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(duì)審計(jì)相關(guān)的風(fēng)險(xiǎn)進(jìn)行智能化的識(shí)別,已經(jīng)成為未來(lái)審計(jì)智能化發(fā)展的一個(gè)重要方向,也是當(dāng)前基于人工智能的審計(jì)風(fēng)險(xiǎn)控制系統(tǒng)研究的熱點(diǎn),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(jì)風(fēng)險(xiǎn)管理為例,構(gòu)建了一個(gè)高效的審計(jì)風(fēng)險(xiǎn)管理系統(tǒng),使原本需要花費(fèi)大量時(shí)間、人力、精力去進(jìn)行篩選原有雜亂,蘊(yùn)含高風(fēng)險(xiǎn)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?jì)風(fēng)險(xiǎn)的管控效率,降低了審計(jì)過(guò)程中對(duì)審計(jì)風(fēng)險(xiǎn)識(shí)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?jī)?nèi)容如下:1)研究和分析國(guó)內(nèi)外當(dāng)前的數(shù)據(jù)挖掘分析技術(shù)和審計(jì)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(shí)現(xiàn)對(duì)審計(jì)風(fēng)險(xiǎn)識(shí)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(duì)審計(jì)風(fēng)險(xiǎn)業(yè)務(wù)規(guī)則的采集設(shè)計(jì),給出了具體的網(wǎng)絡(luò)爬蟲算法設(shè)計(jì)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(jì)業(yè)務(wù)規(guī)則模型的設(shè)計(jì)和制定,以社保審計(jì)為例,給出了審計(jì)風(fēng)險(xiǎn)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(jì)風(fēng)險(xiǎn)業(yè)務(wù)規(guī)則庫(kù)。3)基于聚類數(shù)據(jù)挖掘分析算法...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)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(guó)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(jì)風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容及組織結(jié)構(gòu)
        1.3.1 論文研究?jī)?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(kù)
    2.4 本章小結(jié)
第3章 系統(tǒng)的需求分析和總體設(shè)計(jì)
    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(jì)
        3.2.1 系統(tǒng)架構(gòu)設(shè)計(jì)
        3.2.2 功能模塊劃分
        3.2.3 系統(tǒng)接口方案設(shè)計(jì)
    3.3 本章小結(jié)
第4章 基于聚類算法業(yè)務(wù)規(guī)則庫(kù)的設(shè)計(jì)
    4.1 審計(jì)風(fēng)險(xiǎn)業(yè)務(wù)規(guī)則采集
        4.1.1 審計(jì)風(fēng)險(xiǎn)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(jì)
        4.1.3 業(yè)務(wù)規(guī)則采集結(jié)果
    4.2 審計(jì)風(fēng)險(xiǎn)業(yè)務(wù)規(guī)則模型的設(shè)計(jì)
        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(jì)
        4.2.3 業(yè)務(wù)規(guī)則模型制定
    4.3 審計(jì)風(fēng)險(xiǎn)業(yè)務(wù)規(guī)則庫(kù)的構(gòu)建
        4.3.1 審計(jì)風(fēng)險(xiǎn)業(yè)務(wù)規(guī)則語(yǔ)言
        4.3.2 審計(jì)風(fēng)險(xiǎn)業(yè)務(wù)規(guī)則創(chuàng)建
        4.3.3 審計(jì)風(fēng)險(xiǎn)業(yè)務(wù)規(guī)則庫(kù)構(gòu)建
    4.4 本章小結(jié)
第5章 基于聚類算法的審計(jì)風(fēng)險(xiǎn)自學(xué)習(xí)預(yù)警模型的設(shè)計(jì)
    5.1 審計(jì)風(fēng)險(xiǎn)預(yù)警機(jī)制分析
        5.1.1 審計(jì)風(fēng)險(xiǎn)預(yù)警機(jī)制原理
        5.1.2 Jrules規(guī)則引擎嵌入設(shè)計(jì)
        5.1.3 審計(jì)風(fēng)險(xiǎn)預(yù)警觸發(fā)事件設(shè)計(jì)
    5.2 自學(xué)習(xí)預(yù)警系統(tǒng)工作機(jī)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(jì)
        5.2.3 自學(xué)習(xí)聚類算法驗(yàn)證
    5.3 審計(jì)風(fēng)險(xiǎn)自學(xué)習(xí)預(yù)警模塊設(shè)計(jì)
        5.3.1 審計(jì)風(fēng)險(xiǎn)自學(xué)習(xí)預(yù)警模塊架構(gòu)設(shè)計(jì)
        5.3.2 審計(jì)風(fēng)險(xiǎn)自學(xué)習(xí)預(yù)警模塊流程設(shè)計(jì)
    5.4 本章小結(jié)
第6章 基于聚類算法的審計(jì)風(fēng)險(xiǎn)管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    6.1 典型功能模塊詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)
        6.1.1 聚類算法管理功能設(shè)計(jì)與實(shí)現(xiàn)
        6.1.2 風(fēng)險(xiǎn)預(yù)警管理功能設(shè)計(jì)與實(shí)現(xiàn)
        6.1.3 審計(jì)風(fēng)險(xiǎn)分析功能設(shè)計(jì)與實(shí)現(xiàn)
        6.1.4 業(yè)務(wù)規(guī)則及數(shù)據(jù)管理設(shè)計(jì)與實(shí)現(xiàn)
    6.2 系統(tǒng)測(cè)試及結(jié)果分析
        6.2.1 系統(tǒng)的功能性測(cè)試及結(jié)果分析
        6.2.2 系統(tǒng)非功能性測(cè)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(hào)：3779838