文本挖掘分析技術(shù)在審計(jì)稽核中的應(yīng)用探索

羅江筑

摘 要：隨著大數(shù)據(jù)時(shí)代的來(lái)臨，審計(jì)作為一個(gè)綜合的經(jīng)濟(jì)監(jiān)督部門也必將面臨其帶來(lái)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(jìn)行審計(jì)，成效杯水車薪，針對(duì)非結(jié)構(gòu)化數(shù)據(jù)的審計(jì)已經(jīng)成為審計(jì)業(yè)務(wù)的盲區(qū)，利用高科技手段與工具實(shí)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)的分析與挖掘?yàn)閷徲?jì)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(jìn)行結(jié)構(gòu)化存儲(chǔ)，然后進(jìn)行自動(dòng)稽核，既大大減少因人工操作耗費(fèi)的大量人力、財(cái)力成本，又避免了因人為疏忽造成審計(jì)問(wèn)題遺漏的情況，更加全面的審計(jì)各種問(wèn)題。

關(guān)鍵詞：審計(jì)稽核;文本挖掘;信息抽取

隨著大數(shù)據(jù)時(shí)代的來(lái)臨，審計(jì)作為一個(gè)綜合的經(jīng)濟(jì)監(jiān)督部門也必將面臨其帶來(lái)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(duì)這些非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析是推動(dòng)大數(shù)據(jù)審計(jì)開(kāi)展的重要內(nèi)容。隨著大數(shù)據(jù)在審計(jì)領(lǐng)域的廣泛推廣和運(yùn)用，文本挖掘技術(shù)對(duì)審計(jì)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(jì)數(shù)據(jù)為分析對(duì)象，可以深入地對(duì)大量非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行挖掘分析和利用。以企業(yè)合同數(shù)據(jù)的審計(jì)為例，結(jié)合文本挖掘技術(shù)特點(diǎn)，本文探討了基于文本挖掘分析技術(shù)的審計(jì)稽核方法，為文本挖掘分析技術(shù)在審計(jì)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(jì)問(wèn)題進(jìn)行了介紹，之后根據(jù)數(shù)據(jù)特點(diǎn)采用信息自動(dòng)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(jìn)行結(jié)構(gòu)化存儲(chǔ)，最后對(duì)提取的企業(yè)合同關(guān)鍵數(shù)據(jù)進(jìn)行稽核，發(fā)現(xiàn)審計(jì)問(wèn)題。

一、數(shù)據(jù)及問(wèn)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(jì)主要是針對(duì)合同的執(zhí)行情況，特別是合同付款情況的審計(jì)，包括合同總價(jià)，第一次付款時(shí)間、金額，第二次付款時(shí)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(duì)這類數(shù)據(jù)的審計(jì)，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(shí)間等），需要耗費(fèi)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(jì)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)，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(duì)概念節(jié)點(diǎn)進(jìn)行定義，建立和維護(hù)相關(guān)的模式，知識(shí)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(qiáng)，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?；谝?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(diǎn)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(jìn)行文本信息抽取是一種基于統(tǒng)計(jì)學(xué)習(xí)的抽取方法。企業(yè)合同數(shù)據(jù)需要提取的信息主要包括以下幾類：

（一）合同編號(hào)、合同名稱

在企業(yè)合同中，合同編號(hào)、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(duì)應(yīng)的信息即可。

（二）合同總價(jià)

在企業(yè)合同中，合同總價(jià)會(huì)有明確關(guān)鍵字進(jìn)行標(biāo)識(shí)，如服務(wù)費(fèi)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(dá)式提取金額數(shù)據(jù)。貨幣數(shù)據(jù)識(shí)別的正則表達(dá)式為

（三）付款時(shí)間

在合同中，如果付款時(shí)間有明確的說(shuō)明，直接按時(shí)間的正則表達(dá)式提取數(shù)據(jù)即可，不同格式展示的時(shí)間其提取表達(dá)式不同，最簡(jiǎn)單的日期格式如YYYY/MM/DD，正則表達(dá)式為更為復(fù)雜的是，在合同中并沒(méi)有明確的說(shuō)明付款時(shí)間，而是“合同簽訂后幾個(gè)工作日內(nèi)”，此時(shí)就需要先提取合同簽訂日期，然后采用時(shí)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(shí)間會(huì)出現(xiàn)在同一段落中，在提取付款時(shí)間之后，采用與提取合同總價(jià)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(kāi)戶銀行、賬號(hào)和開(kāi)戶名，這類信息在合同里一般有明確的說(shuō)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(duì)應(yīng)的數(shù)據(jù)，以便對(duì)合同付款情況進(jìn)行稽查。

將從企業(yè)合同中提取的關(guān)鍵信息存儲(chǔ)于數(shù)據(jù)庫(kù)提前建好的數(shù)據(jù)表中，實(shí)現(xiàn)結(jié)構(gòu)化存儲(chǔ)，方便對(duì)合同進(jìn)行審計(jì)。

三、、自動(dòng)稽核

對(duì)企業(yè)合同的審計(jì)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)據(jù)來(lái)源與財(cái)務(wù)系統(tǒng)中銀行返回的數(shù)據(jù)）對(duì)比，進(jìn)行自動(dòng)稽核，發(fā)現(xiàn)審計(jì)問(wèn)題。具體的實(shí)現(xiàn)方法如下：

（一）根據(jù)關(guān)注的審計(jì)問(wèn)題，制定審計(jì)規(guī)則

根據(jù)審計(jì)問(wèn)題表象（如未按合同條款執(zhí)行付款A(yù)1，提前付款A(yù)2，付款金額不一致A3）定義審計(jì)問(wèn)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(hào)，A*…A*為規(guī)則所滿足的條件。

（二）對(duì)合同信息按照規(guī)則進(jìn)行稽核根據(jù)收款賬戶信息，找到需要審計(jì)的合同對(duì)應(yīng)的資金流數(shù)據(jù)，對(duì)比關(guān)注的信息項(xiàng)，主要是付款時(shí)間、金額，多次付款金額之和即為付款總額。如果沒(méi)有找到對(duì)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(shí)間提前，則為提前付款B2;如果金額不一致，則為付款金額不一致B3;如果付款時(shí)間提前且金額不一致，則為B4。滿足制定的審計(jì)規(guī)則的合同認(rèn)為存在審計(jì)問(wèn)題，根據(jù)滿足的條件不同，標(biāo)記不同的規(guī)則編號(hào)。

（三）對(duì)審計(jì)問(wèn)題進(jìn)行進(jìn)一步分析

按規(guī)則編號(hào)對(duì)存在的審計(jì)問(wèn)題進(jìn)行分組，對(duì)每類問(wèn)題進(jìn)行集中處理。

針對(duì)企業(yè)合同數(shù)據(jù)，采用信息抽取方法抽取需要審計(jì)的信息之后，與銀行返回的資金流數(shù)據(jù)進(jìn)行比對(duì)，發(fā)現(xiàn)存在的審計(jì)問(wèn)題，將審計(jì)結(jié)果存入數(shù)據(jù)庫(kù)，方便進(jìn)行查詢。因?qū)徲?jì)結(jié)果涉及到保密問(wèn)題，這里只給出審計(jì)結(jié)果表的表結(jié)構(gòu)，如下表所示：

針對(duì)審計(jì)結(jié)果表，既可以按照規(guī)則編號(hào)，對(duì)審計(jì)問(wèn)題進(jìn)行分組集中處理，也可以按照合同編號(hào)查詢指定合同的審計(jì)結(jié)果。將合同數(shù)據(jù)以及銀行返回結(jié)果關(guān)聯(lián)到一張表中，可以更方便的驗(yàn)證審計(jì)結(jié)果。

四、結(jié)論

本文利用信息自動(dòng)抽取技術(shù)，基于企業(yè)合同數(shù)據(jù)，從中自動(dòng)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(jìn)行結(jié)構(gòu)化，然后與銀行返回的資金流數(shù)據(jù)進(jìn)行自動(dòng)比對(duì)，發(fā)現(xiàn)審計(jì)問(wèn)題。

本文只是文本挖掘技術(shù)在審計(jì)稽核應(yīng)用的一個(gè)探索性嘗試。在審計(jì)工作中引進(jìn)文本挖掘技術(shù)，不僅可以大大降低純粹人工審計(jì)耗費(fèi)的人力、財(cái)力成本，而且可以降低因人為疏忽造成審計(jì)問(wèn)題遺漏的情況發(fā)生。雖然目前文本挖掘技術(shù)在審計(jì)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(duì)文本挖掘技術(shù)的深入研究，文本挖掘在審計(jì)稽核工作中的應(yīng)用將會(huì)不斷發(fā)展和完善。

參考文獻(xiàn)：

[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(jì)數(shù)據(jù)分析框架[J].會(huì)計(jì)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(jì)算機(jī)科學(xué)報(bào)，2015，02：14-17.

[4]李保利，陳玉忠，俞士汶.信息抽取研究綜述[J].計(jì)算機(jī)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(shí)體識(shí)別研究[J].計(jì)算機(jī)科學(xué)，2005，04：44-48.

[7]俞鴻魁，張華平，等.基于層疊隱馬爾科夫模型的中文命名實(shí)體識(shí)別[J].通信學(xué)報(bào)，2006，02：87-93.

[8]趙妍妍，秦兵，車萬(wàn)翔，等.中文事件抽取技術(shù)研究[J].中文信息學(xué)報(bào)，2008，22（1）：3-8.

[9]徐凡，朱巧明，周國(guó)棟.篇章分析技術(shù)綜述[J].中文信息學(xué)報(bào)，2013，3：20-32.