10.16508/j.cnki.11-5866/n.2019.02.003
企业关联交易图的离群点挖掘研究
发现异常的企业关联交易是审计的重要任务之一.但目前企业之间的关联交易构成了复杂的交易图,传统审计方法在如此繁杂的数据中发现异常的难度越来越大.对企业关联交易图的离群点挖掘进行了研究,分析了关联交易图数据的特点,根据这些特点对rPCA、CMGOS和One-class SVM三种离群点挖掘算法进行了对比,并提出了一种采用密度峰值聚类DPC来改进的CMGOS算法.实验表明,One-class SVM算法作为一种数据新颖性检测方法,不适于异常企业关联交易挖掘场景;而企业关联交易数据的节点属性对依赖性的影响,rPCA算法与CMGOS算法较适合于企业关联交易图离群挖掘,改进后的CMGOS算法检测离群点的效果得到了较好的提升.
关联交易、图数据、密度峰值、离群挖掘
34
TP314(计算技术、计算机技术)
国家自然科学基金资助项目61572079,71701020;北京市教育委员会科技计划一般项目KM201711232018,KM201711232017
2019-06-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
9-13