在傳統(tǒng)的物流金融風險管理控制研究中,更多的是關(guān)注風險事件與風險事件之間一對一的對應因果關(guān)系,然而在現(xiàn)實中物流金融風險事件的成因比較復雜,而且不同的風險因素相互作用、相互關(guān)聯(lián)使得所產(chǎn)生的風險較為復雜多變,為了更好的促進物流金融的健康發(fā)展、減少風險事件的發(fā)生頻率,有必要研究風險之間的關(guān)聯(lián)特性和關(guān)聯(lián)模式。首先,對物流金融風險、風險關(guān)聯(lián)分析、本體的相關(guān)文獻進行了梳理和歸納,主要包括風險管理理論、風險關(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,從物流風險的內(nèi)涵、物流金融風險的概念及特征和物流金融風險類別及成因這三大方面,闡述了物流金融風險體系結(jié)構(gòu)。再者,在充分考慮風險關(guān)聯(lián)模式和關(guān)聯(lián)特性的基礎(chǔ)上設(shè)計了物流金融風險本體框架OntoLFR,,并以物流金融風險本體框架為藍本,從類層、屬性層和實例層三個層次構(gòu)建了物流金融風險本體模型LFROM。然后,采用Apriori數(shù)據(jù)挖掘算法挖掘物流金融風險事件隱患庫中風險與風險之間的關(guān)聯(lián)規(guī)則,載入構(gòu)建好的本體模型LFROM中。最后,設(shè)計融資企業(yè)卷款逃跑的風險事件（RW_risk）仿真案例并利用本體模型LFROM進行推演計算,驗證物流金融風險... 

【文章來源】：江西財經(jīng)大學江西省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

論文研究技術(shù)路線

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)中識別有用有價值的數(shù)據(jù)需要依靠數(shù)據(jù)挖掘這門計算機科學技術(shù)，挖掘出來的數(shù)據(jù)經(jīng)過整合、劃分、歸并等操作一步一步演化成我們所需要的信息，這時就完成了知識工程中，數(shù)據(jù)到信息再到知識的轉(zhuǎn)變。在數(shù)據(jù)挖掘中，科學家開發(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值的東西，這也加快了數(shù)據(jù)向知識轉(zhuǎn)變的進程[46]�？傮w來說，數(shù)據(jù)挖掘?qū)谥R工程中起著較為重要的支撐作用，不僅能促進知識工程的發(fā)展，而且對人類文明的進步具有重要的推動作用。有監(jiān)督學習和無監(jiān)督學習是數(shù)據(jù)挖掘算法的兩個主要模塊。無監(jiān)督學習是指在構(gòu)建數(shù)據(jù)模型時不需要進行部分的數(shù)據(jù)訓練，如k-means等聚類算法；有監(jiān)督學習是指在構(gòu)建數(shù)據(jù)模型時需要拿出一部風數(shù)據(jù)進行數(shù)據(jù)訓練，如貝葉斯分類算法等[47]。數(shù)據(jù)挖掘任務主要分為三種分別為聚類、分類和關(guān)聯(lián)分析，聚類是根據(jù)距離的遠近自然聚合成類，分類算法是按照某一特征對數(shù)據(jù)進行劃分，關(guān)聯(lián)分析是從數(shù)據(jù)中找到數(shù)據(jù)項與數(shù)據(jù)項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)挖掘過程主要分為五個階段。（1）明確目的、數(shù)據(jù)建模的目的。（2）準備數(shù)據(jù)，減少被污染的數(shù)據(jù)。（3）使用軟件或程序設(shè)計來運行挖掘算法。（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險關(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)過程（3）關(guān)聯(lián)規(guī)則的描述兩個數(shù)據(jù)項在每個文本案例中會經(jīng)常同時出現(xiàn)，那么這兩個數(shù)據(jù)項之間存在著關(guān)聯(lián)特性。以此類推，當多個數(shù)據(jù)項同時在很多個案例文本中出現(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]，首先查找頻繁項集，看哪些數(shù)據(jù)項會經(jīng)常同時出現(xiàn)，經(jīng)過不斷的掃描數(shù)據(jù)庫中的數(shù)據(jù)項，進而產(chǎn)生數(shù)據(jù)項之間的關(guān)聯(lián)規(guī)則，并通過設(shè)置特定的支持度和置信度來獲取相應的關(guān)聯(lián)規(guī)則[56]，最終達到挖掘有用信息的目的。（5）關(guān)聯(lián)規(guī)則應用關(guān)于關(guān)聯(lián)挖掘規(guī)則的應用，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)實生活中有很大的用處，當然也會帶來很大的商機。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)其中的一個數(shù)據(jù)來推斷其關(guān)聯(lián)數(shù)據(jù)大概率出現(xiàn)。特別是在風險的預控預警中，通過風險事件的表象風險因素來挖掘出與其相關(guān)的所有關(guān)聯(lián)風險因素，這樣一來對于風險的防控可以做到精準防范和有效規(guī)避。2.3風險管理理論風險指某一事務發(fā)生損失的概率，在各行各業(yè)中均會有概率發(fā)生。這時可以

【參考文獻】：
期刊論文
[1]考慮項目關(guān)聯(lián)關(guān)系的R&D網(wǎng)絡(luò)風險傳播建模與仿真[J]. 楊乃定,劉慧,張延祿,李芮萌.  中國管理科學. 2019(10)
[2]股權(quán)質(zhì)押與債券違約風險的關(guān)聯(lián)與預警[J]. 艾仁智,高暢,陳茵.  清華金融評論. 2019(08)
[3]模糊評價法下物流金融風險的研究[J]. 徐蔚之.  全國流通經(jīng)濟. 2018(13)
[4]化工領(lǐng)域設(shè)備本體模型構(gòu)建[J]. 劉樹明,萬鋒,楊宇,鐘偉民.  華東理工大學學報(自然科學版). 2017(03)
[5]本體研究綜述[J]. 王向前,張寶隆,李慧宗.  情報雜志. 2016(06)
[6]關(guān)聯(lián)規(guī)則挖掘綜述[J]. 崔妍,包志強.  計算機應用研究. 2016(02)
[7]基于本體的貝葉斯網(wǎng)絡(luò)知識推理研究[J]. 蔡炳萬,石宇強,李明輝,張敏.  機械設(shè)計與制造. 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相似度計算方法研究[J]. 孫煜飛,馬良荔,郭曉明,蘇凱.  小型微型計算機系統(tǒng). 2015(09)
[10]風險鏈視角下建設(shè)項目進度風險評估[J]. 曹吉鳴,申良法,彭為,馬騰.  同濟大學學報(自然科學版). 2015(03)

碩士論文
[1]基于人工免疫的物流金融風險識別模型研究[D]. 張興宇.江西財經(jīng)大學 2019
[2]基于語義本體的數(shù)字檔案資源知識管理模型研究[D]. 熊華蘭.遼寧大學 2019
[3]基于本體論的鐵路風險關(guān)聯(lián)知識發(fā)現(xiàn)研究[D]. 李福鑫.北京交通大學 2017
[4]基于Web數(shù)據(jù)挖掘的個性化推薦系統(tǒng)研究[D]. 劉鑫峰.長春工業(yè)大學 2016
[5]基于動態(tài)KMV模型和時序關(guān)聯(lián)規(guī)則的商業(yè)銀行信用風險研究[D]. 李自勝.浙江財經(jīng)大學 2016
[6]物流企業(yè)主導下物流金融的新盈利模式及風險管理[D]. 王惠.廈門大學 2014
[7]智能查詢中的本體推理機制及其應用研究[D]. 吳彥偉.西安電子科技大學 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 2013
[9]本體推理機制在關(guān)系中的存儲研究與實現(xiàn)[D]. 劉藝茹.重慶大學 2012
[10]物流金融業(yè)務模式及風險管理研究[D]. 熊小芬.武漢理工大學 2007



本文編號：3220259