面向審計領域的關聯(lián)規(guī)則分析技術研究.pdf

1、關聯(lián)規(guī)則是數(shù)據(jù)挖掘領域一個重要的研究課題,其目的就是在數(shù)據(jù)庫中發(fā)現(xiàn)數(shù)據(jù)項之間的隱含關聯(lián)。在研究正、負關聯(lián)規(guī)則挖掘的基礎上,將挖掘算法應用于社保審計領域,獲得隱含在審計數(shù)據(jù)中的特征影響因子,進而挖掘審計數(shù)據(jù)項間帶有負項的關聯(lián)規(guī)則,分析其內在的審計意義,將有助于審計方法的改進。
　　 本文在總結國內外相關領域研究成果的基礎上,介紹了數(shù)據(jù)挖掘和關聯(lián)規(guī)則的基本理論,包括數(shù)據(jù)挖掘的基本流程、關鍵技術、關聯(lián)規(guī)則的分類方法以及正、負關聯(lián)規(guī)則的

2、基本概念,并結合多種知識探討關聯(lián)規(guī)則的正確性問題;對結構化數(shù)據(jù)的預處理問題,在總結和深入研究的基礎上,對數(shù)據(jù)清理和轉換問題進行了探討;針對審計特征影響因子挖掘問題,提出了一種基于散列表的挖掘算法：MHP算法,從而將頻繁項集挖掘與審計特征影響因子發(fā)現(xiàn)過程相結合,并應用于社保審計數(shù)據(jù)集,對算法的性能和挖掘結果進行分析;分析了正、負關聯(lián)規(guī)則挖掘算法中的一種典型挖掘算法:PNARC算法,針對算法中不足之處,提出了一種基于最小相關度和雙重置信度的