發(fā)布時(shí)間：2020-12-15 13:06

　　傳統(tǒng)審計(jì)方式很難發(fā)現(xiàn)隱藏于海量數(shù)據(jù)中的各種財(cái)務(wù)問(wèn)題,本文以學(xué)科交叉的思維,綜合運(yùn)用數(shù)據(jù)挖掘技術(shù)、基于專家知識(shí)的故障診斷理論和財(cái)務(wù)審計(jì)理論,開(kāi)發(fā)出了一個(gè)能夠處理多種數(shù)據(jù)類型、自動(dòng)發(fā)現(xiàn)審計(jì)線索的智能化財(cái)務(wù)審計(jì)系統(tǒng)。本文主要研究?jī)?nèi)容如下:（1）財(cái)務(wù)報(bào)表審計(jì)分析模型研究。將基于專家知識(shí)的故障診斷理論運(yùn)用于財(cái)務(wù)審計(jì)領(lǐng)域,通過(guò)建立整體審計(jì)分析模型發(fā)現(xiàn)重點(diǎn)審計(jì)對(duì)象及疑似故障點(diǎn),結(jié)合重點(diǎn)分析模型和個(gè)體分析模型對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行深層次、立體式地推理分析,以發(fā)掘異常線索,并利用知識(shí)庫(kù)對(duì)審計(jì)知識(shí)規(guī)則、審計(jì)模型及審計(jì)建議進(jìn)行存儲(chǔ),提高了模型的利用率和審計(jì)人員的工作效率。（2）會(huì)計(jì)憑證智能分析算法研究。針對(duì)憑證摘要和會(huì)計(jì)科目中單位名稱記錄不規(guī)范的問(wèn)題,本文首先利用集合論設(shè)計(jì)一種憑證內(nèi)容規(guī)范化算法來(lái)實(shí)現(xiàn)憑證的規(guī)范化。在此基礎(chǔ)上提出基于詞共現(xiàn)與SOM神經(jīng)網(wǎng)絡(luò)的憑證摘要聚類算法,通過(guò)計(jì)算詞間共現(xiàn)率,利用TextRank算法構(gòu)建共現(xiàn)圖得到共現(xiàn)詞組,建立文本向量表示模型,并利用改進(jìn)的SOM算法實(shí)現(xiàn)摘要聚類,結(jié)合總結(jié)的借貸科目關(guān)系,發(fā)現(xiàn)審計(jì)問(wèn)題。（3）審計(jì)報(bào)告智能分析與處理研究。為實(shí)現(xiàn)審計(jì)問(wèn)題的分類管理,提出基于BiLSTM神... 

【文章來(lái)源】：河北經(jīng)貿(mào)大學(xué)河北省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

智能審計(jì)系統(tǒng)功能結(jié)構(gòu)圖

1: for j = 1, 2, …, m do2: for q = 1, 2, …, i do3: data = _ ( , )//根據(jù)科目名稱 從表 中抽取對(duì)應(yīng)的數(shù)據(jù)4: if data = Null then5: data = fillNan(0)//判斷抽取數(shù)據(jù)是否為空，若為空補(bǔ)充為 06: else:7: continue8: end if9: data = {data ,data ,…,data }//將 表中抽取的數(shù)據(jù)保存到集合中10: end for11: datas* = {data ,data ,…,data } //將所有表的數(shù)據(jù)保存到集合 datas*中12: end for13: Table* = sava_excel(account, datas*) //根據(jù)科目名稱將對(duì)應(yīng)的數(shù)據(jù)保存到 Excel 中

圖 3.2 處理后資產(chǎn)負(fù)債表3.2.2 審計(jì)分析模型構(gòu)建方法常用的模型構(gòu)建方法有比重分析法、趨勢(shì)分析法、對(duì)比分析法等。建立的高等院校財(cái)務(wù)分析指標(biāo)體系中“師生人均公用支出數(shù)（按明細(xì)）”指標(biāo)包含學(xué)校各項(xiàng)支出，對(duì)其進(jìn)行細(xì)致分析可以判斷學(xué)校支出是否合理、是否存在資源浪費(fèi)、違規(guī)違法等問(wèn)題，是審計(jì)工作中著重關(guān)注的財(cái)務(wù)指標(biāo)。本文以這項(xiàng)指標(biāo)的審計(jì)分析為主要研究對(duì)象，應(yīng)用趨勢(shì)分析法和對(duì)比分析法，創(chuàng)建整體分析模型。表 3.1 指標(biāo)體系中其他指標(biāo)可照此思路構(gòu)建審計(jì)分析模型，本文不再贅述�！皫熒司弥С鰯�(shù)（按明細(xì)）”這項(xiàng)指標(biāo)涉及到支出決算明細(xì)表（圖 3.3）和基本數(shù)字表（圖 3.4）。經(jīng)過(guò)預(yù)處理后的支出決算明細(xì)表中包含 40 項(xiàng)科目的支出數(shù)據(jù)，反映了高校維持正常運(yùn)轉(zhuǎn)支出情況和項(xiàng)目專項(xiàng)資金支出情況�；緮�(shù)字表主要包括學(xué)校在職員工數(shù)和學(xué)生人數(shù)�？紤]到各高校師生人數(shù)不同、財(cái)政撥款額度不同，我們對(duì)每個(gè)科目求取人均支出數(shù)和總?cè)司С鰯?shù)。人均支出數(shù)指某高校某一科目的支出與該學(xué)校人數(shù)的

【參考文獻(xiàn)】：
期刊論文
[1]用于情感分類的雙向深度LSTM[J]. 曾蒸,李莉,陳晶.  計(jì)算機(jī)科學(xué). 2018(08)
[2]面向短文本的神經(jīng)網(wǎng)絡(luò)聚類算法研究[J]. 孫昭穎,劉功申.  計(jì)算機(jī)科學(xué). 2018(S1)
[3]融合CNN和LDA的短文本分類研究[J]. 張小川,余林峰,桑瑞婷,張宜浩.  軟件工程. 2018(06)
[4]基于詞向量特征的文本分類模型研究[J]. 張敬誼,張亞紅,李靜.  信息技術(shù)與標(biāo)準(zhǔn)化. 2017(05)
[5]基于共詞聚類分析的數(shù)字圖書(shū)館熱點(diǎn)研究[J]. 劉敏,馬秀峰.  農(nóng)業(yè)圖書(shū)情報(bào)學(xué)刊. 2017(04)
[6]基于加權(quán)word2vec的微博情感分析[J]. 李銳,張謙,劉嘉勇.  通信技術(shù). 2017(03)
[7]基于Word2Vec的一種文檔向量表示[J]. 唐明,朱磊,鄒顯春.  計(jì)算機(jī)科學(xué). 2016(06)
[8]人工神經(jīng)網(wǎng)絡(luò)在聚類分析中的運(yùn)用[J]. 李賽,鄒麗華.  商場(chǎng)現(xiàn)代化. 2016(15)
[9]基于詞共現(xiàn)網(wǎng)絡(luò)的海量文本分析與熱點(diǎn)話題發(fā)現(xiàn)[J]. 張海龍,淦文燕,陳剛,姜博.  計(jì)算機(jī)與數(shù)字工程. 2015(10)
[10]智能審計(jì)軟件系統(tǒng)架構(gòu)研究[J]. 曹順良,宋靜,李榮,雷向欣.  財(cái)會(huì)通訊. 2012(16)

博士論文
[1]基于商業(yè)智能的財(cái)務(wù)審計(jì)信息系統(tǒng)研究[D]. 陳洪順.山東大學(xué) 2011
[2]現(xiàn)代大型客機(jī)故障診斷專家系統(tǒng)的研究與開(kāi)發(fā)[D]. 吳海橋.南京航空航天大學(xué) 2002

碩士論文
[1]中英文政策垂直搜索引擎研究與實(shí)現(xiàn)[D]. 王麗鵬.河北經(jīng)貿(mào)大學(xué) 2018
[2]微博熱點(diǎn)話題發(fā)現(xiàn)方法的研究和實(shí)現(xiàn)[D]. 張萌.北京交通大學(xué) 2018
[3]負(fù)荷建模中的負(fù)荷特性分類及參數(shù)辨識(shí)研究[D]. 卞紹潤(rùn).山東大學(xué) 2014
[4]商業(yè)智能在審計(jì)軟件系統(tǒng)中的應(yīng)用研究[D]. 李冬冬.云南財(cái)經(jīng)大學(xué) 2014
[5]基于隱性主題模型和新詞發(fā)現(xiàn)的關(guān)鍵詞抽取研究[D]. 袁明.北京郵電大學(xué) 2014
[6]基于數(shù)據(jù)挖掘的上市公司財(cái)務(wù)舞弊的關(guān)聯(lián)規(guī)則研究[D]. 李臣臣.吉林大學(xué) 2011
[7]SOM聚類算法的改進(jìn)及其在文本挖掘中的應(yīng)用研究[D]. 蔡麗宏.南京航空航天大學(xué) 2011



本文編號(hào)：2918315