隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的快速發(fā)展,依托互聯(lián)網(wǎng)Web系統(tǒng)保存的海量信息數(shù)據(jù),采用數(shù)據(jù)挖掘分析手段對審計相關(guān)的風(fēng)險進(jìn)行智能化的識別,已經(jīng)成為未來審計智能化發(fā)展的一個重要方向,也是當(dāng)前基于人工智能的審計風(fēng)險控制系統(tǒng)研究的熱點,本文應(yīng)用當(dāng)前的網(wǎng)絡(luò)爬蟲技術(shù)和聚類數(shù)據(jù)挖掘分析技術(shù),以社保審計風(fēng)險管理為例,構(gòu)建了一個高效的審計風(fēng)險管理系統(tǒng),使原本需要花費大量時間、人力、精力去進(jìn)行篩選原有雜亂,蘊含高風(fēng)險的龐大基礎(chǔ)數(shù)據(jù),有效的提高了當(dāng)前社保領(lǐng)域?qū)徲嬶L(fēng)險的管控效率,降低了審計過程中對審計風(fēng)險識別和控制的工作量,并且可以在部分范圍內(nèi)進(jìn)行普及,本文的主要研究內(nèi)容如下:1)研究和分析國內(nèi)外當(dāng)前的數(shù)據(jù)挖掘分析技術(shù)和審計現(xiàn)狀,深入分析應(yīng)用網(wǎng)絡(luò)爬蟲技術(shù)和Jrules規(guī)則技術(shù),基于業(yè)務(wù)規(guī)則的方式實現(xiàn)對審計風(fēng)險識別的可行性,確定了基本的技術(shù)方案。2)基于聚焦網(wǎng)絡(luò)爬蟲技術(shù),完成對審計風(fēng)險業(yè)務(wù)規(guī)則的采集設(shè)計,給出了具體的網(wǎng)絡(luò)爬蟲算法設(shè)計和規(guī)則采集結(jié)果分析,在規(guī)則的基礎(chǔ)上完成了基于審計業(yè)務(wù)規(guī)則模型的設(shè)計和制定,以社保審計為例,給出了審計風(fēng)險業(yè)務(wù)規(guī)則的創(chuàng)建方法,并基于該方法構(gòu)建了審計風(fēng)險業(yè)務(wù)規(guī)則庫。3)基于聚類數(shù)據(jù)挖掘分析算法...

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 數(shù)據(jù)挖掘研究現(xiàn)狀
        1.2.2 聚類分析研究現(xiàn)狀
        1.2.3 審計風(fēng)險預(yù)警系統(tǒng)研究現(xiàn)狀
    1.3 論文研究內(nèi)容及組織結(jié)構(gòu)
        1.3.1 論文研究內(nèi)容
        1.3.2 論文組織結(jié)構(gòu)
第2章 關(guān)鍵技術(shù)與理論
    2.1 數(shù)據(jù)挖掘技術(shù)
        2.1.1 數(shù)據(jù)挖掘概述
        2.1.2 數(shù)據(jù)挖掘算法分析
        2.1.3 數(shù)據(jù)挖掘流程
    2.2 聚類分析算法
        2.2.1 聚類方法概述
        2.2.2 數(shù)據(jù)相似關(guān)系理論
        2.2.3 聚類算法介紹
    2.3 JRules業(yè)務(wù)規(guī)則管理系統(tǒng)
        2.3.1 Jrules系統(tǒng)架構(gòu)介紹
        2.3.2 Jrules系統(tǒng)工作原理分析
        2.3.3 Jrules規(guī)則庫
    2.4 本章小結(jié)
第3章 系統(tǒng)的需求分析和總體設(shè)計
    3.1 系統(tǒng)需求分析
        3.1.1 功能性需求分析
        3.1.2 非功能性需求分析
    3.2 系統(tǒng)總體設(shè)計
        3.2.1 系統(tǒng)架構(gòu)設(shè)計
        3.2.2 功能模塊劃分
        3.2.3 系統(tǒng)接口方案設(shè)計
    3.3 本章小結(jié)
第4章 基于聚類算法業(yè)務(wù)規(guī)則庫的設(shè)計
    4.1 審計風(fēng)險業(yè)務(wù)規(guī)則采集
        4.1.1 審計風(fēng)險業(yè)務(wù)規(guī)則采集方法
        4.1.2 聚焦網(wǎng)絡(luò)爬蟲算法設(shè)計
        4.1.3 業(yè)務(wù)規(guī)則采集結(jié)果
    4.2 審計風(fēng)險業(yè)務(wù)規(guī)則模型的設(shè)計
        4.2.1 業(yè)務(wù)規(guī)則模型的開發(fā)方法
        4.2.2 業(yè)務(wù)規(guī)則模型設(shè)計
        4.2.3 業(yè)務(wù)規(guī)則模型制定
    4.3 審計風(fēng)險業(yè)務(wù)規(guī)則庫的構(gòu)建
        4.3.1 審計風(fēng)險業(yè)務(wù)規(guī)則語言
        4.3.2 審計風(fēng)險業(yè)務(wù)規(guī)則創(chuàng)建
        4.3.3 審計風(fēng)險業(yè)務(wù)規(guī)則庫構(gòu)建
    4.4 本章小結(jié)
第5章 基于聚類算法的審計風(fēng)險自學(xué)習(xí)預(yù)警模型的設(shè)計
    5.1 審計風(fēng)險預(yù)警機制分析
        5.1.1 審計風(fēng)險預(yù)警機制原理
        5.1.2 Jrules規(guī)則引擎嵌入設(shè)計
        5.1.3 審計風(fēng)險預(yù)警觸發(fā)事件設(shè)計
    5.2 自學(xué)習(xí)預(yù)警系統(tǒng)工作機制研究
        5.2.1 自學(xué)習(xí)工作原理
        5.2.2 聚類算法設(shè)計
        5.2.3 自學(xué)習(xí)聚類算法驗證
    5.3 審計風(fēng)險自學(xué)習(xí)預(yù)警模塊設(shè)計
        5.3.1 審計風(fēng)險自學(xué)習(xí)預(yù)警模塊架構(gòu)設(shè)計
        5.3.2 審計風(fēng)險自學(xué)習(xí)預(yù)警模塊流程設(shè)計
    5.4 本章小結(jié)
第6章 基于聚類算法的審計風(fēng)險管理系統(tǒng)設(shè)計與實現(xiàn)
    6.1 典型功能模塊詳細(xì)設(shè)計與實現(xiàn)
        6.1.1 聚類算法管理功能設(shè)計與實現(xiàn)
        6.1.2 風(fēng)險預(yù)警管理功能設(shè)計與實現(xiàn)
        6.1.3 審計風(fēng)險分析功能設(shè)計與實現(xiàn)
        6.1.4 業(yè)務(wù)規(guī)則及數(shù)據(jù)管理設(shè)計與實現(xiàn)
    6.2 系統(tǒng)測試及結(jié)果分析
        6.2.1 系統(tǒng)的功能性測試及結(jié)果分析
        6.2.2 系統(tǒng)非功能性測試及結(jié)果分析
    6.3 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
致謝



本文編號：3779838