【關鍵詞】 電網企業; 內控審計; 知識圖譜; 關系挖掘; 深度學習

　　一、引言

　　隨著我國人工智能發展進入全新階段，數字化和智能化已成為企業提高自身競爭力的核心力量。為了跟進智能化的發展，電網行業逐漸推進全新內部審計技術。電網企業進行內部審計過程中，涉及大量文本數據、財務數據。如何從這些數據中高效、精確地挖掘重要審計信息，構建數據之間的關聯，是提升內部審計工作的關鍵。

　　針對電網公司內控審計數據復雜和智能內控審計技術匱乏導致的效率低下的問題，本文提出了一個設想，將內控審計與知識圖譜進行集成，采用知識圖譜中的關系挖掘技術建立內部控制方法和內部控制實施下財務報表上資金的狀態和流動中增值性的因果關系，協助判斷內部控制實施效果，最終形成內控審計綜合評價方法。電網企業內部控制審計和財務報表審計對企業提升信息披露質量、增強相關方信任有直接影響。本文將知識圖譜應用在電網企業的內控審計中，探索財務數據和內控審計的內在關聯以及相互影響，開拓從財務數據出發實施內控審計的新思路，開辟智能內控審計的新途徑。

　　二、文獻綜述

　　在大數據的背景下，數據挖掘技術的發展積極推動了內部審計模式的轉變，各類數據挖掘技術的應用能有效提高內部審計人員運用智能化技術核查問題、評價判斷和分析問題的能力。尤其是人工智能技術的發展，給內部審計工作提供了新的可能。張慶龍等[1]討論了在人工智能發展下的內部審計的轉變，構建了內部審計智能化的應用框架。余從容等[2]研究了基于大數據的電力行業審計平臺建設和基于知識圖譜的大數據審計方法。高效的內部審計工作能讓企業更好地實現自我評估和完善，同時增強企業風險防控能力[3-5]。在電網企業的主營業務中，當前電力調度、生產、財務、人力資源、合同管理、協同辦公等數字化的程度已有了大幅度的提升，在營銷收費、企業資源管理等領域，大量的被審對象數據發生了巨大改變。例如財務數據、經營數據等不但量大，而且具有高度敏感性，然而數據特征和數據間關聯難以僅憑人工獲取，這造成了內部審計工作困難、效率低下。各類業務數據在各業務系統間的流動，構建了跨部門、跨系統、跨應用的內部審計環境，這使電網系統大數據分析技術的發展迫在眉睫。

　　基于人工智能的數字化技術能夠將復雜多變的非結構化數據轉化為數字數據，通過知識圖譜、數據挖掘、關系檢測等方法實現非結構化數據與結構化數據的特征融合，挖掘兩者間關聯關系，提供審計線索。知識圖譜將客觀的概念、實體及其關系以結構化的形式呈現，以更直觀的方式對信息進行表達。知識圖譜已經在醫療、商業及金融等領域得取得了良好研究效果。在這些行業領域中，各類信息系統的普及積累了海量行業數據，如何從這些數據中挖掘隱藏信息并加以管理、共享及應用，是推進行業智能化的關鍵問題。知識圖譜能對從各種渠道所獲取的行業數據進行加工處理，然后提取出對構建知識圖譜有價值的知識，它已成為促使計算機從海量數據中獲取認知能力的重要方法。目前，我國學者專注于知識圖譜的構建方法和算法。比如，侯洪■等[5]認為，知識圖譜技術不僅能夠清楚地分析處理知識，并且能實現知識可視化，在推動知識的發展方面具有潛力。袁凱琦等[6]采用自底向上的構建方法建立面向跨語種、專業性強以及結構復雜的醫療數據的知識圖譜，涉及醫學知識表示、抽取、融合和推理以及質量評估等方面。目前知識圖譜在醫療、商業、金融等領域應用較為廣泛，且取得了較好的效果。張德亮[7]針對金融圖譜缺乏問題及知識圖譜補全模型的缺陷，爬取大量金融股票及企業信息進行金融知識圖譜構建，然后提出基于組合關系路徑的知識圖譜補全方法對金融知識圖譜進行補全任務驗證。胡揚等[8]研究了面向金融知識圖譜的實體和關系抽取算法，提出了基于能識別重疊關系的Bi-LSTM+CRF模型，通過參數共享實現兩個任務聯合學習。甘云強[9]從文本數據中識別出金融實體，并判斷實體間存在的語義關系。

　　企業的內部控制審計主要針對財務數據的可靠性和完整性[10]。知識圖譜不僅能夠實現知識表達，同時又在信息檢索、智能問答等方面具備巨大優勢，知識圖譜的應用可以有效地解決內部審計過程中任務繁重的問題，彌補審計力量的不足。王倩玉[11]研究了基于知識圖譜的財務與業務指標間的關聯對應關系的構建方法，提出了基于機器學習的財務審計知識圖譜構建，設計并實現了財務與業務指標對應關系語義網絡。崔婧等[12]將知識圖譜引入醫保審計，以解決數據量龐大帶來的醫保審計低效問題。目前我國關于將知識圖譜這種智能化技術和審計領域相結合的研究成果還相對較少，研究方法也較為單一。

　　三、知識圖譜

　　知識圖譜的概念由谷歌公司于2012年提出。知識圖譜技術能像人類大腦一樣建立不同類信息之間的關聯，得到關系網絡。Jiang et al.[13]最早發現可以使用馬爾可夫邏輯網來提取事實之間的關系。知識圖譜采用了新型的信息檢索方式，知識圖譜在信息檢索中加入智能推理，操作性更強，并且它能建立知識網絡，將知識圖形化，以結構化形式呈現。知識圖譜的主要作用在于對數據的整合與規范，向用戶提供有價值的結構化信息。

　　近年來，研究人員將人工智能、深度學習、自然語言處理等技術融入知識圖譜構建過程，提高了知識圖譜構建效率，使其在信息搜索、自動問答、決策分析等領域被廣泛應用[14]。知識圖譜可分為通用知識圖譜和領域知識圖譜，目前，國內外代表性通用知識圖譜有搜狗知立方、百度知心、YAGO、DBpedia、Worldnet等，通用知識圖譜主要包含常識性知識，例如Worldnet包含人、地點、音樂、電影、組織機構、物種、疾病等定義。它能從多種語言的維基百科中挖掘知識，構建名詞、動詞、形容詞和副詞之間的關聯。領域知識圖譜一般面向某個特定領域，例如學術領域的Acemap、生物醫學領域的Drugbank、新聞領域的ECKG等[15]。知識圖譜的可視化技術中能將抽象數據進行可視化展示，從而增強用戶對數據的認知及數據獲取效率。

　　推薦閱讀：企業審計監督方向論文投稿期刊推薦