欧美日韩国产一二区高清_日韩精品久久最新一区二区三区_亚洲精品成人456在线播放视频在线_日本熟日本熟妇中文在线_国产盗摄宾馆不卡一区二区_色综合色综合色综合最新网站_日韩精品专区av无码精品_亚洲精品福利成年人 jinv tv_欧美性爱操你啦免费观看_永久免费人成网ww555kkk手机

知識(shí)圖譜（Knowledge Graph）是顯示知識(shí)發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，又被稱(chēng)為知識(shí)域可視化或知識(shí)領(lǐng)域映射地圖，是用可視化技術(shù)描述知識(shí)資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識(shí)及它們之間的相互聯(lián)系。隨著大數(shù)據(jù)技術(shù)的發(fā)展以及海量數(shù)據(jù)轉(zhuǎn)化為知識(shí)時(shí)代的到來(lái)，知識(shí)圖譜技術(shù)能夠從海量非結(jié)構(gòu)化數(shù)據(jù)（如文本和圖像）和結(jié)構(gòu)化數(shù)據(jù)中進(jìn)行知識(shí)獲取、知識(shí)共享，并在大數(shù)據(jù)時(shí)代進(jìn)行知識(shí)創(chuàng)新。知識(shí)圖譜可以高效、直觀(guān)地描繪出目標(biāo)對(duì)象（如企業(yè)，事件等）之間的相關(guān)網(wǎng)絡(luò)，并在多維視角實(shí)現(xiàn)對(duì)象的真實(shí)情況和錯(cuò)綜復(fù)雜的關(guān)系。在企業(yè)的實(shí)際業(yè)務(wù)中，面對(duì)海量繁多的財(cái)務(wù)會(huì)計(jì)憑證、賬簿、報(bào)表及電子數(shù)據(jù)等信息，審計(jì)人員常常通過(guò)抽查來(lái)發(fā)現(xiàn)問(wèn)題。知識(shí)圖譜技術(shù)的出現(xiàn)，提供了更高效的審計(jì)，提高審計(jì)工作效率，可以作為經(jīng)典審計(jì)方法的補(bǔ)充，在理想情況下甚至可以做到全面排查總體，這樣不僅能避免審計(jì)抽樣的風(fēng)險(xiǎn)，同時(shí)也降低了審計(jì)工作的復(fù)雜性和總體風(fēng)險(xiǎn)。本文基于百度問(wèn)答的數(shù)據(jù)，對(duì)審計(jì)領(lǐng)域的一些常見(jiàn)知識(shí)進(jìn)行了收集，基于多源異構(gòu)審計(jì)數(shù)據(jù)，構(gòu)建了結(jié)構(gòu)化審計(jì)數(shù)據(jù)庫(kù)，并通過(guò)可視化工具，進(jìn)行初步的可視化分析產(chǎn)生可視化圖表，對(duì)審計(jì)信息進(jìn)行分析和使用，有助于審計(jì)信息使用者快速了解特定領(lǐng)域的審計(jì)知識(shí)，為審計(jì)需求相關(guān)方的決策提供參考價(jià)值。

一、研究回顧

知識(shí)圖譜的應(yīng)用大概分為通用知識(shí)領(lǐng)域和行業(yè)知識(shí)領(lǐng)域。通用知識(shí)領(lǐng)域的應(yīng)用主要包括智能問(wèn)答系統(tǒng)，如Google。Google 知 識(shí) 圖譜是在Freebase 的基礎(chǔ)上研發(fā)的，F(xiàn)reebase 是 由Kurt Bollacker,Robert Cook, Patrick Tufts(2007)提出的通用人類(lèi)知識(shí)數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)具有實(shí)用、可擴(kuò)展、圖形化、結(jié)構(gòu)化的特點(diǎn)，其靈感來(lái)自于語(yǔ)義Web 研究和協(xié)作數(shù)據(jù)通信，如Wikipedia。Freebase 允許通過(guò)HTTP 的圖形查詢(xún)API 進(jìn)行公共讀寫(xiě)訪(fǎng)問(wèn)，用于研究、創(chuàng)建和維護(hù)結(jié)構(gòu)化數(shù)據(jù)以及應(yīng)用程序構(gòu)建。近年來(lái)，國(guó)內(nèi)學(xué)者還開(kāi)發(fā)出一款類(lèi)似Google 的大規(guī)模開(kāi)放知識(shí)圖譜---Zhishi.me。Zhishi.me 是 從互動(dòng)百科、百度百科和中文維基百科中提取實(shí)體信息，并協(xié)調(diào)來(lái)自各個(gè)來(lái)源的知識(shí)以獲得規(guī)范的數(shù)據(jù)集，該圖譜的規(guī)模雖不及Google 研發(fā)的知識(shí)圖譜，但是卻也包含大約1000 萬(wàn)個(gè)實(shí)體（周盛威，2018）。

知識(shí)圖譜行業(yè)知識(shí)領(lǐng)域的應(yīng)用主要有醫(yī)學(xué)領(lǐng)域、金融領(lǐng)域等。醫(yī)學(xué)領(lǐng)域方面，張崇宇（2019）提出面向臨床醫(yī)療知識(shí)圖譜的自動(dòng)問(wèn)答方法，主要依托于構(gòu)建的臨床醫(yī)療知識(shí)圖譜的實(shí)體、關(guān)系及屬性，通過(guò)數(shù)據(jù)冷啟動(dòng)機(jī)制生成語(yǔ)料，然后基于一種網(wǎng)格Bi-LSTM-CRF 算法的醫(yī)療實(shí)體識(shí)別和基于字-詞編碼CNN 模型的關(guān)系/屬性映射方法來(lái)完成問(wèn)題的語(yǔ)義解析任務(wù)。然后通過(guò)業(yè)務(wù)分流和查詢(xún)邏輯轉(zhuǎn)換為Neo4j 圖數(shù)據(jù)庫(kù)，最終實(shí)現(xiàn)醫(yī)療應(yīng)用場(chǎng)景的知識(shí)圖譜自動(dòng)問(wèn)答系統(tǒng)。在金融領(lǐng)域方面，張蕓蕓、方勇、黃誠(chéng)（2018）提出基于Neo4j 圖譜檢測(cè)信用卡欺詐的方法，通過(guò)圖數(shù)據(jù)庫(kù)直觀(guān)顯示數(shù)據(jù)集的特征，并通過(guò)FICO評(píng)分標(biāo)準(zhǔn)建立FICO 模型，研究表明，該方法可以顯著提高信用卡欺詐的識(shí)別率。

信息可視化在可視化技術(shù)中占有重要地位，通過(guò)將抽象數(shù)據(jù)進(jìn)行可視化展示，從而加強(qiáng)人們對(duì)數(shù)據(jù)的認(rèn)知及數(shù)據(jù)獲取效率。Bernal 于1938 年繪制學(xué)科圖譜，但知識(shí)圖譜在我國(guó)于2005 年開(kāi)始流行，相比于國(guó)外興起較晚。目前，國(guó)內(nèi)外關(guān)于知識(shí)圖譜的可視化工具層出不窮。國(guó)外最為經(jīng)典的知識(shí)圖譜可視化分析軟件是CiteSpace，它是一款針對(duì)科學(xué)文獻(xiàn)的可視化分析工具，用于計(jì)量特定領(lǐng)域的文獻(xiàn)，從而探尋該學(xué)科的發(fā)展方式和知識(shí)變遷。該軟件適合復(fù)雜的網(wǎng)絡(luò)關(guān)系可視化分析，但是CiteSpace被運(yùn)行在java 平臺(tái)，適合專(zhuān)業(yè)基礎(chǔ)較高的人，使用門(mén)檻高。在國(guó)內(nèi)，Plantdata 是一款較為成熟的知識(shí)圖譜可視化平臺(tái)。與傳統(tǒng)知識(shí)圖譜的可視化平臺(tái)不同的是，Plantdata 加入了時(shí)間屬性，支持儀表盤(pán)功能，并加入交互操作。其最為出色的一點(diǎn)是支持快速搭建高效精準(zhǔn)智能深度搜索系統(tǒng)，并以不同的形態(tài)展現(xiàn)給用戶(hù)，通過(guò)對(duì)多個(gè)維度進(jìn)行分析，幫助用戶(hù)做出決策（楊卓，2019）。

圖1 csv 文件中部分?jǐn)?shù)據(jù)

圖2 節(jié)點(diǎn)查詢(xún)示例圖

圖3 審計(jì)關(guān)系查詢(xún)的節(jié)點(diǎn)示例

經(jīng)過(guò)以上對(duì)國(guó)內(nèi)外研究的分析和比較，可以看出知識(shí)圖譜及其可視化服務(wù)正在迅猛發(fā)展，并開(kāi)始逐步應(yīng)用至各行各業(yè)。知識(shí)可視化的實(shí)質(zhì)是將內(nèi)容用圖形的方式表示，更符合人們對(duì)信息的感知與理解，從而進(jìn)行知識(shí)傳播（劉琦，2018）。在企業(yè)審計(jì)領(lǐng)域中，由于審計(jì)知識(shí)領(lǐng)域涉及范圍較廣，審計(jì)知識(shí)之間的關(guān)系紛繁復(fù)雜，存儲(chǔ)、組織和表達(dá)方式較為松散，缺乏有效的管理。另外，審計(jì)知識(shí)檢索的效率不高，無(wú)法進(jìn)行關(guān)聯(lián)知識(shí)的深度檢索。由此可見(jiàn)，將知識(shí)圖譜與可視化技術(shù)運(yùn)用至企業(yè)審計(jì)領(lǐng)域中，與檢索者產(chǎn)生交互，顯示地表達(dá)知識(shí)的整體性與關(guān)聯(lián)性，將對(duì)知識(shí)的傳播起到推動(dòng)作用。同時(shí)，企業(yè)也可通過(guò)運(yùn)用審計(jì)知識(shí)圖譜，將傳統(tǒng)的業(yè)務(wù)推動(dòng)數(shù)據(jù)模式轉(zhuǎn)化為數(shù)據(jù)推動(dòng)業(yè)務(wù)模式，提高審計(jì)的效率，挖掘不易發(fā)現(xiàn)的審計(jì)數(shù)據(jù)，為企業(yè)決策提供參考價(jià)值（樊世昊，2018）。國(guó)內(nèi)外對(duì)于實(shí)現(xiàn)信息化審計(jì)的研究仍處于起步階段，由于審計(jì)領(lǐng)域涉及范圍較廣，實(shí)現(xiàn)全面的大數(shù)據(jù)審計(jì)仍有難度。目前，雖有一些學(xué)者將知識(shí)圖譜應(yīng)用在審計(jì)領(lǐng)域中，但尚無(wú)較為成熟的應(yīng)用。

圖4 “審計(jì)”知識(shí)譜圖示例

圖5 模糊查詢(xún)

圖6 模糊查詢(xún)結(jié)果頁(yè)面

二、基于Neo4j 圖數(shù)據(jù)庫(kù)的審計(jì)知識(shí)圖譜的構(gòu)建

由表3可以看出，南京中考題的知識(shí)深度和知識(shí)廣度都比PISA題要高，說(shuō)明中考題考察的知識(shí)內(nèi)容比較多，并且需要學(xué)生有扎實(shí)的數(shù)學(xué)基礎(chǔ)，而PISA題是用少量的知識(shí)點(diǎn)考察學(xué)生的數(shù)學(xué)能力.最后根據(jù)模型計(jì)算，假設(shè)α為0.5的前提下，PISA的難度為0.27，中考題的難度為0.31，中考題比PISA題難度高一些，PISA重視學(xué)生在不同問(wèn)題背景下對(duì)所學(xué)知識(shí)和技能的靈活應(yīng)用，而中考題注重考察學(xué)生對(duì)所學(xué)知識(shí)的掌握情況.

（一）審計(jì)數(shù)據(jù)的獲取

經(jīng)過(guò)對(duì)不同行業(yè)和領(lǐng)域?qū)徲?jì)需求的調(diào)研，發(fā)現(xiàn)存在兩類(lèi)數(shù)據(jù)，第一類(lèi)是審計(jì)領(lǐng)域內(nèi)的直接數(shù)據(jù)，第二類(lèi)是與審計(jì)相關(guān)聯(lián)的通識(shí)數(shù)據(jù)。

對(duì)于直接數(shù)據(jù)，先從結(jié)構(gòu)化數(shù)據(jù)源的相應(yīng)本體模型出發(fā)，定義概念之間的分層關(guān)系，然后從多個(gè)數(shù)據(jù)源所定義的概念出發(fā)添加實(shí)體和屬性。通過(guò)定義知識(shí)圖譜的本體模式，以確保知識(shí)層次結(jié)構(gòu)的正確性，然后再針對(duì)定義好的本體模式，對(duì)領(lǐng)域數(shù)據(jù)中的相關(guān)知識(shí)進(jìn)行抽取，通過(guò)知識(shí)融合、質(zhì)量評(píng)估等階段，篩選出滿(mǎn)足準(zhǔn)確率要求的三元組進(jìn)行企業(yè)審計(jì)知識(shí)圖譜的構(gòu)建，并將其存儲(chǔ)于MySQL 數(shù)據(jù)庫(kù)進(jìn)行關(guān)聯(lián)。另外，由于非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)是可信度相對(duì)低，抽取的精度也是有限的，這使得它難以滿(mǎn)足可用性標(biāo)準(zhǔn)。因此，具有高可信度的半結(jié)構(gòu)化的通識(shí)知識(shí)數(shù)據(jù)將被用作構(gòu)建企業(yè)審計(jì)知識(shí)圖譜，作為構(gòu)建審計(jì)知識(shí)圖譜的另一個(gè)層次的數(shù)據(jù)源，與審計(jì)數(shù)據(jù)互補(bǔ)。

對(duì)于通識(shí)知識(shí)數(shù)據(jù)，將抽取百科頁(yè)面中的半結(jié)構(gòu)化數(shù)據(jù)，作為關(guān)鍵性的知識(shí)，轉(zhuǎn)換成三元組，然而，對(duì)于關(guān)鍵知識(shí)中部分冗余的信息仍然存在，例如，存在實(shí)體名稱(chēng)不一樣，但實(shí)際對(duì)應(yīng)現(xiàn)實(shí)世界中的同一實(shí)體，需要對(duì)這些冗余的知識(shí)進(jìn)行知識(shí)融合，保證所構(gòu)建知識(shí)圖譜的準(zhǔn)確性。由于企業(yè)審計(jì)知識(shí)圖譜對(duì)準(zhǔn)確性的要求較高，關(guān)系到企業(yè)的利益，因此將采用已有的算法，對(duì)這些冗余的知識(shí)進(jìn)行篩選，然后再使用人工進(jìn)行評(píng)估。這些冗余的知識(shí)，在百科數(shù)據(jù)中只是部分存在，而且比例很低，使用這種思路不會(huì)造成較高的人工成本，準(zhǔn)確度和效率都是可接受的。

（二）審計(jì)數(shù)據(jù)處理

在審計(jì)領(lǐng)域中，由于審計(jì)知識(shí)領(lǐng)域涉及范圍較廣，審計(jì)知識(shí)之間的關(guān)系紛繁復(fù)雜，存儲(chǔ)、組織和表達(dá)方式較為松散，缺乏有效的管理（劉琦，2018）。另外，審計(jì)知識(shí)檢索的效率不高，無(wú)法進(jìn)行關(guān)聯(lián)知識(shí)的深度檢索。對(duì)此，Neo4j 圖數(shù)據(jù)庫(kù)的存儲(chǔ)結(jié)構(gòu)與領(lǐng)域知識(shí)存儲(chǔ)與查詢(xún)功能，不僅能良好地支持知識(shí)庫(kù)中實(shí)體關(guān)系的管理，還能對(duì)知識(shí)進(jìn)行快速查詢(xún)和清晰展示（葉帥，2019）。為了實(shí)現(xiàn)審計(jì)數(shù)據(jù)的信息化，知識(shí)圖譜中的語(yǔ)義關(guān)聯(lián)可以有效地整合多元異構(gòu)審計(jì)數(shù)據(jù)。知識(shí)圖譜的數(shù)據(jù)通常以三元組(S，P，D)的形式來(lái)表示實(shí)體、關(guān)系、屬性之間的關(guān)系，因此，本文用Neo4j 圖數(shù)據(jù)庫(kù)實(shí)現(xiàn)實(shí)體及實(shí)體關(guān)系的存儲(chǔ)，構(gòu)建審計(jì)知識(shí)圖譜。Neo4j 是一種圖形數(shù)據(jù)庫(kù)，是目前圖形數(shù)據(jù)庫(kù)中使用率最高的庫(kù)，Neo4j 具備本地存儲(chǔ)和數(shù)據(jù)處理的功能，與一般的數(shù)據(jù)庫(kù)有顯著的區(qū)別，它能夠保證數(shù)據(jù)的完整性和高讀寫(xiě)性。審計(jì)知識(shí)圖譜構(gòu)建的目的是將經(jīng)典的審計(jì)方法與知識(shí)圖譜可視化方法相結(jié)合，從大量的企業(yè)結(jié)構(gòu)化和非結(jié)構(gòu)化文本中自動(dòng)提取三元組，構(gòu)建審計(jì)的知識(shí)圖譜，方便審計(jì)信息使用者快速抓取信息，有助于審計(jì)決策的制定和實(shí)施。因此，本文從以下幾個(gè)方面入手，具體探討審計(jì)知識(shí)圖譜的構(gòu)建過(guò)程。

將上述數(shù)據(jù)導(dǎo)入Neo4j，其邏輯為：(1)node 相關(guān)：CSV 文件首列為Source 節(jié)點(diǎn)，第三列為T(mén)arget 節(jié)點(diǎn)，第二列為relation（關(guān)系）。消除完重復(fù)數(shù)據(jù)后，為每個(gè)節(jié)點(diǎn)生成唯一的id 和name 字段，方便查看節(jié)點(diǎn)的屬性。（2）relation 相關(guān)：每種關(guān)系單獨(dú)生成一個(gè)關(guān)系類(lèi)型，這樣在進(jìn)行后續(xù)的查詢(xún)操作時(shí)可以針對(duì)某個(gè)關(guān)系或節(jié)點(diǎn)直接進(jìn)行查詢(xún)。關(guān)系兩端的node 用生成的id 進(jìn)行標(biāo)示。(3)數(shù)據(jù)導(dǎo)入生成知識(shí)圖譜：清空Neo4j 現(xiàn)有的graph 并重啟Neo4j 程序。若啟動(dòng)Neo4j 程序需要在cmd 中輸入如指令，指令輸入完成后打開(kāi)Neo4j，利用Neo4j 的Cypher 語(yǔ)句進(jìn)行查詢(xún)。

（三）審計(jì)數(shù)據(jù)的導(dǎo)入

本 文 采 用Python 與Neo4j 圖數(shù)據(jù)庫(kù)連接的方式，進(jìn)行數(shù)據(jù)導(dǎo)入工作。首先需要將已有的CSV 格式的數(shù)據(jù)導(dǎo)入py2neo 庫(kù)，需在Python中輸入如下代碼：from py2neo import Graph, Node, Relationship,Subgraph。隨后建立時(shí)間模塊與導(dǎo)入操作數(shù)據(jù)需要使用的模塊。下一步需要在Neo4j 中運(yùn)用Cypher 語(yǔ)句建立索引、提高查詢(xún)速度，輸入CREATE 語(yǔ) 句：CREATE INDEX FOR (n: Entity) ON (n.name)。 之后需在Python 中設(shè)置自己本地的url與Neo4j 庫(kù)的用戶(hù)名與密碼，即可實(shí)現(xiàn)審計(jì)數(shù)據(jù)導(dǎo)入Neo4j，從而完成基于Neo4j 圖數(shù)據(jù)庫(kù)的審計(jì)知識(shí)圖譜的構(gòu)建。

三、審計(jì)知識(shí)圖譜的實(shí)現(xiàn)

審計(jì)知識(shí)圖譜的實(shí)現(xiàn)主要是通過(guò)信息抽取、知識(shí)融合、圖譜的構(gòu)建與儲(chǔ)存等核心技術(shù)從大量的異構(gòu)數(shù)據(jù)源出發(fā)，抽取其中的實(shí)體、屬性等關(guān)鍵知識(shí)及其相互關(guān)系，再完成實(shí)體對(duì)齊與實(shí)體消歧等數(shù)據(jù)融合工作，然后采用符合質(zhì)量要求的知識(shí)構(gòu)建圖譜，并利用MYSQL 數(shù)據(jù)庫(kù)對(duì)構(gòu)建好的知識(shí)圖譜進(jìn)行儲(chǔ)存。在上一節(jié)中進(jìn)行了數(shù)據(jù)導(dǎo)入工作并在Neo4j 圖數(shù)據(jù)庫(kù)中構(gòu)建了企業(yè)審計(jì)領(lǐng)域知識(shí)圖譜。Neo4j圖數(shù)據(jù)庫(kù)中，共設(shè)有兩種節(jié)點(diǎn)類(lèi)型，分別是Source 節(jié)點(diǎn)類(lèi)型與Target 節(jié)點(diǎn)類(lèi)型。用戶(hù)可以根據(jù)自己的需求進(jìn)行查詢(xún)，進(jìn)而清晰明了地了解節(jié)點(diǎn)以及節(jié)點(diǎn)與節(jié)點(diǎn)之間的關(guān)系。

比如，用戶(hù)需要在Neo4j 中查詢(xún)某一個(gè)節(jié)點(diǎn)（node）并且節(jié)點(diǎn)類(lèi)型屬于Source 類(lèi)型時(shí)，以查詢(xún)“中國(guó)投資服務(wù)網(wǎng)”為例，用戶(hù)需輸入如下查詢(xún)語(yǔ)句：MATCH(n:Source{name:‘中國(guó)投資服務(wù)網(wǎng)’})return n，點(diǎn)擊運(yùn)行后會(huì)顯示出節(jié)點(diǎn)‘中國(guó)投資服務(wù)網(wǎng)’，若用戶(hù)需要查詢(xún)節(jié)點(diǎn)類(lèi)型為T(mén)arget 的節(jié)點(diǎn)，只需把查詢(xún)語(yǔ)句中的Source改為T(mén)arget 即可進(jìn)行查詢(xún)。如圖2所示。

再比如，當(dāng)用戶(hù)需要在Neo4j 中查詢(xún)關(guān)系（relation）時(shí)，需要使用Match 語(yǔ)言進(jìn)行查詢(xún)，以查詢(xún)“審計(jì)”關(guān)系為例，若想查詢(xún)圖數(shù)據(jù)庫(kù)中所有關(guān)于“審計(jì)”關(guān)系的節(jié)點(diǎn)，查詢(xún)語(yǔ)句如下:MATCH（n:Source）-[：‘審計(jì)’]-（m:Target）return n,m limit 20。這時(shí)圖數(shù)據(jù)庫(kù)會(huì)加載出所有以“審計(jì)”關(guān)系連接的節(jié)點(diǎn)，（其中l(wèi)imit 為控制節(jié)點(diǎn)顯示數(shù)量的參數(shù)，可修改為任意數(shù)量），查詢(xún)結(jié)果如圖3 所示。

對(duì)審計(jì)領(lǐng)域的知識(shí)獲得全局認(rèn)識(shí)，亦可以借助知識(shí)圖譜的手段。審計(jì)知識(shí)圖譜的構(gòu)建，有助于人們通過(guò)節(jié)點(diǎn)-關(guān)系-節(jié)點(diǎn)的方式，方便快捷、清晰明了地獲取審計(jì)領(lǐng)域的相關(guān)知識(shí)，完成審計(jì)知識(shí)的查詢(xún)和獲取。比如對(duì)于初次接觸審計(jì)領(lǐng)域知識(shí)的用戶(hù)而言，可以通過(guò)知識(shí)圖譜的方式查詢(xún)“審計(jì)”相關(guān)領(lǐng)域，例如查詢(xún)對(duì)于“審計(jì)（獨(dú)立性的經(jīng)濟(jì)監(jiān)督活動(dòng)）”相應(yīng)知識(shí)，查詢(xún)結(jié)果如圖4 所示，即可通過(guò)圖譜的方式獲得相應(yīng)審計(jì)知識(shí)的展示，方便用戶(hù)快速、系統(tǒng)、較為全面地獲得審計(jì)領(lǐng)域知識(shí)。

另外，知識(shí)圖譜也提供了強(qiáng)大的模糊查詢(xún)的功能。當(dāng)用戶(hù)在搜索框內(nèi)輸入想要查詢(xún)的詞語(yǔ)，隨后會(huì)出現(xiàn)下拉框，用戶(hù)可通過(guò)點(diǎn)擊某一詞語(yǔ)或句子，這時(shí)會(huì)出現(xiàn)用戶(hù)搜索的詞語(yǔ)的網(wǎng)絡(luò)關(guān)系圖。以搜索“cpa”為例，如圖5 所示，頁(yè)面的搜索框下會(huì)出現(xiàn)所有包含cpa 字段的詞語(yǔ)或語(yǔ)句，可通過(guò)點(diǎn)擊自己想要查詢(xún)的范圍來(lái)進(jìn)行查詢(xún)。

例如，以選擇以“cpa[注冊(cè)會(huì)計(jì)師]”為例，用戶(hù)點(diǎn)擊此詞語(yǔ)，頁(yè)面會(huì)展示關(guān)于此詞語(yǔ)的知識(shí)圖譜，如圖6所示。

除此之外，若用戶(hù)需要在Neo4j中創(chuàng)建新的節(jié)點(diǎn)（node）類(lèi)型、創(chuàng)建的節(jié)點(diǎn)類(lèi)型與已有的節(jié)點(diǎn)建立新的關(guān)系（relation），以及刪除圖數(shù)據(jù)庫(kù)中的任意節(jié)點(diǎn)等，都可以進(jìn)行相應(yīng)語(yǔ)句的編寫(xiě)與操作。這種通過(guò)圖譜的形式展示出來(lái)的、區(qū)別于傳統(tǒng)的百度搜索查找審計(jì)領(lǐng)域知識(shí)的方式，是大數(shù)據(jù)審計(jì)、信息化審計(jì)和智能化審計(jì)發(fā)展到一定階段的產(chǎn)物，有助于用戶(hù)對(duì)審計(jì)知識(shí)的查詢(xún)、獲取和使用，提高了用戶(hù)的決策相關(guān)性。

通過(guò)審計(jì)知識(shí)圖譜的構(gòu)建，相關(guān)人員可以快速準(zhǔn)確地了解到當(dāng)前環(huán)境下審計(jì)知識(shí)的現(xiàn)狀，精準(zhǔn)抓取審計(jì)行業(yè)面臨的問(wèn)題等等。對(duì)于審計(jì)從業(yè)人員而言，需要不斷加強(qiáng)大數(shù)據(jù)審計(jì)和智能化審計(jì)手段，提升審計(jì)信息化手段，不斷提高審計(jì)效率以及準(zhǔn)確性。對(duì)于被審計(jì)單位而言，審計(jì)知識(shí)圖譜的構(gòu)建有助于企業(yè)從內(nèi)部審計(jì)出發(fā)，快速精準(zhǔn)地挖掘企業(yè)面臨的審計(jì)難題，提升公司內(nèi)部的管理水平，防患于未然，以降低不必要的損失；并結(jié)合注冊(cè)會(huì)計(jì)師（CPA）審計(jì)的相關(guān)知識(shí)，加強(qiáng)合作，確保審計(jì)意見(jiàn)的正確出具，并不斷提升自我在行業(yè)中的核心競(jìng)爭(zhēng)力。對(duì)于監(jiān)管部門(mén)而言，通過(guò)對(duì)審計(jì)領(lǐng)域違規(guī)問(wèn)題的查詢(xún)，可以系統(tǒng)地通過(guò)知識(shí)譜圖的方式展示審計(jì)異常的企業(yè)以及事務(wù)所的情況，實(shí)現(xiàn)審計(jì)違規(guī)的精準(zhǔn)查處和精準(zhǔn)治理。