文献

J-GLOBAL ID：202002224647959497   整理番号：20A2783328

密度ベースクラスタリングアプローチを用いた誤り財務ステートメントの予測【JST・京大機械翻訳】

Predicting Erroneous Financial Statements Using a Density-Based Clustering Approach

著者 (4件)： Tatusch Martha (Heinrich-Heine-University Duesseldorf, Germany) ,  Klassen Gerhard (Heinrich-Heine-University Duesseldorf, Germany) ,  Bravidor Marcus (Heinrich-Heine-University Duesseldorf, Germany) ,  Conrad Stefan (Heinrich-Heine-University Duesseldorf, Germany)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICBIM 2020  ページ： 89-94  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,静止した財政的文明を検出し予測するための新しい機械学習手法を提示した。この手法は,クラスタ分析アルゴリズムであるDBSCANに基づいている。以前の方法とは対照的に,それらのピア(異常値)よりも異なる企業が再状態になる可能性が高いと仮定した。DBSCANを修正して,これらの差異の時間的変化も組み込むことにより,著者らは,金融データを適合させるためにアルゴリズムを最適化した。米国のデータとベンチマークを,計算研究における以前の知見に対してテストする。結果は,DBSCANの修正版が以前の手法よりも効率的であることを示した。2つまたは3つの特徴だけに基づいてクラスタをクラスタ化すれば,最良の結果が得られた。リステートメントを同定するための精度に関する事前アプローチを凌駕した。前の結果と同様に,検出誤差は材料状態のために増加する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  経時変化 ,  金融 ,  クラスタ化 ,  *クラスタ ,  クラスタ分析 ,  異常値 ,  ベンチマーク ,  機械学習
準シソーラス用語： 財務 ,  *密度ベースクラスタリング , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 密度ベースクラスタリング ,  誤り ,  財務 ,  予測