基于复杂网络的海运物流信息风险与操作风险关联性分析
发布时间：2021-09-25 12:47
海运物流在国际贸易中扮演着十分重要的角色,受到了国家越来越多的重视。该浪潮不仅为海运物流企业提供了新的发展空间和机遇,也对企业本身的运营能力和管理水平提出了更高的要求。如何有效地规避风险成为企业关心的热点问题之一。随着大数据、云处理等新兴信息技术在海运物流操作中的应用,线上的信息流动与线下的实体操作之间的联系愈发紧密,成为整个海运物流链条中极其重要的环节。基于此,本文旨在从复杂网络的角度探讨海运物流信息风险与操作风险之间的关联性,运用文献阅读法对海运物流信息风险和操作风险进行识别,通过对相关文献的总结,筛选出信息风险和操作风险的风险因子;采用问卷调查的方式对风险发生频率指标进行评价,并通过两步聚类算法确定不同专家的权重,对数据进行修正;运用关联规则方法挖掘信息风险与操作风险中不同风险因子之间的关联性,其中以频繁项集中的风险因子的发生频率等级作为关联规则的前件和后件,通过不同的规则支持度与置信度所产生的规则数的不同,确定最合适的规则支持度和置信度的阈值,得到强支持度强置信度的关联规则;基于复杂网络对风险关联规则进行系统性分析,为关联规则结果提供了系统完整的描述,其中以关联规则中的前件和后...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图３．１专家所在公司的规模与所在地分布图??Ｆｉｇ．?３．１?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｍａｐ?ｏｆ?ｔｈｅ?ｓｉｚｅ?ａｎｄ?ｌｏｃａｔｉｏｎ?ｏｆ?ｔｈｅ?ｅｘｐｅｒｔ’ｓ?ｃｏｍｐａｎｙ??
???４．００??３．５０?一??０．５０??０．００??？－ｉｒ＞ｉｒ〇ｒｔ？Ｈ＜ＮｆｎｆＨ＜Ｎｆｒｔ？３－ｗｎ〇ｒ＾？－ｔｒＭｍ＇？ｕ＾？Ｈ（Ｎｍｒｒｒ－＜（Ｎｆ〇＊ｒＴＨ＜ＮｒＨｆＮｒＨｒ＇ｉｎｒ？??ｒＨ？Ｈ〇４（Ｎｒ？ｊｒ〇ｍｒｒ＞ｒ〇ｒ〇ｍｒ＾ｔＨｉ－（ｒ－＊－（ＴＨ（Ｎ（ＮｒＭｒＭ＜，ｎｆ〇（，ｏｒｎ＾ｔ＾ｔｕ，）ｕｎ（￡〇＾Ｄ??＜＜＜＜＜＜＜＜＜＜＜＜＜＜ＣＤＭＣＣａＣＤＣＱＣ３ＣＤＣＤＣＤＣＱＣＱ２２ＣＱＣＱＣＯＣＣＣＣａｉＣＯ??风险因子??图３．２不同类别内专家对各风险因子的平均打分??Ｆｉｇ．?３．２?Ａｖｅｒａｇｅ?ｓｃｏｒｅｓ?ｏｆ?ｅｘｐｅｒｔｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｃａｔｅｇｏｒｉｅｓ?ｏｎ?ｅａｃｈ?ｒｉｓｋ?ｆａｃｔｏｒ??进一步分析较高风险的公司与公司规模之间的关系，将专家所在公司的公司规模数??据作为分类变量，分别计算两类专家在不同风险规模企业之间的占比，如表３．３所示，??可以看出在不同风险规模的企业中均存在较高风险的企业，但是相比较而言，在大型企??业中，较高风险的企业占比３２％，为四种类型企业中最高的，因此，可以认为由于大型??企业其涉及的业务链条更长，接触的客户种类更多，面对的不确定性更强，其风险发生??的频率也较高。??表３．３不同类别中不同规模企业的占比??Ｔａｂ．?３．３?ｐｒｏｐｏｒｔｉｏｎｓ?ｏｆ?ｅｎｔｅｒｐｒｉｓｅｓ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｓｉｚｅｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｃａｔｅｇｏｒｉｅｓ??大型企业?中型企业?小型企业?微型企业??＾ｍｉ?ｍｅ．?百分比?ｍｉ?百分比?？?百分比??？类別?１?８?３２％
?大连海事大学专业学位硕士学位论文???本文对规则支持度和置信度的阈值进行了敏感性分析，将生成的关联规则数量与输??入的阈值进行比较，寻求两种情况之中的平衡，并依此选择折中的阈值，使关联规则的??数量在可控的范围内，且不丢失重要信息，结果如图４．１所示。??９００??．；７００??Ｓ?７００－９００??Ｉ?５００?ａ?５００－７００??３００?□?１００－３００??－?疆??５〇％?Ｂ０，?■??通?８０％?５０％??９０％??支持Ｓ??图４．１基于不同规则支持度与置信度的关联规则数量??Ｆｉｇ．?４．１?Ｔｈｅ?ｎｕｍｂｅｒ?ｏｆ?ｒｕｌｅｓ?ｂａｓｅｄ?ｏｎ?ｄｉｆｆｅｒｅｎｔ?ｓｕｐｐｏｒｔ?ａｎｄ?ｃｏｎｆｉｄｅｎｃｅ??对上图进行分析，当规则支持度小于６０％，关联规则的数量随着规则支持度的减少??而急剧增加；当规则支持度大于６０％时，关联规则的数量随着规则支持度的增加而减少，??但相对平缓，因此可以认为规则支持度为６０％时，是关联规则数量发生变化的一个转折??点；从置信度角度分析，当置信度小于８０％时，关联规则随着置信度的增加而缓慢地减??少，但当置信度大于８０％时，关联规则数量呈现急速下降的趋势，因此，置信度为８０％??时，也是关联规则数量发生突变的一个关键节点。由以上分析，本文确定最小规则支持??度为６０％，最小置信度为８０％。最后，利用Ａｐｎｏｒｉ算法对关联规则进行挖掘，设置最??小规则支持度为６０％，最小置信度为８０％，最大前项数为１，最终生成了?２７４条关联规??则。??在研究关联规则的文献中，大部分文献只采用规则支持度与置信度确定强关联规??贝ｙ，也有个别文献采
本文编号：3409771
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图３．１专家所在公司的规模与所在地分布图??Ｆｉｇ．?３．１?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｍａｐ?ｏｆ?ｔｈｅ?ｓｉｚｅ?ａｎｄ?ｌｏｃａｔｉｏｎ?ｏｆ?ｔｈｅ?ｅｘｐｅｒｔ’ｓ?ｃｏｍｐａｎｙ??
???４．００??３．５０?一??０．５０??０．００??？－ｉｒ＞ｉｒ〇ｒｔ？Ｈ＜ＮｆｎｆＨ＜Ｎｆｒｔ？３－ｗｎ〇ｒ＾？－ｔｒＭｍ＇？ｕ＾？Ｈ（Ｎｍｒｒｒ－＜（Ｎｆ〇＊ｒＴＨ＜ＮｒＨｆＮｒＨｒ＇ｉｎｒ？??ｒＨ？Ｈ〇４（Ｎｒ？ｊｒ〇ｍｒｒ＞ｒ〇ｒ〇ｍｒ＾ｔＨｉ－（ｒ－＊－（ＴＨ（Ｎ（ＮｒＭｒＭ＜，ｎｆ〇（，ｏｒｎ＾ｔ＾ｔｕ，）ｕｎ（￡〇＾Ｄ??＜＜＜＜＜＜＜＜＜＜＜＜＜＜ＣＤＭＣＣａＣＤＣＱＣ３ＣＤＣＤＣＤＣＱＣＱ２２ＣＱＣＱＣＯＣＣＣＣａｉＣＯ??风险因子??图３．２不同类别内专家对各风险因子的平均打分??Ｆｉｇ．?３．２?Ａｖｅｒａｇｅ?ｓｃｏｒｅｓ?ｏｆ?ｅｘｐｅｒｔｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｃａｔｅｇｏｒｉｅｓ?ｏｎ?ｅａｃｈ?ｒｉｓｋ?ｆａｃｔｏｒ??进一步分析较高风险的公司与公司规模之间的关系，将专家所在公司的公司规模数??据作为分类变量，分别计算两类专家在不同风险规模企业之间的占比，如表３．３所示，??可以看出在不同风险规模的企业中均存在较高风险的企业，但是相比较而言，在大型企??业中，较高风险的企业占比３２％，为四种类型企业中最高的，因此，可以认为由于大型??企业其涉及的业务链条更长，接触的客户种类更多，面对的不确定性更强，其风险发生??的频率也较高。??表３．３不同类别中不同规模企业的占比??Ｔａｂ．?３．３?ｐｒｏｐｏｒｔｉｏｎｓ?ｏｆ?ｅｎｔｅｒｐｒｉｓｅｓ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｓｉｚｅｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｃａｔｅｇｏｒｉｅｓ??大型企业?中型企业?小型企业?微型企业??＾ｍｉ?ｍｅ．?百分比?ｍｉ?百分比?？?百分比??？类別?１?８?３２％
?大连海事大学专业学位硕士学位论文???本文对规则支持度和置信度的阈值进行了敏感性分析，将生成的关联规则数量与输??入的阈值进行比较，寻求两种情况之中的平衡，并依此选择折中的阈值，使关联规则的??数量在可控的范围内，且不丢失重要信息，结果如图４．１所示。??９００??．；７００??Ｓ?７００－９００??Ｉ?５００?ａ?５００－７００??３００?□?１００－３００??－?疆??５〇％?Ｂ０，?■??通?８０％?５０％??９０％??支持Ｓ??图４．１基于不同规则支持度与置信度的关联规则数量??Ｆｉｇ．?４．１?Ｔｈｅ?ｎｕｍｂｅｒ?ｏｆ?ｒｕｌｅｓ?ｂａｓｅｄ?ｏｎ?ｄｉｆｆｅｒｅｎｔ?ｓｕｐｐｏｒｔ?ａｎｄ?ｃｏｎｆｉｄｅｎｃｅ??对上图进行分析，当规则支持度小于６０％，关联规则的数量随着规则支持度的减少??而急剧增加；当规则支持度大于６０％时，关联规则的数量随着规则支持度的增加而减少，??但相对平缓，因此可以认为规则支持度为６０％时，是关联规则数量发生变化的一个转折??点；从置信度角度分析，当置信度小于８０％时，关联规则随着置信度的增加而缓慢地减??少，但当置信度大于８０％时，关联规则数量呈现急速下降的趋势，因此，置信度为８０％??时，也是关联规则数量发生突变的一个关键节点。由以上分析，本文确定最小规则支持??度为６０％，最小置信度为８０％。最后，利用Ａｐｎｏｒｉ算法对关联规则进行挖掘，设置最??小规则支持度为６０％，最小置信度为８０％，最大前项数为１，最终生成了?２７４条关联规??则。??在研究关联规则的文献中，大部分文献只采用规则支持度与置信度确定强关联规??贝ｙ，也有个别文献采
本文编号：3409771
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3409771.html
