吳大進

（安徽寶申會計師事務(wù)所，安徽 合肥 230001）

0 引言

圍標(biāo)和串標(biāo)是招投標(biāo)過程中比較典型的一類違法違規(guī)行為，嚴(yán)重擾亂了正常市場秩序，直接傷害了發(fā)標(biāo)人和其他投標(biāo)人的合法權(quán)益，也給投標(biāo)項目質(zhì)量和安全帶來嚴(yán)重的風(fēng)險隱患，查處圍標(biāo)和串標(biāo)行為一直是審計的重點內(nèi)容。傳統(tǒng)的審計思路是核對MAC 地址是否一致、IP 地址是否一致、工程造價軟件鎖編碼是否一致以及投標(biāo)保證金繳付賬號是否一致。根據(jù)《中華人民共和國招標(biāo)投標(biāo)法實施條例》第40 條規(guī)定發(fā)現(xiàn)上述情形之一的，視為投標(biāo)人相互串通投標(biāo)。

目前，圍標(biāo)和串標(biāo)行為也隨之發(fā)生了新變化，為逃避法律法規(guī)監(jiān)管，圍標(biāo)和串標(biāo)行為越來越隱蔽，越來越職業(yè)化。圍標(biāo)人一般會聯(lián)系多家投標(biāo)人對某個重大項目進行重點投標(biāo)，由圍標(biāo)人團隊統(tǒng)一制作各家標(biāo)書，陪標(biāo)人負(fù)責(zé)提供復(fù)印件、簽字、蓋章、繳付投標(biāo)保證金、上傳標(biāo)書等事項。這種圍標(biāo)和串標(biāo)方式隱蔽性強，一般很難通過MAC 地址、IP 地址、工程造價軟件鎖編碼和投標(biāo)保證金賬號一致等途徑發(fā)現(xiàn)審計證據(jù)，如何發(fā)現(xiàn)重大項目中圍標(biāo)和串標(biāo)行為已經(jīng)成為擺在審計人員面前亟待解決的重要難題。

1 審計思路

圍標(biāo)人團隊統(tǒng)一編寫各家標(biāo)書時會刻意避免雷同文本出現(xiàn)，但是語言風(fēng)格、表達習(xí)慣、詞匯特征等語言表達特點不會發(fā)生本質(zhì)變化，因此投標(biāo)文件異常一致或高度雷同是重點審計方向。投標(biāo)文件響應(yīng)招標(biāo)文件，部分內(nèi)容雷同屬于正常情況，但不同投標(biāo)人技術(shù)標(biāo)中個性化內(nèi)容不可能完全相同，即使部分技術(shù)參數(shù)指標(biāo)基本相同（如技術(shù)方案、產(chǎn)品技術(shù)參數(shù)和實施計劃等），但落實到紙面上的文字也不會完全相同，因此不同投標(biāo)人制作的標(biāo)書內(nèi)容會有差異。如果2 份投標(biāo)文件使用詞匯、出現(xiàn)頻次、生僻詞、錯別字高度一致，則存在由同一個人或同一團隊編寫的重大嫌疑[1]。

傳統(tǒng)的審計方法是人工比對、分析招投標(biāo)文件，查找圍標(biāo)和串標(biāo)線索，如技術(shù)標(biāo)中方案細(xì)節(jié)一致、投標(biāo)文件中瑕疵或錯別字一致和大段內(nèi)容重復(fù)雷同等。通常每份投標(biāo)文件都在幾萬字左右，大型投標(biāo)項目一般都有幾十家甚至上百家投標(biāo)企業(yè)，人工梳理如同大海撈針，難以全面處理大批量文該文件。而利用Python 的分詞技術(shù)、字典容器和矩陣演算等方法，可以用少量基礎(chǔ)代碼構(gòu)建算法模型，幫助審計人員高效地完成投標(biāo)文件詞頻統(tǒng)計、集合運算和結(jié)構(gòu)化分析、掃描投標(biāo)文件，為復(fù)雜的審計項目提供技術(shù)支持。

算法模型：設(shè)置文本詞組重合比例和重復(fù)比例2 份閾值來判斷2 份投標(biāo)文件的相似程度，如果2 份投標(biāo)文件的相似度超過一定閾值，則2 份投標(biāo)文件存在由同一個人或同一團隊編寫的重大嫌疑。

閾值1：詞組重合比例，即2 份文本中共同使用的詞組數(shù)量占2 份文本全部使用詞組數(shù)量的比例，每個詞組只計數(shù)一次[2]。

閾值2：詞組重復(fù)比例，即2 份文本中重復(fù)出現(xiàn)的詞組數(shù)量占2 份文本總詞組數(shù)量的比例，每個詞組按出現(xiàn)頻次計數(shù)。

由于漢字的使用習(xí)慣，不同文本之間都會存在詞組重合基數(shù)，根據(jù)收集的500 份1.5 萬~3 萬字不同類型文該文件（包括小說、通信稿件、審計報告、產(chǎn)品說明書、投標(biāo)文件、游戲攻略和電影劇本等）的分析結(jié)果，不同類型文本之間詞組重合比例在11%~24%，詞組重復(fù)比例在13%~30%。投標(biāo)文件響應(yīng)招標(biāo)文件部分內(nèi)容雷同，同一項目投標(biāo)文件詞組重合比例和詞組重復(fù)比例較高屬于正常現(xiàn)象。2021 年某省公共資源交易中心圍標(biāo)和串標(biāo)審計項目經(jīng)公安機關(guān)協(xié)調(diào)篩選了17 個完全沒有圍標(biāo)和串標(biāo)嫌疑的項目，取得838 份投標(biāo)文件電子版，經(jīng)過分析比對同一項目投標(biāo)文件的詞組重合比例在28%~43%，詞組重復(fù)比例在31%~52%。

綜上所述，將2 份投標(biāo)文件詞組重合比例閾值設(shè)定為70%和詞組重復(fù)比例閾值設(shè)定為75%，如果詞組重合比例和詞組重復(fù)比例都超過了閾值，則2 份投標(biāo)文件高度相似，存在圍標(biāo)和串標(biāo)的重大嫌疑。進一步通過“詞頻分析結(jié)果”Excel 文件梳理關(guān)鍵詞組（生僻詞、錯別字等）出現(xiàn)頻次是否高度一致，固定審計證據(jù)，鎖定涉嫌圍標(biāo)和串標(biāo)的投標(biāo)文件。

2 程序代碼語句

基于Python 編寫的算法模型由主程序和4 個可調(diào)用的自定義函數(shù)構(gòu)成。

2.1 主程序

第一步，導(dǎo)入需要使用的模塊，包括jieba（用于中文分詞）、docx（用于讀取word 文檔）、Counter（用于計算詞頻）和xlwings（用于Excel 數(shù)據(jù)輸出）。第二步，連續(xù)2 次調(diào)用自定義函數(shù)1，即def group_dict（file），對2 個指定的word 文檔進行分詞，并將每個詞組出現(xiàn)的次數(shù)記錄在字典中。第三步，調(diào)用自定義函數(shù)2，即def coincide（dict1，dict2），比較2 個文檔的詞組，找出重復(fù)的詞組，并將重復(fù)的詞組及其出現(xiàn)次數(shù)記錄在另一個字典中。第四步，調(diào)用自定義函數(shù)3，即def analyse（dict1，dict2，dict3），根據(jù)以上統(tǒng)計結(jié)果，輸出2 個文檔的詞組數(shù)量、重復(fù)詞組數(shù)量及比例等信息。第五步，使用print（）語句將文檔的詞組數(shù)量、重復(fù)詞組數(shù)量及比例等信息打印在屏幕上，實際運行效果如圖1 所示。第六步，調(diào)用自定義函數(shù)4，即def output（dict1，dict2），將詞組及其出現(xiàn)次數(shù)分別輸出到Excel 文件中。

圖1 主程序在Python 解釋器中實際運行效果

主程序代碼如下。

import jieba # 導(dǎo)入jieba 模塊

from docx import Document # 導(dǎo)入Document模塊,用于讀取word 文檔

from collections import Counter # 導(dǎo)入Counter 模塊,用于計算詞頻

mport xlwings as xw # 導(dǎo)入xlwings 模塊

file1 = "C：/Users/86139Desktop/比對文本/20210104投標(biāo)文件1.docx"file2 ="C：/Users/86139Desktop/比對文本/20210104 投標(biāo)文件2.docx"

word_dict1=group_dict(file1) #調(diào)用自定義函數(shù)1

word_dict2=group_dict(file2) #調(diào)用自定義函數(shù)1

word_dict3=coincide(word_dict1,word_dict2) #調(diào)用自定義函數(shù)2

n1,n2,n3,n4,n5=analyse(word_dict1,word_dict2,word_dict3)#調(diào)用自定義函數(shù)3

results1=f'投標(biāo)文件1 使用詞組{len(word_dict1)}個,投標(biāo)文件2 使用詞組{len(word_dict2)}個,二個文件使用詞組重合{n1}個,詞組重合比例{n2}%'

results2=f'投標(biāo)文件1 詞組合計{sum(word_dict1.values())}個,投標(biāo)文件2 詞組合計{sum(word_dict2.values())}個,

二個文件使用重復(fù)詞組合計{n4}個,詞組重復(fù)比例{n5}%'

print(results1)

print(results2)

output(word_dict1,word_dict2) #調(diào)用自定義函數(shù)4

2.2 自定義函數(shù)1：def group_dict（file）

第一步，使用Document 函數(shù)讀取word 文檔。第二步，使用for paragraph in document.paragraphs 語句遍歷文檔的每段，調(diào)用jieba.lcut（paragraph.text）方法進行分詞，for 循環(huán)將每個詞組添加到word_list 列表中。第三步，使用Counter 函數(shù)統(tǒng)計每個詞出現(xiàn)的次數(shù)，并使用del word_dict[key]方法刪除字典中的標(biāo)點符號、特殊字符、換行符和空格等干擾信息。第四步，使用sorted（word_dict.items（）， key=lambda x：x[1]， reverse=True）方法按照詞頻降序排序，返回排序后的“詞頻字典”return word_dict。

Python 中的字典是一種特殊的數(shù)據(jù)結(jié)構(gòu)，它是一種鍵值對的集合，每個鍵都與一個值相關(guān)聯(lián)。字典的特點是其中的鍵是唯一的，值可以是任何類型，可以使用鍵來訪問值[3]。

自定義函數(shù)1 程序代碼如下。

def group_dict(file):

document = Document(file)

word_list = []

for paragraph in document.paragraphs:words = jieba.lcut(paragraph.text)for word in words:

word_list.append(word)word_dict = Counter(word_list)for key in list(word_dict.keys()):

del word_dict[key]

if key in '是的和與在等為對中年月日嗎':del word_dict[key]

if key=='':

del word_dict[key]

word_dict_sort = sorted(word_dict.items()， key=lambda x:x[1]， reverse=True)

word_dict=dict(word_dict_sort)return word_dict

2.3 自定義函數(shù)2：def coincide（dict1，dict2）

第一步，以dict3t = {}創(chuàng)建一個新字典。第二步，for key in dict 循環(huán)遍歷投標(biāo)文件“詞頻字典”dict1 和dict2，使用if key in dict2 判斷語句，如果2 個字典中有相同的鍵，使用min（dict1[key]， dict2[key]）方法將交集的鍵和較小的鍵值添加到新字典dict3 中。第三步，返回“重復(fù)詞組詞頻字典”return dict3。

自定義函數(shù)2 程序代碼如下。

def coincide（dict1，dict2）:dict3t = {}

1.2.3 Transwell實驗檢測細(xì)胞遷移和侵襲能力 收集1.2.1穩(wěn)定表達miR-145SiHa細(xì)胞，無血清培養(yǎng)基制細(xì)胞懸液，接種于Transwell小室上層（3×103個/孔）［6］。Transwell小室風(fēng)干后，加入500 μL 0.1%結(jié)晶紫染色，顯微鏡下拍照并計數(shù)發(fā)生遷移的細(xì)胞數(shù)量。細(xì)胞侵襲實驗在Transwell小室上層加入50 μL 2.0 mg/mL基質(zhì)膠Matrigel，凝固后接種SiHa細(xì)胞，之后同細(xì)胞遷移操作。

for key in dict1:

if key in dict2:

dict3 [key] = min（dict1[key]， dict2[key]）return dict3

2.4 自定義函數(shù)3：def analyse（dict1，dict2，dict3）

第一步，使用for word in dict 語句分別遍歷dict1、 dict2和dict3 這3 個字典。第二步，分析計算2 份投標(biāo)文件詞組重合比例n2 和重復(fù)比例n5 來判斷2 份文件的相似程度。第三步，返回n1、n2、n3、n4 和n5（詞組數(shù)量、詞組重合比例、總數(shù)量、重復(fù)詞組數(shù)量以及詞組重復(fù)比例），用于主程序print 語句輸出程序結(jié)果。

詞組重合比例n2=dict3 字典鍵的數(shù)量/（dict1 字典鍵的數(shù)量+dict2 字典鍵的數(shù)量-dict3 字典鍵的數(shù)量）。

詞組重復(fù)比例n5=dict3 字典鍵值合計/（dict1 字典鍵值合計+dict2 字典鍵值合計-dict3 字典鍵值合計）。

自定義函數(shù)3 程序代碼如下：

def analyse(dict1,dict2,dict3):n1 = 0

for word in dict1:

if word in dict2:

n1 += 1

n2 = round(n1 / (len(dict1) + len(dict2) - n1)*100,2)

n3 = sum(dict1.values())+sum(dict2.values())

n4 = sum(dict3.values())

n5=round(n4/(n3-n4)*100,2)

return(n1,n2,n3,n4,n5)

2.5 自定義函數(shù)4：def output（dict1，dict2）

第一步，使用xlwings 模塊xw.Book（）和wb.sheets[0]生成一個新的Excel 文件。第二步，利用解包方法for key，value in dict1.items（）取得詞組重合比例和詞組重復(fù)比例。第三步，使用sht.range（）.value 賦值語句將詞組重合比例和詞組重復(fù)比例分析結(jié)果分別寫入A1 和A2 單元格。第四步，使用sht.range（）.options（transpose=True）.value = list（dict3.keys（））語句寫入分析過程，A4 單元格縱向?qū)懭胪稑?biāo)文件1 或文件2 中曾經(jīng)使用過的全部詞組，B4 單元格寫入投標(biāo)文件1 和文件2 中該詞組出現(xiàn)總次數(shù)，C4 單元格寫入投標(biāo)文件1 該詞組出現(xiàn)次數(shù)，D4 單元格寫入投標(biāo)文件2該詞組出現(xiàn)次數(shù)。第五步，以wb.save（“C：/Users/86139/Desktop/詞頻分析結(jié)果.xlsx”）語句將記錄上述分析過程的文件保存在桌面并命名“詞頻分析結(jié)果.xlsx”。自定義函數(shù)4 程序代碼如下。def output(dict1,dict2):

wb = xw.Book()

sht = wb.sheets[0]

sht.range('A1').value = results1

sht.range('A2').value = results2

dict3 = {}

for key, value in dict1.items():if key in dict2:

dict3[key] = value + dict2[key]else:

dict3[key] = value

for key, value in dict2.items():

if key not in dict1:

dict3[key] = value

sht.range('A4').value =“ 詞組”

sht.range('A5').options(transpose=True).value = list(dict3.keys())

sht.range('B4').value = '總次數(shù)'

sht.range('B5').options(transpose=True).value = list(dict3.values())

sht.range('C4').value = '投標(biāo)文件1 出現(xiàn)次數(shù)'A_list = list(dict3.keys())n=5

for i in range(len(A_list)):

if A_list[i] in dict1.keys():

sht.range('C' + str(n)).value = dict1[A_list[i]]n = n + 1

sht.range('d4').value = '投標(biāo)文件2 出現(xiàn)次數(shù)'A_list = list(dict3.keys())

n = 5

for i in range(len(A_list)):

if A_list[i] in dict2.keys():

sht.range('d' + str(n)).value = dict2[A_list[i]]n = n + 1

wb.save("C:/Users/86139/Desktop/詞頻分析結(jié)果.xlsx")wb.close()

3 實際應(yīng)用案例

2021 年初某省公共資源交易中心收到舉報材料，年初某市重點安置房建設(shè)項目中標(biāo)結(jié)果存在圍標(biāo)嫌疑，項目涉案金額巨大，投標(biāo)人涉及38 家企業(yè)，圍標(biāo)手段非常專業(yè)，檢查MAC 地址、IP 地址、工程造價軟件鎖編碼和投標(biāo)保證金賬號等均未發(fā)現(xiàn)異常。僅剩的審計方向就是比對投標(biāo)文件是否異常一致或高度雷同，如果使用傳統(tǒng)的人工方式對38 份投標(biāo)文件進行比對分析，需要3~4 名審計人員加班加點工作3 周才有可能完成，且而且比對分析效果也很難保證。

審計組運用該文審計技術(shù)僅4天時間就完成了全部38份投標(biāo)文件的相似度分析。一共38 份投標(biāo)文件，每次比對分析2 份投標(biāo)文件，共有（38×37）/2=1406 種比對組合，排除反向組合（A-B 組合與B-A 組合是相同的），有效比對組合共計1406/2=703 組。對703 組比對分析結(jié)果梳理進行匯總，發(fā)現(xiàn)32 份投標(biāo)文件呈現(xiàn)4 個規(guī)律性集合，詳見表1。其中，一個集合內(nèi)元素相似度正常，3 個集合內(nèi)元素高度相似。集合1 包括6 份投標(biāo)文件，詞組重合比例平均值為35.45%，詞組重復(fù)比例平均值為38.45%，未超過閾值；集合2 包括12 份投標(biāo)文件，詞組重合比例平均值為77.17%，詞組重復(fù)比例平均值為81.03%，超過閾值；集合3 包括9 份投標(biāo)文件，詞組重合比例平均值為79.45%，詞組重復(fù)比例平均值為82.05%，超過閾值；集合4 包括11份投標(biāo)文件，詞組重合比例平均值為74.07%，詞組重復(fù)比例平均值為79.73%，超過閾值。

表1 38 份投標(biāo)文件集合分析結(jié)果

審計組進一步利用“詞頻分析結(jié)果”Excel 文件重點梳理了38 份投標(biāo)文件的62 項關(guān)鍵詞組（生僻詞和錯別字等）的出現(xiàn)頻率，呈現(xiàn)出高度的一致性和規(guī)律性。如“砌筑檢查井”，32 份投標(biāo)文件出現(xiàn)頻次在32~35 次，其他投標(biāo)文件均少于5 次；“工程定位復(fù)測”，32 份投標(biāo)文件均出現(xiàn)8 次，其他投標(biāo)文件均未出現(xiàn)?！皦牵_）防潮層”錯別字32 份投標(biāo)文件均出現(xiàn)，其他投標(biāo)文件均正確，詳見表2（關(guān)鍵詞頻率對比情況）。

表2 關(guān)鍵詞組頻率對比情況

初步鎖定32 家企業(yè)涉嫌圍標(biāo)，同舉報材料反映的9 家企業(yè)涉嫌圍標(biāo)的情況大相徑庭。起初公安機關(guān)對如此短的時間就反饋審計結(jié)果和涉嫌圍標(biāo)企業(yè)如此之多也持懷疑態(tài)度，后經(jīng)公安機關(guān)偵辦核實32 家投標(biāo)人全部參與該項目串通投標(biāo)犯罪行為，32 份標(biāo)書由圍標(biāo)人團隊統(tǒng)一通過3 份標(biāo)書復(fù)制、修改、增刪制作完成。最終成功破獲該起涉及安置房工程招標(biāo)的特大串通投標(biāo)案，事半功倍的效率和精準(zhǔn)定位的審計手段得到了司法機關(guān)的高度評價和專項表彰。

4 小結(jié)和前瞻

該文審計方法核心通過Python 技術(shù)自動讀取文件、中文智能分詞、矩陣演算和集合運算，完成了大批量文該文件數(shù)據(jù)信息要點分割、獲取和數(shù)據(jù)關(guān)聯(lián)性分析，解決了傳統(tǒng)方法和人工手段難以全面處理大批量文該文件的難題，未來在判定論文抄襲、快速提取文本關(guān)鍵詞、敏感詞匯預(yù)警等方面都有重要的推廣意義。雖然該文審計方法提高了圍標(biāo)和串標(biāo)審計項目的審計質(zhì)量和精準(zhǔn)度，但是在程序交互性設(shè)計和算法模型方面有待進一步完善和提升。

除了上述介紹的Python 技術(shù)在圍標(biāo)和串標(biāo)項目中的審計方法，還有很多基于Python 技術(shù)的審計方法值得審計人員不斷探索和研究。Python 技術(shù)未來在審計項目數(shù)據(jù)采集清洗、數(shù)據(jù)挖掘性分析和辦公自動化等方面有廣泛的應(yīng)用前景[4]。首先，傳統(tǒng)審計范圍主要是財務(wù)數(shù)據(jù)，Python技術(shù)可以將音視頻、圖像、定位信息、傳感器信息等非結(jié)構(gòu)化信息進行采集、清洗并轉(zhuǎn)換為結(jié)構(gòu)化信息，從而突破傳統(tǒng)審計內(nèi)容的限制，可提供不同維度的大數(shù)據(jù)，助力于挖掘性分析，推動數(shù)據(jù)驅(qū)動型審計模式的發(fā)展[5]。其次，傳統(tǒng)審計多數(shù)是面對數(shù)據(jù)和文本的一維界面，很難找出數(shù)據(jù)中隱藏的規(guī)律和問題。Python 技術(shù)在數(shù)據(jù)交互分析、自動化輸出以及數(shù)據(jù)可視化方面都具有無與倫比的優(yōu)勢，包括審計數(shù)據(jù)以圖表、數(shù)據(jù)矩陣等形式的多維表達，可展示出豐富的細(xì)節(jié)，為大數(shù)據(jù)時代創(chuàng)新審計思路、拓寬審計方法提供技術(shù)可能性。

5 結(jié)語

大數(shù)據(jù)時代的到來和大數(shù)據(jù)技術(shù)的發(fā)展推動了各個行業(yè)的轉(zhuǎn)型升級，也給審計人員帶來了新的機遇和挑戰(zhàn)，“君子性非異也，善假于物也”，審計人員也應(yīng)與時俱進，主動迎接挑戰(zhàn)，創(chuàng)新審計思維，善于運用Python 等大數(shù)據(jù)技術(shù)，將大數(shù)據(jù)技術(shù)與審計業(yè)務(wù)進行有機融合，努力使自己成長為大數(shù)據(jù)時代“一專多能”的復(fù)合型審計人才，推動審計技術(shù)的不斷創(chuàng)新。