[发明专利]一种基于深度神经网络的审计疑点提取方法

权利要求书

1.一种基于深度神经网络的审计疑点提取方法，其特征在于，该方法包括以下步骤：

S1：采集数据库里中的历史审计数据，所述历史审计数据包括审计数据明细和审计结果；

S2：梳理审计数据明细字段类型，把字段划分为数值型、枚举型、文本型和日期型四个类型，每个字段都会对应其中一种类型；

S3：对S2中的四个类型的字段分别进行特征表示；

S4：按照S3中的特征表示方法对历史全量数据进行数值计算，将转化为模型的特征表示和审计结果标签作为模型输入；

S5：训练混合数据类型的深度神经网络分类模型；

S6：对接线上业务系统，输入待审计数据明细，按照S4中方法，以同样的方式将待审计数据明细转化为模型的特征表示，使用混合数据类型的深度神经网络分类模型进行预测，获得预测标签；

S7：给已经获得预测标签的待审计数据明细打上对应的分类标签，包括“通过”和“疑点”，把模型预测结果进行入库；

S8：对预测为存在审核疑点的数据明细进行推送，发送给审计员用以分析；

S9：审计员对数据明细进行核对审核后，将人工审核结果写入库。

2.根据权利要求1所述的一种基于深度神经网络的审计疑点提取方法，其特征在于，在步骤S3中，构建数值型字段的特征表示方法为，对数值型字段使用全量数据进行标准化处理，将数值型字段的具体值缩放到均值为0和方差为1的范围作为特征表示。

3.根据权利要求1所述的一种基于深度神经网络的审计疑点提取方法，其特征在于，在步骤S3中，构建枚举型字段的特征表示方法为，对枚举型字段进行统计获取所有枚举值，获得枚举型字段的独热特征表示，即每个枚举值表示为特征向量中的一维表示。

4.根据权利要求1所述的一种基于深度神经网络的审计疑点提取方法，其特征在于，在步骤S3中，构建日期型字段的特征表示方法为，对日期型按照业务标准来算时间间隔，把时间间隔作为数据特征表示。

5.根据权利要求4所述的一种基于深度神经网络的审计疑点提取方法，其特征在于，在步骤S3中，构建日期型字段的特征表示方法为，根据字段“审批提交时间”和“审批通过时间”，按照业务标准算出两个字段的差值即为时间间隔，以天为单位，经过计算之后，对全量数据的时间间隔数值进行标准处理，缩放到均值为0和方差为1的范围作为特征表示。

6.根据权利要求1所述的一种基于深度神经网络的审计疑点提取方法，其特征在于，在步骤S3中，构建文本型字段的特征表示方法为，对一个或者多个不同的文本型字段按照固定的字段顺序进行拼接作为文本特征表示。

7.根据权利要求1所述的一种基于深度神经网络的审计疑点提取方法，其特征在于，在步骤S9中，写入库的审核结果为下个周期的深度神经网络分类模型提供标注数据，用以迭代更新模型效果。