企业关联交易图的离群点挖掘研究

• 作者: 赵晓永 赵熙岑
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 关联交易 图数据 密度峰值 离群挖掘
• 年，卷（期）: 2019,（2）
• 页码范围: 9-13
• 页数: 5页
• 分类号: TP314
• 字数: 2333字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2019.02.003

摘要

发现异常的企业关联交易是审计的重要任务之一.但目前企业之间的关联交易构成了复杂的交易图,传统审计方法在如此繁杂的数据中发现异常的难度越来越大.对企业关联交易图的离群点挖掘进行了研究,分析了关联交易图数据的特点,根据这些特点对rPCA、CMGOS和One-class SVM三种离群点挖掘算法进行了对比,并提出了一种采用密度峰值聚类DPC来改进的CMGOS算法.实验表明,One-class SVM算法作为一种数据新颖性检测方法,不适于异常企业关联交易挖掘场景;而企业关联交易数据的节点属性对依赖性的影响,rPCA算法与CMGOS算法较适合于企业关联交易图离群挖掘,改进后的CMGOS算法检测离群点的效果得到了较好的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵晓永	北京信息科技大学信息管理学院	18	14	2.0	3.0
2	赵熙岑	北京信息科技大学信息管理学院	2	0	0.0	0.0