CN113553444A - 一种基于超边的审计知识图谱表示模型及关联推理方法 - Google Patents

Abstract

本发明公开了一种基于超边的审计知识图谱表示模型及关联推理方法。首先构建了基于超边的审计知识图谱表示模型，从项目类型、审计分析、审计规范、行为数据四个方面对审计涉及的关键实体及其关系进行描述；为了将审核点中的逻辑关系准确表示在图谱中，在三元组的基础上引入了超边和超节点(包括If，And，Or和Basic四种类型)。然后，在此模型上引入图表示学习方法，提出了三种实体语义关联(包括条款‑条款关联，字段‑字段关联，审核点‑字段关联)的推理方法。本发明借助构建的模型和方法引导审计分析过程，在出现疑点时增强审计人员对规范的理解，并对下一步审查方向进行联想推荐，从人工审计转变为智能审计，大大提升了审计效率。

Description

一种基于超边的审计知识图谱表示模型及关联推理方法

技术领域

本发明属于人工智能审计领域，具体涉及一种基于超边的审计知识图谱表示模型及关联推理方法。

背景技术

审计是由专职机构和人员对被审计单位的财政、财务收支及其他经济活动的真实性、合法性、效益性进行审查和评价的独立性经济监督活动，核心是合规性检查。近几年随着大数据、人工智能的兴起，审计也逐渐从人工审计向智能审计进行转变，具体包含三部分：从抽样审计模式向总体审计模式转变、从精确的数字审计向高效的数据审计转变和从事后审计向事中事前审计转变，通过智能审计可以大大提高审计工作的效率。

在审计过程中，审计规范(比如规章制度、法律条款等)是很重要的一个审计依据，但规范主要存在于审计人员的大脑中，或临时查阅文件，这样就导致了知识点零散，缺乏合理组织，容易遗漏一些关键点，同时关联行为的联想对比分析能力有限，于是提出了构建审计知识图谱来解决这一问题，让机器理解和利用审计规范，发现审计规范知识之间的关联，并有效地进行新知识的抽取与更新，实现审计智能化。

但是现有的审计知识图谱普遍存在下面五个问题：时效性(规范会不断进行版本更新，过期的规范将失效)；可靠性(不同来源的规范应具有不同的置信度)；多个实体之间的复杂依赖关系(简单的三元组形式无法表示，可能由主关系和约束条件组成)；规范流程知识(由若干环节组成，之间存在序关系)；无法结合具体审计业务实现关联推理。

发明内容

本发明的目的在于针对现有审计知识图谱的不足，提供一种基于超边的审计知识图谱表示模型及关联推理方法。

为实现上述目的，本发明是通过以下技术方案实现的：一种基于超边的审计知识图谱表示模型，包括概念、实体及其关系类型；所述概念包括审计涉及的项目、审计分析、规范和数据；所述项目包括总项目类型、一级项目类型和二级项目类型；所述审计分析包括审核点类型、一级审核点和二级审核点；所述规范包括条款、文档和制订单位；所述数据包括字段、菜单和***；所述实体为每一类概念下的具体表示；所述关系类型包括关联、出现于、包含于、历史版本、属于、表关联和超边关联；以所述二级审核点为轴，串联项目、规范和数据；

本发明提出了一种基于超边的审计知识图谱的关联推理方法，具体包括以下步骤：

(1)构建审计知识图谱表示模型：构建概念、实体及其关系类型，利用所述概念及其关系类型构成三元组；所述三元组组成审计知识图谱表示模型；

(2)构建基于超边的审计知识图谱表示模型：在步骤(1)构建的审计知识图谱表示模型上引入超边和超节点；所述超边为连接多于两个节点的边；所述超节点为表示超边而引入，所述超节点类型包括If、And、Or和Basic；

(3)利用步骤(2)得到的基于超边的审计知识图谱表示模型进行关联推理：使用图表示学习模型进行审计知识图谱嵌入得到每个实体和关系类型的向量，再利用该向量两两之间的余弦相似度得到语义关联的推理结果，所述语义关联的推理结果包括条款-条款、字段-字段和审核点-字段；

进一步地，所述步骤(1)包括以下子步骤：

(1.1)构建概念、实体及其关系类型：所述概念包括审计涉及的项目、审计分析、规范和数据；所述项目包括总项目类型、一级项目类型和二级项目类型；所述审计分析包括审核点类型、一级审核点和二级审核点；所述规范包括条款、文档和制订单位；所述数据包括字段、菜单和***；所述实体为每一类概念下的具体表示；所述关系类型包括关联、出现于、包含于、历史版本、属于、表关联和超边关联；以所述二级审核点为轴，串联项目、规范和数据；

(1.2)利用所述概念实体及其关系类型构成三元组：所述三元组中的前两个参数选自审计涉及的概念，最后一个参数选自关系类型，得到三元组；所述三元组组成审计知识图谱表示模型；

所述审计知识图谱表示模型包括但不限于以下三元组：文档_制定单位_关联、二级审核点_条款_关联、条款_文档_包含于、菜单_***_包含于、一级项目类型_二级审核点_关联、字段_字段_出现于、字段_字段_表关联、历史条款_条款_历史版本、字段_菜单_包含于、二级历史审核点_历史条款_关联、历史文档_文档_历史版本、二级审核点_一级审核点_属于、二级历史审核点_二级审核点_历史版本、历史条款_历史文档_包含于、一级项目类型_二级历史审核点_关联、一级审核点_审核点类型_属于、二级项目类型_二级审核点_关联、二级项目类型_一级项目类型_属于、超节点_超节点_超边关联、超节点_字段_超边关联、二级审核点_超节点_超边关联。

进一步地，其特征在于，所述步骤(3)包括以下子步骤：

(3.1)将基于超边的审计知识图谱整理成三元组形式作为所述图表示学习模型的输入；

(3.2)对步骤(3.1)输出的三元组中的每个实体及关系类型进行编号，所述编号从0开始；

(3.3)利用图表示学习模型嵌入得到每个实体和关系类型的向量；

(3.4)再计算该向量两两之间的余弦相似度，将余弦相似度从高到低排序，取前N个余弦相似度值作为语义关联的推理结果，所述N为自定义数值，所述语义关联的推理结果包括条款-条款、字段-字段和审核点-字段；

与现有技术相比，本发明的有益效果为：本发明提供了基于超边的审计知识图谱表示模型，将规范的有效期和可靠性分别作为属性放在审计知识图谱实体中，解决了现有审计知识图谱的时效性和可靠性问题；本发明针对多个实体之间的复杂依赖关系和规范流程知识问题，构建基于超边的审计知识图谱，将审计规则与其中包含的概念实体及其之间的关系整合起来；本发明可以结合具体审计业务，将图表示学习方法运用在提出的基于超边的审计知识图谱上，解决了现有审计***无法结合具体审计业务实现关联推理和联想推荐的问题。

附图说明

图1为本发明基于超边的审计知识图谱框架示意图；

图2为以二级审核点为轴的局部图谱。

具体实施方式

为了使本技术领域的人员更好地理解本发明，以下结合附图和具体实例进一步详细描述本发明，但不构成对本发明的限制。

本发明公开了一种基于超边的审计知识图谱表示模型，如图1所示，所述审计知识图谱表示模型的结构包括概念、实体及其关系类型；所述概念包括审计涉及的项目、审计分析、规范和数据；所述项目包括总项目类型、一级项目类型和二级项目类型；所述审计分析包括审核点类型、一级审核点和二级审核点；所述规范包括条款、文档和制订单位；所述数据包括字段、菜单和***；所述实体为每一类概念下的具体表示；所述关系类型包括关联、出现于、包含于、历史版本、属于、表关联和超边关联；

所述项目包括总项目类型、一级项目类型和二级项目类型，所述总项目类型包括所有项目；所述一级项目类型包括自设项目、横向项目和纵向项目；所述二级项目类型包括青年基金项目、重大项目、开放课题和科研平台建设与装备研制项目。

所述审核点类型包括资料完整性审计、任务书审计、科研数据审计和财务数据审计四大类；所述一级审核点为四类审核点下对应的内容，资料完整性审计包括项目立项材料、项目过程管理材料和项目验收材料，任务书审计包括项目经费预算、项目人员和项目期限，科研数据审计包括专家论证会意见、项目成果、项目经费审批、项目重要事项变更和项目状态管理，财务数据审计包括项目经费执行情况、采购费、设备费、研究实验费、劳务费、专家咨询费、会议费、差旅费、管理费、激励费和基本建设费；所述二级审核点则是一级审核点的进一步细化；

所述条款包括XX单位内部规章制度和审计相关法律法规的具体条款；所述文档包括XX单位内部规章制度和审计相关法律法规；所述制订单位为文档对应的制订单位；

所述字段为二级审核点对应的具体字段；所述菜单为字段的上一级目录；所述***为菜单对应的***，比如科研***，财务***等；

本发明公开了一种基于超边的审计知识图谱表示模型及关联推理方法，以具体科研项目审计领域为例，具体步骤包括：

(1)建立一种审计知识图谱表示模型，对审计涉及的关键实体及其关系类型进行描述，该模型主要包括概念、实体及其关系类型；所述概念包括审计涉及的项目、审计分析、规范和数据；所述项目包括项目类型；所述审计分析包括审核点类型、一级审核点和二级审核点；所述规范包括条款、文档和制订单位；所述数据包括字段、菜单和***；所述实体为每一类概念下的具体表示；所述关系类型包括关联、出现于、包含于、历史版本、属于、表关联和超边关联；所述三元组中的前两个参数选自审计涉及的概念，最后一个参数选自关系类型，得到三元组；所述三元组组成审计知识图谱表示模型；

以具体的二级审核点为轴，串联项目、规范和数据；图2为以二级审核点为轴的局部图谱，所述二级审核点的串联方式具体为：

A、项目(一级项目类型)：为自设项目，即该审核点属于自设项目审计范围；

B、审核点：二级审核点内容为项目无法按期完成时，项目负责人是否提前一定的阈值时间申请办理延期手续，一级审核点为项目重要事项变更，审核点类型为科研数据审计；

C、规范：二级审核点关联的条款：项目期限变更。项目无法按期完成时，项目负责人应提前一定的阈值时间申请办理延期手续，经所在研究中心审核同意后，报科研发展部审批。原则上第一次申请延长期限不得超过项目原定周期的四分之一，第二次申请不得超过原定周期的六分之一。延长两期后仍无法完成的项目，原则上按项目终止处理。；

D、数据：二级审核点对应到的数据字段有3个：项目结束时间、项目原定结束时间和提交期限变更申请时间。

(2)构建基于超边的审计知识图谱表示模型：在步骤(1)构建的审计知识图谱表示模型上引入超边和超节点；所述超边为连接多于两个节点的边；所述超节点为表示超边而引入，包括If、And、Or和Basic；所述超边为连接多于两个节点的边；

例如某二级审核点为：项目无法按期完成时，项目负责人是否提前一定的阈值时间申请办理延期手续，包括If和Basic这两种超节点类型，此时该二级审核点(审计规则)的逻辑关系就表示在了基于超边的审计知识图谱上：如果项目结束时间大于原定结束日期(If-1-Basic)，那么提交期限变更申请时间应在项目原定结束时间前一个月(If-2-Basic)。其中If执行的顺序按order属性的取值从小到大依次执行，具体为先执行If-1-Basic，若满足项目结束时间大于原定结束日期，再执行If-2-Basic；超边和超节点Basic中写了具体的规则。

例如某二级审核点为：条件建设项目、科研启动项目的经费是否外拨，如外拨，是否有主任办公会纪要审批通过，包括If和And这两种超节点类型，此时该二级审核点(审计规则)的逻辑关系就表示在了基于超边的审计知识图谱上：如果(If-1)外拨经费大于0(If-1-And-1)且项目类型为条件建设项目或科研启动项目(If-1-And-2)，那么查看是否有经费外拨主任办公会审批结果(If-2)。其中If执行的顺序按order属性的取值从小到大依次执行，具体为先执行If-1，然后执行超节点类型为And的局部图谱，还是先执行If-1-And-1，然后执行If-1-And-2，若两者均成立，再执行If-2；超边的属性中写了具体的规则。

例如某二级审核点为：直接费用调整金额超过该科目核定预算金额10％，或大于50万元但不高于200万元的，是否由项目负责人提出申请，经研究中心负责人审核后，报科研发展部审批，包括If和Or这两种超节点类型，此时该二级审核点(审计规则)的逻辑关系就表示在了基于超边的审计知识图谱上：如果(If-1)直接费用调整金额超过该科目核定预算金额10％(If-1-Or-1)或直接费用调整金额大于50万元但不高于200万元的(If-1-Or-2)，那么查看是否有对应审批结果(If-2)。其中If执行的顺序按order属性的取值从小到大依次执行，具体为先执行If-1，然后执行超节点类型为Or的局部图谱，还是先执行If-1-Or-1，然后执行If-1-Or-2，若两者任一成立，再执行If-2；超边和超节点Or的属性中写了具体的规则。

(3)利用步骤(2)得到的基于超边的审计知识图谱表示模型进行关联推理：使用图表示学习模型进行审计知识图谱嵌入得到每个实体和关系类型的向量，再利用该向量两两之间的余弦相似度得到语义关联的推理结果，所述语义关联的推理结果包括条款-条款、字段-字段和审核点-字段；包括以下步骤：

(3.1)将基于超边的审计知识图谱整理成三元组形式作为所述图表示学习模型的输入；

(3.2)对步骤(3.1)输出的三元组中的每个实体及关系类型进行编号，所述编号从0开始；

(3.3)利用图表示学习模型嵌入得到每个实体和关系类型的向量；

(3.4)再计算该向量两两之间的余弦相似度，将余弦相似度从高到低排序，取前N个余弦相似度值作为语义关联的推理结果，所述N为自定义数值，所述语义关联的推理结果包括条款-条款、字段-字段和审核点-字段；

利用本发明方法引用于具体的科研项目审计领域，得到语义关联的推理结果，包括条款-条款、字段-字段和审核点-字段。

所述审核点-字段具体为：

(a)其中审核点为判断科研数据审计—发表著作信息是否符合以下规定：著作×项。前5个审核点-字段对应向量的余弦相似度值作为该审核点的语义关联的推理结果，所述语义关联的推理结果为任务书文本提取的著作数量、项目实际申请软件著作权项数等，详细结果见下表1：

表1

(B)其中审核点为判断任务书是否存在：前5个审核点-字段对应向量的余弦相似度值语义关联的推理结果为项目任务书、课题任务书、立项通知书等。详细结果见下表2：

表2

所述条款-条款具体为：其中条款内容为项目管理专员在项目各阶段定期收集项目进展情况，评估项目问题风险，形成项目阶段性进展报告，向科研发展部汇报。其中关联条款为在每个阶段性任务约定的完成时间以及项目中期，对项目任务执行情况进行监督、检查和评估，建立监测评估机制。上述条款和关联条款分别从不同角度来说明项目过程管理，具有一定的关联性。详细结果见下表3：

表3

所述字段-字段具体为：

(a)其中字段为项目开始时间：前5个字段-字段对应向量的余弦相似度值为职称、负责人姓名、证件类型、证件号码和项目负责人信息，均涉及项目基本信息。详细结果见下表4：

表4

(b)其中字段为项目ID：前5个字段-字段对应向量的余弦相似度值为项目名称、职称、负责人姓名、证件类型和所属中心，均涉及项目基本信息。详细结果见下表5：

表5

上述实施例示例性说明了本发明的原理及其功效，而非用于限制本发明的范围。任何熟于此技术的本领域技术人员均可在不违背本发明的技术原理及精神下，对实施例作修改与变化。本发明的保护范围应以权力要求书所述为准。

Claims (4)

1.一种基于超边的审计知识图谱表示模型，其特征在于，包括概念、实体及其关系类型；所述概念包括审计涉及的项目、审计分析、规范和数据；所述项目包括总项目类型、一级项目类型和二级项目类型；所述审计分析包括审核点类型、一级审核点和二级审核点；所述规范包括条款、文档和制订单位；所述数据包括字段、菜单和***；所述实体为每一类概念下的具体表示；所述关系类型包括关联、出现于、包含于、历史版本、属于、表关联和超边关联；以所述二级审核点为轴，串联项目、规范和数据。

2.一种应用权利要求1所述的基于超边的审计知识图谱的关联推理方法，其特征在于，具体包括以下步骤：

(1)构建审计知识图谱表示模型：构建概念、实体及其关系类型，利用所述实体及其关系类型构成三元组；所述三元组组成审计知识图谱表示模型；

(2)构建基于超边的审计知识图谱表示模型：在步骤(1)构建的审计知识图谱表示模型上引入超边和超节点；所述超边为连接多于两个节点的边；所述超节点为表示超边而引入，所述超节点类型包括If、And、Or和Basic；

(3)利用步骤(2)得到的基于超边的审计知识图谱表示模型进行关联推理：使用图表示学习模型进行审计知识图谱嵌入得到每个实体和关系类型的向量，再利用该向量两两之间的余弦相似度得到语义关联的推理结果，所述语义关联的推理结果包括条款-条款、字段-字段和审核点-字段。

3.根据权利要求2所述的基于超边的审计知识图谱的关联推理方法，其特征在于，所述步骤(1)包括以下子步骤：

(1.1)构建概念、实体及其关系类型：所述概念包括审计涉及的项目、审计分析、规范和数据；所述项目包括总项目类型、一级项目类型和二级项目类型；所述审计分析包括审核点类型、一级审核点和二级审核点；所述规范包括条款、文档和制订单位；所述数据包括字段、菜单和***；以所述二级审核点为轴，串联项目、规范和数据；所述实体为每一类概念下的具体表示；所述关系类型包括关联、出现于、包含于、历史版本、属于、表关联和超边关联；

(1.2)利用所述实体及其关系类型构成三元组：所述三元组中的前两个参数选自审计涉及的概念，最后一个参数选自关系类型，得到三元组；所述三元组组成审计知识图谱表示模型。

4.根据权利要求2所述的基于超边的审计知识图谱的关联推理方法，其特征在于，所述步骤(3)包括以下子步骤：

(3.1)将基于超边的审计知识图谱整理成三元组形式作为所述图表示学习模型的输入；

(3.2)对步骤(3.1)输出的三元组中的每个实体及关系类型进行编号，所述编号从0开始；

(3.3)利用图表示学习模型嵌入得到每个实体和关系类型的向量。

(3.4)再计算该向量两两之间的余弦相似度，将余弦相似度从高到低排序，取前N个余弦相似度值作为语义关联的推理结果，所述N为自定义数值，所述语义关联的推理结果包括条款-条款、字段-字段和审核点-字段。

Images