最小相关度优化PNARC算法的审计数据关联规则挖掘模型

为解决关系国计民生重要行业事后审计的弊端,本文针对PNARC算法在审计数据关联规则挖掘时存在的置信度约束无效、挖掘精度不高等问题,提出了一种最小相关度优化PNARC算法的审计数据关联规则挖掘模型。首先对置信度进行阈值双重优化,以提高负关联规则的程度,减少不相关的关联规则,然后对最小相关度进行概率分析,降低无关规则的产生几率。仿真实验结果表明,无论在挖掘精度还是算法运行时间上,都具有比PNARC算法更优异的性能。

基于关联规则的银行内部审计应用——以A银行个人贷款客户数据为例

本文采用Apriori算法,以A银行的实际业务为例,对具体信贷产品客户信息与信贷分类进行关联挖掘分析,证明运用关联规则这类数据挖掘方法对商业银行内部审计可疑数据定位的可行性和有效性,为银行内部非现场审计的有效开展提供决策依据.