با دقت 84 درصد در برداشته است. بر این اساس، مهم ترین متغیرهای مؤثر بر تقاضاهای متقلبانه در روش شبکه های عصبی به ترتیب، متغیرهای شغل قبلی بیمه شده، سابقه پرداخت حق بیمه، سن و در روش درخت تصمیم، متغیرهای محل جغرافیایی شعبه، جنسیت، و تعداد افراد تحت تکفل متقاضی هستند.
