在傳統(tǒng)的物流金融風(fēng)險(xiǎn)管理控制研究中,更多的是關(guān)注風(fēng)險(xiǎn)事件與風(fēng)險(xiǎn)事件之間一對(duì)一的對(duì)應(yīng)因果關(guān)系,然而在現(xiàn)實(shí)中物流金融風(fēng)險(xiǎn)事件的成因比較復(fù)雜,而且不同的風(fēng)險(xiǎn)因素相互作用、相互關(guān)聯(lián)使得所產(chǎn)生的風(fēng)險(xiǎn)較為復(fù)雜多變,為了更好的促進(jìn)物流金融的健康發(fā)展、減少風(fēng)險(xiǎn)事件的發(fā)生頻率,有必要研究風(fēng)險(xiǎn)之間的關(guān)聯(lián)特性和關(guān)聯(lián)模式。首先,對(duì)物流金融風(fēng)險(xiǎn)、風(fēng)險(xiǎn)關(guān)聯(lián)分析、本體的相關(guān)文獻(xiàn)進(jìn)行了梳理和歸納,主要包括風(fēng)險(xiǎn)管理理論、風(fēng)險(xiǎn)關(guān)聯(lián)管理理論、本體理論和數(shù)據(jù)挖掘原理及方法。其次,從物流風(fēng)險(xiǎn)的內(nèi)涵、物流金融風(fēng)險(xiǎn)的概念及特征和物流金融風(fēng)險(xiǎn)類(lèi)別及成因這三大方面,闡述了物流金融風(fēng)險(xiǎn)體系結(jié)構(gòu)。再者,在充分考慮風(fēng)險(xiǎn)關(guān)聯(lián)模式和關(guān)聯(lián)特性的基礎(chǔ)上設(shè)計(jì)了物流金融風(fēng)險(xiǎn)本體框架OntoLFR,,并以物流金融風(fēng)險(xiǎn)本體框架為藍(lán)本,從類(lèi)層、屬性層和實(shí)例層三個(gè)層次構(gòu)建了物流金融風(fēng)險(xiǎn)本體模型LFROM。然后,采用Apriori數(shù)據(jù)挖掘算法挖掘物流金融風(fēng)險(xiǎn)事件隱患庫(kù)中風(fēng)險(xiǎn)與風(fēng)險(xiǎn)之間的關(guān)聯(lián)規(guī)則,載入構(gòu)建好的本體模型LFROM中。最后,設(shè)計(jì)融資企業(yè)卷款逃跑的風(fēng)險(xiǎn)事件（RW_risk）仿真案例并利用本體模型LFROM進(jìn)行推演計(jì)算,驗(yàn)證物流金融風(fēng)險(xiǎn)... 

【文章來(lái)源】：江西財(cái)經(jīng)大學(xué)江西省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文研究技術(shù)路線(xiàn)

2.相關(guān)概念與理論基礎(chǔ)11圖2-1七步法框圖2.2數(shù)據(jù)挖掘時(shí)代的飛速發(fā)展使得每天產(chǎn)生的數(shù)據(jù)是十分龐大的，從海量的數(shù)據(jù)中識(shí)別有用有價(jià)值的數(shù)據(jù)需要依靠數(shù)據(jù)挖掘這門(mén)計(jì)算機(jī)科學(xué)技術(shù)，挖掘出來(lái)的數(shù)據(jù)經(jīng)過(guò)整合、劃分、歸并等操作一步一步演化成我們所需要的信息，這時(shí)就完成了知識(shí)工程中，數(shù)據(jù)到信息再到知識(shí)的轉(zhuǎn)變。在數(shù)據(jù)挖掘中，科學(xué)家開(kāi)發(fā)多種數(shù)據(jù)處理的方法，方便人們更快更高效的獲取有價(jià)值的東西，這也加快了數(shù)據(jù)向知識(shí)轉(zhuǎn)變的進(jìn)程[46]�？傮w來(lái)說(shuō)，數(shù)據(jù)挖掘?qū)?huì)在知識(shí)工程中起著較為重要的支撐作用，不僅能促進(jìn)知識(shí)工程的發(fā)展，而且對(duì)人類(lèi)文明的進(jìn)步具有重要的推動(dòng)作用。有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)是數(shù)據(jù)挖掘算法的兩個(gè)主要模塊。無(wú)監(jiān)督學(xué)習(xí)是指在構(gòu)建數(shù)據(jù)模型時(shí)不需要進(jìn)行部分的數(shù)據(jù)訓(xùn)練，如k-means等聚類(lèi)算法；有監(jiān)督學(xué)習(xí)是指在構(gòu)建數(shù)據(jù)模型時(shí)需要拿出一部風(fēng)數(shù)據(jù)進(jìn)行數(shù)據(jù)訓(xùn)練，如貝葉斯分類(lèi)算法等[47]。數(shù)據(jù)挖掘任務(wù)主要分為三種分別為聚類(lèi)、分類(lèi)和關(guān)聯(lián)分析，聚類(lèi)是根據(jù)距離的遠(yuǎn)近自然聚合成類(lèi)，分類(lèi)算法是按照某一特征對(duì)數(shù)據(jù)進(jìn)行劃分，關(guān)聯(lián)分析是從數(shù)據(jù)中找到數(shù)據(jù)項(xiàng)與數(shù)據(jù)項(xiàng)之間存在的某種特殊定律，包括漸變定律、反饋定律、推理定律等。數(shù)據(jù)挖掘過(guò)程主要分為五個(gè)階段。（1）明確目的、數(shù)據(jù)建模的目的。（2）準(zhǔn)備數(shù)據(jù)，減少被污染的數(shù)據(jù)。（3）使用軟件或程序設(shè)計(jì)來(lái)運(yùn)行挖掘算法。（4）挖掘結(jié)果分析；（5）模型優(yōu)化及再挖掘[48]。

基于本體論的物流金融風(fēng)險(xiǎn)關(guān)聯(lián)挖掘模型研究14圖2-2關(guān)聯(lián)規(guī)則挖掘?qū)崿F(xiàn)過(guò)程（3）關(guān)聯(lián)規(guī)則的描述兩個(gè)數(shù)據(jù)項(xiàng)在每個(gè)文本案例中會(huì)經(jīng)常同時(shí)出現(xiàn)，那么這兩個(gè)數(shù)據(jù)項(xiàng)之間存在著關(guān)聯(lián)特性。以此類(lèi)推，當(dāng)多個(gè)數(shù)據(jù)項(xiàng)同時(shí)在很多個(gè)案例文本中出現(xiàn)，那么它們之間存在關(guān)聯(lián)關(guān)系。（4）關(guān)聯(lián)規(guī)則算法實(shí)現(xiàn)關(guān)聯(lián)規(guī)則算法最為經(jīng)典的是Apriori關(guān)聯(lián)規(guī)則挖掘算法[55]，首先查找頻繁項(xiàng)集，看哪些數(shù)據(jù)項(xiàng)會(huì)經(jīng)常同時(shí)出現(xiàn)，經(jīng)過(guò)不斷的掃描數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)，進(jìn)而產(chǎn)生數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)規(guī)則，并通過(guò)設(shè)置特定的支持度和置信度來(lái)獲取相應(yīng)的關(guān)聯(lián)規(guī)則[56]，最終達(dá)到挖掘有用信息的目的。（5）關(guān)聯(lián)規(guī)則應(yīng)用關(guān)于關(guān)聯(lián)挖掘規(guī)則的應(yīng)用，比較耳熟能詳就是啤酒于尿片的經(jīng)典案例[57]。數(shù)據(jù)中的關(guān)聯(lián)信息，在現(xiàn)實(shí)生活中有很大的用處，當(dāng)然也會(huì)帶來(lái)很大的商機(jī)。數(shù)據(jù)關(guān)聯(lián)規(guī)則描述著不同數(shù)據(jù)與數(shù)據(jù)之間的潛在聯(lián)系，可以根據(jù)其中的一個(gè)數(shù)據(jù)來(lái)推斷其關(guān)聯(lián)數(shù)據(jù)大概率出現(xiàn)。特別是在風(fēng)險(xiǎn)的預(yù)控預(yù)警中，通過(guò)風(fēng)險(xiǎn)事件的表象風(fēng)險(xiǎn)因素來(lái)挖掘出與其相關(guān)的所有關(guān)聯(lián)風(fēng)險(xiǎn)因素，這樣一來(lái)對(duì)于風(fēng)險(xiǎn)的防控可以做到精準(zhǔn)防范和有效規(guī)避。2.3風(fēng)險(xiǎn)管理理論風(fēng)險(xiǎn)指某一事務(wù)發(fā)生損失的概率，在各行各業(yè)中均會(huì)有概率發(fā)生。這時(shí)可以

【參考文獻(xiàn)】：
期刊論文
[1]考慮項(xiàng)目關(guān)聯(lián)關(guān)系的R&D網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播建模與仿真[J]. 楊乃定,劉慧,張延祿,李芮萌.  中國(guó)管理科學(xué). 2019(10)
[2]股權(quán)質(zhì)押與債券違約風(fēng)險(xiǎn)的關(guān)聯(lián)與預(yù)警[J]. 艾仁智,高暢,陳茵.  清華金融評(píng)論. 2019(08)
[3]模糊評(píng)價(jià)法下物流金融風(fēng)險(xiǎn)的研究[J]. 徐蔚之.  全國(guó)流通經(jīng)濟(jì). 2018(13)
[4]化工領(lǐng)域設(shè)備本體模型構(gòu)建[J]. 劉樹(shù)明,萬(wàn)鋒,楊宇,鐘偉民.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[5]本體研究綜述[J]. 王向前,張寶隆,李慧宗.  情報(bào)雜志. 2016(06)
[6]關(guān)聯(lián)規(guī)則挖掘綜述[J]. 崔妍,包志強(qiáng).  計(jì)算機(jī)應(yīng)用研究. 2016(02)
[7]基于本體的貝葉斯網(wǎng)絡(luò)知識(shí)推理研究[J]. 蔡炳萬(wàn),石宇強(qiáng),李明輝,張敏.  機(jī)械設(shè)計(jì)與制造. 2016(01)
[8]Risk Evaluation on Logistics Finance of Agricultural Products Based on Fuzzy-AHP Model[J]. Yan PANG,Yangkun XIA.  Asian Agricultural Research. 2015(09)
[9]本體映射中元素名稱(chēng)相似度計(jì)算方法研究[J]. 孫煜飛,馬良荔,郭曉明,蘇凱.  小型微型計(jì)算機(jī)系統(tǒng). 2015(09)
[10]風(fēng)險(xiǎn)鏈視角下建設(shè)項(xiàng)目進(jìn)度風(fēng)險(xiǎn)評(píng)估[J]. 曹吉鳴,申良法,彭為,馬騰.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(03)

碩士論文
[1]基于人工免疫的物流金融風(fēng)險(xiǎn)識(shí)別模型研究[D]. 張興宇.江西財(cái)經(jīng)大學(xué) 2019
[2]基于語(yǔ)義本體的數(shù)字檔案資源知識(shí)管理模型研究[D]. 熊華蘭.遼寧大學(xué) 2019
[3]基于本體論的鐵路風(fēng)險(xiǎn)關(guān)聯(lián)知識(shí)發(fā)現(xiàn)研究[D]. 李福鑫.北京交通大學(xué) 2017
[4]基于Web數(shù)據(jù)挖掘的個(gè)性化推薦系統(tǒng)研究[D]. 劉鑫峰.長(zhǎng)春工業(yè)大學(xué) 2016
[5]基于動(dòng)態(tài)KMV模型和時(shí)序關(guān)聯(lián)規(guī)則的商業(yè)銀行信用風(fēng)險(xiǎn)研究[D]. 李自勝.浙江財(cái)經(jīng)大學(xué) 2016
[6]物流企業(yè)主導(dǎo)下物流金融的新盈利模式及風(fēng)險(xiǎn)管理[D]. 王惠.廈門(mén)大學(xué) 2014
[7]智能查詢(xún)中的本體推理機(jī)制及其應(yīng)用研究[D]. 吳彥偉.西安電子科技大學(xué) 2014
[8]古建筑領(lǐng)域本體模型的構(gòu)建及檢索[D]. 宋鈺.北京建筑大學(xué) 2013
[9]本體推理機(jī)制在關(guān)系中的存儲(chǔ)研究與實(shí)現(xiàn)[D]. 劉藝茹.重慶大學(xué) 2012
[10]物流金融業(yè)務(wù)模式及風(fēng)險(xiǎn)管理研究[D]. 熊小芬.武漢理工大學(xué) 2007



本文編號(hào)：3220259