机器学习背景下非现场审计模型的构建及应用

• 作者: 刘森 张君 朱宇龙 袁阳春 陈灏生
• 来源期刊: 科技风
• 关键词: 机器学习 非现场审计 朴素贝叶斯 K-means
• 年，卷（期）: 2020,（18）
• 所属期刊栏目: 电子信息
• 页码范围: 148-149,151
• 页数: 3页
• 字数: 5137字
• 语种: 中文
• DOI: 10.19392/j.cnki.1671-7341.202018118

摘要

随着信息技术的发展,企业业务系统日益完善,积累了大量的企业数据资产,而机器学习等新兴技术的出现,为处理海量数据带来了可能性,也为非现场审计提供了技术基础.应用机器学习技术创建相应的非现场审计模型,能够有效地提高审计工作的效率,扩宽审计覆盖面,并为加强审计监督提供了新途径.本文介绍了应用朴素贝叶斯和K-means聚类两种机器学习算法构建的非现场审计模型的原理及实践经验.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘森		2	0	0.0	0.0
2	朱宇龙		3	0	0.0	0.0
3	袁阳春		1	0	0.0	0.0
4	张君		1	0	0.0	0.0
5	陈灏生		1	0	0.0	0.0