摘要：由于財務管理的復雜性和多樣性，財務數(shù)據(jù)的處理和分析成為財務從業(yè)者面臨的主要問題。本文將關聯(lián)規(guī)則中典型的Apriori算法和Benford法則作為分析手段，結合案例樣本數(shù)據(jù)分析，得出了滿足現(xiàn)有業(yè)務意義的解釋數(shù)位發(fā)生偏差的原因的強規(guī)則，有很強的實用性和參考價值。
關鍵詞：財務  數(shù)據(jù)挖掘  Apriori算法  Benford法則

1 緒論

隨著社會經(jīng)濟的不斷發(fā)展，企業(yè)正經(jīng)歷著更為激烈的競爭環(huán)境，很多企業(yè)都必須依賴于各種信息化手段整理大量數(shù)據(jù)為企業(yè)決策提供參考。大量信息的出現(xiàn)需要更為準確和快速的信息檢索方式和處理手段，這樣就出現(xiàn)很多實際的數(shù)據(jù)處理需求，如數(shù)據(jù)信息的提取、數(shù)據(jù)之間的關聯(lián)信息等。如果企業(yè)沒有辦法利用技術手段對相關信息進行適當?shù)募庸�，，就無法根據(jù)現(xiàn)有的數(shù)據(jù)分析為企業(yè)決策提供有價值的信息。

2 關聯(lián)規(guī)則理論
3 應用案例分析

4 結論

如何從會計信息系統(tǒng)等信息資源中挖掘出潛在的知識。為管理和決策服務，是企業(yè)迫切需要解決的問題。數(shù)據(jù)挖掘正是解決這一問題的有效方法。本文由關聯(lián)規(guī)則中典型的Apriori算法和最適用于財務分析的Benford法則作為理論基礎，結合案例樣本數(shù)據(jù)分析，得出了滿足現(xiàn)有業(yè)務意義的解釋數(shù)位發(fā)生偏差的原因的強規(guī)則，對于指導日常財務數(shù)據(jù)的處理有一定的借鑒意義。

參考文獻

[1]F Benford. The Law of Anomalous Numbers[J]. Proceedings of the American Philosophical Society，1938，78 (4 ):551-572.
[2]Cindy Durtschi,et al. The Effective Use of Benford's Law to Assist in Deleting Fraud in Accouing Data [J]. Journal of Forensic Accouing,2010:17-34.
[3]Andreas Diekmann, Ben Jann. Benford's Law and Fraud Detection;Facts and Legends [J]. German Economic Review, 2010,11( 3 ):397-401.
[4]Roger S Debreceny, Glen L Gray. Data Mining Journal Entries for Fraud   Detection;An Exploratory Study[J]. International Journal of Accouing Information Systems, 2010,11(3):157-181.
[5]Kimin Seo,Jaemin Choi,et al. Research about Extracting and Analyzing  Accouing Data of Company to Detect Financial Fraud[C].IEEE International Conference on Intelligence and Security Informatics,2009; 200-202.
[6]Zdravko Krakar, Mario Zgela. Application of Benford's Law in Payment Systems Auditing [J]. Journal of Information and Organizational Sciences,2009,33(1);39-51.




本文編號：38932