CN114372118A - 一种基于递归算法的审计知识推荐系统及方法 - Google Patents

Abstract

本发明涉及一种基于递归算法的审计知识推荐系统及方法，包括审计知识库模块、审计记录模块、审计底稿模块和审计报告模块；所述审计知识库模块与审计记录模块相连接，审计知识库为审计记录编辑内容智能推荐提供知识基础；所述审计记录模块与审计底稿模块相连接，审计记录实时线上编辑完成后，问题分类，将审计记录自动归集为审计底稿；所述审计底稿模块与审计报告模块相连接，将审计底稿通过问题分类合并汇总并自动生成审计报告。本发明能够增强审计工作的实效性和穿透力，工作效率得到提升，信息安全得以确保。

Description

一种基于递归算法的审计知识推荐系统及方法

技术领域

本发明属于智能审计技术领域，涉及一种审计知识推荐系统及方法，尤其是一种基于递归算法的审计知识推荐系统及方法。

背景技术

伴随数字化审计的发展，不断推动审计工作效率提升，通过数字化手段开展非现场审计，有效缩短现场作业时间。但是，审查工作过程中审计人员编辑审计记录的工作量占据了比较大的比重，原有的工作方式需要在Word中手工编写，同一类型问题的描述写的各有差异，引用制度依据的时候需要到处检索，审计意见也是基于经验判断，缺乏信息技术手段的支持。迫切需求一种审计知识智能推荐的辅助手段，为编写过程提供参考借鉴，提高审计记录、底稿的标准化水平和审计质效。

经检索，未发现与本发明相同或相似的现有技术的公开文献。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于递归算法的审计知识推荐系统及方法，能够提高审计工作的效率并确保信息安全。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于递归算法的审计知识推荐系统，包括审计知识库模块、审计记录模块、审计底稿模块和审计报告模块；

所述审计知识库模块与审计记录模块相连接，审计知识库为审计记录编辑内容智能推荐提供知识基础；

所述审计记录模块与审计底稿模块相连接，审计记录实时线上编辑完成后，问题分类，将审计记录自动归集为审计底稿。

所述审计底稿模块与审计报告模块相连接，将审计底稿通过问题分类合并汇总并自动生成审计报告。

一种基于递归算法的审计知识推荐方法，包括以下步骤：

步骤1、数据准备阶段：根据历史的审计记录组建审计知识库和问题级别数据，并创建模板；

步骤2、按照SpringBoot方式搭建基于递归算法的审计知识推荐系统框架；

步骤3、由审计记录模块确认编辑界面，使用审计知识库和问题级别数据构建审计智能推荐辅助工具，进行审计知识推荐。

而且，所述步骤1的具体步骤包括：

(1)将知识库的问题描述、政策依据、审计意见以及问题级别的一级分类、二级分类、三级分类按照B-Tree方式创建索引序列，方便后面程序快速递归检索数据；

(2)模板创建方面，采用定制化开发和配置模板的方式，将统一处理的接口按照审计记录的不同模板和相应的处理器进行绑定，方便扩展。

而且，所述步骤2的具体步骤包括：

(1)按照SpringBoot方式搭建框架，采用gradle组件进行模块拆分和打包，系统部署方面采用云平台方式，整体程序构建方面采用JIB构建镜像包方式处理；

(2)采用Spring中的事件通知的观察者模式，通过流程与业务解耦的方案，构建审计作业审批流处理，角色权限及关系方面采用OAuth方式与统一权限平台集成，结合ticket和token绑定用户登录认证和权限校验。

而且，所述步骤3的使用审计知识库和问题级别数据构建审计智能推荐辅助工具的具体方法为：

根据问题类别和递归索引相结合的方式，将大量的审计知识库数据按照审计记录的一级、二级、三级分类，分为若干个规模较小的，与原知识形式相同的子知识库，通过与用户交互，用户选择各层级内容，运用递归算法，逐层进行递归，提供编辑内容智能推荐。

而且，所述步骤3的运用递归算法，逐层进行递归，提供编辑内容智能推荐的具体方法为：

根据审计记录的项目ID获取审计记录单位及上级单位，根据单位、问题分类等，逐层进行递归查询，即逐级缩减推荐范围，根据单位，缩减到只推荐本单位及上级单位的制度依据，根据问题分类，一级、二级、三级问题逐级的内容，一级一级缩小推荐范围，如缩减范围推荐数据为空，将逐级扩大级别条件，以保证知识推荐的有效；再根据历史标记的制度依据使用频次，对其进行展示排序，并对选择后的制度依据进行标记增加使用频次。

而且，在步骤3之后还包括如下步骤：

步骤4、审计底稿模块，构建同一类问题自动归集功能，生成底稿数据。

所述步骤4的具体方法：

将审计记录问题分类放入联动生成功能组件，组件功能包括根据审计问题分类进行递归操作，根据排列算法该条审计记录所包含的三级问题分类，递归排列当前审计工作组相同一级二级三级分类的底稿数据：

并查询当前分类下已经生成的底稿的记录明细数据，将两种数据按照时间顺序排列组合并去重，最终确认底稿归集方式采用创建新底稿还是更新已有底稿：

并将一级分类、二级分类、三级分类、问题描述、政策依据和审计意见数据进行填充，完成自动归集，避免人工创建数据；

步骤5、将审计问题分类进行汇总，采用freemarker开源框架生成审计报告，将结构化的数据转换生成Word版审计报告文件；

步骤6、将确定的审计问题记录，加入审计知识库，为再审计提供审计辅助数据。

本发明的优点和有益效果：

1、本发明的审计作业不在受审计地点的局限，使用线上审计作业的方式，实现审计工作可多场景，多种方式随时随地进行审计记录，增强审计工作的实效性和穿透力，工作效率得到提升，信息安全得以确保。

2、本发明的审计问题明确的分类归集，使审计工作更加清晰，更具有针对性，自动归集汇总形成按四级问题分类总结的审计报告，便于审计人员审阅，更节省的审计时间，提高了审计作业的效率。

3、本发明的线上审计作业形成了标准化的审计流程，可以根据岗位权限逐层进行自动化的分类汇总审计记录，进行批量处理、审阅相同类型的审计记录，智能分析审计记录，并且避免了跨地域审计文件远程传递的信息泄露的风险。

4、本发明的审计记录、审计底稿及审计报告可根据审计需求，制定多种审计文本模板，根据审计项目的需求灵活调整审计模板，根据审计模板，可自动化生成标准化的结构化审计文档，极大地提高了审计效率，帮助审计人员把更多的精力可以聚焦在审计关注点上，节约了不必要的时间。

附图说明

图1为本发明的系统构成框架图；

图2为本发明的总体数据层架构示意图；

图3为本发明的源程序代码图；

图4是本发明的FreeMarker模板引擎示意图；

图5为本发明的系统构成图。

具体实施方式

以下结合附图对本发明实施例作进一步详述：

一种基于递归算法的审计知识推荐系统，如图1和图5所示，包括审计知识库模块、审计记录模块、审计底稿模块和审计报告模块；

所述审计知识库模块与审计记录模块相连接，审计知识库为审计记录编辑内容智能推荐提供知识基础；

所述审计记录模块与审计底稿模块相连接，审计记录实时线上编辑完成后，问题分类，将审计记录自动归集为审计底稿。

所述审计底稿模块与审计报告模块相连接，将审计底稿通过问题分类合并汇总并自动生成审计报告。

下面对系统内各模块的功能作进一步说明：

审计知识库模块-审计知识库管理功能，提供非结构化文件初始化问题库，并提供文字模糊搜索和问题库权限控制，为审计记录模块提供审计知识推荐，数据源来自于审计报告模块，审计报告根据问题分类的灵活选取，通过jdbc传输到问题库。

审计记录模块-审计记录在线编辑功能，实现审计记录实时线上编辑，并运用递归算法，提供编辑内容智能推荐。

审计底稿模块-审计底稿自动归集功能，实现审计底稿自动归集，将审计记录根据问题分类进行归集。

审计报告模块-审计报告自动汇总功能，将审计人员编写的审计记录，通过将问题分类合并汇总，经审计小组长、主审等多级审批确认后，将系统中结构化的数据，进行数据整合汇总，根据word审计报告模板，自动生成审计项目最终所需审计报告。

一种基于递归算法的审计知识推荐方法，包括以下步骤：

我们将根据以往审计人员在线下的审计习惯和作业方法，以及作业流程，进行模拟构建，围绕提高审计效率，减少不必要的工作量，智能化、自动化、标准化为核心，构建线上审计作业平台，使审计人员即使用熟悉的审计流程，又实现了线上审计作业的安全性、高效性，使审计作业更加标准化作业，摒弃了一些以往的弊端，优化了审计流程方法。

步骤1、数据准备阶段：根据历史的审计记录组建审计知识库和问题级别数据，并创建模板；

所述步骤1的具体步骤包括：

(1)将知识库的问题描述、政策依据、审计意见以及问题级别的一级分类、二级分类、三级分类按照B-Tree方式创建索引序列，方便后面程序快速递归检索数据；

(2)模板创建方面，采用定制化开发和配置模板的方式，将统一处理的接口按照审计记录的不同模板和相应的处理器进行绑定，方便扩展。

步骤2、按照SpringBoot方式搭建基于递归算法的审计知识推荐系统框架；

所述步骤2的具体步骤包括：

(1)按照SpringBoot方式搭建框架，采用gradle组件进行模块拆分和打包，系统部署方面采用云平台方式，整体程序构建方面采用JIB构建镜像包方式处理；

(2)采用Spring中的事件通知的观察者模式，通过流程与业务解耦的方案，构建审计作业审批流处理，角色权限及关系方面采用OAuth方式与统一权限平台集成，结合ticket和token绑定用户登录认证和权限校验。

本发明的总体数据层架构如图2所示：

本系统部署运行方式上基于Iaas层(基础架构即服务)和Paas层(软件即服务)，分别基于k8s和openstack进行搭建，进行容器化部署运行；系统研发技术上基于前后端开发，前端Vue后端Springboot，采用JPA连接数据库，数据流向方面采用jdbc、RESTful、HTML抓取技术分别对数据库、系统集成进行功能上的实现。

步骤3、由审计记录模块确认编辑界面，使用审计知识库和问题级别数据构建审计智能推荐辅助工具，创建审计记录填充数据和上传附件功能。

所述步骤3的使用审计知识库和问题级别数据构建审计智能推荐辅助工具的具体方法为：

根据问题类别和递归索引相结合的方式，将大量的审计知识库数据按照审计记录的一级、二级、三级分类，分为若干个规模较小的，与原知识形式相同的子知识库，通过与用户交互，用户选择各层级内容，运用递归算法，逐层进行递归，提供编辑内容智能推荐，逐渐精准定位所需审计知识，进行精准推荐，快速推荐出所选的问题分类下的政策依据、审计意见以及问题描述等。

所述步骤3的运用递归算法，如图3所示，逐层进行递归，提供编辑内容智能推荐的具体步骤包括：

根据审计记录的项目ID获取审计记录单位及上级单位，根据单位、问题分类等，逐层进行递归查询，即逐级缩减推荐范围，根据单位，缩减到只推荐本单位及上级单位的制度依据，根据问题分类，一级、二级、三级问题逐级的内容，一级一级缩小推荐范围，如缩减范围推荐数据为空，将逐级扩大级别条件，以保证知识推荐的有效。再根据历史标记的制度依据使用频次，对其进行展示排序，并对选择后的制度依据进行标记增加使用频次。

步骤4、审计底稿模块，构建同一类问题自动归集功能，生成底稿数据。

所述步骤4的具体方法：

自动归集方面，将审计记录问题分类放入联动生成功能组件，组件功能包括根据审计问题分类进行递归操作，根据排列算法该条审计记录所包含的三级问题分类，递归排列当前审计工作组相同一级二级三级分类的底稿数据，

并查询当前分类下已经生成的底稿的记录明细数据，将两种数据按照时间顺序排列组合并去重，最终确认底稿归集方式采用创建新底稿还是更新已有底稿，

并将一级分类、二级分类、三级分类、问题描述、政策依据和审计意见数据进行填充，完成自动归集，避免人工创建数据。

步骤5、审计报告模块，将审计问题分类进行汇总，采用freemarker开源框架生成审计报告，将结构化的数据转换生成Word版审计报告文件。

在本实施例中，如图4所示，FreeMarker是一款模板引擎：即一种基于模板和要改变的数据，并用来生成输出文本(HTML网页，电子邮件，配置文件，源代码等)的通用工具。模板编写为FreeMarker Template Language(FTL)，它是简单的专用的语言。

特性：

(1)强大的模板语言：条件块、迭代、赋值、字符串和算术运算和格式化、宏和函数、包括其他模板、默认转义(可选)，以及更多。

(2)多用途和轻量级：零依赖性，任何输出格式，可以从任何地方加载模板(可插拔)，许多配置选项

(3)国际化/本地化意识：对地域敏感的数字和日期/时间格式，本地化的模板变化。

(4)XML处理能力：将XML DOM-s放入数据模型中并遍历它们，甚至可以声明性地处理它们。

(5)多功能的数据模型：Java对象通过可插拔的适配器以变量树的形式暴露给模板，这决定了模板如何看待它们。

步骤6、将确定的审计问题记录，加入审计知识库，为再审计提供审计辅助数据。

本发明提供一种基于递归算法的审计知识推荐方法，提供以下四个方面功能：

一是审计知识库管理功能，实现历史审计问题的记录，包括问题的描述、制度依据、和审计意见等信息，并进行合理化的分类，关键词的检索查询，便于审计人员审计过程中查询历史相似问题。

二是审计记录在线编辑功能，具备现场审计记录实时线上记录并工作流转的功能，审计记录在线编辑功能，编辑过程中应用递归算法实现审计问题描述、审计制度依据、审计意见的自动推荐，辅助审计人员编写审计记录。发明第一步是记录用户喜好选择，在用户推荐数据检索时，第二步按照用户喜好排序，第三步采用递归检索的方式进行推荐返回数据。

三是审计底稿自动归集功能，按照问题四级分类，同一类的问题自动归集，生成审计底稿。

四是审计报告自动汇总功能，按照审计问题分类自动汇总。

需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (7)

1.一种基于递归算法的审计知识推荐系统，其特征在于：包括审计知识库模块、审计记录模块、审计底稿模块和审计报告模块；

所述审计知识库模块与审计记录模块相连接，审计知识库为审计记录编辑内容智能推荐提供知识基础；

所述审计记录模块与审计底稿模块相连接，审计记录实时线上编辑完成后，问题分类，将审计记录自动归集为审计底稿；

所述审计底稿模块与审计报告模块相连接，将审计底稿通过问题分类合并汇总并自动生成审计报告。

2.一种基于递归算法的审计知识推荐方法，其特征在于：包括以下步骤：

步骤1、数据准备阶段：根据历史的审计记录组建审计知识库和问题级别数据，并创建模板；

步骤2、按照SpringBoot方式搭建基于递归算法的审计知识推荐系统框架；

步骤3、由审计记录模块确认编辑界面，使用审计知识库和问题级别数据构建审计智能推荐辅助工具，进行审计知识推荐。

3.根据权利要求2所述的一种基于递归算法的审计知识推荐方法，其特征在于：所述步骤1的具体步骤包括：

(1)将知识库的问题描述、政策依据、审计意见以及问题级别的一级分类、二级分类、三级分类按照B-Tree方式创建索引序列，方便后面程序快速递归检索数据；

(2)模板创建方面，采用定制化开发和配置模板的方式，将统一处理的接口按照审计记录的不同模板和相应的处理器进行绑定，方便扩展。

4.根据权利要求2所述的一种基于递归算法的审计知识推荐方法，其特征在于：所述步骤2的具体步骤包括：

(1)按照SpringBoot方式搭建框架，采用gradle组件进行模块拆分和打包，系统部署方面采用云平台方式，整体程序构建方面采用JIB构建镜像包方式处理；

(2)采用Spring中的事件通知的观察者模式，通过流程与业务解耦的方案，构建审计作业审批流处理，角色权限及关系方面采用OAuth方式与统一权限平台集成，结合ticket和token绑定用户登录认证和权限校验。

5.根据权利要求2所述的一种基于递归算法的审计知识推荐方法，其特征在于：所述步骤3的使用审计知识库和问题级别数据构建审计智能推荐辅助工具的具体方法为：

根据问题类别和递归索引相结合的方式，将大量的审计知识库数据按照审计记录的一级、二级、三级分类，分为若干个规模较小的，与原知识形式相同的子知识库，通过与用户交互，用户选择各层级内容，运用递归算法，逐层进行递归，提供编辑内容智能推荐。

6.根据权利要求5所述的一种基于递归算法的审计知识推荐方法，其特征在于：所述步骤3的运用递归算法，逐层进行递归，提供编辑内容智能推荐的具体方法为：

根据审计记录的项目ID获取审计记录单位及上级单位，根据单位、问题分类等，逐层进行递归查询，即逐级缩减推荐范围，根据单位，缩减到只推荐本单位及上级单位的制度依据，根据问题分类，一级、二级、三级问题逐级的内容，一级一级缩小推荐范围，如缩减范围推荐数据为空，将逐级扩大级别条件，以保证知识推荐的有效；再根据历史标记的制度依据使用频次，对其进行展示排序，并对选择后的制度依据进行标记增加使用频次。

7.根据权利要求2所述的一种基于递归算法的审计知识推荐方法，其特征在于：在步骤3之后还包括如下步骤：

步骤4、审计底稿模块，构建同一类问题自动归集功能，生成底稿数据。

所述步骤4的具体方法：

将审计记录问题分类放入联动生成功能组件，组件功能包括根据审计问题分类进行递归操作，根据排列算法该条审计记录所包含的三级问题分类，递归排列当前审计工作组相同一级二级三级分类的底稿数据：

并查询当前分类下已经生成的底稿的记录明细数据，将两种数据按照时间顺序排列组合并去重，最终确认底稿归集方式采用创建新底稿还是更新已有底稿：

并将一级分类、二级分类、三级分类、问题描述、政策依据和审计意见数据进行填充，完成自动归集，避免人工创建数据；

步骤5、将审计问题分类进行汇总，采用freemarker开源框架生成审计报告，将结构化的数据转换生成Word版审计报告文件；

步骤6、将确定的审计问题记录，加入审计知识库，为再审计提供审计辅助数据。

Images