1、    文本挖掘分析技術(shù)在審計稽核中的應(yīng)用探索    羅江筑摘 要：隨著大數(shù)據(jù)時代的來臨，審計作為一個綜合的經(jīng)濟監(jiān)督部門也必將面臨其帶來的巨大挑戰(zhàn)，在企業(yè)系統(tǒng)中產(chǎn)生了海量的非結(jié)構(gòu)化數(shù)據(jù)，僅靠人工進行審計，成效杯水車薪，針對非結(jié)構(gòu)化數(shù)據(jù)的審計已經(jīng)成為審計業(yè)務(wù)的盲區(qū)，利用高科技手段與工具實現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)的分析與挖掘為審計業(yè)務(wù)提供數(shù)據(jù)支撐的需求已迫在眉睫。本文基于文本挖掘技術(shù)，采用信息抽取方法從非結(jié)構(gòu)化文檔中提取關(guān)鍵信息，進行結(jié)構(gòu)化存儲，然后進行自動稽核，既大大減少因人工操作耗費的大量人力、財力成本，又避免了因人為疏忽造成審計問題遺漏的情況，更加全面的審計各種

2、問題。關(guān)鍵詞：審計稽核;文本挖掘;信息抽取隨著大數(shù)據(jù)時代的來臨，審計作為一個綜合的經(jīng)濟監(jiān)督部門也必將面臨其帶來的巨大挑戰(zhàn)，在企業(yè)系統(tǒng)中產(chǎn)生了海量的非結(jié)構(gòu)化數(shù)據(jù)，如何對這些非結(jié)構(gòu)化數(shù)據(jù)進行分析是推動大數(shù)據(jù)審計開展的重要內(nèi)容。隨著大數(shù)據(jù)在審計領(lǐng)域的廣泛推廣和運用，文本挖掘技術(shù)對審計數(shù)據(jù)分析的重要性已逐步凸顯，它不再僅僅以結(jié)構(gòu)化的審計數(shù)據(jù)為分析對象，可以深入地對大量非結(jié)構(gòu)化數(shù)據(jù)進行挖掘分析和利用。以企業(yè)合同數(shù)據(jù)的審計為例，結(jié)合文本挖掘技術(shù)特點，本文探討了基于文本挖掘分析技術(shù)的審計稽核方法，為文本挖掘分析技術(shù)在審計稽核的應(yīng)用做出了探索。本文內(nèi)容安排如下：首先企業(yè)合同審計問題進行了介紹，之后根據(jù)數(shù)據(jù)特點

3、采用信息自動抽取技術(shù)從企業(yè)合同數(shù)據(jù)中抽取關(guān)鍵數(shù)據(jù)，將非結(jié)構(gòu)化數(shù)據(jù)進行結(jié)構(gòu)化存儲，最后對提取的企業(yè)合同關(guān)鍵數(shù)據(jù)進行稽核，發(fā)現(xiàn)審計問題。一、數(shù)據(jù)及問題在企業(yè)合同管理系統(tǒng)中存在有大量的合同數(shù)據(jù)，企業(yè)合同審計主要是針對合同的執(zhí)行情況，特別是合同付款情況的審計，包括合同總價，第一次付款時間、金額，第二次付款時間、金額等。企業(yè)合同數(shù)據(jù)屬于非結(jié)構(gòu)化文檔數(shù)據(jù)，對這類數(shù)據(jù)的審計，目前需要人為提取合同的關(guān)鍵數(shù)據(jù)（合同金額、付款時間等），需要耗費大量的人力成本。如何快速的從這些非結(jié)構(gòu)化數(shù)據(jù)中提取我們需要的信息，是解決企業(yè)合同快速審計的關(guān)鍵所在。二、信息抽取信息抽取的宗旨在于抽取指定的信息，信息抽取有多種不同的技術(shù)，

4、根據(jù)采用的模型不同可以分為三類：基于詞典的抽取、基于規(guī)則的抽取和基于隱馬爾可夫模型（hmm）的抽取。基于詞典的信息抽取需要構(gòu)造抽取模式詞典，然后使用模式詞典從未標(biāo)記文本中抽取所需信息。基于詞典的信息抽取需要對概念節(jié)點進行定義，建立和維護相關(guān)的模式，知識工作量比較大，最佳詞典的產(chǎn)生也比較麻煩，領(lǐng)域相關(guān)性太強，應(yīng)用不是很廣泛。基于規(guī)則的信息抽取需要先構(gòu)造抽取規(guī)則集，然后利用這些通用的規(guī)則從文本中抽取信息。基于規(guī)則的信息抽取比較常用，在很多情況下精度也非常令人滿意。缺點是規(guī)則構(gòu)造比較復(fù)雜，適應(yīng)性較差。利用隱馬爾可夫模型（hmm）進行文本信息抽取是一種基于統(tǒng)計學(xué)習(xí)的抽取方法。企業(yè)合同數(shù)據(jù)需要提取的信息

5、主要包括以下幾類：（一）合同編號、合同名稱在企業(yè)合同中，合同編號、合同名稱數(shù)據(jù)都有明確的關(guān)鍵字標(biāo)記，根據(jù)關(guān)鍵字確定信息位置，提取對應(yīng)的信息即可。（二）合同總價在企業(yè)合同中，合同總價會有明確關(guān)鍵字進行標(biāo)識，如服務(wù)費總額，根據(jù)關(guān)鍵字定位到所屬的段落之后，采用貨幣正則表達式提取金額數(shù)據(jù)。貨幣數(shù)據(jù)識別的正則表達式為（三）付款時間在合同中，如果付款時間有明確的說明，直接按時間的正則表達式提取數(shù)據(jù)即可，不同格式展示的時間其提取表達式不同，最簡單的日期格式如yyyy/mm/dd，正則表達式為更為復(fù)雜的是，在合同中并沒有明確的說明付款時間，而是“合同簽訂后幾個工作日內(nèi)”，此時就需要先提取合同簽訂日期，然后采用

6、時間推理方法，推算確定的合同付款日期。（四）付款金額付款金額與付款時間會出現(xiàn)在同一段落中，在提取付款時間之后，采用與提取合同總價相同的方式提取付款金額。（五）付款方和收款方信息付款方信息主要是付款單位名稱，收款方信息包括開戶銀行、賬號和開戶名，這類信息在合同里一般有明確的說明，根據(jù)信息關(guān)鍵字定位到具體的段落提取信息即可。提取的付款方和收款方信息用于從銀行返回的資金流數(shù)據(jù)中獲取與合同對應(yīng)的數(shù)據(jù)，以便對合同付款情況進行稽查。將從企業(yè)合同中提取的關(guān)鍵信息存儲于數(shù)據(jù)庫提前建好的數(shù)據(jù)表中，實現(xiàn)結(jié)構(gòu)化存儲，方便對合同進行審計。三、自動稽核對企業(yè)合同的審計稽核策略是從企業(yè)合同中提取關(guān)鍵信息與資金流數(shù)據(jù)（此數(shù)

7、據(jù)來源與財務(wù)系統(tǒng)中銀行返回的數(shù)據(jù)）對比，進行自動稽核，發(fā)現(xiàn)審計問題。具體的實現(xiàn)方法如下：（一）根據(jù)關(guān)注的審計問題，制定審計規(guī)則根據(jù)審計問題表象（如未按合同條款執(zhí)行付款a1，提前付款a2，付款金額不一致a3）定義審計問題規(guī)則，形式為b*：a*a*，如b1：a1、b2：a2、b3：a3、b4：a2a3，其中b*為規(guī)則編號，a*a*為規(guī)則所滿足的條件。（二）對合同信息按照規(guī)則進行稽核根據(jù)收款賬戶信息，找到需要審計的合同對應(yīng)的資金流數(shù)據(jù)，對比關(guān)注的信息項，主要是付款時間、金額，多次付款金額之和即為付款總額。如果沒有找到對應(yīng)的資金流數(shù)據(jù)，則為未按合同條款執(zhí)行付款b1;如果付款時間提前，則為提前付款b2;

8、如果金額不一致，則為付款金額不一致b3;如果付款時間提前且金額不一致，則為b4。滿足制定的審計規(guī)則的合同認為存在審計問題，根據(jù)滿足的條件不同，標(biāo)記不同的規(guī)則編號。（三）對審計問題進行進一步分析按規(guī)則編號對存在的審計問題進行分組，對每類問題進行集中處理。針對企業(yè)合同數(shù)據(jù)，采用信息抽取方法抽取需要審計的信息之后，與銀行返回的資金流數(shù)據(jù)進行比對，發(fā)現(xiàn)存在的審計問題，將審計結(jié)果存入數(shù)據(jù)庫，方便進行查詢。因?qū)徲嫿Y(jié)果涉及到保密問題，這里只給出審計結(jié)果表的表結(jié)構(gòu)，如下表所示：針對審計結(jié)果表，既可以按照規(guī)則編號，對審計問題進行分組集中處理，也可以按照合同編號查詢指定合同的審計結(jié)果。將合同數(shù)據(jù)以及銀行返回結(jié)果關(guān)

9、聯(lián)到一張表中，可以更方便的驗證審計結(jié)果。四、結(jié)論本文利用信息自動抽取技術(shù)，基于企業(yè)合同數(shù)據(jù)，從中自動抽取合同關(guān)鍵數(shù)據(jù)，將合同中的非結(jié)構(gòu)化數(shù)據(jù)進行結(jié)構(gòu)化，然后與銀行返回的資金流數(shù)據(jù)進行自動比對，發(fā)現(xiàn)審計問題。本文只是文本挖掘技術(shù)在審計稽核應(yīng)用的一個探索性嘗試。在審計工作中引進文本挖掘技術(shù)，不僅可以大大降低純粹人工審計耗費的人力、財力成本，而且可以降低因人為疏忽造成審計問題遺漏的情況發(fā)生。雖然目前文本挖掘技術(shù)在審計稽核工作中的應(yīng)用尚處于起步階段，但隨著信息技術(shù)的迅猛發(fā)展和人們對文本挖掘技術(shù)的深入研究，文本挖掘在審計稽核工作中的應(yīng)用將會不斷發(fā)展和完善。參考文獻：1張志恒，成雪嬌.大數(shù)據(jù)環(huán)境下基于文本挖掘的審計數(shù)據(jù)分析框架j.會計之友，2017，16：117-120.2吳芬芬.信息抽取算法研究.吉林大學(xué)碩士論文，2006：1-10.3郭喜躍，何婷婷.信息抽取研究綜述j.計算機科學(xué)報，2015，02：14-17.4李保利，陳玉忠，俞士汶.信息抽取研究綜述j.計算機工程與應(yīng)用，2003，10：1-5.5張素香.信息抽取中關(guān)鍵技術(shù)的研究d.北京：北京郵電大學(xué)，2007.6張曉艷，王挺，陳火旺.命名實體識別研究j.計算機科學(xué)，2005，04：44-48.