陳文佳

摘要：在一個或者多個被審計數(shù)據(jù)源中可能存在相似重復實體，這些相似重復實體可能隱藏著審計項目中需要查找的疑點，筆者采用了基于B/S架構的軟件開發(fā)方法分析并設計出相似檢測審計方法。本文中介紹了相似檢測方法的定義和工作原理，并應用了審計案例數(shù)據(jù)對該方法的實用性進行了檢驗。

關鍵詞：相似檢測；電子數(shù)據(jù)審計；案例應用

中圖分類號：TP31 文獻識別碼：A 文章編號：1001-828X（2017）003-0-02

在筆者研讀文獻和參與實踐的過程中發(fā)現(xiàn)，一種用于數(shù)據(jù)清理的相似檢測方法可以有效地適用于審計工作中。在一個或者多個被審計數(shù)據(jù)源中可能存在相似重復實體，這些相似重復實體可能隱藏著審計項目中需要查找的疑點。

一、相似檢測方法的定義

審計數(shù)據(jù)中也常常出現(xiàn)冗余或有意重復的部分，通過應用相似檢測方法，一方面可以提高電子審計數(shù)據(jù)的質量，另一方面審計人員在分析相似重復記錄時也可能挖掘出新的審計線索。相似重復記錄的產生通常發(fā)生在數(shù)據(jù)取得和傳遞過程中，審計人員需要結合審計數(shù)據(jù)本身的作用、來源等分析相似重復記錄產生的情況是否可以合理解釋，以及相似重復記錄產生后是否會引起重大的后果。

二、相似檢測方法的工作原理

（一）相似檢測的參數(shù)設置

兩條記錄是否相似，常常是通過其具有代表性的屬性值判斷。因此計算相似度之前，首先需要選定判斷相似的屬性字段并分配字段權重?，F(xiàn)實生活中，每個實體都有著多個屬性，判斷相似時，需要綜合各個屬性的相似情況。另外，每個屬性的重要性也是有差別的，因此，對每一個屬性需要設置權重來反映其在判定相似度的重要程度，權重的分配一般需要基于人員對數(shù)據(jù)屬性的理解和需求來自主地確定。

（二）記錄相似度的算法和度量

1.字符型字段的相似度計算方法

對于字符型字段，其匹配算法采用編輯距離算法，這種算法是計算一個字符串通過插入、替換、刪除字符等編輯方式轉換成另一個字符串所需要的最少的編輯次數(shù)，根據(jù)計算出的編輯距離，需要對應地給出一個介于0和1之間的小數(shù)表示其相似的程度（完全不同時為0，完全相同時為1），這個數(shù)值的確定方法可以根據(jù)操作人員的需要自行設定，漢字表述為主的數(shù)據(jù)通常適用這個算法。

2.數(shù)值型字段的相似度計算方法

對于數(shù)值型字段，可以通過計算數(shù)字間的相對差異取得其相似度：

其中a與b為數(shù)值型字段。值得注意的是，通常情況下S（a，b）的取值范圍為[0，1]，而當兩個數(shù)值符號不同時，會導致S（a，b）≤0，在該情況下，相似度取值為0。

3.布爾型字段的相似度計算方法

對于布爾型字段，如果相同，則相似度為1，如果不同，則相似度為0。

計算完每個字段對應的相似度后，結合參數(shù)設置時確定的字段權重，計算出兩條記錄的整體相似度，這個相似度的值應當也介于0和1之間，數(shù)值越大代表其為相似記錄的可能性也越大。

三、電子數(shù)據(jù)相似檢測審計的應用

在多個被審計數(shù)據(jù)源中可能含有相似的內容，這些相似內容在某些情況下也許會成為審計問題的突破口。下文將以某審計案例數(shù)據(jù)為例介紹本系統(tǒng)的應用。

為了審計某省應取消的行政審批事項是否及時取消，審計人員搜集了國務院取消行政審批事項的發(fā)文，并讓省法制辦公室提供該省行政審批事項的清單。審計人員的審計方法是將國務院發(fā)文中每項取消的事項帶入該省行政審批事項清單中查找是否存在應取消的審批事項，隨時將可疑的審批事項記錄下來。然而，2013年以來，國務院通過取消和下放行政審批事項共618項，進行完所有的查找至少需要一個小時。

如果使用本系統(tǒng)的相似檢測審計方法，只需要簡單的幾步操作，具體如下：

1.將待對比的兩個文件轉換為數(shù)據(jù)庫文件的格式。具體操作過程為：打開Access并新建“空白桌面數(shù)據(jù)庫”，選擇從外部獲取數(shù)據(jù)，在對應類型下選擇數(shù)據(jù)文件導入即可。本案例中的文檔應當是國務院取消行政審批事項的發(fā)文和該省行政審批事項的清單。

2.在網(wǎng)頁界面中，選擇進行匹配的數(shù)據(jù)庫文件，將數(shù)據(jù)庫文件上傳到系統(tǒng)指定的目錄下，并界面中顯示出兩個文件中的內容，同時，左側的“表一字段”和“表二字段”下方的下拉菜單直接獲取表頭的字段名。

3.根據(jù)審計的需要，首先選擇需要進行相似檢測的字段，并根據(jù)字段的數(shù)據(jù)類型選擇相應的相似檢測算法，再設置每對字段在此次匹配中的權重，接著設置“字段間閾值”和“記錄閾值”，用于判斷字段相似度和記錄相似度是否滿足審計人員認定的相似程度。本案例中，兩張表的對應字段為：表一的“項目名稱”與表二的“權力名稱”相對應，表一的“審批部門”和表二的“行使主體”相對應。其中，“權力名稱”的相似比“部門”的相似更重要，所以暫且設置“權力名稱”的權重為0.7，“權力名稱”的權重為0.3，假設將字段閾值控制在0.3，記錄閾值為0.4，執(zhí)行命令后獲得了兩組記錄（詳細內容見圖1），這兩組數(shù)據(jù)可以作為審計線索進行下一步審計工作。

四、結語

上述案例中，使用本系統(tǒng)的相似檢測審計方法得到的結果與審計人員得到的結果是一致的，因此，使用相似檢測審計系統(tǒng)能夠更加便于審計人員發(fā)現(xiàn)更多的審計線索，提高審計工作的效率和效果。

參考文獻：

[1]陳偉.大數(shù)據(jù)環(huán)境下基于模糊匹配的審計方法[J].中國注冊會計師，2016（11）：84-88+3.

[2]殷秀葉.大數(shù)據(jù)環(huán)境下的相似重復記錄檢測方法[J].武漢工程大學學報，2014（09）：66-69.

基金項目：本文系2016年南京審計大學研究生科研創(chuàng)新計劃項目（項目編號：MZ2016001）的研究成果之一。