[发明专利]一种基于深度神经网络的审计疑点提取方法

说明书

本发明公开了一种基于深度神经网络的审计疑点提取方法，该方法包括以下步骤：采集历史审计数据；将审计数据明细字段划分为四个类型；对四个类型的字段分别进行特征表示；按照上述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；训练混合数据类型的深度神经网络分类模型；输入待审计数据明细，将待审计数据明细转化为模型的特征表示，并使用深度神经网络分类模型进行预测，获得预测标签；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并入库；将预测为存在审核疑点的数据明细发送给审计员分析；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。本发明有效提升了审计精度和审计效率。

技术领域

本发明涉及互联网及大数据领域，尤其是涉及一种基于深度神经网络的审计疑点提取方法。

背景技术

根据以往的审计经验，项目一般会按照发标，招标，投标，合同签订，执行，验收等环节执行。在执行过程中，有相应的变更流程去指导变更。审计员会按照审计规范对变更项目的变更时间、变更金额、肢解变更情况、变更情况、合同价款等内容进行分析，完成设计变更的审批时效性、管理规范性、依据合理性和经济型论证评估，得出项目变更是否合理合规的结论，对违规的操作行为进行报警推送。

当前的投资审计过程中是通过审计人员手工去收集数据，结合审计员和业务专家的经验来梳理审计疑点的判别规则，然后在实际审计过程中按照预设的判别规则对数据进行一一审核。当前的处理方式存在处理效率低下、受审计员的主观因素影响判别、判别规则的积累和培训难度比较大的问题，因此当前审计过程中对投资疑点的提取识别是很困难的。

发明内容

为了解决上述现有技术中存在的不足，本发明提供一种基于深度神经网络的审计疑点提取方法，将待审计的数据按照不同类型转化成向量表示，使用历史审计结果数据训练构建混合数据类型的深度神经网络分类模型，对接待审计数据实现审计疑点识别提取进行报警推送，提交人工进行审核，提高审计效率。

为了实现上述发明目的，本发明提供以下技术方案：

一种基于深度神经网络的审计疑点提取方法，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。

进一步地，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。

进一步地，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。