審計知識圖譜的構(gòu)建與研究
——基于Neo4j 的圖譜技術(shù)

王瑞萍 劉峰 楊媛琦 邢春玉

知識圖譜（Knowledge Graph）是顯示知識發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，又被稱為知識域可視化或知識領(lǐng)域映射地圖，是用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系。隨著大數(shù)據(jù)技術(shù)的發(fā)展以及海量數(shù)據(jù)轉(zhuǎn)化為知識時代的到來，知識圖譜技術(shù)能夠從海量非結(jié)構(gòu)化數(shù)據(jù)（如文本和圖像）和結(jié)構(gòu)化數(shù)據(jù)中進(jìn)行知識獲取、知識共享，并在大數(shù)據(jù)時代進(jìn)行知識創(chuàng)新。知識圖譜可以高效、直觀地描繪出目標(biāo)對象（如企業(yè)，事件等）之間的相關(guān)網(wǎng)絡(luò)，并在多維視角實現(xiàn)對象的真實情況和錯綜復(fù)雜的關(guān)系。在企業(yè)的實際業(yè)務(wù)中，面對海量繁多的財務(wù)會計憑證、賬簿、報表及電子數(shù)據(jù)等信息，審計人員常常通過抽查來發(fā)現(xiàn)問題。知識圖譜技術(shù)的出現(xiàn)，提供了更高效的審計，提高審計工作效率，可以作為經(jīng)典審計方法的補(bǔ)充，在理想情況下甚至可以做到全面排查總體，這樣不僅能避免審計抽樣的風(fēng)險，同時也降低了審計工作的復(fù)雜性和總體風(fēng)險。本文基于百度問答的數(shù)據(jù)，對審計領(lǐng)域的一些常見知識進(jìn)行了收集，基于多源異構(gòu)審計數(shù)據(jù)，構(gòu)建了結(jié)構(gòu)化審計數(shù)據(jù)庫，并通過可視化工具，進(jìn)行初步的可視化分析產(chǎn)生可視化圖表，對審計信息進(jìn)行分析和使用，有助于審計信息使用者快速了解特定領(lǐng)域的審計知識，為審計需求相關(guān)方的決策提供參考價值。

一、研究回顧

知識圖譜的應(yīng)用大概分為通用知識領(lǐng)域和行業(yè)知識領(lǐng)域。通用知識領(lǐng)域的應(yīng)用主要包括智能問答系統(tǒng)，如Google。Google 知 識 圖譜是在Freebase 的基礎(chǔ)上研發(fā)的，F(xiàn)reebase 是 由Kurt Bollacker,Robert Cook, Patrick Tufts(2007)提出的通用人類知識數(shù)據(jù)庫。該數(shù)據(jù)庫具有實用、可擴(kuò)展、圖形化、結(jié)構(gòu)化的特點，其靈感來自于語義Web 研究和協(xié)作數(shù)據(jù)通信，如Wikipedia。Freebase 允許通過HTTP 的圖形查詢API 進(jìn)行公共讀寫訪問，用于研究、創(chuàng)建和維護(hù)結(jié)構(gòu)化數(shù)據(jù)以及應(yīng)用程序構(gòu)建。近年來，國內(nèi)學(xué)者還開發(fā)出一款類似Google 的大規(guī)模開放知識圖譜---Zhishi.me。Zhishi.me 是 從互動百科、百度百科和中文維基百科中提取實體信息，并協(xié)調(diào)來自各個來源的知識以獲得規(guī)范的數(shù)據(jù)集，該圖譜的規(guī)模雖不及Google 研發(fā)的知識圖譜，但是卻也包含大約1000 萬個實體（周盛威，2018）。

知識圖譜行業(yè)知識領(lǐng)域的應(yīng)用主要有醫(yī)學(xué)領(lǐng)域、金融領(lǐng)域等。醫(yī)學(xué)領(lǐng)域方面，張崇宇（2019）提出面向臨床醫(yī)療知識圖譜的自動問答方法，主要依托于構(gòu)建的臨床醫(yī)療知識圖譜的實體、關(guān)系及屬性，通過數(shù)據(jù)冷啟動機(jī)制生成語料，然后基于一種網(wǎng)格Bi-LSTM-CRF 算法的醫(yī)療實體識別和基于字-詞編碼CNN 模型的關(guān)系/屬性映射方法來完成問題的語義解析任務(wù)。然后通過業(yè)務(wù)分流和查詢邏輯轉(zhuǎn)換為Neo4j 圖數(shù)據(jù)庫，最終實現(xiàn)醫(yī)療應(yīng)用場景的知識圖譜自動問答系統(tǒng)。在金融領(lǐng)域方面，張蕓蕓、方勇、黃誠（2018）提出基于Neo4j 圖譜檢測信用卡欺詐的方法，通過圖數(shù)據(jù)庫直觀顯示數(shù)據(jù)集的特征，并通過FICO評分標(biāo)準(zhǔn)建立FICO 模型，研究表明，該方法可以顯著提高信用卡欺詐的識別率。

信息可視化在可視化技術(shù)中占有重要地位，通過將抽象數(shù)據(jù)進(jìn)行可視化展示，從而加強(qiáng)人們對數(shù)據(jù)的認(rèn)知及數(shù)據(jù)獲取效率。Bernal 于1938 年繪制學(xué)科圖譜，但知識圖譜在我國于2005 年開始流行，相比于國外興起較晚。目前，國內(nèi)外關(guān)于知識圖譜的可視化工具層出不窮。國外最為經(jīng)典的知識圖譜可視化分析軟件是CiteSpace，它是一款針對科學(xué)文獻(xiàn)的可視化分析工具，用于計量特定領(lǐng)域的文獻(xiàn)，從而探尋該學(xué)科的發(fā)展方式和知識變遷。該軟件適合復(fù)雜的網(wǎng)絡(luò)關(guān)系可視化分析，但是CiteSpace被運(yùn)行在java 平臺，適合專業(yè)基礎(chǔ)較高的人，使用門檻高。在國內(nèi)，Plantdata 是一款較為成熟的知識圖譜可視化平臺。與傳統(tǒng)知識圖譜的可視化平臺不同的是，Plantdata 加入了時間屬性，支持儀表盤功能，并加入交互操作。其最為出色的一點是支持快速搭建高效精準(zhǔn)智能深度搜索系統(tǒng)，并以不同的形態(tài)展現(xiàn)給用戶，通過對多個維度進(jìn)行分析，幫助用戶做出決策（楊卓，2019）。

圖1 csv 文件中部分?jǐn)?shù)據(jù)

圖2 節(jié)點查詢示例圖

圖3 審計關(guān)系查詢的節(jié)點示例

經(jīng)過以上對國內(nèi)外研究的分析和比較，可以看出知識圖譜及其可視化服務(wù)正在迅猛發(fā)展，并開始逐步應(yīng)用至各行各業(yè)。知識可視化的實質(zhì)是將內(nèi)容用圖形的方式表示，更符合人們對信息的感知與理解，從而進(jìn)行知識傳播（劉琦，2018）。在企業(yè)審計領(lǐng)域中，由于審計知識領(lǐng)域涉及范圍較廣，審計知識之間的關(guān)系紛繁復(fù)雜，存儲、組織和表達(dá)方式較為松散，缺乏有效的管理。另外，審計知識檢索的效率不高，無法進(jìn)行關(guān)聯(lián)知識的深度檢索。由此可見，將知識圖譜與可視化技術(shù)運(yùn)用至企業(yè)審計領(lǐng)域中，與檢索者產(chǎn)生交互，顯示地表達(dá)知識的整體性與關(guān)聯(lián)性，將對知識的傳播起到推動作用。同時，企業(yè)也可通過運(yùn)用審計知識圖譜，將傳統(tǒng)的業(yè)務(wù)推動數(shù)據(jù)模式轉(zhuǎn)化為數(shù)據(jù)推動業(yè)務(wù)模式，提高審計的效率，挖掘不易發(fā)現(xiàn)的審計數(shù)據(jù)，為企業(yè)決策提供參考價值（樊世昊，2018）。國內(nèi)外對于實現(xiàn)信息化審計的研究仍處于起步階段，由于審計領(lǐng)域涉及范圍較廣，實現(xiàn)全面的大數(shù)據(jù)審計仍有難度。目前，雖有一些學(xué)者將知識圖譜應(yīng)用在審計領(lǐng)域中，但尚無較為成熟的應(yīng)用。

圖4 “審計”知識譜圖示例

圖5 模糊查詢

圖6 模糊查詢結(jié)果頁面

二、基于Neo4j 圖數(shù)據(jù)庫的審計知識圖譜的構(gòu)建

在審計領(lǐng)域中，由于審計知識領(lǐng)域涉及范圍較廣，審計知識之間的關(guān)系紛繁復(fù)雜，存儲、組織和表達(dá)方式較為松散，缺乏有效的管理（劉琦，2018）。另外，審計知識檢索的效率不高，無法進(jìn)行關(guān)聯(lián)知識的深度檢索。對此，Neo4j 圖數(shù)據(jù)庫的存儲結(jié)構(gòu)與領(lǐng)域知識存儲與查詢功能，不僅能良好地支持知識庫中實體關(guān)系的管理，還能對知識進(jìn)行快速查詢和清晰展示（葉帥，2019）。為了實現(xiàn)審計數(shù)據(jù)的信息化，知識圖譜中的語義關(guān)聯(lián)可以有效地整合多元異構(gòu)審計數(shù)據(jù)。知識圖譜的數(shù)據(jù)通常以三元組(S，P，D)的形式來表示實體、關(guān)系、屬性之間的關(guān)系，因此，本文用Neo4j 圖數(shù)據(jù)庫實現(xiàn)實體及實體關(guān)系的存儲，構(gòu)建審計知識圖譜。Neo4j 是一種圖形數(shù)據(jù)庫，是目前圖形數(shù)據(jù)庫中使用率最高的庫，Neo4j 具備本地存儲和數(shù)據(jù)處理的功能，與一般的數(shù)據(jù)庫有顯著的區(qū)別，它能夠保證數(shù)據(jù)的完整性和高讀寫性。審計知識圖譜構(gòu)建的目的是將經(jīng)典的審計方法與知識圖譜可視化方法相結(jié)合，從大量的企業(yè)結(jié)構(gòu)化和非結(jié)構(gòu)化文本中自動提取三元組，構(gòu)建審計的知識圖譜，方便審計信息使用者快速抓取信息，有助于審計決策的制定和實施。因此，本文從以下幾個方面入手，具體探討審計知識圖譜的構(gòu)建過程。

（一）審計數(shù)據(jù)的獲取

經(jīng)過對不同行業(yè)和領(lǐng)域?qū)徲嬓枨蟮恼{(diào)研，發(fā)現(xiàn)存在兩類數(shù)據(jù)，第一類是審計領(lǐng)域內(nèi)的直接數(shù)據(jù)，第二類是與審計相關(guān)聯(lián)的通識數(shù)據(jù)。

對于直接數(shù)據(jù)，先從結(jié)構(gòu)化數(shù)據(jù)源的相應(yīng)本體模型出發(fā)，定義概念之間的分層關(guān)系，然后從多個數(shù)據(jù)源所定義的概念出發(fā)添加實體和屬性。通過定義知識圖譜的本體模式，以確保知識層次結(jié)構(gòu)的正確性，然后再針對定義好的本體模式，對領(lǐng)域數(shù)據(jù)中的相關(guān)知識進(jìn)行抽取，通過知識融合、質(zhì)量評估等階段，篩選出滿足準(zhǔn)確率要求的三元組進(jìn)行企業(yè)審計知識圖譜的構(gòu)建，并將其存儲于MySQL 數(shù)據(jù)庫進(jìn)行關(guān)聯(lián)。另外，由于非結(jié)構(gòu)化數(shù)據(jù)的知識是可信度相對低，抽取的精度也是有限的，這使得它難以滿足可用性標(biāo)準(zhǔn)。因此，具有高可信度的半結(jié)構(gòu)化的通識知識數(shù)據(jù)將被用作構(gòu)建企業(yè)審計知識圖譜，作為構(gòu)建審計知識圖譜的另一個層次的數(shù)據(jù)源，與審計數(shù)據(jù)互補(bǔ)。

對于通識知識數(shù)據(jù)，將抽取百科頁面中的半結(jié)構(gòu)化數(shù)據(jù)，作為關(guān)鍵性的知識，轉(zhuǎn)換成三元組，然而，對于關(guān)鍵知識中部分冗余的信息仍然存在，例如，存在實體名稱不一樣，但實際對應(yīng)現(xiàn)實世界中的同一實體，需要對這些冗余的知識進(jìn)行知識融合，保證所構(gòu)建知識圖譜的準(zhǔn)確性。由于企業(yè)審計知識圖譜對準(zhǔn)確性的要求較高，關(guān)系到企業(yè)的利益，因此將采用已有的算法，對這些冗余的知識進(jìn)行篩選，然后再使用人工進(jìn)行評估。這些冗余的知識，在百科數(shù)據(jù)中只是部分存在，而且比例很低，使用這種思路不會造成較高的人工成本，準(zhǔn)確度和效率都是可接受的。

（二）審計數(shù)據(jù)處理

經(jīng)過知識清洗與數(shù)據(jù)預(yù)處理，得到了關(guān)于審計領(lǐng)域的知識三元組數(shù)據(jù)，儲存在txt 文檔中，以逗號分隔，然后將數(shù)據(jù)txt 文檔格式轉(zhuǎn)為CSV 文件格式。CSV 是使用文本文檔形式存儲的數(shù)據(jù)，文件內(nèi)每一行代表一條數(shù)據(jù)，每條記錄包含了由逗號分隔的一個屬性值，其中A 列中的數(shù)據(jù)代表Source 節(jié)點類型，C 列中的數(shù)據(jù)代表Target 節(jié)點類型，B 列中的數(shù)據(jù)代表關(guān)系（relation）。其數(shù)據(jù)格式如圖1 所示。

將上述數(shù)據(jù)導(dǎo)入Neo4j，其邏輯為：(1)node 相關(guān)：CSV 文件首列為Source 節(jié)點，第三列為Target 節(jié)點，第二列為relation（關(guān)系）。消除完重復(fù)數(shù)據(jù)后，為每個節(jié)點生成唯一的id 和name 字段，方便查看節(jié)點的屬性。（2）relation 相關(guān)：每種關(guān)系單獨生成一個關(guān)系類型，這樣在進(jìn)行后續(xù)的查詢操作時可以針對某個關(guān)系或節(jié)點直接進(jìn)行查詢。關(guān)系兩端的node 用生成的id 進(jìn)行標(biāo)示。(3)數(shù)據(jù)導(dǎo)入生成知識圖譜：清空Neo4j 現(xiàn)有的graph 并重啟Neo4j 程序。若啟動Neo4j 程序需要在cmd 中輸入如指令，指令輸入完成后打開Neo4j，利用Neo4j 的Cypher 語句進(jìn)行查詢。

（三）審計數(shù)據(jù)的導(dǎo)入

本 文 采 用Python 與Neo4j 圖數(shù)據(jù)庫連接的方式，進(jìn)行數(shù)據(jù)導(dǎo)入工作。首先需要將已有的CSV 格式的數(shù)據(jù)導(dǎo)入py2neo 庫，需在Python中輸入如下代碼：from py2neo import Graph, Node, Relationship,Subgraph。隨后建立時間模塊與導(dǎo)入操作數(shù)據(jù)需要使用的模塊。下一步需要在Neo4j 中運(yùn)用Cypher 語句建立索引、提高查詢速度，輸入CREATE 語 句：CREATE INDEX FOR (n: Entity) ON (n.name)。 之后需在Python 中設(shè)置自己本地的url與Neo4j 庫的用戶名與密碼，即可實現(xiàn)審計數(shù)據(jù)導(dǎo)入Neo4j，從而完成基于Neo4j 圖數(shù)據(jù)庫的審計知識圖譜的構(gòu)建。

三、審計知識圖譜的實現(xiàn)

審計知識圖譜的實現(xiàn)主要是通過信息抽取、知識融合、圖譜的構(gòu)建與儲存等核心技術(shù)從大量的異構(gòu)數(shù)據(jù)源出發(fā)，抽取其中的實體、屬性等關(guān)鍵知識及其相互關(guān)系，再完成實體對齊與實體消歧等數(shù)據(jù)融合工作，然后采用符合質(zhì)量要求的知識構(gòu)建圖譜，并利用MYSQL 數(shù)據(jù)庫對構(gòu)建好的知識圖譜進(jìn)行儲存。在上一節(jié)中進(jìn)行了數(shù)據(jù)導(dǎo)入工作并在Neo4j 圖數(shù)據(jù)庫中構(gòu)建了企業(yè)審計領(lǐng)域知識圖譜。Neo4j圖數(shù)據(jù)庫中，共設(shè)有兩種節(jié)點類型，分別是Source 節(jié)點類型與Target 節(jié)點類型。用戶可以根據(jù)自己的需求進(jìn)行查詢，進(jìn)而清晰明了地了解節(jié)點以及節(jié)點與節(jié)點之間的關(guān)系。

比如，用戶需要在Neo4j 中查詢某一個節(jié)點（node）并且節(jié)點類型屬于Source 類型時，以查詢“中國投資服務(wù)網(wǎng)”為例，用戶需輸入如下查詢語句：MATCH(n:Source{name:‘中國投資服務(wù)網(wǎng)’})return n，點擊運(yùn)行后會顯示出節(jié)點‘中國投資服務(wù)網(wǎng)’，若用戶需要查詢節(jié)點類型為Target 的節(jié)點，只需把查詢語句中的Source改為Target 即可進(jìn)行查詢。如圖2所示。

再比如，當(dāng)用戶需要在Neo4j 中查詢關(guān)系（relation）時，需要使用Match 語言進(jìn)行查詢，以查詢“審計”關(guān)系為例，若想查詢圖數(shù)據(jù)庫中所有關(guān)于“審計”關(guān)系的節(jié)點，查詢語句如下:MATCH（n:Source）-[：‘審計’]-（m:Target）return n,m limit 20。這時圖數(shù)據(jù)庫會加載出所有以“審計”關(guān)系連接的節(jié)點，（其中l(wèi)imit 為控制節(jié)點顯示數(shù)量的參數(shù)，可修改為任意數(shù)量），查詢結(jié)果如圖3 所示。

對審計領(lǐng)域的知識獲得全局認(rèn)識，亦可以借助知識圖譜的手段。審計知識圖譜的構(gòu)建，有助于人們通過節(jié)點-關(guān)系-節(jié)點的方式，方便快捷、清晰明了地獲取審計領(lǐng)域的相關(guān)知識，完成審計知識的查詢和獲取。比如對于初次接觸審計領(lǐng)域知識的用戶而言，可以通過知識圖譜的方式查詢“審計”相關(guān)領(lǐng)域，例如查詢對于“審計（獨立性的經(jīng)濟(jì)監(jiān)督活動）”相應(yīng)知識，查詢結(jié)果如圖4 所示，即可通過圖譜的方式獲得相應(yīng)審計知識的展示，方便用戶快速、系統(tǒng)、較為全面地獲得審計領(lǐng)域知識。

另外，知識圖譜也提供了強(qiáng)大的模糊查詢的功能。當(dāng)用戶在搜索框內(nèi)輸入想要查詢的詞語，隨后會出現(xiàn)下拉框，用戶可通過點擊某一詞語或句子，這時會出現(xiàn)用戶搜索的詞語的網(wǎng)絡(luò)關(guān)系圖。以搜索“cpa”為例，如圖5 所示，頁面的搜索框下會出現(xiàn)所有包含cpa 字段的詞語或語句，可通過點擊自己想要查詢的范圍來進(jìn)行查詢。

例如，以選擇以“cpa[注冊會計師]”為例，用戶點擊此詞語，頁面會展示關(guān)于此詞語的知識圖譜，如圖6所示。

除此之外，若用戶需要在Neo4j中創(chuàng)建新的節(jié)點（node）類型、創(chuàng)建的節(jié)點類型與已有的節(jié)點建立新的關(guān)系（relation），以及刪除圖數(shù)據(jù)庫中的任意節(jié)點等，都可以進(jìn)行相應(yīng)語句的編寫與操作。這種通過圖譜的形式展示出來的、區(qū)別于傳統(tǒng)的百度搜索查找審計領(lǐng)域知識的方式，是大數(shù)據(jù)審計、信息化審計和智能化審計發(fā)展到一定階段的產(chǎn)物，有助于用戶對審計知識的查詢、獲取和使用，提高了用戶的決策相關(guān)性。

通過審計知識圖譜的構(gòu)建，相關(guān)人員可以快速準(zhǔn)確地了解到當(dāng)前環(huán)境下審計知識的現(xiàn)狀，精準(zhǔn)抓取審計行業(yè)面臨的問題等等。對于審計從業(yè)人員而言，需要不斷加強(qiáng)大數(shù)據(jù)審計和智能化審計手段，提升審計信息化手段，不斷提高審計效率以及準(zhǔn)確性。對于被審計單位而言，審計知識圖譜的構(gòu)建有助于企業(yè)從內(nèi)部審計出發(fā)，快速精準(zhǔn)地挖掘企業(yè)面臨的審計難題，提升公司內(nèi)部的管理水平，防患于未然，以降低不必要的損失；并結(jié)合注冊會計師（CPA）審計的相關(guān)知識，加強(qiáng)合作，確保審計意見的正確出具，并不斷提升自我在行業(yè)中的核心競爭力。對于監(jiān)管部門而言，通過對審計領(lǐng)域違規(guī)問題的查詢，可以系統(tǒng)地通過知識譜圖的方式展示審計異常的企業(yè)以及事務(wù)所的情況，實現(xiàn)審計違規(guī)的精準(zhǔn)查處和精準(zhǔn)治理。