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。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社