基于會(huì)計(jì)檔案的知識(shí)圖譜研究與應(yīng)用

程清潔 朱仲友 吳建琳 陳胡嶸 國(guó)網(wǎng)安徽省電力有限公司

引言

在檔案數(shù)字化的推進(jìn)過程中，數(shù)字檔案館以及智慧檔案館的建設(shè)成為當(dāng)前檔案管理模式下新的發(fā)展方向，檔案管理模式亦趨向于數(shù)字化與網(wǎng)絡(luò)化，檔案管理系統(tǒng)正從信息管理模式向知識(shí)管理模式轉(zhuǎn)變。在人工智能技術(shù)的支撐下，檔案管理逐漸向關(guān)聯(lián)數(shù)據(jù)、語(yǔ)義組織方向發(fā)展，核心技術(shù)從以數(shù)據(jù)庫(kù)存儲(chǔ)和XML 數(shù)據(jù)為標(biāo)志轉(zhuǎn)向了以知識(shí)庫(kù)和語(yǔ)義技術(shù)為核心，知識(shí)圖譜[1][2]正成為檔案管理領(lǐng)域的重要支撐技術(shù)。

一、建設(shè)思路及設(shè)計(jì)原則

（一）建設(shè)思路

基于五大類會(huì)計(jì)檔案實(shí)體（原始憑證、會(huì)計(jì)憑證、賬簿、報(bào)表、其他），全面梳理構(gòu)成檔案的所有關(guān)鍵要素，抽取實(shí)體與要素間，實(shí)體間以及要素間的關(guān)聯(lián)關(guān)系。從實(shí)體和要素兩個(gè)維度，以圖譜技術(shù)為支撐，利用可視化工具，構(gòu)建全量會(huì)計(jì)檔案知識(shí)譜系模型，分層、立體描繪出數(shù)字會(huì)計(jì)檔案知識(shí)資源及其載體，并以關(guān)鍵節(jié)點(diǎn)與鏈路相結(jié)合的方式進(jìn)行表達(dá)。通過最底層要素還原業(yè)務(wù)管理的流程環(huán)節(jié)，實(shí)現(xiàn)在任意節(jié)點(diǎn)均可查詢?nèi)纸Y(jié)構(gòu)化數(shù)據(jù)，在關(guān)鍵節(jié)點(diǎn)檢索全量非結(jié)構(gòu)化文件。

（二）設(shè)計(jì)原則

基于會(huì)計(jì)檔案的知識(shí)圖譜[3][4]關(guān)系遵循以下原則進(jìn)行設(shè)計(jì)：

1.統(tǒng)一設(shè)計(jì)原則

制定統(tǒng)一設(shè)計(jì)方案，按照要求完成適應(yīng)性調(diào)整、測(cè)試工作。

2.適用性原則

設(shè)計(jì)基于會(huì)計(jì)檔案的知識(shí)圖譜關(guān)系模型，模型需兼顧全局展示、局部重點(diǎn)展示、穿透展示、拖動(dòng)、旋轉(zhuǎn)、縮放等各類型的查閱場(chǎng)景；設(shè)計(jì)基于會(huì)計(jì)檔案的知識(shí)圖譜實(shí)例查詢，查詢結(jié)果需能根據(jù)關(guān)系，展示查詢關(guān)鍵字所貫穿的全業(yè)務(wù)鏈條價(jià)值信息，充分考慮各單位、各崗位人員的應(yīng)用場(chǎng)景及查閱范圍。

3.延續(xù)性原則

數(shù)據(jù)抽取完全來源于會(huì)計(jì)檔案，方案設(shè)計(jì)充分利用統(tǒng)一的標(biāo)準(zhǔn)和系統(tǒng)功能，并在此基礎(chǔ)上進(jìn)行業(yè)務(wù)與功能擴(kuò)展，為后續(xù)業(yè)務(wù)發(fā)展提供可延續(xù)、可擴(kuò)展空間。

（三）術(shù)語(yǔ)與定義

知識(shí)圖譜：知識(shí)圖譜是基于會(huì)計(jì)檔案數(shù)據(jù)結(jié)構(gòu)生成的，是對(duì)檔案結(jié)構(gòu)化數(shù)據(jù)關(guān)聯(lián)關(guān)系的可視化展示。包括實(shí)體、屬性和關(guān)系。

實(shí)體：具體事物、主數(shù)據(jù)、數(shù)據(jù)庫(kù)中的表。

屬性：事物的特征、主數(shù)據(jù)的特征、表字段。

關(guān)系：事物與事物或主數(shù)據(jù)間建立的關(guān)系。

知識(shí)抽?。喊褦?shù)據(jù)從不同的數(shù)據(jù)源中抽取出來，然后按一定的規(guī)則展現(xiàn)在知識(shí)圖譜應(yīng)用平臺(tái)上。

知識(shí)映射：知識(shí)抽取之前，要把數(shù)據(jù)源的信息通過映射的過程，將其定位的具體某個(gè)實(shí)體，實(shí)體屬性或者關(guān)系上，這一過程稱之為知識(shí)映射。

數(shù)據(jù)清洗：知識(shí)圖譜構(gòu)建過程中，知識(shí)抽取后，需要對(duì)抽取的數(shù)據(jù)進(jìn)行某些規(guī)則的轉(zhuǎn)換，這個(gè)過程稱之為數(shù)據(jù)清洗。

歸一消歧：知識(shí)圖譜構(gòu)建過程中，某些實(shí)例或者關(guān)系會(huì)存在重復(fù)的關(guān)系，對(duì)這些重復(fù)的數(shù)據(jù)通過某些規(guī)則去重，這一過程稱為歸一消歧。

（四）會(huì)計(jì)檔案中的實(shí)體、屬性、關(guān)系內(nèi)容描述

1.原始憑證

主要包括業(yè)務(wù)分類、原始附件清單（系統(tǒng)單據(jù)、有結(jié)構(gòu)化信息的影像件、掃描生成的電子文件）。

系統(tǒng)單據(jù)是一個(gè)具體事物，單據(jù)上填寫全部為結(jié)構(gòu)化信息，其中有特征如日期、編號(hào)、數(shù)量、金額、備注等即是事物的屬性（基本屬性），特征本身也是一個(gè)事物或者主數(shù)據(jù)（實(shí)體）的如采購(gòu)訂單、項(xiàng)目、合同、供應(yīng)商等，則將系統(tǒng)單據(jù)實(shí)體與其建立關(guān)系（關(guān)系屬性）。

有結(jié)構(gòu)化信息的影像件也是一個(gè)具體事物，且檔案中有表存放結(jié)構(gòu)化信息，結(jié)構(gòu)化信息中特征如開票日期、編號(hào)、金額等是事物的屬性，特征本身也是一個(gè)事物或者主數(shù)據(jù)（實(shí)體）的如購(gòu)買方信息則與單位建立關(guān)系，如在多個(gè)業(yè)務(wù)分類下都有增值稅發(fā)票，則與業(yè)務(wù)分類建立多條關(guān)系。

掃描生成的各類電子文件均是具體事物，但是具有共同特征，即類型名稱、ID、影像地址。因此可以統(tǒng)一為一個(gè)“原始憑證影像文件”實(shí)體，而它的實(shí)例數(shù)據(jù)則是增值稅發(fā)票、合同或協(xié)議等各類掃描件，不同的影像文件屬于不同的業(yè)務(wù)分類，則與業(yè)務(wù)分類建立關(guān)系。

2.主數(shù)據(jù)

屬于公用實(shí)體。經(jīng)濟(jì)業(yè)務(wù)核算中，非原始附件，但是原始憑證上會(huì)填寫的信息，具有多個(gè)特征的，且查詢實(shí)例時(shí)還可根據(jù)填寫的內(nèi)容找到其對(duì)應(yīng)的特征，如根據(jù)單位找到單位對(duì)應(yīng)的納稅人識(shí)別號(hào)。因此主數(shù)據(jù)作為實(shí)體，其獨(dú)有內(nèi)部特征作為屬性，其特征中還包含其他主數(shù)據(jù)的，如載體維度上對(duì)應(yīng)有核心維度（項(xiàng)目對(duì)應(yīng)業(yè)務(wù)活動(dòng)），則將兩個(gè)主數(shù)據(jù)建立關(guān)系。

3.會(huì)計(jì)憑證

主要包括憑證主信息、憑證類型及憑證分錄。

4.賬簿

主要包括單位、賬期、賬戶、期初方向、期初余額、借方發(fā)生、貸方發(fā)生、期末方向、期末余額等。其中，單位是實(shí)體則建立關(guān)系，賬期是各賬簿、各報(bào)表等多處都需要用到的會(huì)計(jì)期間，包括會(huì)計(jì)年度和賬期，也可抽離為實(shí)體，與科目匯總表建立關(guān)系，后續(xù)還可與報(bào)表建立關(guān)系。其他則是屬性。

5.報(bào)表

主要包括報(bào)表期間、報(bào)表單位、報(bào)表項(xiàng)目（橫向縱向結(jié)合）、報(bào)表單元格公式、報(bào)表（單元格）取數(shù)結(jié)果；期間包括關(guān)聯(lián)會(huì)計(jì)年度和賬期。

6.其他

主要包括會(huì)計(jì)檔案保管清冊(cè)、銀行余額調(diào)節(jié)表、會(huì)計(jì)檔案鑒定意見書、納稅申報(bào)表、會(huì)計(jì)檔案移交清冊(cè)、銀行對(duì)賬單、會(huì)計(jì)檔案銷毀清冊(cè)及銀行流水信息。

（五）整體數(shù)據(jù)需求

1.數(shù)據(jù)接入及存儲(chǔ)需求

以會(huì)計(jì)檔案管理體系為唯一的知識(shí)譜系數(shù)據(jù)來源，接入包括原始憑證、記賬憑證、賬簿、報(bào)表、其它五大類的數(shù)據(jù)關(guān)系及實(shí)例數(shù)據(jù)。數(shù)據(jù)接入采取從會(huì)計(jì)檔案數(shù)據(jù)庫(kù)直接接入的方式，通過知識(shí)映射中間組件，轉(zhuǎn)化為數(shù)據(jù)模型為圖模型的知識(shí)譜系。

2.數(shù)據(jù)質(zhì)量

數(shù)據(jù)質(zhì)量方面，檔案館的數(shù)據(jù)內(nèi)容要涵蓋五大類會(huì)計(jì)檔案知識(shí)圖譜要素里面規(guī)劃的內(nèi)容，如未涵蓋，在實(shí)例圖譜查詢時(shí)則只能顯示數(shù)據(jù)模型，不能顯示具體數(shù)據(jù)。

二、總體技術(shù)架構(gòu)

知識(shí)圖譜應(yīng)用平臺(tái)提供本體管理、圖譜管理、圖譜構(gòu)建等功能；知識(shí)圖譜應(yīng)用平臺(tái)有超級(jí)管理員和用戶兩種角色，超級(jí)管理員可以管理用戶所創(chuàng)建的圖譜；用戶可以實(shí)現(xiàn)創(chuàng)建圖譜、導(dǎo)入數(shù)據(jù)、映射數(shù)據(jù)、構(gòu)建圖譜、會(huì)計(jì)檔案關(guān)系模型查閱、會(huì)計(jì)檔案關(guān)系查詢等功能。

（1）技術(shù)路線：知識(shí)圖譜應(yīng)用平臺(tái)以自然語(yǔ)言處理技術(shù)為支撐，對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行知識(shí)抽取、知識(shí)表示與融合、知識(shí)存儲(chǔ)、知識(shí)建模與推理、知識(shí)計(jì)算等功能，為會(huì)計(jì)檔案關(guān)系模型、會(huì)計(jì)檔案數(shù)據(jù)查詢等基于圖譜的應(yīng)用需求提供支持。

（2）創(chuàng)建圖譜：用于管理系統(tǒng)創(chuàng)建的面向具體業(yè)務(wù)的知識(shí)圖譜，如創(chuàng)建會(huì)計(jì)檔案知識(shí)圖譜。

（3）圖譜設(shè)計(jì)：針對(duì)會(huì)計(jì)檔案知識(shí)圖譜進(jìn)行Schema 設(shè)計(jì)，即定義會(huì)計(jì)檔案知識(shí)圖譜中的“實(shí)體”和“關(guān)系”。

（4）我的數(shù)據(jù)：為知識(shí)圖譜配置基礎(chǔ)數(shù)據(jù)源，可直接從會(huì)計(jì)檔案中獲取。

（5）圖譜構(gòu)建：基于Schema 選擇基礎(chǔ)數(shù)據(jù)源進(jìn)行圖譜構(gòu)建，支持“數(shù)據(jù)清洗”和“歸一消歧”等操作實(shí)現(xiàn)對(duì)會(huì)計(jì)檔案知識(shí)圖譜的手動(dòng)調(diào)優(yōu)。

（6）會(huì)計(jì)檔案關(guān)系模型：模型包含五大類會(huì)計(jì)檔案中存在的“實(shí)體”（如合同、發(fā)票、供應(yīng)商、銀行回單、記賬憑證、明細(xì)賬、資產(chǎn)負(fù)債表等），以及形成會(huì)計(jì)檔案中各實(shí)體的關(guān)鍵要素即實(shí)體的“屬性”，整合業(yè)務(wù)鏈條的會(huì)計(jì)檔案電子文件和流轉(zhuǎn)信息，建立起實(shí)體與實(shí)體、實(shí)體與屬性、屬性與屬性之間的聯(lián)系及“關(guān)系”，構(gòu)建會(huì)計(jì)檔案知識(shí)圖譜的關(guān)系模型，并以立體形式展現(xiàn)。展現(xiàn)形式概述如下：①關(guān)系模型全局視角：在首頁(yè)以展示會(huì)計(jì)檔案中實(shí)體與實(shí)體間的關(guān)系。②關(guān)系模型局部視角：通過選中點(diǎn)擊定位或搜索定位，定位到某個(gè)實(shí)體，可展示其與其他實(shí)體的內(nèi)在和外在關(guān)系。③穿透查看：支持定位到某個(gè)實(shí)體后，穿透查看該實(shí)體的所有屬性信息。④提供對(duì)模型的縮放、拖拽、旋轉(zhuǎn)等動(dòng)態(tài)的交互效果方便查看。

（7）會(huì)計(jì)檔案關(guān)系查詢：接入會(huì)計(jì)檔案的實(shí)例數(shù)據(jù)后，基于前期建立的會(huì)計(jì)檔案關(guān)系模型，提供實(shí)例數(shù)據(jù)的檢索查詢，如輸入供應(yīng)商名稱，則可展示出會(huì)計(jì)檔案中所有和該供應(yīng)商建立關(guān)系的實(shí)例數(shù)據(jù)，及該供應(yīng)商相關(guān)的全業(yè)務(wù)鏈條的價(jià)值信息。

三、圖譜構(gòu)建流程

梳理形成會(huì)計(jì)檔案的關(guān)鍵要素，還原業(yè)務(wù)管理的流程環(huán)節(jié)，串聯(lián)相關(guān)單據(jù)信息、版式文件、信息內(nèi)在聯(lián)系，整合業(yè)務(wù)鏈條的會(huì)計(jì)檔案電子文件和流轉(zhuǎn)信息，并以關(guān)鍵節(jié)點(diǎn)與鏈路相結(jié)合的方式展示圖形化知識(shí)圖譜。

（一）圖譜設(shè)計(jì)

圖譜設(shè)計(jì)之前，要結(jié)合供電企業(yè)的業(yè)務(wù)特點(diǎn)，完成經(jīng)濟(jì)業(yè)務(wù)現(xiàn)狀梳理，按照五大類會(huì)計(jì)檔案信息完成各類檔案間的實(shí)體、屬性及其關(guān)聯(lián)關(guān)系的整理。知識(shí)圖譜要基于要素之間的關(guān)系來構(gòu)建圖譜數(shù)據(jù)模型，可以在系統(tǒng)以表格或者圖的方式實(shí)現(xiàn)實(shí)體、實(shí)體基本屬性、實(shí)體關(guān)系屬性的添加。

（二）基礎(chǔ)數(shù)據(jù)導(dǎo)入

基礎(chǔ)數(shù)據(jù)是有可能或許應(yīng)用到的基本常識(shí)類數(shù)據(jù)，比如地理位置、規(guī)章制度等。

（三）安徽檔案館數(shù)據(jù)到圖譜設(shè)計(jì)知識(shí)映射

安徽檔案館的數(shù)據(jù)都已存入關(guān)系型數(shù)據(jù)庫(kù)，數(shù)據(jù)之間的依賴關(guān)系也是以關(guān)系型的數(shù)據(jù)表來做關(guān)系建立的，所以需要有一個(gè)映射過程來把二維表的數(shù)據(jù)映射到圖關(guān)系上。知識(shí)映射包括實(shí)體映射、屬性映射及關(guān)系映射。

1.實(shí)體映射

實(shí)體映射的過程就是把二維數(shù)據(jù)庫(kù)的某張表映射到圖譜設(shè)計(jì)的某個(gè)實(shí)體上。

例如，圖譜設(shè)計(jì)有個(gè)實(shí)體用戶，數(shù)據(jù)庫(kù)有個(gè)表NECP_UMC_XTYHXX，那就要有一個(gè)用戶-NECP_UMC_XTYHXX 的映射過程。

2.屬性映射

實(shí)體映射完后，比如用戶-NECP_UMC_XTYHXX，那表里面屬性字段要映射到圖譜設(shè)計(jì)的基本屬性，比如用戶（姓名）-NECP_UMC_XTYHXX（YHMM）。

3.關(guān)系映射

關(guān)系映射是把二維表的關(guān)系映射到圖譜設(shè)計(jì)的某個(gè)具體關(guān)系上，二維表的某個(gè)關(guān)系可能關(guān)聯(lián)到2 張表，也可能關(guān)聯(lián)到3 張表。

（四）圖譜構(gòu)建

圖譜構(gòu)建的過程則是把數(shù)據(jù)導(dǎo)入的基礎(chǔ)數(shù)據(jù)和數(shù)據(jù)庫(kù)映射的數(shù)據(jù)，都構(gòu)建到知識(shí)圖譜當(dāng)中，供后續(xù)知識(shí)圖譜應(yīng)用。

（五）關(guān)系特性推理補(bǔ)全

關(guān)系特性是知識(shí)圖譜推理的重要基礎(chǔ)，如“所屬角色”這個(gè)關(guān)系和“擁有用戶”是互為可逆的關(guān)系，比如用戶A-管理員-角色這樣的關(guān)系知曉了，是可以推理出角色-擁有用戶-用戶這樣的逆關(guān)系。此過程就是利用關(guān)系特性的對(duì)稱性、逆關(guān)系的設(shè)置達(dá)到關(guān)系推理的過程。

（六）數(shù)據(jù)清洗

數(shù)據(jù)清洗是某些抽取到的數(shù)據(jù)在知識(shí)圖譜中要一個(gè)轉(zhuǎn)換的過程，比如非法字符過濾，數(shù)字轉(zhuǎn)換等。

（七）歸一消歧

歸一消歧的過程是對(duì)多個(gè)數(shù)據(jù)源的抽取到的實(shí)例有可能重復(fù)了，需要去重復(fù)的一個(gè)過程，如用戶信息，可能來自多個(gè)表，則需要對(duì)重復(fù)的用戶去重。

四、應(yīng)用成果

（一）低代碼構(gòu)建圖譜設(shè)計(jì)

以原始憑證、記賬憑證、賬簿、報(bào)表、其他資料為核心，編制完成企業(yè)經(jīng)濟(jì)業(yè)務(wù)核算現(xiàn)狀報(bào)告，厘清會(huì)計(jì)檔案實(shí)體559 個(gè)，要素5505 個(gè)以及它們的聯(lián)系，基于拖拉拽方式利用圖譜設(shè)計(jì)靈活構(gòu)建實(shí)體要素關(guān)系。

（二）全鏈路關(guān)系模型可視

利用可視化渲染技術(shù)，將圖譜設(shè)計(jì)的圖關(guān)系通過圖視覺方式展現(xiàn)，結(jié)合圖路徑搜索、聚合算法、中心點(diǎn)算法、連通子圖計(jì)算等技術(shù)推理數(shù)據(jù)關(guān)系。利用3D 技術(shù)，拖拽、縮放等交互方式，提升圖的可視效果，形成五大類會(huì)計(jì)檔案全鏈路網(wǎng)狀結(jié)構(gòu)知識(shí)圖譜。

（三）場(chǎng)景式關(guān)系數(shù)據(jù)溯源

以數(shù)字會(huì)計(jì)檔案館數(shù)據(jù)為基礎(chǔ)，豐富圖譜的知識(shí)內(nèi)容；以邏輯關(guān)系鏈接為基礎(chǔ)，分析、構(gòu)建、繪制知識(shí)載體聯(lián)系；以智能技術(shù)為支撐，完成建模、抽取、融合、存儲(chǔ)、計(jì)算與檢索，構(gòu)建體系化會(huì)計(jì)檔案知識(shí)譜系，挖掘最小檔案知識(shí)單元，實(shí)現(xiàn)場(chǎng)景式數(shù)據(jù)溯源，滿足企業(yè)數(shù)字化管理需求。

五、應(yīng)用價(jià)值

（一）將會(huì)計(jì)檔案數(shù)據(jù)沉淀為數(shù)據(jù)資產(chǎn)

基于會(huì)計(jì)檔案的知識(shí)圖譜研究不是簡(jiǎn)單的數(shù)據(jù)梳理和統(tǒng)計(jì)分析，而是將會(huì)計(jì)檔案知識(shí)映射到向量空間參與計(jì)算，用深度學(xué)習(xí)挖掘隱藏關(guān)系，實(shí)現(xiàn)數(shù)據(jù)價(jià)值，惠及企業(yè)管理。

（二）推進(jìn)電力企業(yè)財(cái)務(wù)管理智能化發(fā)展

通過知識(shí)圖譜技術(shù)重塑關(guān)鍵要素的排列組合方式以及更深層次的數(shù)據(jù)加工，進(jìn)一步挖掘電力企業(yè)會(huì)計(jì)檔案價(jià)值，推進(jìn)業(yè)財(cái)管理智能化發(fā)展。

（三）應(yīng)用人工智能技術(shù)提高查詢效率

基于建立的會(huì)計(jì)檔案關(guān)系模型，基于會(huì)計(jì)檔案的知識(shí)圖譜應(yīng)用中接入會(huì)計(jì)檔案實(shí)例數(shù)據(jù)可提供數(shù)據(jù)的快速、全業(yè)務(wù)檢索，展示該數(shù)據(jù)全業(yè)務(wù)鏈條價(jià)值信息，助力企業(yè)數(shù)字化轉(zhuǎn)型。

結(jié)語(yǔ)

知識(shí)圖譜技術(shù)應(yīng)用于會(huì)計(jì)檔案管理，可以推進(jìn)企業(yè)業(yè)務(wù)信息鏈與財(cái)務(wù)價(jià)值鏈的深度融合，挖掘業(yè)務(wù)信息與財(cái)務(wù)信息強(qiáng)關(guān)聯(lián)性，為數(shù)據(jù)治理提供便捷基礎(chǔ)，將信息管理應(yīng)用向知識(shí)服務(wù)發(fā)展?；跁?huì)計(jì)檔案的知識(shí)圖譜，可以為大數(shù)據(jù)開放應(yīng)用提供支撐，實(shí)現(xiàn)財(cái)務(wù)基礎(chǔ)信息價(jià)值，為經(jīng)濟(jì)社會(huì)的發(fā)展創(chuàng)造價(jià)值、傳遞價(jià)值。