【關(guān)鍵詞】 電網(wǎng)企業(yè); 內(nèi)控審計(jì); 知識(shí)圖譜; 關(guān)系挖掘; 深度學(xué)習(xí)

　　一、引言

　　隨著我國(guó)人工智能發(fā)展進(jìn)入全新階段，數(shù)字化和智能化已成為企業(yè)提高自身競(jìng)爭(zhēng)力的核心力量。為了跟進(jìn)智能化的發(fā)展，電網(wǎng)行業(yè)逐漸推進(jìn)全新內(nèi)部審計(jì)技術(shù)。電網(wǎng)企業(yè)進(jìn)行內(nèi)部審計(jì)過(guò)程中，涉及大量文本數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)。如何從這些數(shù)據(jù)中高效、精確地挖掘重要審計(jì)信息，構(gòu)建數(shù)據(jù)之間的關(guān)聯(lián)，是提升內(nèi)部審計(jì)工作的關(guān)鍵。

　　針對(duì)電網(wǎng)公司內(nèi)控審計(jì)數(shù)據(jù)復(fù)雜和智能內(nèi)控審計(jì)技術(shù)匱乏導(dǎo)致的效率低下的問(wèn)題，本文提出了一個(gè)設(shè)想，將內(nèi)控審計(jì)與知識(shí)圖譜進(jìn)行集成，采用知識(shí)圖譜中的關(guān)系挖掘技術(shù)建立內(nèi)部控制方法和內(nèi)部控制實(shí)施下財(cái)務(wù)報(bào)表上資金的狀態(tài)和流動(dòng)中增值性的因果關(guān)系，協(xié)助判斷內(nèi)部控制實(shí)施效果，最終形成內(nèi)控審計(jì)綜合評(píng)價(jià)方法。電網(wǎng)企業(yè)內(nèi)部控制審計(jì)和財(cái)務(wù)報(bào)表審計(jì)對(duì)企業(yè)提升信息披露質(zhì)量、增強(qiáng)相關(guān)方信任有直接影響。本文將知識(shí)圖譜應(yīng)用在電網(wǎng)企業(yè)的內(nèi)控審計(jì)中，探索財(cái)務(wù)數(shù)據(jù)和內(nèi)控審計(jì)的內(nèi)在關(guān)聯(lián)以及相互影響，開(kāi)拓從財(cái)務(wù)數(shù)據(jù)出發(fā)實(shí)施內(nèi)控審計(jì)的新思路，開(kāi)辟智能內(nèi)控審計(jì)的新途徑。

　　二、文獻(xiàn)綜述

　　在大數(shù)據(jù)的背景下，數(shù)據(jù)挖掘技術(shù)的發(fā)展積極推動(dòng)了內(nèi)部審計(jì)模式的轉(zhuǎn)變，各類(lèi)數(shù)據(jù)挖掘技術(shù)的應(yīng)用能有效提高內(nèi)部審計(jì)人員運(yùn)用智能化技術(shù)核查問(wèn)題、評(píng)價(jià)判斷和分析問(wèn)題的能力。尤其是人工智能技術(shù)的發(fā)展，給內(nèi)部審計(jì)工作提供了新的可能。張慶龍等[1]討論了在人工智能發(fā)展下的內(nèi)部審計(jì)的轉(zhuǎn)變，構(gòu)建了內(nèi)部審計(jì)智能化的應(yīng)用框架。余從容等[2]研究了基于大數(shù)據(jù)的電力行業(yè)審計(jì)平臺(tái)建設(shè)和基于知識(shí)圖譜的大數(shù)據(jù)審計(jì)方法。高效的內(nèi)部審計(jì)工作能讓企業(yè)更好地實(shí)現(xiàn)自我評(píng)估和完善，同時(shí)增強(qiáng)企業(yè)風(fēng)險(xiǎn)防控能力[3-5]。在電網(wǎng)企業(yè)的主營(yíng)業(yè)務(wù)中，當(dāng)前電力調(diào)度、生產(chǎn)、財(cái)務(wù)、人力資源、合同管理、協(xié)同辦公等數(shù)字化的程度已有了大幅度的提升，在營(yíng)銷(xiāo)收費(fèi)、企業(yè)資源管理等領(lǐng)域，大量的被審對(duì)象數(shù)據(jù)發(fā)生了巨大改變。例如財(cái)務(wù)數(shù)據(jù)、經(jīng)營(yíng)數(shù)據(jù)等不但量大，而且具有高度敏感性，然而數(shù)據(jù)特征和數(shù)據(jù)間關(guān)聯(lián)難以?xún)H憑人工獲取，這造成了內(nèi)部審計(jì)工作困難、效率低下。各類(lèi)業(yè)務(wù)數(shù)據(jù)在各業(yè)務(wù)系統(tǒng)間的流動(dòng)，構(gòu)建了跨部門(mén)、跨系統(tǒng)、跨應(yīng)用的內(nèi)部審計(jì)環(huán)境，這使電網(wǎng)系統(tǒng)大數(shù)據(jù)分析技術(shù)的發(fā)展迫在眉睫。

　　基于人工智能的數(shù)字化技術(shù)能夠?qū)?fù)雜多變的非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為數(shù)字?jǐn)?shù)據(jù)，通過(guò)知識(shí)圖譜、數(shù)據(jù)挖掘、關(guān)系檢測(cè)等方法實(shí)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)的特征融合，挖掘兩者間關(guān)聯(lián)關(guān)系，提供審計(jì)線(xiàn)索。知識(shí)圖譜將客觀的概念、實(shí)體及其關(guān)系以結(jié)構(gòu)化的形式呈現(xiàn)，以更直觀的方式對(duì)信息進(jìn)行表達(dá)。知識(shí)圖譜已經(jīng)在醫(yī)療、商業(yè)及金融等領(lǐng)域得取得了良好研究效果。在這些行業(yè)領(lǐng)域中，各類(lèi)信息系統(tǒng)的普及積累了海量行業(yè)數(shù)據(jù)，如何從這些數(shù)據(jù)中挖掘隱藏信息并加以管理、共享及應(yīng)用，是推進(jìn)行業(yè)智能化的關(guān)鍵問(wèn)題。知識(shí)圖譜能對(duì)從各種渠道所獲取的行業(yè)數(shù)據(jù)進(jìn)行加工處理，然后提取出對(duì)構(gòu)建知識(shí)圖譜有價(jià)值的知識(shí)，它已成為促使計(jì)算機(jī)從海量數(shù)據(jù)中獲取認(rèn)知能力的重要方法。目前，我國(guó)學(xué)者專(zhuān)注于知識(shí)圖譜的構(gòu)建方法和算法。比如，侯洪■等[5]認(rèn)為，知識(shí)圖譜技術(shù)不僅能夠清楚地分析處理知識(shí)，并且能實(shí)現(xiàn)知識(shí)可視化，在推動(dòng)知識(shí)的發(fā)展方面具有潛力。袁凱琦等[6]采用自底向上的構(gòu)建方法建立面向跨語(yǔ)種、專(zhuān)業(yè)性強(qiáng)以及結(jié)構(gòu)復(fù)雜的醫(yī)療數(shù)據(jù)的知識(shí)圖譜，涉及醫(yī)學(xué)知識(shí)表示、抽取、融合和推理以及質(zhì)量評(píng)估等方面。目前知識(shí)圖譜在醫(yī)療、商業(yè)、金融等領(lǐng)域應(yīng)用較為廣泛，且取得了較好的效果。張德亮[7]針對(duì)金融圖譜缺乏問(wèn)題及知識(shí)圖譜補(bǔ)全模型的缺陷，爬取大量金融股票及企業(yè)信息進(jìn)行金融知識(shí)圖譜構(gòu)建，然后提出基于組合關(guān)系路徑的知識(shí)圖譜補(bǔ)全方法對(duì)金融知識(shí)圖譜進(jìn)行補(bǔ)全任務(wù)驗(yàn)證。胡揚(yáng)等[8]研究了面向金融知識(shí)圖譜的實(shí)體和關(guān)系抽取算法，提出了基于能識(shí)別重疊關(guān)系的Bi-LSTM+CRF模型，通過(guò)參數(shù)共享實(shí)現(xiàn)兩個(gè)任務(wù)聯(lián)合學(xué)習(xí)。甘云強(qiáng)[9]從文本數(shù)據(jù)中識(shí)別出金融實(shí)體，并判斷實(shí)體間存在的語(yǔ)義關(guān)系。

　　企業(yè)的內(nèi)部控制審計(jì)主要針對(duì)財(cái)務(wù)數(shù)據(jù)的可靠性和完整性[10]。知識(shí)圖譜不僅能夠?qū)崿F(xiàn)知識(shí)表達(dá)，同時(shí)又在信息檢索、智能問(wèn)答等方面具備巨大優(yōu)勢(shì)，知識(shí)圖譜的應(yīng)用可以有效地解決內(nèi)部審計(jì)過(guò)程中任務(wù)繁重的問(wèn)題，彌補(bǔ)審計(jì)力量的不足。王倩玉[11]研究了基于知識(shí)圖譜的財(cái)務(wù)與業(yè)務(wù)指標(biāo)間的關(guān)聯(lián)對(duì)應(yīng)關(guān)系的構(gòu)建方法，提出了基于機(jī)器學(xué)習(xí)的財(cái)務(wù)審計(jì)知識(shí)圖譜構(gòu)建，設(shè)計(jì)并實(shí)現(xiàn)了財(cái)務(wù)與業(yè)務(wù)指標(biāo)對(duì)應(yīng)關(guān)系語(yǔ)義網(wǎng)絡(luò)。崔婧等[12]將知識(shí)圖譜引入醫(yī)保審計(jì)，以解決數(shù)據(jù)量龐大帶來(lái)的醫(yī)保審計(jì)低效問(wèn)題。目前我國(guó)關(guān)于將知識(shí)圖譜這種智能化技術(shù)和審計(jì)領(lǐng)域相結(jié)合的研究成果還相對(duì)較少，研究方法也較為單一。

　　三、知識(shí)圖譜

　　知識(shí)圖譜的概念由谷歌公司于2012年提出。知識(shí)圖譜技術(shù)能像人類(lèi)大腦一樣建立不同類(lèi)信息之間的關(guān)聯(lián)，得到關(guān)系網(wǎng)絡(luò)。Jiang et al.[13]最早發(fā)現(xiàn)可以使用馬爾可夫邏輯網(wǎng)來(lái)提取事實(shí)之間的關(guān)系。知識(shí)圖譜采用了新型的信息檢索方式，知識(shí)圖譜在信息檢索中加入智能推理，操作性更強(qiáng)，并且它能建立知識(shí)網(wǎng)絡(luò)，將知識(shí)圖形化，以結(jié)構(gòu)化形式呈現(xiàn)。知識(shí)圖譜的主要作用在于對(duì)數(shù)據(jù)的整合與規(guī)范，向用戶(hù)提供有價(jià)值的結(jié)構(gòu)化信息。

　　近年來(lái)，研究人員將人工智能、深度學(xué)習(xí)、自然語(yǔ)言處理等技術(shù)融入知識(shí)圖譜構(gòu)建過(guò)程，提高了知識(shí)圖譜構(gòu)建效率，使其在信息搜索、自動(dòng)問(wèn)答、決策分析等領(lǐng)域被廣泛應(yīng)用[14]。知識(shí)圖譜可分為通用知識(shí)圖譜和領(lǐng)域知識(shí)圖譜，目前，國(guó)內(nèi)外代表性通用知識(shí)圖譜有搜狗知立方、百度知心、YAGO、DBpedia、Worldnet等，通用知識(shí)圖譜主要包含常識(shí)性知識(shí)，例如Worldnet包含人、地點(diǎn)、音樂(lè)、電影、組織機(jī)構(gòu)、物種、疾病等定義。它能從多種語(yǔ)言的維基百科中挖掘知識(shí)，構(gòu)建名詞、動(dòng)詞、形容詞和副詞之間的關(guān)聯(lián)。領(lǐng)域知識(shí)圖譜一般面向某個(gè)特定領(lǐng)域，例如學(xué)術(shù)領(lǐng)域的Acemap、生物醫(yī)學(xué)領(lǐng)域的Drugbank、新聞?lì)I(lǐng)域的ECKG等[15]。知識(shí)圖譜的可視化技術(shù)中能將抽象數(shù)據(jù)進(jìn)行可視化展示，從而增強(qiáng)用戶(hù)對(duì)數(shù)據(jù)的認(rèn)知及數(shù)據(jù)獲取效率。

　　推薦閱讀：企業(yè)審計(jì)監(jiān)督方向論文投稿期刊推薦