審計知識圖譜的構建與研究
——基于Neo4j 的圖譜技術

王瑞萍 劉峰 楊媛琦 邢春玉

知識圖譜（Knowledge Graph）是顯示知識發展進程與結構關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域映射地圖，是用可視化技術描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識及它們之間的相互聯系。隨著大數據技術的發展以及海量數據轉化為知識時代的到來，知識圖譜技術能夠從海量非結構化數據（如文本和圖像）和結構化數據中進行知識獲取、知識共享，并在大數據時代進行知識創新。知識圖譜可以高效、直觀地描繪出目標對象（如企業，事件等）之間的相關網絡，并在多維視角實現對象的真實情況和錯綜復雜的關系。在企業的實際業務中，面對海量繁多的財務會計憑證、賬簿、報表及電子數據等信息，審計人員常常通過抽查來發現問題。知識圖譜技術的出現，提供了更高效的審計，提高審計工作效率，可以作為經典審計方法的補充，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險，同時也降低了審計工作的復雜性和總體風險。本文基于百度問答的數據，對審計領域的一些常見知識進行了收集，基于多源異構審計數據，構建了結構化審計數據庫，并通過可視化工具，進行初步的可視化分析產生可視化圖表，對審計信息進行分析和使用，有助于審計信息使用者快速了解特定領域的審計知識，為審計需求相關方的決策提供參考價值。

一、研究回顧

知識圖譜的應用大概分為通用知識領域和行業知識領域。通用知識領域的應用主要包括智能問答系統，如Google。Google 知 識 圖譜是在Freebase 的基礎上研發的，Freebase 是 由Kurt Bollacker,Robert Cook, Patrick Tufts(2007)提出的通用人類知識數據庫。該數據庫具有實用、可擴展、圖形化、結構化的特點，其靈感來自于語義Web 研究和協作數據通信，如Wikipedia。Freebase 允許通過HTTP 的圖形查詢API 進行公共讀寫訪問，用于研究、創建和維護結構化數據以及應用程序構建。近年來，國內學者還開發出一款類似Google 的大規模開放知識圖譜---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，并協調來自各個來源的知識以獲得規范的數據集，該圖譜的規模雖不及Google 研發的知識圖譜，但是卻也包含大約1000 萬個實體（周盛威，2018）。

知識圖譜行業知識領域的應用主要有醫學領域、金融領域等。醫學領域方面，張崇宇（2019）提出面向臨床醫療知識圖譜的自動問答方法，主要依托于構建的臨床醫療知識圖譜的實體、關系及屬性，通過數據冷啟動機制生成語料，然后基于一種網格Bi-LSTM-CRF 算法的醫療實體識別和基于字-詞編碼CNN 模型的關系/屬性映射方法來完成問題的語義解析任務。然后通過業務分流和查詢邏輯轉換為Neo4j 圖數據庫，最終實現醫療應用場景的知識圖譜自動問答系統。在金融領域方面，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，通過圖數據庫直觀顯示數據集的特征，并通過FICO評分標準建立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中占有重要地位，通過將抽象數據進行可視化展示，從而加強人們對數據的認知及數據獲取效率。Bernal 于1938 年繪制學科圖譜，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，國內外關于知識圖譜的可視化工具層出不窮。國外最為經典的知識圖譜可視化分析軟件是CiteSpace，它是一款針對科學文獻的可視化分析工具，用于計量特定領域的文獻，從而探尋該學科的發展方式和知識變遷。該軟件適合復雜的網絡關系可視化分析，但是CiteSpace被運行在java 平臺，適合專業基礎較高的人，使用門檻高。在國內，Plantdata 是一款較為成熟的知識圖譜可視化平臺。與傳統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智能深度搜索系統，并以不同的形態展現給用戶，通過對多個維度進行分析，幫助用戶做出決策（楊卓，2019）。

圖1 csv 文件中部分數據

圖2 節點查詢示例圖

圖3 審計關系查詢的節點示例

經過以上對國內外研究的分析和比較，可以看出知識圖譜及其可視化服務正在迅猛發展，并開始逐步應用至各行各業。知識可視化的實質是將內容用圖形的方式表示，更符合人們對信息的感知與理解，從而進行知識傳播（劉琦，2018）。在企業審計領域中，由于審計知識領域涉及范圍較廣，審計知識之間的關系紛繁復雜，存儲、組織和表達方式較為松散，缺乏有效的管理。另外，審計知識檢索的效率不高，無法進行關聯知識的深度檢索。由此可見，將知識圖譜與可視化技術運用至企業審計領域中，與檢索者產生交互，顯示地表達知識的整體性與關聯性，將對知識的傳播起到推動作用。同時，企業也可通過運用審計知識圖譜，將傳統的業務推動數據模式轉化為數據推動業務模式，提高審計的效率，挖掘不易發現的審計數據，為企業決策提供參考價值（樊世昊，2018）。國內外對于實現信息化審計的研究仍處于起步階段，由于審計領域涉及范圍較廣，實現全面的大數據審計仍有難度。目前，雖有一些學者將知識圖譜應用在審計領域中，但尚無較為成熟的應用。

圖4 “審計”知識譜圖示例

圖5 模糊查詢

圖6 模糊查詢結果頁面

二、基于Neo4j 圖數據庫的審計知識圖譜的構建

在審計領域中，由于審計知識領域涉及范圍較廣，審計知識之間的關系紛繁復雜，存儲、組織和表達方式較為松散，缺乏有效的管理（劉琦，2018）。另外，審計知識檢索的效率不高，無法進行關聯知識的深度檢索。對此，Neo4j 圖數據庫的存儲結構與領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系的管理，還能對知識進行快速查詢和清晰展示（葉帥，2019）。為了實現審計數據的信息化，知識圖譜中的語義關聯可以有效地整合多元異構審計數據。知識圖譜的數據通常以三元組(S，P，D)的形式來表示實體、關系、屬性之間的關系，因此，本文用Neo4j 圖數據庫實現實體及實體關系的存儲，構建審計知識圖譜。Neo4j 是一種圖形數據庫，是目前圖形數據庫中使用率最高的庫，Neo4j 具備本地存儲和數據處理的功能，與一般的數據庫有顯著的區別，它能夠保證數據的完整性和高讀寫性。審計知識圖譜構建的目的是將經典的審計方法與知識圖譜可視化方法相結合，從大量的企業結構化和非結構化文本中自動提取三元組，構建審計的知識圖譜，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建過程。

（一）審計數據的獲取

經過對不同行業和領域對審計需求的調研，發現存在兩類數據，第一類是審計領域內的直接數據，第二類是與審計相關聯的通識數據。

對于直接數據，先從結構化數據源的相應本體模型出發，定義概念之間的分層關系，然后從多個數據源所定義的概念出發添加實體和屬性。通過定義知識圖譜的本體模式，以確保知識層次結構的正確性，然后再針對定義好的本體模式，對領域數據中的相關知識進行抽取，通過知識融合、質量評估等階段，篩選出滿足準確率要求的三元組進行企業審計知識圖譜的構建，并將其存儲于MySQL 數據庫進行關聯。另外，由于非結構化數據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準。因此，具有高可信度的半結構化的通識知識數據將被用作構建企業審計知識圖譜，作為構建審計知識圖譜的另一個層次的數據源，與審計數據互補。

對于通識知識數據，將抽取百科頁面中的半結構化數據，作為關鍵性的知識，轉換成三元組，然而，對于關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，但實際對應現實世界中的同一實體，需要對這些冗余的知識進行知識融合，保證所構建知識圖譜的準確性。由于企業審計知識圖譜對準確性的要求較高，關系到企業的利益，因此將采用已有的算法，對這些冗余的知識進行篩選，然后再使用人工進行評估。這些冗余的知識，在百科數據中只是部分存在，而且比例很低，使用這種思路不會造成較高的人工成本，準確度和效率都是可接受的。

（二）審計數據處理

經過知識清洗與數據預處理，得到了關于審計領域的知識三元組數據，儲存在txt 文檔中，以逗號分隔，然后將數據txt 文檔格式轉為CSV 文件格式。CSV 是使用文本文檔形式存儲的數據，文件內每一行代表一條數據，每條記錄包含了由逗號分隔的一個屬性值，其中A 列中的數據代表Source 節點類型，C 列中的數據代表Target 節點類型，B 列中的數據代表關系（relation）。其數據格式如圖1 所示。

將上述數據導入Neo4j，其邏輯為：(1)node 相關：CSV 文件首列為Source 節點，第三列為Target 節點，第二列為relation（關系）。消除完重復數據后，為每個節點生成唯一的id 和name 字段，方便查看節點的屬性。（2）relation 相關：每種關系單獨生成一個關系類型，這樣在進行后續的查詢操作時可以針對某個關系或節點直接進行查詢。關系兩端的node 用生成的id 進行標示。(3)數據導入生成知識圖譜：清空Neo4j 現有的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 語句進行查詢。

（三）審計數據的導入

本 文 采 用Python 與Neo4j 圖數據庫連接的方式，進行數據導入工作。首先需要將已有的CSV 格式的數據導入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入操作數據需要使用的模塊。下一步需要在Neo4j 中運用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 中設置自己本地的url與Neo4j 庫的用戶名與密碼，即可實現審計數據導入Neo4j，從而完成基于Neo4j 圖數據庫的審計知識圖譜的構建。

三、審計知識圖譜的實現

審計知識圖譜的實現主要是通過信息抽取、知識融合、圖譜的構建與儲存等核心技術從大量的異構數據源出發，抽取其中的實體、屬性等關鍵知識及其相互關系，再完成實體對齊與實體消歧等數據融合工作，然后采用符合質量要求的知識構建圖譜，并利用MYSQL 數據庫對構建好的知識圖譜進行儲存。在上一節中進行了數據導入工作并在Neo4j 圖數據庫中構建了企業審計領域知識圖譜。Neo4j圖數據庫中，共設有兩種節點類型，分別是Source 節點類型與Target 節點類型。用戶可以根據自己的需求進行查詢，進而清晰明了地了解節點以及節點與節點之間的關系。

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

再比如，當用戶需要在Neo4j 中查詢關系（relation）時，需要使用Match 語言進行查詢，以查詢“審計”關系為例，若想查詢圖數據庫中所有關于“審計”關系的節點，查詢語句如下:MATCH（n:Source）-[：‘審計’]-（m:Target）return n,m limit 20。這時圖數據庫會加載出所有以“審計”關系連接的節點，（其中limit 為控制節點顯示數量的參數，可修改為任意數量），查詢結果如圖3 所示。

對審計領域的知識獲得全局認識，亦可以借助知識圖譜的手段。審計知識圖譜的構建，有助于人們通過節點-關系-節點的方式，方便快捷、清晰明了地獲取審計領域的相關知識，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”相關領域，例如查詢對于“審計（獨立性的經濟監督活動）”相應知識，查詢結果如圖4 所示，即可通過圖譜的方式獲得相應審計知識的展示，方便用戶快速、系統、較為全面地獲得審計領域知識。

另外，知識圖譜也提供了強大的模糊查詢的功能。當用戶在搜索框內輸入想要查詢的詞語，隨后會出現下拉框，用戶可通過點擊某一詞語或句子，這時會出現用戶搜索的詞語的網絡關系圖。以搜索“cpa”為例，如圖5 所示，頁面的搜索框下會出現所有包含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中創建新的節點（node）類型、創建的節點類型與已有的節點建立新的關系（relation），以及刪除圖數據庫中的任意節點等，都可以進行相應語句的編寫與操作。這種通過圖譜的形式展示出來的、區別于傳統的百度搜索查找審計領域知識的方式，是大數據審計、信息化審計和智能化審計發展到一定階段的產物，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性。

通過審計知識圖譜的構建，相關人員可以快速準確地了解到當前環境下審計知識的現狀，精準抓取審計行業面臨的問題等等。對于審計從業人員而言，需要不斷加強大數據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確性。對于被審計單位而言，審計知識圖譜的構建有助于企業從內部審計出發，快速精準地挖掘企業面臨的審計難題，提升公司內部的管理水平，防患于未然，以降低不必要的損失；并結合注冊會計師（CPA）審計的相關知識，加強合作，確保審計意見的正確出具，并不斷提升自我在行業中的核心競爭力。對于監管部門而言，通過對審計領域違規問題的查詢，可以系統地通過知識譜圖的方式展示審計異常的企業以及事務所的情況，實現審計違規的精準查處和精準治理。