戚麗娜

（南京審計(jì)大學(xué) 會(huì)計(jì)學(xué)院，江蘇 南京211815）

一、引言

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，現(xiàn)代社會(huì)各行各業(yè)都面臨著“大數(shù)據(jù)”的挑戰(zhàn)。大數(shù)據(jù)時(shí)代下，信息量呈爆炸式增長(zhǎng)，那就使得如何從海量數(shù)據(jù)中獲得有價(jià)值的信息成為研究熱點(diǎn)。在審計(jì)領(lǐng)域，作為與信息密切相關(guān)的領(lǐng)域之一，不可避免地要跟進(jìn)科技的發(fā)展，運(yùn)用大數(shù)據(jù)技術(shù)，創(chuàng)新審計(jì)技術(shù)，提高審計(jì)效率。審計(jì)面對(duì)的客戶(hù)涉及多種行業(yè)，而企業(yè)在發(fā)展過(guò)程中，必然產(chǎn)生大量的文本數(shù)據(jù)。文本數(shù)據(jù)，作為非結(jié)構(gòu)化數(shù)據(jù)，很難被人或機(jī)器直接解讀和利用，卻隱藏著具有巨大價(jià)值的信息，例如企業(yè)內(nèi)部控制的運(yùn)行軌跡，未來(lái)的項(xiàng)目重點(diǎn)，未來(lái)的發(fā)展方向和趨勢(shì)等，此類(lèi)信息對(duì)于審計(jì)工作的開(kāi)展具有指導(dǎo)意義。因此，研究如何挖掘文本數(shù)據(jù)中隱藏的信息對(duì)現(xiàn)代審計(jì)理論和實(shí)務(wù)具有重要意義。本文在前人研究的基礎(chǔ)上，基于豐富文本數(shù)據(jù)相關(guān)的研究，總結(jié)各類(lèi)文本挖掘的分析方法，理清文本挖掘步驟，結(jié)合審計(jì)領(lǐng)域的不同目的，構(gòu)建審計(jì)文本數(shù)據(jù)的框架和匹配挖掘技術(shù)。

二、文獻(xiàn)綜述

如何從海量數(shù)據(jù)中挖掘出有價(jià)值的信息一直是學(xué)術(shù)界的研究熱點(diǎn)，數(shù)據(jù)挖掘是從大量隨機(jī)并且有噪聲的數(shù)據(jù)中挖掘出其中隱含的有用信息和知識(shí)的過(guò)程，將無(wú)法人工處理的數(shù)據(jù)轉(zhuǎn)化為有規(guī)則、有價(jià)值的信息。毛文偉肯定數(shù)據(jù)挖掘在大數(shù)據(jù)時(shí)代分析數(shù)據(jù)的重要地位，認(rèn)為從海量的數(shù)據(jù)中獲取可信度高、具有潛在利用價(jià)值的信息和規(guī)律必須依靠數(shù)據(jù)挖掘這一技術(shù)①。大數(shù)據(jù)時(shí)代下，數(shù)據(jù)挖掘成為實(shí)現(xiàn)獲取信息及規(guī)律的重要利器。張倩指出，審計(jì)精準(zhǔn)性的提高依賴(lài)數(shù)據(jù)挖掘技術(shù)來(lái)挖掘數(shù)據(jù)內(nèi)涵②。

根據(jù)數(shù)據(jù)結(jié)構(gòu)性，數(shù)據(jù)挖掘可以劃分為兩部分——結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。而文本數(shù)據(jù)作為非結(jié)構(gòu)化數(shù)據(jù)中不可忽視的重要組成部分，學(xué)術(shù)界一直在持續(xù)關(guān)注和研究。其中，一部分學(xué)者研究文本數(shù)據(jù)挖掘全過(guò)程，并設(shè)計(jì)文本數(shù)據(jù)挖掘過(guò)程的總體框架。俞冶在廣告界首次建立包含五大模塊的廣電大數(shù)據(jù)分析平臺(tái)，根據(jù)工作流程，定義數(shù)據(jù)檢測(cè)與收集、數(shù)據(jù)篩選與預(yù)處理、數(shù)據(jù)分析與特征提取、數(shù)據(jù)統(tǒng)計(jì)與分析以及數(shù)據(jù)可視化五步處理步驟③。大部分學(xué)者研究關(guān)于文本數(shù)據(jù)的具體挖掘方法及算法。針對(duì)文本分類(lèi)技術(shù)，盧葦和彭雅站在中文和英文兩種不同的角度，比較幾種文本分類(lèi)技術(shù)。他們研究發(fā)現(xiàn)，對(duì)于英文文本，支持向量機(jī)最適用；而對(duì)于同等數(shù)據(jù)量的中文文本，支持向量機(jī)的算法適用性要差于英文文本數(shù)據(jù)④。針對(duì)文本聚類(lèi)技術(shù)，劉金嶺研究發(fā)現(xiàn)在處理文本稀疏點(diǎn)上，傳統(tǒng)的基于密度的文本聚類(lèi)方法存在局限，要在基于密度的文本聚類(lèi)方法上進(jìn)行改進(jìn)，提高聚類(lèi)的質(zhì)量⑤。針對(duì)文本相似度分析技術(shù)，屈子夢(mèng)認(rèn)為文本相似度分析可以分析文本數(shù)據(jù)中存在的變化，是挖掘文本的重要技術(shù)方法⑥。

還有一部分學(xué)者研究文本挖掘在具體領(lǐng)域中應(yīng)用。譚章祿、彭勝男和王兆剛利用SPSS 軟件對(duì)CNKI 數(shù)據(jù)庫(kù)中的有關(guān)文本挖掘的研究文獻(xiàn)進(jìn)行聚類(lèi)分析，分析結(jié)果顯示國(guó)內(nèi)對(duì)于文本數(shù)據(jù)預(yù)處理、文本挖掘具體應(yīng)用是研究熱點(diǎn)⑦。

文本挖掘在審計(jì)領(lǐng)域中的應(yīng)用和研究也屬于具體研究領(lǐng)域的一部分，目前，國(guó)內(nèi)學(xué)者主要集中文本挖掘方法在審計(jì)領(lǐng)域的具體應(yīng)用與文本挖掘框架的研究。張志恒和成雪嬌通過(guò)分析傳統(tǒng)審計(jì)方法和現(xiàn)代審計(jì)行業(yè)對(duì)于文本挖掘技術(shù)的強(qiáng)烈需求，構(gòu)建文本挖掘框架，為文本數(shù)據(jù)審計(jì)提供新方向⑧。陳偉、勾東升和徐發(fā)亮研究文本挖掘方法——相似度分析和標(biāo)簽云技術(shù)，解釋兩種技術(shù)的原理以及使用方法，最后通過(guò)扶貧工作的具體案例向我們展示相似度分析和標(biāo)簽云技術(shù)的強(qiáng)大應(yīng)用⑨。而武凱文運(yùn)用文本挖掘技術(shù)中的關(guān)聯(lián)分析分析上市公司的交易網(wǎng)絡(luò)和審計(jì)費(fèi)用、盈余質(zhì)量的關(guān)系，拓寬審計(jì)領(lǐng)域文本挖掘的應(yīng)用渠道⑩。

綜上所述，數(shù)據(jù)挖掘是大數(shù)據(jù)時(shí)代挖掘數(shù)據(jù)，獲取有價(jià)值信息的關(guān)鍵步驟，文本數(shù)據(jù)作為非結(jié)構(gòu)數(shù)據(jù)中濃墨重彩的一筆，不可避免地得到了各界學(xué)者的關(guān)注。大部分學(xué)者集中關(guān)注文本挖掘技術(shù)的優(yōu)化和具體應(yīng)用，也有學(xué)者注重文本挖掘的總體框架。審計(jì)領(lǐng)域也不例外。但是文本挖掘技術(shù)的應(yīng)用需要據(jù)需求而用，而在此主題上的研究較少。因此，本文在前人研究的基礎(chǔ)上，總結(jié)審計(jì)領(lǐng)域?qū)ξ谋緮?shù)據(jù)的挖掘目的，結(jié)合其他領(lǐng)域的文本挖掘技術(shù)方法，構(gòu)建文本挖掘框架，將審計(jì)目的和文本挖掘方法進(jìn)行匹配，豐富文本挖掘研究。

三、文本挖掘在審計(jì)領(lǐng)域中的應(yīng)用價(jià)值

文本數(shù)據(jù)具有海量、無(wú)規(guī)則、有噪聲等特點(diǎn)，但是除文本本身能夠帶給使用者直觀的信息外，文本數(shù)據(jù)還可以提供隱含其中且更有價(jià)值的信息，包括趨勢(shì)、規(guī)律、變化以及內(nèi)在聯(lián)系。利用大數(shù)據(jù)分析技術(shù)，提取文本數(shù)據(jù)中隱含的、有價(jià)值的、可理解的信息的過(guò)程，即為文本挖掘。大數(shù)據(jù)環(huán)境下，審計(jì)行業(yè)的傳統(tǒng)審計(jì)方法受到?jīng)_擊，受到人力、時(shí)間等因素的制約，傳統(tǒng)的審計(jì)方法很難實(shí)現(xiàn)對(duì)于海量且無(wú)規(guī)則文本數(shù)據(jù)的挖掘，現(xiàn)代技術(shù)的發(fā)展則使得挖掘大規(guī)模的文本數(shù)據(jù)成為現(xiàn)實(shí)。而文本數(shù)據(jù)中可能隱含的內(nèi)部控制情況、未來(lái)發(fā)展趨勢(shì)、企業(yè)戰(zhàn)略重大變動(dòng)等信息也給審計(jì)人員提供審計(jì)方向以及依據(jù)。因此審計(jì)領(lǐng)域?qū)τ谖谋就诰蚣夹g(shù)的需求強(qiáng)烈。在審計(jì)領(lǐng)域，被審計(jì)單位的文本數(shù)據(jù)可以是項(xiàng)目報(bào)告、合同、會(huì)議記錄、工作總結(jié)、年度報(bào)告，也可以是持續(xù)審計(jì)報(bào)告、政府文件、預(yù)算報(bào)告以及加工過(guò)的數(shù)據(jù)。例如合同付款情況匯總表，持續(xù)審計(jì)報(bào)告中的審計(jì)問(wèn)題匯總等，對(duì)于文本信息的挖掘根據(jù)文本數(shù)據(jù)的類(lèi)型不同需要使用不同的技術(shù)手段。文本數(shù)據(jù)千差萬(wàn)別，但審計(jì)人員需要獲取的信息需求卻可以進(jìn)行總結(jié)以及分類(lèi)。

文本挖掘的有效實(shí)現(xiàn)需要明確地知道文本挖掘的需求，即為什么要對(duì)某些文本數(shù)據(jù)進(jìn)行挖掘。在審計(jì)領(lǐng)域中，文本挖掘的需求可以分成以下三種：一是文本簡(jiǎn)化需求。文本簡(jiǎn)化需求是文本挖掘的第一層面需求。面對(duì)海量的文本數(shù)據(jù)，審計(jì)人員想要快速獲取信息的難度較大，文本數(shù)據(jù)的無(wú)規(guī)則性和噪聲使得審計(jì)人員無(wú)法快速地觀察出問(wèn)題所在，因此對(duì)大量的文本數(shù)據(jù)進(jìn)行簡(jiǎn)化處理能夠幫助審計(jì)人員快速獲取信息，經(jīng)簡(jiǎn)化處理后的數(shù)據(jù)按照審計(jì)人員需求提取關(guān)鍵特征，方便下一步的分析。二是異常性需求。異常需求是文本挖掘的第二層面需求，審計(jì)人員利用大數(shù)據(jù)技術(shù)對(duì)相關(guān)文本進(jìn)行挖掘，觀察挖掘結(jié)果可以快速發(fā)現(xiàn)文本信息發(fā)生重大變化的情況，從而獲取審計(jì)線索。針對(duì)異常情況設(shè)計(jì)審計(jì)程序、分析異常情況，最終獲得審計(jì)證據(jù)，為審計(jì)意見(jiàn)的提出提供支持。對(duì)于文本數(shù)據(jù)的異常性分析能夠有效提高審計(jì)效率。三是趨勢(shì)性需求。趨勢(shì)性需求是文本挖掘的第三層面的需求。文本數(shù)據(jù)中隱含的趨勢(shì)性信息，可能是企業(yè)未來(lái)的發(fā)展、管理層的期望、企業(yè)的風(fēng)險(xiǎn)趨向、合同金額波動(dòng)等，往往使得審計(jì)工作者了解被審計(jì)單位的整體態(tài)勢(shì)，把握被審計(jì)單位的整體風(fēng)險(xiǎn)水平，有利于審計(jì)重要性水平的確定，從而更有效率地開(kāi)展審計(jì)工作。

審計(jì)領(lǐng)域中文本挖掘的三類(lèi)需求并非相互獨(dú)立，審計(jì)人員對(duì)于同一類(lèi)文本數(shù)據(jù)的挖掘需求可以是單單的一種，也可以是其中的兩種或者全部。例如公司年度報(bào)告中的管理層分析與討論蘊(yùn)含與風(fēng)險(xiǎn)相關(guān)的信息，審計(jì)人員需要獲取的信息包含管理層分析中的問(wèn)題是否存在變化、管理層對(duì)企業(yè)的發(fā)展情感傾向等，這體現(xiàn)文本挖掘的異常性需求和趨勢(shì)性需求。通過(guò)確定分析文本數(shù)據(jù)的需求來(lái)相應(yīng)地選擇文本挖掘技術(shù)，可以高效率地實(shí)現(xiàn)信息挖掘，節(jié)省人力、物力，還可以有效避免因人工因素導(dǎo)致的數(shù)據(jù)遺漏等情況。因此，在進(jìn)行文本挖掘之前，相關(guān)審計(jì)工作人員應(yīng)該明確審計(jì)需求，進(jìn)而選擇適宜的技術(shù)手段。

四、審計(jì)領(lǐng)域與文本挖掘技術(shù)的融合

大數(shù)據(jù)時(shí)代下，審計(jì)人員獲得的文本數(shù)據(jù)是海量的，面對(duì)巨大的工作量，審計(jì)人員使用傳統(tǒng)的審計(jì)方法，例如現(xiàn)場(chǎng)勘查、問(wèn)詢(xún)、詢(xún)函等無(wú)法獲得全面的審計(jì)信息。但隨著科技與互聯(lián)網(wǎng)技術(shù)的發(fā)展，利用大數(shù)據(jù)技術(shù)則可高效率地獲取信息。文本挖掘技術(shù)也在不斷發(fā)展?，F(xiàn)階段，文本挖掘技術(shù)主要包括文本分類(lèi)、文本聚類(lèi)、文本相似度分析、時(shí)態(tài)文本分析、文本完整性檢測(cè)、情感傾向、趨勢(shì)分析等具體技術(shù)手段。在前人研究的基礎(chǔ)上，將審計(jì)需求與文本挖掘技術(shù)進(jìn)行融合，連接需求和技術(shù)，列舉現(xiàn)有技術(shù)手段，是滿(mǎn)足審計(jì)需求的必然要求。

（一）文本簡(jiǎn)化需求

文本簡(jiǎn)化需求，即審計(jì)人員想要獲取無(wú)噪聲、可理解、可觀察的文本數(shù)據(jù)。針對(duì)文本簡(jiǎn)化需求，文本挖掘技術(shù)主要涉及三種技術(shù)手段——去躁、分詞、特征抽取。這三種技術(shù)操作是預(yù)處理三部分。第一去躁，將文本數(shù)據(jù)中的語(yǔ)氣詞、助詞等一些沒(méi)有重要含義的噪聲詞語(yǔ)進(jìn)行去除?，F(xiàn)有技術(shù)手段包括POS 詞性分析、Stemming 處理（詞干化處理）等。第二分詞，文本分詞是文本簡(jiǎn)化處理中的關(guān)鍵步驟。中文不同英文，英文單詞之間具有空格，容易進(jìn)行分詞處理，而中文中詞與詞之間不具有明顯的分割，因此中文的分詞具有一定的難度，此外，文本分詞的有效度決定簡(jiǎn)化后的文本數(shù)據(jù)特征信息的提取質(zhì)量?，F(xiàn)有技術(shù)方法包括中國(guó)科學(xué)院計(jì)算技術(shù)研究院研發(fā)的漢語(yǔ)詞法分析系統(tǒng)ICTCLAS 處理中文自然語(yǔ)言、ROST content mining 軟件、jiebaR 程序、基于字符串匹配的分詞算法、基于統(tǒng)計(jì)的分詞方法等。第三特征抽取。經(jīng)歷去躁和分詞處理之后，文本數(shù)據(jù)可從無(wú)序、多噪聲的文本轉(zhuǎn)變?yōu)閷?shí)驗(yàn)文本數(shù)據(jù)。特征抽取質(zhì)量決定后續(xù)深度挖掘質(zhì)量，基于特定的審計(jì)工作確定需要的文本特征。抽取的特征應(yīng)該易于后續(xù)挖掘，所以應(yīng)該是計(jì)算機(jī)可以識(shí)別的結(jié)構(gòu)化或半結(jié)構(gòu)化類(lèi)型數(shù)據(jù)。現(xiàn)有技術(shù)手段有基于規(guī)則的抽取、基于隱馬爾可夫模型（HMM）的抽取，基于詞典的抽取、LDA 文檔主題生成模型、基于高頻詞的信息抽取、開(kāi)源工具Word2ve、向量空間模型、2-Gram 頻率統(tǒng)計(jì)等。文本簡(jiǎn)化操作確保審計(jì)工作者獲取初級(jí)結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)，便于后續(xù)分析。

（二）異常性和趨勢(shì)性需求

滿(mǎn)足審計(jì)的異常性和趨勢(shì)性需求，需要通過(guò)文本簡(jiǎn)化處理的中間文本數(shù)據(jù)進(jìn)行深入挖掘操作，包括詞頻統(tǒng)計(jì)、文本分類(lèi)、文本聚類(lèi)、文本相似度分析、時(shí)態(tài)文本分析以及關(guān)聯(lián)分析等技術(shù)。這些技術(shù)的實(shí)現(xiàn)往往依靠算法來(lái)支持。現(xiàn)有的技術(shù)方法包括： 一是詞頻統(tǒng)計(jì)，現(xiàn)階段的主要技術(shù)手段為T(mén)FIDF 技術(shù)。二是文本分類(lèi)，傳統(tǒng)的分類(lèi)算法包括貝葉斯算法、TF-IDF 算法、支持向量機(jī)、KNN 等，改良的文本分類(lèi)方法有基于詞向量的語(yǔ)義分析法和學(xué)習(xí)分類(lèi)算法、NaiveBayes 算法文本分類(lèi)系統(tǒng)、基于多隱層極限學(xué)習(xí)機(jī)的文本分類(lèi)方法等。三是文本聚類(lèi)，現(xiàn)有技術(shù)手段包括OPTICS_TS 算法、K-means 算法、OPTICS_TS_NEW 算法、基于語(yǔ)義密度文本數(shù)據(jù)聚類(lèi)的方法、采用密度峰值聚類(lèi)算法實(shí)現(xiàn)文本聚類(lèi)等。四是文本相似度分析，現(xiàn)有技術(shù)手段包括杰卡德（Jaccard）相似系數(shù)、余弦相似性余弦相似度等技術(shù)。五是關(guān)聯(lián)分析，最具有借鑒意義的是Apriori 算法。還有些軟件平臺(tái)包含各類(lèi)文本挖掘技術(shù)，例如IBM 的 Intelligent Miner for Text、軟件 ROST content mining、SPSS 軟件、DEC 的 Alta Vista Discovery 等。

現(xiàn)有文本挖掘技術(shù)的不斷發(fā)展和改良，有效地減少審計(jì)人員的工作量，提高了審計(jì)效率。將審計(jì)需求與現(xiàn)有文本挖掘技術(shù)結(jié)合將給審計(jì)人員提供文本挖掘技術(shù)庫(kù)，根據(jù)審計(jì)需求，匹配相應(yīng)的技術(shù)手段，更快更有效地開(kāi)展審計(jì)工作。現(xiàn)有的技術(shù)手段以及算法的實(shí)現(xiàn)往往具有通用價(jià)值，完全適用審計(jì)行業(yè)的需求還需要進(jìn)行反復(fù)試驗(yàn)和改進(jìn)。

圖1 文本挖掘流程

五、基于審計(jì)領(lǐng)域下文本挖掘框架分析

（一）特征抽取、詞頻統(tǒng)計(jì)與主題發(fā)現(xiàn)

特征提取、詞頻統(tǒng)計(jì)以及主題發(fā)現(xiàn)是在審計(jì)人員進(jìn)行需求選擇之后的第一步文本挖掘操作。經(jīng)過(guò)去躁、分詞等文本簡(jiǎn)化處理的初級(jí)實(shí)驗(yàn)文本數(shù)據(jù)，如果審計(jì)人員是簡(jiǎn)化需求，則應(yīng)該進(jìn)行特征抽取操作。如果是異常性需求或者趨勢(shì)性需求，下一步的操作應(yīng)該為詞頻統(tǒng)計(jì)、主題發(fā)現(xiàn)。特征抽取是抽取出文本數(shù)據(jù)中最能代表整體部分的信息，將非結(jié)構(gòu)化的文本數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化或半結(jié)構(gòu)化的數(shù)據(jù)，方便計(jì)算機(jī)或人員識(shí)別。特征抽取、詞頻統(tǒng)計(jì)以及主題發(fā)現(xiàn)是文本后續(xù)深入挖掘的基礎(chǔ)，文本分類(lèi)、聚類(lèi)均依靠主題特征、高詞頻等特征進(jìn)行操作。因此，文本特征的選擇不應(yīng)該僅僅考慮高頻詞，還應(yīng)該考慮詞與詞之間的語(yǔ)義等。文本特征應(yīng)最具有區(qū)分度，考慮不同的審計(jì)需求，審計(jì)人員在選擇文本挖掘技術(shù)上應(yīng)慎重考慮。

（二）文本分類(lèi)與文本聚類(lèi)

文本分類(lèi)是運(yùn)用設(shè)定好的審計(jì)主題，先對(duì)分類(lèi)進(jìn)行訓(xùn)練，目的是獲取一定的審計(jì)領(lǐng)域中的文本數(shù)據(jù)規(guī)則，利用已知的規(guī)則，實(shí)現(xiàn)對(duì)未知的審計(jì)文本數(shù)據(jù)的分類(lèi)。然后將實(shí)驗(yàn)文本數(shù)據(jù)導(dǎo)入，利用訓(xùn)練完的文本分類(lèi)算法模型進(jìn)行文本分類(lèi)，將一篇或多篇文本進(jìn)行類(lèi)別歸屬。文本分類(lèi)是重要的文本挖掘技術(shù)，使用文本分類(lèi)技術(shù)可以幫助審計(jì)人員對(duì)大量文本數(shù)據(jù)進(jìn)行快速且有效地歸類(lèi)，為進(jìn)一步的文本挖掘打下基礎(chǔ)。

與文本分類(lèi)不同的是，文本聚類(lèi)不需要事先設(shè)定好主題類(lèi)別。文本聚類(lèi)是將文本相似的文本數(shù)據(jù)聚集成一組，簡(jiǎn)單地說(shuō)，文本聚類(lèi)即將描述相同的文檔聚集在一起。因此文本聚類(lèi)需要保證在一組中的文本數(shù)據(jù)的文本相似度較高。文本數(shù)據(jù)因?yàn)闊o(wú)序性的特點(diǎn)，使得審計(jì)工作者很難從中發(fā)現(xiàn)隱藏的信息，但通過(guò)利用文本聚類(lèi)技術(shù)，則可以對(duì)同一組內(nèi)的文本數(shù)據(jù)深入進(jìn)行文本挖掘分析，得到隱藏其中的異常性、趨勢(shì)性信息，為審計(jì)工作的開(kāi)展奠定基石。同時(shí)，文本聚類(lèi)減輕審計(jì)人員的閱讀負(fù)擔(dān)，幫助審計(jì)工作者快速瀏覽，發(fā)現(xiàn)信息。文本聚類(lèi)對(duì)于大規(guī)模的文本數(shù)據(jù)適用性較強(qiáng)。

（三）文本相似度分析、關(guān)聯(lián)分析與趨勢(shì)分析

文本相似度分析、關(guān)聯(lián)分析以及趨勢(shì)分析是對(duì)經(jīng)過(guò)文本分類(lèi)、文本聚類(lèi)操作后的結(jié)果數(shù)據(jù)進(jìn)行具體分析。通過(guò)這三類(lèi)具體分析后得到的結(jié)果成為審計(jì)人員作出判斷的依據(jù)。

文本相似度分析，是分析兩份文字相似的程度。通過(guò)分析文字之間的相似度可以得到文本數(shù)據(jù)中是否存在重大變化，一定程度上滿(mǎn)足審計(jì)工作者的異常性需求和趨勢(shì)性需求。文本相似度分析是一種高效的文本挖掘技術(shù)。例如文本數(shù)據(jù)描述的是企業(yè)戰(zhàn)略，分析得到的結(jié)果是前后兩年的戰(zhàn)略方向發(fā)生變化，這就給審計(jì)人員指出審計(jì)方向，即針對(duì)戰(zhàn)略發(fā)生變化涉及的項(xiàng)目設(shè)計(jì)新的審計(jì)程序，進(jìn)行重點(diǎn)審計(jì)，給審計(jì)意見(jiàn)的提出提供審計(jì)依據(jù)。

關(guān)聯(lián)分析，關(guān)聯(lián)分析是分析文本與文本之間、特征與特征之間、信息與信息之間的關(guān)聯(lián)關(guān)系。例如研究集團(tuán)的關(guān)聯(lián)方關(guān)系、研究母子公司之間的交易等。關(guān)聯(lián)分析的結(jié)果給予審計(jì)人員清晰地關(guān)系網(wǎng)絡(luò)圖，實(shí)現(xiàn)文本數(shù)據(jù)轉(zhuǎn)化成可理解性數(shù)據(jù)。大量的文本數(shù)據(jù)之間存在一些潛在的信息關(guān)聯(lián)，審計(jì)人員運(yùn)用關(guān)聯(lián)分析，了解被審計(jì)單位的關(guān)系脈絡(luò)，整合審計(jì)資源，有計(jì)劃地分配審計(jì)任務(wù)，有序、有效率地開(kāi)展審計(jì)工作。

趨勢(shì)分析，趨勢(shì)分析是分析文本數(shù)據(jù)中隱含得隨著時(shí)間、部門(mén)等變化的規(guī)律和趨勢(shì)。通過(guò)對(duì)文本進(jìn)行挖掘，得到特定數(shù)據(jù)的趨勢(shì)區(qū)間。例如研究合同金額的趨勢(shì)，可以獲得被審計(jì)單位合同金額的趨勢(shì)區(qū)間，從而對(duì)未在這一區(qū)間的合同進(jìn)行進(jìn)一步研究，分析原因。通過(guò)趨勢(shì)分析，審計(jì)人員可以把握被審計(jì)單位整體情況，了解審計(jì)風(fēng)險(xiǎn)，從而保證審計(jì)工作的有效實(shí)現(xiàn)。

大數(shù)據(jù)時(shí)代，文本數(shù)據(jù)的爆炸式增長(zhǎng)以及挖掘技術(shù)的不斷發(fā)展給審計(jì)領(lǐng)域帶來(lái)了機(jī)遇和挑戰(zhàn)。作為與信息關(guān)聯(lián)密切的審計(jì)行業(yè)，不可避免地要緊跟時(shí)代發(fā)展，注重審計(jì)與其他學(xué)科的融合，不斷創(chuàng)新審計(jì)方法，開(kāi)發(fā)專(zhuān)用于審計(jì)行業(yè)的文本挖掘軟件，為高效率地實(shí)現(xiàn)審計(jì)工作而努力。本文在前人研究的基礎(chǔ)上，從審計(jì)需求出發(fā)，將審計(jì)需求與文本挖掘技術(shù)方法相匹配，為審計(jì)人員提供文本挖掘技術(shù)方法庫(kù)，同時(shí)在文本挖掘框架中加入需求選擇，結(jié)合具體的文本挖掘技術(shù)，理清審計(jì)行業(yè)對(duì)于文本的挖掘步驟，滿(mǎn)足審計(jì)人員對(duì)于文本挖掘的需求，豐富審計(jì)領(lǐng)域的文本挖掘研究。本文的技術(shù)方法具有通用性，但尚未進(jìn)行審計(jì)領(lǐng)域的實(shí)證分析。不可否認(rèn)的是，將文本挖掘技術(shù)應(yīng)用于審計(jì)行業(yè)有利于減輕審計(jì)人員的工作量，滿(mǎn)足審計(jì)需求，提高審計(jì)效率。因此針對(duì)審計(jì)領(lǐng)域的文本挖掘技術(shù)方法的具體應(yīng)用及創(chuàng)新將是后續(xù)的研究重點(diǎn)。

注釋?zhuān)?/p>

①毛文偉.論數(shù)據(jù)挖掘技術(shù)在文本分析中的應(yīng)用[J].日語(yǔ)學(xué)習(xí)與研究,2019,(01):1-9.

②張倩.我國(guó)審計(jì)大數(shù)據(jù)精準(zhǔn)性研究[J].人民論壇,2019,(22):88-89.

③俞冶.大數(shù)據(jù)文本挖掘在廣播電視中的應(yīng)用與探索[J].廣播與電視技術(shù),2017,(04):38-43.

④盧葦,彭雅.幾種常用文本分類(lèi)算法性能比較與分析[J].湖南大學(xué)學(xué)報(bào)(自然科學(xué)版),2007(06):67-69.

⑤劉金嶺.基于語(yǔ)義密度的文本聚類(lèi)研究[J].計(jì)算機(jī)工程,,2010,(05):81-83.

⑥屈子夢(mèng).淺談基于大數(shù)據(jù)處理及文本相似度判斷的信息服務(wù)工單分析工具[J].機(jī)電信息,2018,(33):54-55.

⑦譚章祿,彭勝男,王兆剛.基于聚類(lèi)分析的國(guó)內(nèi)文本挖掘熱點(diǎn)與趨勢(shì)研究[J].情報(bào)學(xué)報(bào),2019,(06):578-585.

⑧張志恒,成雪嬌.大數(shù)據(jù)環(huán)境下基于文本挖掘的審計(jì)數(shù)據(jù)分析框架[J].會(huì)計(jì)之友,2017,(16):117-120.

⑨陳偉,勾東升,徐發(fā)亮.基于文本數(shù)據(jù)分析的大數(shù)據(jù)審計(jì)方法研究[J].中國(guó)注冊(cè)會(huì)計(jì)師,2018,(11):5+82-86.

⑩武凱文.上市公司的關(guān)系網(wǎng)絡(luò)和事務(wù)所審計(jì)行為——基于公司年報(bào)文本分析的經(jīng)驗(yàn)證據(jù)[J].上海財(cái)經(jīng)大學(xué)學(xué)報(bào),2019,(3):74-90.