海運物流在國際貿(mào)易中扮演著十分重要的角色,受到了國家越來越多的重視。該浪潮不僅為海運物流企業(yè)提供了新的發(fā)展空間和機(jī)遇,也對企業(yè)本身的運營能力和管理水平提出了更高的要求。如何有效地規(guī)避風(fēng)險成為企業(yè)關(guān)心的熱點問題之一。隨著大數(shù)據(jù)、云處理等新興信息技術(shù)在海運物流操作中的應(yīng)用,線上的信息流動與線下的實體操作之間的聯(lián)系愈發(fā)緊密,成為整個海運物流鏈條中極其重要的環(huán)節(jié)。基于此,本文旨在從復(fù)雜網(wǎng)絡(luò)的角度探討海運物流信息風(fēng)險與操作風(fēng)險之間的關(guān)聯(lián)性,運用文獻(xiàn)閱讀法對海運物流信息風(fēng)險和操作風(fēng)險進(jìn)行識別,通過對相關(guān)文獻(xiàn)的總結(jié),篩選出信息風(fēng)險和操作風(fēng)險的風(fēng)險因子;采用問卷調(diào)查的方式對風(fēng)險發(fā)生頻率指標(biāo)進(jìn)行評價,并通過兩步聚類算法確定不同專家的權(quán)重,對數(shù)據(jù)進(jìn)行修正;運用關(guān)聯(lián)規(guī)則方法挖掘信息風(fēng)險與操作風(fēng)險中不同風(fēng)險因子之間的關(guān)聯(lián)性,其中以頻繁項集中的風(fēng)險因子的發(fā)生頻率等級作為關(guān)聯(lián)規(guī)則的前件和后件,通過不同的規(guī)則支持度與置信度所產(chǎn)生的規(guī)則數(shù)的不同,確定最合適的規(guī)則支持度和置信度的閾值,得到強(qiáng)支持度強(qiáng)置信度的關(guān)聯(lián)規(guī)則;基于復(fù)雜網(wǎng)絡(luò)對風(fēng)險關(guān)聯(lián)規(guī)則進(jìn)行系統(tǒng)性分析,為關(guān)聯(lián)規(guī)則結(jié)果提供了系統(tǒng)完整的描述,其中以關(guān)聯(lián)規(guī)則中的前件和后... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：51 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３．１專家所在公司的規(guī)模與所在地分布圖??Ｆｉｇ．?３．１?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｍａｐ?ｏｆ?ｔｈｅ?ｓｉｚｅ?ａｎｄ?ｌｏｃａｔｉｏｎ?ｏｆ?ｔｈｅ?ｅｘｐｅｒｔ’ｓ?ｃｏｍｐａｎｙ??

???４．００??３．５０?一??０．５０??０．００??？－ｉｒ＞ｉｒ〇ｒｔ？Ｈ＜ＮｆｎｆＨ＜Ｎｆｒｔ？３－ｗｎ〇ｒ＾？－ｔｒＭｍ＇？ｕ＾？Ｈ（Ｎｍｒｒｒ－＜（Ｎｆ〇＊ｒＴＨ＜ＮｒＨｆＮｒＨｒ＇ｉｎｒ？??ｒＨ？Ｈ〇４（Ｎｒ？ｊｒ〇ｍｒｒ＞ｒ〇ｒ〇ｍｒ＾ｔＨｉ－（ｒ－＊－（ＴＨ（Ｎ（ＮｒＭｒＭ＜，ｎｆ〇（，ｏｒｎ＾ｔ＾ｔｕ，）ｕｎ（￡〇＾Ｄ??＜＜＜＜＜＜＜＜＜＜＜＜＜＜ＣＤＭＣＣａＣＤＣＱＣ３ＣＤＣＤＣＤＣＱＣＱ２２ＣＱＣＱＣＯＣＣＣＣａｉＣＯ??風(fēng)險因子??圖３．２不同類別內(nèi)專家對各風(fēng)險因子的平均打分??Ｆｉｇ．?３．２?Ａｖｅｒａｇｅ?ｓｃｏｒｅｓ?ｏｆ?ｅｘｐｅｒｔｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｃａｔｅｇｏｒｉｅｓ?ｏｎ?ｅａｃｈ?ｒｉｓｋ?ｆａｃｔｏｒ??進(jìn)一步分析較高風(fēng)險的公司與公司規(guī)模之間的關(guān)系，將專家所在公司的公司規(guī)模數(shù)??據(jù)作為分類變量，分別計算兩類專家在不同風(fēng)險規(guī)模企業(yè)之間的占比，如表３．３所示，??可以看出在不同風(fēng)險規(guī)模的企業(yè)中均存在較高風(fēng)險的企業(yè)，但是相比較而言，在大型企??業(yè)中，較高風(fēng)險的企業(yè)占比３２％，為四種類型企業(yè)中最高的，因此，可以認(rèn)為由于大型??企業(yè)其涉及的業(yè)務(wù)鏈條更長，接觸的客戶種類更多，面對的不確定性更強(qiáng)，其風(fēng)險發(fā)生??的頻率也較高。??表３．３不同類別中不同規(guī)模企業(yè)的占比??Ｔａｂ．?３．３?ｐｒｏｐｏｒｔｉｏｎｓ?ｏｆ?ｅｎｔｅｒｐｒｉｓｅｓ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｓｉｚｅｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｃａｔｅｇｏｒｉｅｓ??大型企業(yè)?中型企業(yè)?小型企業(yè)?微型企業(yè)??＾ｍｉ?ｍｅ．?百分比?ｍｉ?百分比?？?百分比??？類別?１?８?３２％

?大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文???本文對規(guī)則支持度和置信度的閾值進(jìn)行了敏感性分析，將生成的關(guān)聯(lián)規(guī)則數(shù)量與輸??入的閾值進(jìn)行比較，尋求兩種情況之中的平衡，并依此選擇折中的閾值，使關(guān)聯(lián)規(guī)則的??數(shù)量在可控的范圍內(nèi)，且不丟失重要信息，結(jié)果如圖４．１所示。??９００??．；７００??Ｓ?７００－９００??Ｉ?５００?ａ?５００－７００??３００?□?１００－３００??－?疆??５〇％?Ｂ０，?■??通?８０％?５０％??９０％??支持Ｓ??圖４．１基于不同規(guī)則支持度與置信度的關(guān)聯(lián)規(guī)則數(shù)量??Ｆｉｇ．?４．１?Ｔｈｅ?ｎｕｍｂｅｒ?ｏｆ?ｒｕｌｅｓ?ｂａｓｅｄ?ｏｎ?ｄｉｆｆｅｒｅｎｔ?ｓｕｐｐｏｒｔ?ａｎｄ?ｃｏｎｆｉｄｅｎｃｅ??對上圖進(jìn)行分析，當(dāng)規(guī)則支持度小于６０％，關(guān)聯(lián)規(guī)則的數(shù)量隨著規(guī)則支持度的減少??而急劇增加；當(dāng)規(guī)則支持度大于６０％時，關(guān)聯(lián)規(guī)則的數(shù)量隨著規(guī)則支持度的增加而減少，??但相對平緩，因此可以認(rèn)為規(guī)則支持度為６０％時，是關(guān)聯(lián)規(guī)則數(shù)量發(fā)生變化的一個轉(zhuǎn)折??點；從置信度角度分析，當(dāng)置信度小于８０％時，關(guān)聯(lián)規(guī)則隨著置信度的增加而緩慢地減??少，但當(dāng)置信度大于８０％時，關(guān)聯(lián)規(guī)則數(shù)量呈現(xiàn)急速下降的趨勢，因此，置信度為８０％??時，也是關(guān)聯(lián)規(guī)則數(shù)量發(fā)生突變的一個關(guān)鍵節(jié)點。由以上分析，本文確定最小規(guī)則支持??度為６０％，最小置信度為８０％。最后，利用Ａｐｎｏｒｉ算法對關(guān)聯(lián)規(guī)則進(jìn)行挖掘，設(shè)置最??小規(guī)則支持度為６０％，最小置信度為８０％，最大前項數(shù)為１，最終生成了?２７４條關(guān)聯(lián)規(guī)??則。??在研究關(guān)聯(lián)規(guī)則的文獻(xiàn)中，大部分文獻(xiàn)只采用規(guī)則支持度與置信度確定強(qiáng)關(guān)聯(lián)規(guī)??貝ｙ，也有個別文獻(xiàn)采


本文編號：3409771