一种基于人工智能的审计流程一体化管理方法及系统与流程
本发明涉及人工智能,尤其涉及一种基于人工智能的审计流程一体化管理方法及系统。
背景技术:
1、在数字化转型背景下的审计流程一体化管理中,为解决跨部门协作低效与数据孤岛问题,现有技术通常采用人工智能对多部门业务系统的异构数据进行关联分析与流程调度。在采购到付款链路联合审计中,人工智能需从采购、合同、仓储、财务和资金等系统中提取供应商信息,并将其对应的订单、入库、发票和付款记录串联为完整业务链,以支持异常检测与责任追踪。然而,采购、合同与财务系统分属不同部门维护,同一供应商在不同系统中的表达常不一致。例如,供应商发生名称变更后,财务系统保留旧名称,采购系统使用业务简称,且缺乏统一社会信用代码等稳定标识。此时,人工智能在主体身份合并环节只能依赖名称相似度、账户信息等间接证据进行判断。当名称相近但编码不同,或同一供应商存在多个账户与历史名称时,人工智能易将同一供应商错误拆分或将独立供应商误并,导致交易链与付款链在对象级别出现错误拆分或错误合并,进而影响审计系统对异常付款与责任链的准确承接。因此,现有技术亟需改进。
技术实现思路
1、本发明实施例提供了一种基于人工智能的审计流程一体化管理方法及系统,旨在解决跨系统供应商主体身份合并错误导致审计链条断裂或责任混淆的问题。
2、第一方面,本发明实施例提供了一种基于人工智能的审计流程一体化管理方法,其包括:获取跨部门业务系统中的若干供应商记录及其对应的业务单据,将每条供应商记录抽象为一个节点,从所述业务单据中提取对应节点的静态属性信息、业务特征信息和时序特征信息;通过预训练的自然语言处理模型将每个节点的静态属性信息和业务特征信息编码为初始特征向量,并对每两个节点之间的时序特征信息进行时间计算,得到时间关联因子;构建图网络,将每个节点的初始特征向量作为图网络的节点特征,基于所述时间关联因子进行关系构建,得到图网络的节点关联关系,通过预训练的图神经网络对所述节点特征和所述节点关联关系进行迭代聚合,得到每两个节点之间的同一性度量值;将所述同一性度量值大于预设标准阈值的节点对合并为同一主体,生成身份映射网络,根据所述身份映射网络从各业务系统中提取对应的关联单据,并按照时间顺序串联所述关联单据,得到业务链;通过预设业务逻辑规则对所述业务链进行一致性校验,若校验通过则将所述业务链作为目标业务链,根据所述目标业务链进行审计。
3、第二方面,本发明实施例还提供了一种基于人工智能的审计流程一体化管理系统,其包括:获取单元,用于获取跨部门业务系统中的若干供应商记录及其对应的业务单据,将每条供应商记录抽象为一个节点,从所述业务单据中提取对应节点的静态属性信息、业务特征信息和时序特征信息;计算单元,用于通过预训练的自然语言处理模型将每个节点的静态属性信息和业务特征信息编码为初始特征向量,并对每两个节点之间的时序特征信息进行时间计算,得到时间关联因子;聚合单元,用于构建图网络,将每个节点的初始特征向量作为图网络的节点特征,基于所述时间关联因子进行关系构建,得到图网络的节点关联关系,通过预训练的图神经网络对所述节点特征和所述节点关联关系进行迭代聚合,得到每两个节点之间的同一性度量值;合并单元,用于将所述同一性度量值大于预设标准阈值的节点对合并为同一主体,生成身份映射网络,根据所述身份映射网络从各业务系统中提取对应的关联单据,并按照时间顺序串联所述关联单据,得到业务链;校验单元,用于通过预设业务逻辑规则对所述业务链进行一致性校验,若校验通过则将所述业务链作为目标业务链,根据所述目标业务链进行审计。
4、本发明实施例提供了一种基于人工智能的审计流程一体化管理方法及系统。本发明实施例通过从跨部门业务系统中获取供应商记录及其对应的业务单据,提取每个节点的静态属性信息、业务特征信息和时序特征信息,以构建多维证据层级,避免单一依赖名称相似度导致的信息失真;通过预训练的自然语言处理模型将静态属性信息和业务特征信息编码为初始特征向量,并根据时序特征信息计算时间关联因子,以捕捉供应商名称变更等正常演变轨迹,有效区分因变更产生的曾用名与名称相近的独立主体;通过图神经网络对节点特征和节点关联关系进行迭代聚合,输出节点间的同一性度量值,以实现跨系统供应商主体的精准身份对齐;通过将同一性度量值大于阈值的节点对合并为同一主体生成身份映射网络,并按照时间顺序串联关联单据得到业务链,以构建完整的采购到付款业务路径;通过预设业务逻辑规则对业务链进行一致性校验,识别金额闭环断裂或时间顺序异常等逻辑冲突,以验证身份映射的准确性;最终将校验通过的业务链作为目标业务链输出以用于审计,实现对异常付款与责任链的准确承接,避免因主体身份错误拆分或错误合并导致的审计链条断裂或责任混淆,显著提升审计流程的自动化水平和可靠性。
1.一种基于人工智能的审计流程一体化管理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取跨部门业务系统中的若干供应商记录及其对应的业务单据的步骤,包括:
3.根据权利要求1所述的方法,其特征在于,所述从所述业务单据中提取对应节点的静态属性信息、业务特征信息和时序特征信息的步骤,包括:
4.根据权利要求3所述的方法,其特征在于,所述通过预训练的自然语言处理模型将每个节点的静态属性信息和业务特征信息编码为初始特征向量的步骤,包括:
5.根据权利要求1所述的方法,其特征在于,所述对每两个节点之间的时序特征信息进行时间计算,得到时间关联因子的步骤,包括:
6.根据权利要求1所述的方法,其特征在于,所述通过预训练的图神经网络对所述节点特征和所述节点关联关系进行迭代聚合,得到每两个节点之间的同一性度量值的步骤,包括:
7.根据权利要求1所述的方法,其特征在于,所述将所述同一性度量值大于预设标准阈值的节点对合并为同一主体,生成身份映射网络的步骤,包括:
8.根据权利要求1所述的方法,其特征在于,所述根据所述身份映射网络从各业务系统中提取对应的关联单据,并按照时间顺序串联所述关联单据,得到业务链的步骤,包括:
9.根据权利要求8所述的方法,其特征在于,所述通过预设业务逻辑规则对所述业务链进行一致性校验,若校验通过则将所述业务链作为目标业务链的步骤,包括:
10.一种基于人工智能的审计流程一体化管理系统,其特征在于,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com