基于数据挖掘的智能财务审计系统研究与实现
发布时间：2020-12-15 13:06
传统审计方式很难发现隐藏于海量数据中的各种财务问题,本文以学科交叉的思维,综合运用数据挖掘技术、基于专家知识的故障诊断理论和财务审计理论,开发出了一个能够处理多种数据类型、自动发现审计线索的智能化财务审计系统。本文主要研究内容如下:（1）财务报表审计分析模型研究。将基于专家知识的故障诊断理论运用于财务审计领域,通过建立整体审计分析模型发现重点审计对象及疑似故障点,结合重点分析模型和个体分析模型对财务数据进行深层次、立体式地推理分析,以发掘异常线索,并利用知识库对审计知识规则、审计模型及审计建议进行存储,提高了模型的利用率和审计人员的工作效率。（2）会计凭证智能分析算法研究。针对凭证摘要和会计科目中单位名称记录不规范的问题,本文首先利用集合论设计一种凭证内容规范化算法来实现凭证的规范化。在此基础上提出基于词共现与SOM神经网络的凭证摘要聚类算法,通过计算词间共现率,利用TextRank算法构建共现图得到共现词组,建立文本向量表示模型,并利用改进的SOM算法实现摘要聚类,结合总结的借贷科目关系,发现审计问题。（3）审计报告智能分析与处理研究。为实现审计问题的分类管理,提出基于BiLSTM神...
【文章来源】：河北经贸大学河北省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
智能审计系统功能结构图
1: for j = 1, 2, …, m do2: for q = 1, 2, …, i do3: data = _ ( , )//根据科目名称 从表 中抽取对应的数据4: if data = Null then5: data = fillNan(0)//判断抽取数据是否为空，若为空补充为 06: else:7: continue8: end if9: data = {data ,data ,…,data }//将 表中抽取的数据保存到集合中10: end for11: datas* = {data ,data ,…,data } //将所有表的数据保存到集合 datas*中12: end for13: Table* = sava_excel(account, datas*) //根据科目名称将对应的数据保存到 Excel 中
图 3.2 处理后资产负债表3.2.2 审计分析模型构建方法常用的模型构建方法有比重分析法、趋势分析法、对比分析法等。建立的高等院校财务分析指标体系中“师生人均公用支出数（按明细）”指标包含学校各项支出，对其进行细致分析可以判断学校支出是否合理、是否存在资源浪费、违规违法等问题，是审计工作中着重关注的财务指标。本文以这项指标的审计分析为主要研究对象，应用趋势分析法和对比分析法，创建整体分析模型。表 3.1 指标体系中其他指标可照此思路构建审计分析模型，本文不再赘述。“师生人均公用支出数（按明细）”这项指标涉及到支出决算明细表（图 3.3）和基本数字表（图 3.4）。经过预处理后的支出决算明细表中包含 40 项科目的支出数据，反映了高校维持正常运转支出情况和项目专项资金支出情况。基本数字表主要包括学校在职员工数和学生人数。考虑到各高校师生人数不同、财政拨款额度不同，我们对每个科目求取人均支出数和总人均支出数。人均支出数指某高校某一科目的支出与该学校人数的
【参考文献】：
期刊论文
[1]用于情感分类的双向深度LSTM[J]. 曾蒸,李莉,陈晶. 计算机科学. 2018(08)
[2]面向短文本的神经网络聚类算法研究[J]. 孙昭颖,刘功申. 计算机科学. 2018(S1)
[3]融合CNN和LDA的短文本分类研究[J]. 张小川,余林峰,桑瑞婷,张宜浩. 软件工程. 2018(06)
[4]基于词向量特征的文本分类模型研究[J]. 张敬谊,张亚红,李静. 信息技术与标准化. 2017(05)
[5]基于共词聚类分析的数字图书馆热点研究[J]. 刘敏,马秀峰. 农业图书情报学刊. 2017(04)
[6]基于加权word2vec的微博情感分析[J]. 李锐,张谦,刘嘉勇. 通信技术. 2017(03)
[7]基于Word2Vec的一种文档向量表示[J]. 唐明,朱磊,邹显春. 计算机科学. 2016(06)
[8]人工神经网络在聚类分析中的运用[J]. 李赛,邹丽华. 商场现代化. 2016(15)
[9]基于词共现网络的海量文本分析与热点话题发现[J]. 张海龙,淦文燕,陈刚,姜博. 计算机与数字工程. 2015(10)
[10]智能审计软件系统架构研究[J]. 曹顺良,宋静,李荣,雷向欣. 财会通讯. 2012(16)
博士论文
[1]基于商业智能的财务审计信息系统研究[D]. 陈洪顺.山东大学 2011
[2]现代大型客机故障诊断专家系统的研究与开发[D]. 吴海桥.南京航空航天大学 2002
硕士论文
[1]中英文政策垂直搜索引擎研究与实现[D]. 王丽鹏.河北经贸大学 2018
[2]微博热点话题发现方法的研究和实现[D]. 张萌.北京交通大学 2018
[3]负荷建模中的负荷特性分类及参数辨识研究[D]. 卞绍润.山东大学 2014
[4]商业智能在审计软件系统中的应用研究[D]. 李冬冬.云南财经大学 2014
[5]基于隐性主题模型和新词发现的关键词抽取研究[D]. 袁明.北京邮电大学 2014
[6]基于数据挖掘的上市公司财务舞弊的关联规则研究[D]. 李臣臣.吉林大学 2011
[7]SOM聚类算法的改进及其在文本挖掘中的应用研究[D]. 蔡丽宏.南京航空航天大学 2011
本文编号：2918315
【文章来源】：河北经贸大学河北省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
智能审计系统功能结构图
1: for j = 1, 2, …, m do2: for q = 1, 2, …, i do3: data = _ ( , )//根据科目名称 从表 中抽取对应的数据4: if data = Null then5: data = fillNan(0)//判断抽取数据是否为空，若为空补充为 06: else:7: continue8: end if9: data = {data ,data ,…,data }//将 表中抽取的数据保存到集合中10: end for11: datas* = {data ,data ,…,data } //将所有表的数据保存到集合 datas*中12: end for13: Table* = sava_excel(account, datas*) //根据科目名称将对应的数据保存到 Excel 中
图 3.2 处理后资产负债表3.2.2 审计分析模型构建方法常用的模型构建方法有比重分析法、趋势分析法、对比分析法等。建立的高等院校财务分析指标体系中“师生人均公用支出数（按明细）”指标包含学校各项支出，对其进行细致分析可以判断学校支出是否合理、是否存在资源浪费、违规违法等问题，是审计工作中着重关注的财务指标。本文以这项指标的审计分析为主要研究对象，应用趋势分析法和对比分析法，创建整体分析模型。表 3.1 指标体系中其他指标可照此思路构建审计分析模型，本文不再赘述。“师生人均公用支出数（按明细）”这项指标涉及到支出决算明细表（图 3.3）和基本数字表（图 3.4）。经过预处理后的支出决算明细表中包含 40 项科目的支出数据，反映了高校维持正常运转支出情况和项目专项资金支出情况。基本数字表主要包括学校在职员工数和学生人数。考虑到各高校师生人数不同、财政拨款额度不同，我们对每个科目求取人均支出数和总人均支出数。人均支出数指某高校某一科目的支出与该学校人数的
【参考文献】：
期刊论文
[1]用于情感分类的双向深度LSTM[J]. 曾蒸,李莉,陈晶. 计算机科学. 2018(08)
[2]面向短文本的神经网络聚类算法研究[J]. 孙昭颖,刘功申. 计算机科学. 2018(S1)
[3]融合CNN和LDA的短文本分类研究[J]. 张小川,余林峰,桑瑞婷,张宜浩. 软件工程. 2018(06)
[4]基于词向量特征的文本分类模型研究[J]. 张敬谊,张亚红,李静. 信息技术与标准化. 2017(05)
[5]基于共词聚类分析的数字图书馆热点研究[J]. 刘敏,马秀峰. 农业图书情报学刊. 2017(04)
[6]基于加权word2vec的微博情感分析[J]. 李锐,张谦,刘嘉勇. 通信技术. 2017(03)
[7]基于Word2Vec的一种文档向量表示[J]. 唐明,朱磊,邹显春. 计算机科学. 2016(06)
[8]人工神经网络在聚类分析中的运用[J]. 李赛,邹丽华. 商场现代化. 2016(15)
[9]基于词共现网络的海量文本分析与热点话题发现[J]. 张海龙,淦文燕,陈刚,姜博. 计算机与数字工程. 2015(10)
[10]智能审计软件系统架构研究[J]. 曹顺良,宋静,李荣,雷向欣. 财会通讯. 2012(16)
博士论文
[1]基于商业智能的财务审计信息系统研究[D]. 陈洪顺.山东大学 2011
[2]现代大型客机故障诊断专家系统的研究与开发[D]. 吴海桥.南京航空航天大学 2002
硕士论文
[1]中英文政策垂直搜索引擎研究与实现[D]. 王丽鹏.河北经贸大学 2018
[2]微博热点话题发现方法的研究和实现[D]. 张萌.北京交通大学 2018
[3]负荷建模中的负荷特性分类及参数辨识研究[D]. 卞绍润.山东大学 2014
[4]商业智能在审计软件系统中的应用研究[D]. 李冬冬.云南财经大学 2014
[5]基于隐性主题模型和新词发现的关键词抽取研究[D]. 袁明.北京邮电大学 2014
[6]基于数据挖掘的上市公司财务舞弊的关联规则研究[D]. 李臣臣.吉林大学 2011
[7]SOM聚类算法的改进及其在文本挖掘中的应用研究[D]. 蔡丽宏.南京航空航天大学 2011
本文编号：2918315
本文链接：https://www.wllwen.com/jingjilunwen/sjlw/2918315.html
