基于自然語言技術(shù)的內(nèi)部審計風(fēng)險預(yù)警框架構(gòu)建與應(yīng)用

李猛 朱迎際 莊軼

[關(guān)鍵詞]自然語言 內(nèi)部審計 非結(jié)構(gòu)化數(shù)據(jù) 風(fēng)險預(yù)警

風(fēng)

一、文獻(xiàn)綜述

現(xiàn)今商業(yè)銀行面臨的風(fēng)險，影響最大的是當(dāng)前經(jīng)濟(jì)下行周期形勢下，不斷頻發(fā)的信用風(fēng)險以及對信用風(fēng)險的控制及其穩(wěn)定情況的影響。因此，建立商業(yè)銀行授信風(fēng)險預(yù)警機(jī)制是防范風(fēng)險、避免爆發(fā)危機(jī)的重要措施之一。風(fēng)險預(yù)警機(jī)制在商業(yè)銀行中的應(yīng)用，分為宏觀層面和微觀層面，本文重點(diǎn)關(guān)注商業(yè)銀行審計風(fēng)險預(yù)警機(jī)制的構(gòu)建，即風(fēng)險預(yù)警機(jī)制微觀層面模型方法的選擇。

（一）自然語言處理技術(shù)

自然語言處理（Natural Language Processing）是人工智能中最難解決的問題之一，是運(yùn)用人類自然語言與計算機(jī)系統(tǒng)進(jìn)行通信、交互等不可缺少的技術(shù)。借助人工智能的優(yōu)勢，該技術(shù)可以全面運(yùn)用商業(yè)銀行內(nèi)部生成的大數(shù)據(jù)，不斷訓(xùn)練和調(diào)整風(fēng)險預(yù)警模型，使風(fēng)險預(yù)警模型通過自我學(xué)習(xí)適應(yīng)商業(yè)銀行內(nèi)外部環(huán)境的變化，提高風(fēng)險預(yù)警的正確性和預(yù)測效率。自然語言處理技術(shù)在新時代下可運(yùn)用于語義分析、信息抽取、文本挖掘、機(jī)器翻譯（PF Brown等，1993）、信息檢索、問答系統(tǒng)、對話系統(tǒng)（Su P H等，2016）等高新技術(shù)領(lǐng)域，并顯著提升工作效率，更早發(fā)現(xiàn)各類風(fēng)險。

自然語言處理被定義為一門研究人與人之間交流以及人與計算機(jī)交流中語言問題的基礎(chǔ)學(xué)科。Bill Manaris（1998）認(rèn)為，自然語言處理要研究表示語言能力和語言應(yīng)用的模型，建立計算機(jī)自動框架來實(shí)現(xiàn)特定的語言模型，提出對應(yīng)方案，逐漸改進(jìn)語言模型，根據(jù)語言模型設(shè)計各種應(yīng)用系統(tǒng)并探討這些應(yīng)用系統(tǒng)的測評技術(shù)。李生（2013）指出，自然語言處理的研發(fā)方法分為基于規(guī)則和基于統(tǒng)計兩種，前者是手動獲取語言規(guī)則，后者則是通過對海量語料庫的計量分析，對自然語言進(jìn)行處理。自然語言處理的底層研究主要包括詞法、句法、語義、語用、語境與篇章等分析研究。林奕歐等（2017）指出，深度學(xué)習(xí)方法逐步在機(jī)器翻譯、機(jī)器問答、自動文摘、閱讀理解等自然語言理解領(lǐng)域發(fā)展，逐漸成為自然語言處理的主流工具?！胺植际教卣鞅硎尽笔巧疃葘W(xué)習(xí)與自然語言處理相結(jié)合的切入點(diǎn)，這些分布式特征是通過神經(jīng)網(wǎng)絡(luò)語言模型學(xué)習(xí)得到的。

自然語言處理的常見算法包括隱馬爾可夫模型、條件隨機(jī)場和神經(jīng)網(wǎng)絡(luò)等。微軟亞洲研究院（2017）指出，自然語言處理技術(shù)的研究與應(yīng)用主要包括以下方面：一是句法語義分析。對于給定的句子進(jìn)行句法分析、語義角色解析和多義詞消歧等。二是信息抽取。從給定文本中抽取重要信息，涉及實(shí)體解析、時間抽取、因果關(guān)系抽取等關(guān)鍵技術(shù)。三是文本數(shù)據(jù)挖掘。包括文本聚類、分類、信息抽取等以及對挖掘信息和知識的可視化、交互式的表達(dá)界面等。四是機(jī)器翻譯。把輸入的源語言文本通過自動翻譯獲得另外一種語言的文本，可細(xì)分為文本翻譯、語音翻譯、圖形翻譯等。五是信息檢索。為大規(guī)模文檔中的詞匯建立索引，并對輸入的查詢表達(dá)式（如一個檢索詞或者一個句子）進(jìn)行分析，然后在索引中查找匹配的候選文檔。六是問答系統(tǒng)。對自然語言表達(dá)的問題，由問答系統(tǒng)給出精準(zhǔn)答案。七是對話系統(tǒng)。通過一系列的對話，同用戶進(jìn)行聊天，完成某一項(xiàng)任務(wù)。

（二）內(nèi)部審計風(fēng)險預(yù)警

從模型方法選擇來看，風(fēng)險預(yù)警的傳統(tǒng)模型有其自身固有的局限性，如一般依托于線性和結(jié)構(gòu)化數(shù)據(jù)，難以處理復(fù)雜的非線性和非結(jié)構(gòu)化數(shù)據(jù)形成的新模型，缺少自我訓(xùn)練和自我調(diào)整商業(yè)銀行環(huán)境變化的能力。新常態(tài)下的金融背景加劇了商業(yè)銀行內(nèi)外部環(huán)境的變化，促使商業(yè)銀行風(fēng)險呈現(xiàn)出繁雜性和不穩(wěn)定性，因而傳統(tǒng)風(fēng)險預(yù)警模型難以符合當(dāng)前金融形勢下對內(nèi)部審計提出的要求，亟待一種新技術(shù)的引入以進(jìn)一步擴(kuò)大審計范圍、優(yōu)化審計工具、提高審計效率，同時具有自我學(xué)習(xí)能力，適應(yīng)不斷變化的現(xiàn)代業(yè)務(wù)模式。

魯愛民等（2012）指出，審計預(yù)警系統(tǒng)的主要構(gòu)成應(yīng)該包括對商業(yè)銀行內(nèi)外部經(jīng)營環(huán)境的評測、對企業(yè)治理機(jī)制與貫徹執(zhí)行程度的審計、對關(guān)聯(lián)風(fēng)險解析的審計以及數(shù)據(jù)分析與預(yù)警通知四大部分。生麗英（2017）認(rèn)為，風(fēng)險模型是在選擇具有一定特征樣本的基礎(chǔ)上，借助統(tǒng)計分析方法，在預(yù)警自變量指標(biāo)與問題發(fā)生的概率性因變量指標(biāo)之間，通過實(shí)際驗(yàn)證分析建立間接或直接的函數(shù)性關(guān)系。一個實(shí)用的風(fēng)險預(yù)警系統(tǒng)應(yīng)包括四個部分：風(fēng)險的檢查測試與分析、評價風(fēng)險水平、傳送高效可靠的預(yù)警信息、確定風(fēng)險應(yīng)急處理機(jī)制。譚紅艷（2015）提出了金融內(nèi)部審計預(yù)警系統(tǒng)構(gòu)建的初步設(shè)想，即設(shè)定預(yù)警目標(biāo)、設(shè)計預(yù)警標(biāo)準(zhǔn)、明確預(yù)警閥值、預(yù)警信息反饋等五個步驟。包商銀行股份有限公司審計部（2017）從建立預(yù)警監(jiān)測信息平臺、實(shí)現(xiàn)資源整合管理、完善預(yù)警監(jiān)測基本方法和工具三個方面構(gòu)建了非現(xiàn)場審計預(yù)警監(jiān)測體系運(yùn)作模式。武慕汐等（2017）認(rèn)為政府審計預(yù)警系統(tǒng)應(yīng)當(dāng)由預(yù)警模塊、信息模塊、干預(yù)模塊及反饋調(diào)節(jié)模塊構(gòu)成。中國建設(shè)銀行審計部（2017）運(yùn)用非現(xiàn)場審計系統(tǒng)，整合銀行多個系統(tǒng)數(shù)據(jù)資源，定義相關(guān)指標(biāo)，編制非現(xiàn)場模型群組，建立企業(yè)經(jīng)營狀況定量分析、企業(yè)重大風(fēng)險事項(xiàng)定性評價兩大核心模塊，再通過風(fēng)險整合工具，形成對公授信客戶分類預(yù)警名單。

（三）授信業(yè)務(wù)審計

當(dāng)前商業(yè)銀行授信業(yè)務(wù)工作中存在貸前風(fēng)險防范意識淡薄、內(nèi)部控制制度執(zhí)行不嚴(yán)、貸后檢查管理不到位、授信從業(yè)人員素質(zhì)有待提高等問題。SC Chen等（2011）以某銀行的授信審計數(shù)據(jù)為例，構(gòu)建了能夠有效識別授信業(yè)務(wù)規(guī)則的潛在關(guān)鍵因素的模型，最大限度地降低授信風(fēng)險相關(guān)損失，從而有效提升銀行授信業(yè)務(wù)的穩(wěn)定性和盈利能力。李燁等（2013）通過分析新時期農(nóng)商行授信風(fēng)險的內(nèi)容和授信管理的現(xiàn)狀，指出內(nèi)部審計工作有助于識別授信風(fēng)險領(lǐng)域，確定授信管理戰(zhàn)略目標(biāo)，指導(dǎo)授信管理戰(zhàn)略調(diào)整。中國農(nóng)業(yè)銀行審計局成都分局課題組（2013）根據(jù)各業(yè)務(wù)品種建立起貸款金額抽樣模型、風(fēng)險要素抽樣模型和風(fēng)險特征抽樣模型，對商業(yè)銀行授信業(yè)務(wù)審計中的抽樣問題進(jìn)行了研究，使得抽取的樣本更集中于高風(fēng)險領(lǐng)域。侯景波等（2015）對商業(yè)銀行集團(tuán)授信業(yè)務(wù)中資金運(yùn)用失控、多頭授信套利、放大信用風(fēng)險等問題的審計檢查與監(jiān)督進(jìn)行了探討。甘肅銀行股份有限公司（2017）在項(xiàng)目實(shí)施中引入群組化模型來完成數(shù)據(jù)整合、挖掘和分析，形成了一套較為系統(tǒng)的適用于城市商業(yè)銀行授信業(yè)務(wù)內(nèi)部審計工作的方法體系，提高了內(nèi)部審計質(zhì)量。

以上風(fēng)險模型實(shí)際案例多基于傳統(tǒng)形式為線性范式的各類模型，而這些模型僅基于結(jié)構(gòu)化數(shù)據(jù)才能實(shí)現(xiàn)，有一定的局限性。隨著大數(shù)據(jù)、人工智能技術(shù)的發(fā)展，基于人工智能技術(shù)的深度學(xué)習(xí)、自然語言處理技術(shù)的智能化模型逐步產(chǎn)生。大數(shù)據(jù)技術(shù)可以解析處理文本、圖片、音視頻等非結(jié)構(gòu)化數(shù)據(jù)，機(jī)器的深度學(xué)習(xí)可以模仿人類的學(xué)習(xí)技巧不斷提高。最著名的案例是2017年戰(zhàn)勝世界排名第一圍棋手柯潔的阿爾法狗。2018年5月，谷歌公司發(fā)布的語音助手實(shí)現(xiàn)了機(jī)器向飯店、發(fā)廊打電話預(yù)約時間等，這些成就再次讓人感受到人工智能的魅力。

二、框架構(gòu)建

隨著我國市場經(jīng)濟(jì)的不斷發(fā)展，商業(yè)銀行授信業(yè)務(wù)已經(jīng)成為主要的資產(chǎn)業(yè)務(wù)，授信業(yè)務(wù)的發(fā)展是商業(yè)銀行發(fā)展的重要基礎(chǔ)，也是商業(yè)銀行利益增長的重要途徑。其中的授信風(fēng)險管理和控制就變得更加重要，如果授信風(fēng)險管理和控制不到位很可能影響商業(yè)銀行自身的發(fā)展，甚至威脅市場經(jīng)濟(jì)的穩(wěn)定。我國商業(yè)銀行授信風(fēng)險管理過程中存在的問題包括不良貸款率較高、授信風(fēng)險管理內(nèi)部控制機(jī)制不健全等。新常態(tài)下加強(qiáng)對商業(yè)銀行授信風(fēng)險的管理和控制，對我國商業(yè)銀行發(fā)展乃至經(jīng)濟(jì)金融的穩(wěn)定都具有重要意義，商業(yè)銀行也可以利用對授信風(fēng)險的合理控制，實(shí)現(xiàn)利益的增長，從而提高在市場經(jīng)濟(jì)中的核心競爭力。

當(dāng)前，國內(nèi)外尚無將自然語言處理技術(shù)成功用于授信業(yè)務(wù)內(nèi)部審計風(fēng)險預(yù)警、落實(shí)授信業(yè)務(wù)規(guī)定、防范授信業(yè)務(wù)風(fēng)險的框架?；谧匀徽Z言處理技術(shù)的內(nèi)部審計風(fēng)險預(yù)警框架（如圖1所示）屬于商業(yè)銀行風(fēng)險預(yù)警框架，目的是借助內(nèi)部審計部門構(gòu)建的自然語言處理項(xiàng)目，評估商業(yè)銀行授信業(yè)務(wù)相關(guān)風(fēng)險水平，輸出商業(yè)銀行授信業(yè)務(wù)風(fēng)險預(yù)警信息，明確授信風(fēng)險來源，提供風(fēng)險處理非現(xiàn)場監(jiān)控意見，從而達(dá)到降低甚至清除風(fēng)險狀態(tài)或應(yīng)對風(fēng)險、降低風(fēng)險損失的目標(biāo)。

本框架以授信業(yè)務(wù)中的審批意見或調(diào)查報告為數(shù)據(jù)基礎(chǔ)，應(yīng)用自然語言技術(shù)解析與核驗(yàn)后，輸出授信業(yè)務(wù)風(fēng)險記錄，進(jìn)一步進(jìn)行風(fēng)險預(yù)警。主要處理步驟如下。

（一）資料準(zhǔn)備

通過跑批腳本從商業(yè)銀行大數(shù)據(jù)平臺批量自動提取來自授信業(yè)務(wù)系統(tǒng)各環(huán)節(jié)（評級、授信、授信調(diào)整、用信、放款等環(huán)節(jié)）的非結(jié)構(gòu)化數(shù)據(jù)（審批意見、調(diào)查報告等）和結(jié)構(gòu)化數(shù)據(jù)等資料，實(shí)現(xiàn)數(shù)據(jù)的每日自動更新。

（二）數(shù)據(jù)要素解析

數(shù)據(jù)資料準(zhǔn)備完成后，由計算機(jī)系統(tǒng)自動運(yùn)用自然語言技術(shù)智能解析授信業(yè)務(wù)各環(huán)節(jié)非結(jié)構(gòu)化數(shù)據(jù)中的業(yè)務(wù)要素和關(guān)注點(diǎn)，作為步驟3要素核驗(yàn)的數(shù)據(jù)來源。

（三）要素核驗(yàn)

由計算機(jī)系統(tǒng)自動將授信業(yè)務(wù)各環(huán)節(jié)非結(jié)構(gòu)化數(shù)據(jù)解析出的要素與授信業(yè)務(wù)各環(huán)節(jié)內(nèi)授信業(yè)務(wù)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行核驗(yàn)，某一環(huán)節(jié)解析出的要素與后續(xù)環(huán)節(jié)解析出的要素或授信業(yè)務(wù)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行核驗(yàn)，并基于相似度或概率算法判定授信業(yè)務(wù)各環(huán)節(jié)中的各要素是否存在不一致的情況，形成授信業(yè)務(wù)疑似風(fēng)險線索清單。

（四）數(shù)據(jù)輸出

將步驟2數(shù)據(jù)要素解析中形成的非結(jié)構(gòu)化數(shù)據(jù)要素解析結(jié)果、要素核驗(yàn)步驟形成的結(jié)果等輸出，形成關(guān)系數(shù)據(jù)庫可存儲的二維化關(guān)系表，每日自動傳送至操作型數(shù)據(jù)存儲，并可在商業(yè)銀行審計系統(tǒng)中查看分析，作為審計模型編寫人員編制非現(xiàn)場核查審計模型的數(shù)據(jù)基礎(chǔ)。

（五）非現(xiàn)場內(nèi)部審計核實(shí)

采用“初核—下發(fā)核實(shí)—復(fù)核”的作業(yè)流程，對于步驟4數(shù)據(jù)輸出中形成的授信業(yè)務(wù)疑似風(fēng)險清單，經(jīng)總部內(nèi)部審計人員初次復(fù)核后，通過商業(yè)銀行審計系統(tǒng)的非現(xiàn)場監(jiān)控模塊下發(fā)給各分支機(jī)構(gòu)，由各分支機(jī)構(gòu)內(nèi)部審計人員進(jìn)行專人核實(shí)，并由總部內(nèi)部審計人員進(jìn)行再次復(fù)核。

（六）風(fēng)險預(yù)警

對于非現(xiàn)場內(nèi)部審計核實(shí)中已查證屬實(shí)的風(fēng)險記錄，通過非現(xiàn)場監(jiān)控報告定期通報，并作進(jìn)一步處理，作為今后現(xiàn)場審計發(fā)現(xiàn)問題的重要線索，充分發(fā)揮內(nèi)部審計第三道防線的作用。

三、框架解析算法與流程

基于自然語言處理技術(shù)的內(nèi)部審計風(fēng)險預(yù)警框架，主要通過自然語言處理技術(shù)中的語義分析算法來實(shí)現(xiàn)解析授信業(yè)務(wù)系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)的業(yè)務(wù)要素。

（一）自然語言處理解析算法

對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行有效處理，需要對其進(jìn)行統(tǒng)一的描述。在技術(shù)層面，首先，采用自然語言處理技術(shù)中的語義分析算法來處理非結(jié)構(gòu)化數(shù)據(jù)中的文本信息較為合適，引入中文核心語義庫，劃分出積極、中性、消極三個不同詞性的詞庫，然后解析句子結(jié)構(gòu)并根據(jù)文字傾向性進(jìn)行拆分，進(jìn)而對整篇文檔進(jìn)行語境解析，自動生成摘要并提取關(guān)鍵信息;其次，將多份相同類型的文檔進(jìn)行橫向比較，從而挖掘出信息間的關(guān)聯(lián)關(guān)系;最后，對海量信息進(jìn)行挖掘，解析出關(guān)注熱點(diǎn)，發(fā)掘潛在價值。非結(jié)構(gòu)化數(shù)據(jù)主要挖掘流程如下：

1. 詞語。語別與詞匯的意義。

2. 句子。解析句子結(jié)構(gòu)，解析文字傾向性。

3. 篇章。解析篇章語境，自動生成摘要，提取關(guān)鍵信息。

4. 多文檔。事件發(fā)現(xiàn)與跟蹤，解析信息關(guān)聯(lián)性。

5. 海量信息。解析熱點(diǎn)，發(fā)掘價值。

語義分析是在分解辨析句子的語法構(gòu)成和詞義上，推演出可以反映該語句含義的形式化表達(dá)，從而使計算機(jī)解析出人類自然語言，并進(jìn)行深層次的知識獲取，抽取出句子背后的語義信息，其處理流程如圖2所示。對于待處理的文本數(shù)據(jù)，通過語義分析技術(shù)解析出其中包含的語義信息，并建立索引;而對于使用者的查詢數(shù)據(jù)，采用相同的方法以備查詢所用。通過計算關(guān)鍵字和語義片段的相似度，將各個語義的相似程度進(jìn)行融合，最終得到查詢語句的相似度，從數(shù)據(jù)源中找出對應(yīng)文本信息。

語義分析技術(shù)目前已廣泛運(yùn)用于語義檢索和查詢結(jié)果優(yōu)化的研究中，審計底稿中絕大部分材料是非結(jié)構(gòu)化的文字描述，有很多底稿還包含審計人員的主觀評價。因此，可以通過語義分析技術(shù)挖掘出文本中的主客觀性、觀點(diǎn)、審批意見等，對其情感傾向作出判斷。

（二）解析算法實(shí)現(xiàn)流程

自然語言處理解析算法實(shí)現(xiàn)語義信息提取的全流程，主要包括以下環(huán)節(jié)：

1. 語法處理。在傳統(tǒng)自然語言算法處理的基礎(chǔ)上，引入深度學(xué)習(xí)領(lǐng)域先進(jìn)的算法，主要做法是對文本中的語句進(jìn)行切分、詞性標(biāo)注，并確定詞性間的語法關(guān)系，如主謂、動賓、定中等關(guān)系。

2. 語句過濾。由于后一階段的需要，對于語法處理中某些無意義的信息或獲取不到正常語義信息的句子，本階段會將其過濾。

3. 主干提取。通過分析主干句子的詞性來明確語句所屬的句型，如在語句中出現(xiàn)狀中關(guān)系和定中關(guān)系時，可以去掉其中表示狀語和定語的詞。

4. 句型解析。通過提取的句子主干成分，分析詞性來明確該句子的句型，如某一語句結(jié)構(gòu)為“代詞—動詞—名詞”時，即可明確該語句符合陳述句的句型。

5. 修飾詞獲取。在最終確定語義信息之前，需要分析語句中的修飾詞，提取其中修飾性詞語包含的信息，如定語、補(bǔ)語等。

6. 信息生成。根據(jù)上一階段的處理結(jié)果，提取出語義片段，通過結(jié)構(gòu)化信息的形式表現(xiàn)出來。

四、框架應(yīng)用——以NJ銀行授信業(yè)務(wù)為例

NJ銀行授信業(yè)務(wù)流程中產(chǎn)生了大量非結(jié)構(gòu)化文本數(shù)據(jù)，比如各類審批意見和調(diào)查報告等，而現(xiàn)有的非現(xiàn)場監(jiān)控模型由人工基于結(jié)構(gòu)化二維數(shù)據(jù)構(gòu)建，缺少對審批意見等數(shù)據(jù)的分析應(yīng)用。本文提出的基于自然語言處理技術(shù)的內(nèi)部審計風(fēng)險預(yù)警框架的目的，是結(jié)合實(shí)踐經(jīng)驗(yàn)，運(yùn)用自然語言處理技術(shù)對此類非結(jié)構(gòu)化文本信息進(jìn)行解析和挖掘，將文本中的關(guān)鍵信息數(shù)據(jù)化，與傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)結(jié)合分析，作出具有前瞻性、實(shí)用性的成果。利用大數(shù)據(jù)和人工智能與銀行業(yè)務(wù)相結(jié)合的應(yīng)用，提高非現(xiàn)場審計中風(fēng)險預(yù)警工作效率和業(yè)務(wù)洞察力。

本項(xiàng)目需運(yùn)用自然語言處理技術(shù)對客戶評級環(huán)節(jié)的審批意見、授信環(huán)節(jié)的審批意見和調(diào)查報告、授信環(huán)節(jié)額度或利率歷次調(diào)整（個別業(yè)務(wù)會有要素調(diào)整）的會簽意見和調(diào)查報告、用信環(huán)節(jié)的審批意見和調(diào)查報告進(jìn)行解析，從而進(jìn)一步落實(shí)審批意見。

（一）業(yè)務(wù)需求

1.授信審批意見和調(diào)查報告語義解析。解析NJ銀行授信業(yè)務(wù)流程，自動批量采集并展現(xiàn)NJ銀行尚未結(jié)清的所有授信業(yè)務(wù)每個環(huán)節(jié)的審批意見和調(diào)查報告等。運(yùn)用自然語言處理技術(shù)解析客戶評級環(huán)節(jié)的審批意見、授信環(huán)節(jié)的審批意見和調(diào)查報告、授信環(huán)節(jié)額度或利率歷次調(diào)整的會簽意見和調(diào)查報告，用信環(huán)節(jié)的審批意見和調(diào)查報告，解析出業(yè)務(wù)要素等關(guān)注點(diǎn)（如業(yè)務(wù)品種、申請金額等），如表1所示。

2.對比和核驗(yàn)。利用豐富的語料庫，結(jié)合深度學(xué)習(xí)平臺，從NJ銀行存量及新增審批意見和調(diào)查報告中解析出重點(diǎn)關(guān)注點(diǎn)并進(jìn)一步結(jié)構(gòu)化，提供與授信業(yè)務(wù)中業(yè)務(wù)要素進(jìn)行對比、核驗(yàn)的依據(jù)，對比與核驗(yàn)的要素主要包括業(yè)務(wù)品種、額度等。對比與核驗(yàn)主要包括三部分：一是用信環(huán)節(jié)是否突破授信環(huán)節(jié)（如有授信額度的要素調(diào)整環(huán)節(jié)，以調(diào)整后的為準(zhǔn)）的限制。二是用信環(huán)節(jié)解析出的要素與信貸系統(tǒng)中記錄實(shí)際發(fā)生的放款環(huán)節(jié)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行對比和核驗(yàn)。三是客戶評級環(huán)節(jié)、授信環(huán)節(jié)、授信要素調(diào)整環(huán)節(jié)、用信環(huán)節(jié)等解析出的業(yè)務(wù)要素等關(guān)注點(diǎn)與各自環(huán)節(jié)內(nèi)信貸系統(tǒng)存在的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行對比和核驗(yàn)。

將上述解析出的業(yè)務(wù)要素等關(guān)注點(diǎn)，形成結(jié)構(gòu)化數(shù)據(jù)，傳送至操作型數(shù)據(jù)存儲，輔助完成對審批意見和調(diào)查報告落實(shí)情況的檢查，進(jìn)一步拓展應(yīng)用范圍。通過整合NJ銀行內(nèi)外部數(shù)據(jù)，構(gòu)建支撐各類應(yīng)用的語義實(shí)體庫，提供智能、靈活的交互式圖譜分析解決方案。在解析過程中，幫助NJ銀行完成授信業(yè)務(wù)語料庫（業(yè)務(wù)要素等關(guān)注點(diǎn)）的智能積累，實(shí)現(xiàn)系統(tǒng)深度學(xué)習(xí)，不斷調(diào)優(yōu)，推動授信風(fēng)險管理的智能化。

（二）系統(tǒng)實(shí)現(xiàn)

基于自然語言處理技術(shù)的內(nèi)部審計風(fēng)險預(yù)警框架所開發(fā)的應(yīng)用系統(tǒng)采用B/S架構(gòu)（即Browser/Server，瀏覽器/服務(wù)器），兼容性強(qiáng)。軟件方面采用主流語言和數(shù)據(jù)庫Java、Hadoop、ArangoDB、MySQL、Elastic Search等，硬件方面采用3臺數(shù)據(jù)庫服務(wù)器、1臺Web服務(wù)器、1臺自然語言解析與核驗(yàn)服務(wù)器。系統(tǒng)每日從操作型數(shù)據(jù)存儲中提取數(shù)據(jù)，經(jīng)自然語言處理要素解析與核驗(yàn)后，形成授信業(yè)務(wù)風(fēng)險記錄輸出，系統(tǒng)詳細(xì)架構(gòu)如圖3所示。

（三）應(yīng)用成效

NJ銀行運(yùn)用基于自然語言處理技術(shù)，每日處理公司客戶約10，000戶，未結(jié)清授信業(yè)務(wù)約50，000筆，在授信環(huán)節(jié)核驗(yàn)方面發(fā)現(xiàn)風(fēng)險記錄約300條，在授信調(diào)整環(huán)節(jié)核驗(yàn)方面發(fā)現(xiàn)風(fēng)險記錄約50條，在用信環(huán)節(jié)核驗(yàn)方面發(fā)現(xiàn)風(fēng)險記錄約3500條，用信環(huán)節(jié)是否突存授信環(huán)節(jié)核驗(yàn)方面發(fā)現(xiàn)風(fēng)險記錄約830條，放款環(huán)節(jié)與用信環(huán)節(jié)核驗(yàn)方面發(fā)現(xiàn)風(fēng)險記錄約3600條，可見授信業(yè)務(wù)用信環(huán)節(jié)是內(nèi)部審計需重點(diǎn)關(guān)注的方向，是貸后管理的重要參考。

通過智能審計系統(tǒng)分發(fā)給各分行進(jìn)行非現(xiàn)場審計核實(shí)查證，經(jīng)內(nèi)部審計人員比對授信業(yè)務(wù)系統(tǒng)中的審批意見與執(zhí)行信息，核實(shí)確認(rèn)兩者不一致的風(fēng)險記錄，發(fā)現(xiàn)了主要問題，充分發(fā)揮了運(yùn)用自然語言處理技術(shù)進(jìn)行內(nèi)部審計風(fēng)險預(yù)警的效果。

（作者單位：南京銀行，郵政編碼：210008，電子郵箱：lim9@njcb.com.cn）

主要參考文獻(xiàn)

李生.自然語言處理的研究與發(fā)展[J].燕山大學(xué)學(xué)報， 2013（5）：377-384

林奕歐，雷航，李曉瑜等.自然語言處理中的深度學(xué)習(xí)：方法及應(yīng)用[J].電子科技大學(xué)學(xué)報， 2017（6）：913-919

魯愛民，盂志青.審計預(yù)警系統(tǒng)的構(gòu)建研究[J].會計之友， 2012（29）：91-98

生麗英.企業(yè)風(fēng)險的內(nèi)部審計預(yù)警機(jī)制研究：基于大數(shù)據(jù)與ANN模型的應(yīng)用[J].中國內(nèi)部審計， 2017（9）：12-18

武慕汐，馮淑霞.關(guān)于構(gòu)建政府審計預(yù)警機(jī)制的思考[J].經(jīng)濟(jì)師， 2017（8）：160-161