(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211212383.X (22)申请日 2022.09.28 (71)申请人 国网山东省电力公司淄博供电公司 地址 255000 山东省淄博市张店区北 北京 路67号 (72)发明人 王伟　张慧英　许磊　孙宇斌　 韩超　于洋　 (74)专利代理 机构 青岛发思特专利商标代理有 限公司 37212 专利代理师 黄玲玉 (51)Int.Cl. G06Q 10/06(2012.01) G06F 16/36(2019.01) G06F 40/295(2020.01) (54)发明名称 基于知识图谱的审计风险度量方法 (57)摘要 本发明涉及审 计管理技术领域， 具体涉及一 种基于知识图谱的审计风险度量方法， 包括以下 步骤： 步骤一： 收集项目审计报告语料， 构建操作 集合U； 步骤二： 对操作集合U进行预处理， 获取审 计风险待定知识节点； 步骤三： 构建风险知识点 之间的关系连边， 构成审计风险知识图谱； 步骤 四： 构建工程项目审计风险计算方法； 步骤五： 对 设定时间段内的工程项目审计风险值排序， 进行 等级划分， 提供一种不依赖专业审计人员， 能够 识别工程项目审计风险的基于知识图谱的审计 风险度量方法。 权利要求书3页 说明书6页 附图1页 CN 115545468 A 2022.12.30 CN 115545468 A 1.一种基于知识图谱的审计风险度量方法， 其特 征在于， 包括以下步骤： 步骤一： 收集项目审计报告语料， 构建操作集 合U； 步骤二： 对操作集 合U进行预处理， 获取审计风险待定知识 节点； 步骤三： 构建风险知识点之间的关系连边， 构成审计风险知识图谱； 步骤四： 构建工程项目审计风险计算方法； 步骤五： 对设定时间段内的工程项目审计风险值， 进行等级划分。 2.根据权利要求1所述的基于知识图谱的审计风险度量方法， 其特征在于， 所述步骤一 中构建操作集 合U的计算公式如下： 其中， 公示(1)中n是审计管理中的工程项目总数， U表示操作集合， P1， P2...Pn分别是第 1、 2、 ...n个工程项目。 3.根据权利要求1所述的基于知识图谱的审计风险度量方法， 其特征在于， 所述步骤二 中采用文本挖掘技术对操作集合U中的数据进行处理， 获取命名实体和它们之间的对应关 系。 4.根据权利要求3所述的基于知识图谱的审计风险度量方法， 其特征在于， 所述步骤二 包括以下子步骤： 2‑1： 将操作集合U， 按照整句进行分割， 随后进行分词处 理， 去掉停用词； 2‑2： 通过Spacy识别命名实体其对应的单词为ki， i＝1， 2…n， n为整数， 构成集合KG＝ {k1， k2...kn}， 作为审 计风险事件中的备选头节 点或结果节 点， 按照国家审计数据字典 内容 进行分词得到单词ckj， j＝1， 2 …p， 其中p为整数， 构成参照实体集合CH_KG＝{ck1， ck2...ckp}； 2‑3： 采用Spacy及zh_web_lg模型， 为集合KG、 集合CH_KG中 的命名实体和参照实体训练 词向量赋值， 得到 两个维度为3 00的词项量 集合； 2‑4： 将集合KG中的任 意备选实体ki与CH_KG所有参照实体进行词向量余弦相似度比较， 如果相似度大于 50％， 则将ki作为审计风险事 件节点加入集 合V中。 5.根据权利要求4所述的基于知识图谱的审计风险度量方法， 其特征在于， 所述步骤2 ‑ 3中， 两个维度为3 00的词项量 集合的计算公式如下： KG′＝{k1[w1， 1， w1， 2...w1， 300]， k2[w2， 1， w2， 2...w2， 300]...kn[wn， 1， wn， 2...wn， 300]}； CH_KG′＝{ck1[cw1， 1， cw1， 2...cw1， 300]， ck2[cw2， 1， cw2， 2...cw2， 300]...ckp[cwp， 1， cwp， 2...cwp， 300]}； 式中， KG′是命名实体对应词向量构成的词向量集合， 命名实体ki的词向量记为ki[wi， 1， wi， 2...wi， l...wi， 300]， wi， l是第l维的取值， wi， l取值范围是[0， 1]， l＝1， 2， ...300； CH_KG ′是 参照命名实体对应词向量构成的词向量集合， 其中参照命名实体ckj的词向量记为ckj [cwj， 1， cwj， 2...cwj， l...cwj， 300]， cwj， l是第l维的取值， cwj， l取值范围是[0， 1]， l＝1， 2， ...300。 6.根据权利要求5所述的基于知识图谱的审计风险度量方法， 其特征在于， 所述步骤2 ‑ 4中， 余弦相似度计算公式如下：权　利　要　求　书 1/3 页 2 CN 115545468 A 2其中ki[wi， 1， wi， 2...wi， 300]是命名实体ki的词向量， ckj[cwj， 1， cwj， 2...cwj， 300]是参照命 名实体ckj的词向量， wil是命名实体ki词向量第l维的取值， cwj， l是第l维的取值。 7.根据权利要求4所述的基于知识图谱的审计风险度量方法， 其特征在于， 所述步骤三 中通过语义角色标注方法构建风险知识点之间的关系连边， 步骤三包括以下子步骤： 3‑1： 初始化G(V， L)为知识图谱网络， 其中V是由步骤二生成， 并再 次输入所有审计报告 文本集合U； 3‑2： 将操作集合U按照整句进行分割， 保留名词+名词、 名词+动词、 动词+名词、 形容词+ 名词、 名词+形容词句法分析结构， 通过Spacy语义角色标注工具包给句子中的词标记语义 角色标签， 筛选出动作施事者标签对应的词A0， 核心谓词标签对应的词Vb及受事者标签对 应的词A1， 若词满足A0∈V  and A1∈V， 则在知识图谱网络G中添加连边lij(vi， wlij， TRi， vj)， vi， vj分别对应A0和A1， w lij是连边的权 重， 根据连边出现次数进行 更新， TRi填入Vb； 3‑3： 删除G(V， L)中的孤立节点。 8.根据权利要求7所述的基于知识图谱的审计风险度量方法， 其特征在于， 所述步骤四 包括以下子步骤： 4‑1： 输入待评价项目审计报告语料， 生成关键词集 合； 4‑2： 遍历知识图谱G(V， L)， 生成子图G ’(V’， L’)； 4‑3： 计算节点v ′i的度及 表示度为 的节点在 知识图谱G的出现概 率； 4‑4： 计算子图中相互连接节点之间的互信息， 计算公式为： 式中， 表示节点v ′i和v′j的联合分布概 率； 4‑5： 计算工程项目m的审计风险值riskm， 计算取值越大， 风险越大。 9.根据权利要求8所述的基于知识图谱的审计风险度量方法， 其特征在于， 所述审计风 险值riskm的计算公式如下： 其中， Lengthk是子图G’中第k条路径的路径长度， 综合了多个知 识节点关系中蕴含的风险， 表示节点v ′i和v′j的联合分布概率， 表 示度为 的节点在 知识图谱G的出现概 率。 10.根据权利要求7所述的基于知识图谱的审计风险度量方法， 其特征在于， 所述步骤 五中四分位法对工程项目审计风险值进行等级划分， 包括以下子步骤： 5‑1： 计算所有工程项目审计风险值riskm， 按照从小到大排序； 5‑2： 按照四分位法找到四分位数： Q1、 Q2、 Q3、 Q 4； 5‑3： riskm取值在0～Q1的记为R1类， Q1～Q2的记为R2类， Q2～Q3的记为R3类， Q3～Q4的权　利　要　求　书 2/3 页 3 CN 115545468 A 3