CN116415199B - 基于审计中间表的业务数据离群分析方法 - Google Patents

基于审计中间表的业务数据离群分析方法 Download PDF

Info

Publication number
CN116415199B
CN116415199B CN202310391939.4A CN202310391939A CN116415199B CN 116415199 B CN116415199 B CN 116415199B CN 202310391939 A CN202310391939 A CN 202310391939A CN 116415199 B CN116415199 B CN 116415199B
Authority
CN
China
Prior art keywords
audit
field attribute
data
field
logic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310391939.4A
Other languages
English (en)
Other versions
CN116415199A (zh
Inventor
卢奕喆
熊杰
李欣潼
柳絮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Mingtai Information Technology Co ltd
Original Assignee
Guangdong Mingtai Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Mingtai Information Technology Co ltd filed Critical Guangdong Mingtai Information Technology Co ltd
Priority to CN202310391939.4A priority Critical patent/CN116415199B/zh
Publication of CN116415199A publication Critical patent/CN116415199A/zh
Application granted granted Critical
Publication of CN116415199B publication Critical patent/CN116415199B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了基于审计中间表的业务数据离群分析方法，包括：S1：基于同一业务源数据的所有审计中间表中的字段属性，识别出所有审计中间表中的隐形同义字段属性组合；S2：基于所有审计中间表之间的关联关系和所有审计中间表中的字段属性以及所有隐形同义字段属性组合，确定出对应业务源数据的所有审计中间表的数据表宏观特征；S3：基于数据表宏观特征确定出对应业务源数据的所有审计中间表的业务逻辑；S4：基于业务逻辑对审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果；用以分析出审计中间表的数据表宏观特征并深入分析业务细节，实现对审计中间表的业务数据的准确离群分析。

Description

基于审计中间表的业务数据离群分析方法
技术领域
本发明涉及审计数据分析技术领域，特别涉及基于审计中间表的业务数据离群分析方法。
背景技术
目前，审计业务经过近年来的数字化建设，在业务数据接入、数据自动处理、审计建模以及数字化审计辅助应用工具等方面，均取得了长足的飞跃。审计中间表是利用被审计单位数据库中的基础电子数据，按照审计人员的审计要求，并由审计人员构建的可供审计人员进行数据分析的新型审计工具。它是实现数据式审计的关键技术。审计中间表按照目的不同，可分为基础性审计中间表和分析性审计中间表。前者可以帮助审计人员选定审计所需的基础性数据；后者可以帮助审计人员实现对数据的模型分析。
但是，审计中间表的数据量巨大，覆盖面广，专业化程度高，数据理解较为困难，审计人员无法便利掌握数据宏观特征，难以深入分析业务细节，限制了审计经验的进一步丰富；并且目前的数据分析大多是基于审计经验进行建模，无法有效识别隐蔽、复杂问题的数据表象，容易遗漏重要的审计线索。
在此背景下，亟需利用人工智能技术，辅助审计人员阅读理解海量数据，积极发现离群、重复、偏离合理趋势或分布等可能指向业务问题的数据异常，持续拓展审计分析思路，进一步提升审计效率、效果。
因此，本发明提出了基于审计中间表的业务数据离群分析方法。
发明内容
本发明提供基于审计中间表的业务数据离群分析方法，用以基于同一业务源数据的所有审计中间表中的字段属性识别出的隐形同义字段属性组合和所有审计中间表之间的关联关系，分析出审计中间表的数据表宏观特征，并基于数据表宏观特征确定出业务逻辑，实现对业务细节的深入分析，且辅助审计人员阅读理解海量数据，基于业务逻辑对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，实现对审计中间表的业务数据的准确离群分析。
本发明提供一种基于审计中间表的业务数据离群分析方法，包括：
S1：基于同一业务源数据的所有审计中间表中的字段属性，识别出所有审计中间表中的隐形同义字段属性组合；
S2：基于所有审计中间表之间的关联关系和所有审计中间表中的字段属性以及所有隐形同义字段属性组合，确定出对应业务源数据的所有审计中间表的数据表宏观特征；
S3：基于数据表宏观特征确定出对应业务源数据的所有审计中间表的业务逻辑；
S4：基于业务逻辑对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果。
优选的，所述的基于审计中间表的业务数据离群分析方法，S1：基于同一业务源数据的所有审计中间表中的字段属性，识别出所有审计中间表中的隐形同义字段属性组合，包括：
S101：对同一业务源数据的所有审计中间表中的所有字段属性进行粗匹配，获得粗匹配字段属性组合；
S102：基于审计中间表中不同字段属性的数值之间的数据逻辑关系，获得每个字段属性在对应审计中间表中的字段属性逻辑关系；
S103：基于粗匹配字段属性组合中的目标字段属性在所有所属审计中间表中的字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合。
优选的，所述的基于审计中间表的业务数据离群分析方法，S101：对同一业务源数据的所有审计中间表中的所有字段属性进行粗匹配，获得粗匹配字段属性组合，包括：
将同一业务源数据的所有审计中间表中的每个字段属性和对应的所有标准同义字段属性汇总，获得每个字段属性的待匹配字段属性集；
基于同一业务源数据的所有审计中间表中每两个字段属性的待匹配字段属性集之间的相同字节总数，计算出对应两个字段属性的重合度，并将重合度不小于重合度阈值的两个字段属性作为第一匹配字段属性组合；
基于第一匹配字段属性组合中包含的字段属性在每个所属审计中间表中的列数据，生成对应字段属性的所有数值变化函数；
基于第一匹配字段属性组合中包含的字段属性的所有数值变化函数的一阶导数值变化曲线，计算出对应第一匹配字段属性组合的粗匹配系数；
基于粗匹配系数在所有第一配字段属性组合中筛选出粗匹配字段属性组合。
优选的，所述的基于审计中间表的业务数据离群分析方法，S103：基于粗匹配字段属性组合中的目标字段属性在所有所属审计中间表中的字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合，包括：
将粗匹配字段属性组合中的目标字段属性在所有所属审计中间表中的字段属性逻辑关系中包含的除目标字段属性以外剩余的字段属性，当作对应目标字段属性的关联字段属性；
基于关联字段属性的所有所属审计中间表和基础字段属性逻辑库，对字段属性逻辑关系进行衍生，获得所有衍生字段属性逻辑关系；
将所有衍生字段属性逻辑关系中除对应目标字段属性和关联字段属性以外剩余的字段属性，当作新的关联字段属性；
基于新的关联字段属性的所有所属审计中间表和基础字段属性逻辑库，对所有衍生字段属性逻辑关系继续进行衍生，获得新的衍生字段属性逻辑关系，直至遍历所有审计中间表，获得最终衍生字段属性逻辑关系；
基于最终衍生字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合。
优选的，所述的基于审计中间表的业务数据离群分析方法，基于关联字段属性的所有所属审计中间表和基础字段属性逻辑库，对字段属性逻辑关系进行衍生，获得所有衍生字段属性逻辑关系，包括：
将关联字段属性在所有所属审计中间表中的字段属性逻辑关系和关联字段属性在基础字段属性逻辑库中的基础字段属性逻辑关系，与对应目标字段属性的对应字段属性逻辑关系进行连接，获得衍生字段属性逻辑关系。
优选的，所述的基于审计中间表的业务数据离群分析方法，基于最终衍生字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合，包括：
基于最终衍生字段属性逻辑关系生成对应的字段属性衍生逻辑网；
计算出粗匹配字段属性组合中的目标字段属性在对应的字段属性衍生逻辑网中的相对位置偏差度，将所有粗匹配字段属性组合中相对位置偏差度不小于偏差度阈值的粗匹配字段属性组合当作隐形同义字段属性组合。
优选的，所述的基于审计中间表的业务数据离群分析方法，S2：基于所有审计中间表之间的关联关系和所有审计中间表中的字段属性以及所有隐形同义字段属性组合，确定出对应业务源数据的所有审计中间表的数据表宏观特征，包括：
S201：基于审计中间表的生成逻辑确定出同一业务源数据的所有审计中间表之间的关联关系；
S202：基于同一业务源数据的所有审计中间表中的字段属性，确定出所有显性同义字段属性组合；
S203：基于所有审计中间表之间的关联关系和所有显性同义字段属性组合以及所有隐形同义字段属性组合，搭建出数据表逻辑关系树作为对应业务源数据的所有审计中间表的数据表宏观特征。
优选的，所述的基于审计中间表的业务数据离群分析方法，S3：基于数据表宏观特征确定出对应业务源数据的所有审计中间表的业务逻辑，包括：
在数据表宏观特征对应的数据表逻辑关系树确定出多条字段属性逻辑关系路径；
计算出字段属性逻辑关系路径与每种业务逻辑的标准字段属性逻辑关系路径的匹配度；
将每个字段属性逻辑关系路径的最大匹配度对应的业务逻辑当作对应业务源数据的所有审计中间表的业务逻辑。
优选的，所述的基于审计中间表的业务数据离群分析方法，S4：基于业务逻辑对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果，包括：
基于业务逻辑确定出基础数据的第一正常筛选规则和操作行为数据的第二正常筛选规则以及关系数据的第三正常筛选规则；
基于第一正常筛选规则和第二正常筛选规则以及第三正常筛选规则，对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果。
优选的，所述的基于审计中间表的业务数据离群分析方法，基于第一正常筛选规则和第二正常筛选规则以及第三正常筛选规则，对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果，包括：
基于第一正常筛选规则对所有审计中间表中的基础数据进行离群分析，获得第一业务数据离群分析结果；
基于第二正常筛选规则对所有审计中间表中的操作行为数据进行离群分析，获得第二业务数据离群分析结果；
基于第三正常筛选规则对所有审计中间表中的关系数据进行离群分析，获得第三业务数据离群分析结果；
将第一业务数据离群分析结果和第二业务数据离群分析结果以及第三业务数据离群分析结果汇总，获得业务数据离群分析结果。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中的基于审计中间表的业务数据离群分析方法流程图；
图2为本发明实施例中的基于审计中间表的业务数据离群分析方法流程图；
图3为本发明实施例中的基于审计中间表的业务数据离群分析方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明提供了一种基于审计中间表的业务数据离群分析方法，参考图1，包括：
S1：基于同一业务源数据的所有审计中间表中的字段属性，识别出所有审计中间表中的隐形同义字段属性组合；
S2：基于所有审计中间表之间的关联关系和所有审计中间表中的字段属性以及所有隐形同义字段属性组合，确定出对应业务源数据的所有审计中间表的数据表宏观特征；
S3：基于数据表宏观特征确定出对应业务源数据的所有审计中间表的业务逻辑；
S4：基于业务逻辑对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果。
该实施例中，业务源数据即为生成审计中间表的同一种业务的源数据。
该实施例中，字段属性即为审计中间表中包含的列数据的名称，例如：年度电费、年度人工成本费用等。
该实施例中，隐形同义字段属性组合即为字节不同但实际含义一致的字段属性构成的组合，例如：年度电费和单年电费总支出。
该实施例中，关联关系即为审计中间表之间的关系，例如：父子表关系，等值连接关系、内连接关系、外连接关系等。
该实施例中，数据表宏观特征即为审计中间表的宏观特征，用数据表逻辑关系树表示数据表宏观特征。
该实施例中，业务逻辑即为基于数据表宏观特征确定出的执行对应业务时的操作逻辑，例如：基于部门人员信息登记表获取部门人员信息，基于薪资表调取部门人员信息中每个工作人员的实发月薪，基于每个工作人员的实发月薪确定公司月度人工成本支出，基于公司月度人工成本支出确定出公司年度人工成本支出。
该实施例中，离群分析即为分析出审计中间表中偏离合理趋势或分布等可能指向业务问题的异常的基础数据、操作行为数据以及关系数据的操作。
该实施例中，基础数据即为审计中间表中从业务源数据中直接获得的数据。
该实施例中，操作行为数据即为用户对审计中间表执行的操作行为的数据，例如：对数据的增、删、改等操作。
该实施例中，关系数据即为表征所有审计中间表之间的关系以及不同字段属性之间的关系的数据，例如：表A的字段属性a的更为详尽的数据信息可以从表B中的字段属性b中获得，即表A为主表，表B为从表。
该实施例中，业务数据离群分析结果即为基于业务逻辑对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析后获得的结果。
以上技术的有益效果为：基于同一业务源数据的所有审计中间表中的字段属性识别出的隐形同义字段属性组合和所有审计中间表之间的关联关系，分析出审计中间表的数据表宏观特征，并基于数据表宏观特征确定出业务逻辑，实现对业务细节的深入分析，且辅助审计人员阅读理解海量数据，基于业务逻辑对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，实现对审计中间表的业务数据的准确离群分析。
实施例2：
在实施例1的基础上，所述的基于审计中间表的业务数据离群分析方法，S1：基于同一业务源数据的所有审计中间表中的字段属性，识别出所有审计中间表中的隐形同义字段属性组合，参考图2，包括：
S101：对同一业务源数据的所有审计中间表中的所有字段属性进行粗匹配，获得粗匹配字段属性组合；
S102：基于审计中间表中不同字段属性的数值之间的数据逻辑关系，获得每个字段属性在对应审计中间表中的字段属性逻辑关系；
S103：基于粗匹配字段属性组合中的目标字段属性在所有所属审计中间表中的字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合。
该实施例中，粗匹配字段属性组合即为：对同一业务源数据的所有审计中间表中的所有字段属性进行粗匹配后获得的结果。
该实施例中，数据逻辑关系即为不同字段属性之间的数值之间的计算关系，例如：将1至12月的月度电费支出的数值加和获得年度电费支出。
该实施例中，字段属性逻辑关系即为基于审计中间表中不同字段属性的数值之间的数据逻辑关系确定出的不同字段属性对应的数值之间的计算关系，例如：将1至12月的月度电费支出加和获得年度电费支出。
该实施例中，所属审计中间表即为字段属性所在的审计中间表。
该实施例中，目标字段属性即为粗匹配字段属性组合中包含的字段属性。
以上技术的有益效果为：通过对同一业务源数据的所有审计中间表中的所有字段属性进行粗匹配后，获得粗匹配字段属性组合；再基于每个字段属性在对应审计中间表中的字段属性逻辑关系对粗匹配字段属性组合进行进一步筛选，进而可以深入筛选出所有审计中间表中的隐形同义字段属性组合。
实施例3：
在实施例2的基础上，所述的基于审计中间表的业务数据离群分析方法，S101：对同一业务源数据的所有审计中间表中的所有字段属性进行粗匹配，获得粗匹配字段属性组合，包括：
将同一业务源数据的所有审计中间表中的每个字段属性和对应的所有标准同义字段属性汇总，获得每个字段属性的待匹配字段属性集；
基于同一业务源数据的所有审计中间表中每两个字段属性的待匹配字段属性集之间的相同字节总数，计算出对应两个字段属性的重合度，并将重合度不小于重合度阈值的两个字段属性作为第一匹配字段属性组合；
基于第一匹配字段属性组合中包含的字段属性在每个所属审计中间表中的列数据，生成对应字段属性的所有数值变化函数；
基于第一匹配字段属性组合中包含的字段属性的所有数值变化函数的一阶导数值变化曲线，计算出对应第一匹配字段属性组合的粗匹配系数；
基于粗匹配系数在所有第一配字段属性组合中筛选出粗匹配字段属性组合。
该实施例中，标准同义字段属性即为预设的每个字段属性对应的同义字段属性，例如：例如：“年度人工支出”的标准同义字段属性可以是“年度人工费用”。
该实施例中，待匹配字段属性集即为将同一业务源数据的所有审计中间表中的每个字段属性和对应的所有标准同义字段属性汇总后获得的结合，也是后续对同一业务源数据的所有审计中间表中的所有字段属性进行粗匹配的参考。
该实施例中，相同字节总数即为两个字段属性的待匹配字段属性集中包含的相同字节的总数。
该实施例中，基于同一业务源数据的所有审计中间表中每两个字段属性的待匹配字段属性集(例如包含第一待匹配字段属性集和第二待匹配字段属性集)之间的相同字节总数，计算出对应两个字段属性的重合度，包括：
将相同字节总数和第一待匹配字段属性集中包含的字节总数的比值与相同字节总数和第二待匹配字段属性集中包含的字节总数的比值的平均值当作对应两个字段属性的重合度。
该实施例中，重合度阈值即为用于筛选出第一匹配字段属性组合时需要满足的最小重合度。
该实施例中，第一匹配字段属性组合即为重合度不小于重合度阈值的两个字段属性构成的组合。
该实施例中，数值变化函数即为将基于字段属性在每个所属审计中间表中的列数据生成的折线图进行光滑处理后获得的曲线对应的函数表示，也是粗略表征审计中间表中对应数值的变化情况的函数。
该实施例中，一阶导数值变化函数即为表征数值变化函数的一阶导数值随时间变化情况的函数表达式。
该实施例中，基于第一匹配字段属性组合中包含的字段属性的所有数值变化函数的一阶导数值变化曲线，计算出对应第一匹配字段属性组合的粗匹配系数，包括：
式中，αc为当前计算的第一匹配字段属性组合的粗匹配系数，n为第一匹配字段属性组合中包含的第一个字段属性的数值变化函数的一阶导数值变化曲线的总数，m为第二匹配字段属性组合中包含的第一个字段属性的数值变化函数的一阶导数值变化曲线的总数，(qi,qj)max为qi和qj中的较大值，qi为第一匹配字段属性组合中包含的第一个字段属性的第i个数值变化函数的一阶导数值变化曲线中的数据点总数，qj为第一匹配字段属性组合中包含的第二个字段属性的第j个数值变化函数的一阶导数值变化曲线中的数据点总数，yip为第一匹配字段属性组合中包含的第一个字段属性的第i个数值变化函数的一阶导数值变化曲线中的第p个点的函数值，yjp为第一匹配字段属性组合中包含的第二个字段属性的第j个数值变化函数的一阶导数值变化曲线中的第p个点的函数值(当第一匹配字段属性组合中包含的第一个字段属性的第i个数值变化函数的一阶导数值变化曲线或者第一匹配字段属性组合中包含的第二个字段属性的第j个数值变化函数的一阶导数值变化曲线中不包含第p个点时，则将该第p个点的函数设为0)；
从第一匹配字段属性组合中包含的字段属性的所有数值变化函数的一阶导数值变化曲线的综合匹配度的角度，可以准确计算出第一匹配字段属性组合的粗匹配系数。
该实施例中，基于粗匹配系数在所有第一配字段属性组合中筛选出粗匹配字段属性组合，即为：
将有第一配字段属性组合中粗匹配系数不小于预设的粗匹配系数阈值的第一配字段属性组合当作粗匹配字段属性组合。
以上技术的有益效果为：将每个字段属性和对应的所有标准同义字段属性汇总后的集合当作比较基础，扩大了比较参考范围，基于其中的相同字节总数计算出两个字段属性的重合度，比直接计算两个字段属性的重合度确定出的字段属性匹配结果要更加合理准确，再基于字段属性的列数据的变化趋势对匹配后的字段属性进行二次筛选，经过以上两个步骤实现了对审计中间表的粗匹配的精准度，既保证了后续确定隐形同义字段属性组合的广泛度，也保证了其确定隐形同义字段属性组合的准确度。
实施例4：
在实施例2的基础上，所述的基于审计中间表的业务数据离群分析方法，S103：基于粗匹配字段属性组合中的目标字段属性在所有所属审计中间表中的字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合，包括：
将粗匹配字段属性组合中的目标字段属性在所有所属审计中间表中的字段属性逻辑关系中包含的除目标字段属性以外剩余的字段属性，当作对应目标字段属性的关联字段属性；
基于关联字段属性的所有所属审计中间表和基础字段属性逻辑库，对字段属性逻辑关系进行衍生，获得所有衍生字段属性逻辑关系；
将所有衍生字段属性逻辑关系中除对应目标字段属性和关联字段属性以外剩余的字段属性，当作新的关联字段属性；
基于新的关联字段属性的所有所属审计中间表和基础字段属性逻辑库，对所有衍生字段属性逻辑关系继续进行衍生，获得新的衍生字段属性逻辑关系，直至遍历所有审计中间表，获得最终衍生字段属性逻辑关系；
基于最终衍生字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合。
该实施例中，关联字段属性即为字段属性在所有所属审计中间表中的字段属性逻辑关系中包含的除目标字段属性以外剩余的字段属性。
该实施例中，基础字段属性逻辑库即为包含预设的基础字段属性之间的逻辑关系的数据库，例如：项目A的施工方报预算价和施工方报结算价之间的差值控制在x万元以内。
该实施例中，衍生字段属性逻辑关系即为基于关联字段属性的所有所属审计中间表和基础字段属性逻辑库对字段属性逻辑关系进行衍生后获得的字段属性之间的逻辑关系。
该实施例中，遍历所有审计中间表即为：在审计中间表和基础字段属性逻辑库中衍生不出新的衍生字段属性逻辑关系(即新的衍生字段属性逻辑关系与之前衍生出的新的衍生字段属性逻辑关系形成闭环)时。
该实施例中，最终衍生字段属性逻辑关系即为基于关联字段属性的所有所属审计中间表和基础字段属性逻辑库进行不断衍生后最终获得的字段属性之间的逻辑关系。
以上技术的有益效果为：基于粗匹配字段属性组合中的字段属性的字段属性逻辑关系确定出的关联字段属性，并基于关联字段属性对字段属性逻辑关系不断衍生，进而获得审计中间表中的所有衍生字段属性逻辑关系，基于衍生字段属性逻辑关系在所有粗匹配字段属性组合筛选出隐形同义字段属性组合，不仅扩大了筛选时的参考数据量，也进一步使得筛选出的隐形同义字段属性组合更加精准。
实施例5：
在实施例4的基础上，所述的基于审计中间表的业务数据离群分析方法，基于关联字段属性的所有所属审计中间表和基础字段属性逻辑库，对字段属性逻辑关系进行衍生，获得所有衍生字段属性逻辑关系，包括：
将关联字段属性在所有所属审计中间表中的字段属性逻辑关系和关联字段属性在基础字段属性逻辑库中的基础字段属性逻辑关系，与对应目标字段属性的对应字段属性逻辑关系进行连接，获得衍生字段属性逻辑关系。
该实施例中，基础字段属性逻辑关系即为基础字段属性逻辑库中包含的字段属性逻辑关系。
以上技术的有益效果为：基于关联字段属性在所有所属审计中间表中的字段属性逻辑关系和在基础字段属性逻辑库中的基础字段属性逻辑关系，实现对字段属性逻辑关系的衍生。
实施例6：
在实施例4的基础上，所述的基于审计中间表的业务数据离群分析方法，基于最终衍生字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合，包括：
基于最终衍生字段属性逻辑关系生成对应的字段属性衍生逻辑网；
计算出粗匹配字段属性组合中的目标字段属性在对应的字段属性衍生逻辑网中的相对位置偏差度，将所有粗匹配字段属性组合中相对位置偏差度不小于偏差度阈值的粗匹配字段属性组合当作隐形同义字段属性组合。
该实施例中，字段属性衍生逻辑网即为由最终衍生字段属性逻辑关系中每个字段属性和其他不同字段属性之间的字段属性逻辑关系构成的网结构。
该实施例中，计算出粗匹配字段属性组合中的目标字段属性在对应的字段属性衍生逻辑网中的相对位置偏差度，包括：
确定出字段属性衍生逻辑网中的边缘字段属性(即处于字段属性衍生逻辑网中的最外围的字段属性)；
基于粗匹配字段属性组合中的每个目标字段属性与每个边缘字段属性之间的间隔字段属性总数，计算出粗匹配字段属性组合中的目标字段属性在对应的字段属性衍生逻辑网中的相对位置偏差度，包括：
式中，ΔL为粗匹配字段属性组合中的目标字段属性在对应的字段属性衍生逻辑网中的相对位置偏差度，b为字段属性衍生逻辑网中的边缘字段属性总数，Δq(a,1)为粗匹配字段属性组合中的第一个目标字段属性与第a个边缘字段属性之间的间隔字段属性总数，Δq(a,2)为粗匹配字段属性组合中的第二个目标字段属性与第a个边缘字段属性之间的间隔字段属性总数；
基于上述公式可以从目标字段属性与字段属性衍生逻辑网中的每个边缘字段属性之间的间隔字段属性总数的偏差度，准确计算出粗匹配字段属性组合中的目标字段属性在对应的字段属性衍生逻辑网中的相对位置偏差度。
该实施例中，偏差度阈值即为将粗匹配字段属性组合当作隐形同义字段属性组合时需要满足的最小相对位置偏差度。
以上技术的有益效果为：基于粗匹配字段属性组合中的目标字段属性在基于最终衍生字段属性逻辑关系生成的字段属性衍生逻辑网中的相对位置偏差度，实现对有粗匹配字段属性组合的进一步筛选，并获得筛选精度较高的隐形同义字段属性组合。
实施例7：
在实施例1的基础上，所述的基于审计中间表的业务数据离群分析方法，S2：基于所有审计中间表之间的关联关系和所有审计中间表中的字段属性以及所有隐形同义字段属性组合，确定出对应业务源数据的所有审计中间表的数据表宏观特征，参考图3，包括：
S201：基于审计中间表的生成逻辑确定出同一业务源数据的所有审计中间表之间的关联关系；
S202：基于同一业务源数据的所有审计中间表中的字段属性，确定出所有显性同义字段属性组合；
S203：基于所有审计中间表之间的关联关系和所有显性同义字段属性组合以及所有隐形同义字段属性组合，搭建出数据表逻辑关系树作为对应业务源数据的所有审计中间表的数据表宏观特征。
该实施例中，生成逻辑即为基于业务源数据中不同子业务类别之间的关联关系生成审计中间表的逻辑过程。
该实施例中，基于审计中间表的生成逻辑确定出同一业务源数据的所有审计中间表之间的关联关系，即为：
基于审计中间表的生成逻辑中不同子业务类别(或相同子业务类别)的数据类目之间的关系(可以是数值计算关系，也可以是范围限定等其他逻辑关系等)确定出不同审计中间表的字段属性(每个字段属性即表征一个数据类目)之间的关系。
该实施例中，显性同义字段属性组合即为同一业务源数据的所有审计中间表中的字段属性中字节完全一致的字段属性构成的组合。
该实施例中，基于所有审计中间表之间的关联关系和所有显性同义字段属性组合以及所有隐形同义字段属性组合，搭建出数据表逻辑关系树，包括：
基于所有显性同义字段属性组合和所有隐形同义字段属性组合，将审计中间表之间的关联关系中不同字段属性之间的关系进行拓展(即，假设所有审计中间表之间的关联关系中字段属性A和字段属性B之间存在A→B关系，且存在字段属性A1与字段属性A属于同一显性同义字段属性组合，存在字段属性A2与字段属性A属于同一隐形同义字段属性关系，则将A→B关系拓展至字段属性A1与字段属性B之间，并将A→B关系拓展至字段属性A2与字段属性B之间)，获得的字段属性之间存在交叉的关系以及所有审计中间表之间的关联关系用树结构表示后，获得数据表逻辑关系树。
该实施例中，数据表逻辑关系树即为表征不同审计中间表之间的字段属性之间的关系的树结构，每个审计中间表用包含多个叶节点(每个叶节点表征对应审计中间表中的一个字段属性)的树结构表示，基于不同审计中间表中字段属性之间的关系将所有审计中间表的树结构进行连接，即获得数据表逻辑关系树。
以上技术的有益效果为：基于所有审计中间表之间的关联关系和所有显性同义字段属性组合以及所有隐形同义字段属性组合，搭建出数据表逻辑关系树，实现对审计中间表的宏观特征的分析，也实现了基于业务源数据的子业务类别之间的关系实现对审计中间表的深入分析。
实施例8：
在实施例7的基础上，所述的基于审计中间表的业务数据离群分析方法，S3：基于数据表宏观特征确定出对应业务源数据的所有审计中间表的业务逻辑，包括：
在数据表宏观特征对应的数据表逻辑关系树确定出多条字段属性逻辑关系路径；
计算出字段属性逻辑关系路径与每种业务逻辑的标准字段属性逻辑关系路径的匹配度；
将每个字段属性逻辑关系路径的最大匹配度对应的业务逻辑当作对应业务源数据的所有审计中间表的业务逻辑。
该实施例中，字段属性逻辑关系路径即为在数据表逻辑关系树中确定出的包含多个字段属性且包含字段属性之间的关系的关系路径。
该实施例中，标准字段属性逻辑关系即为业务逻辑对应的预设的字段属性逻辑关系路径。
该实施例中，计算出字段属性逻辑关系路径与每种业务逻辑的标准字段属性逻辑关系路径的匹配度，包括：
将字段属性逻辑关系路径中每连续三个的字段属性构成的部分路径当作第一部分路径，将标准字段属性逻辑关系路径中每连续三个的字段属性构成的部分路径当作第二部分路径；
确定出第一部分路径和第二部分路径相同的总对数，将总对数和字段属性逻辑关系路径中的第一部分路径总数的比值与将总对数和标准字段属性逻辑关系路径中的第二部分路径总数的比值的平均值当作当前计算的字段属性逻辑关系路径与当前计算的业务逻辑的标准字段属性逻辑关系路径的匹配度。
以上技术的有益效果为：将数据表宏观特征对应的数据表逻辑关系树中的所有字段属性逻辑关系路径与每个业务逻辑的标准字段属性逻辑关系进行匹配，基于匹配结果实现业务逻辑的确定。
实施例9：
在实施例1的基础上，所述的基于审计中间表的业务数据离群分析方法，S4：基于业务逻辑对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果，包括：
基于业务逻辑确定出基础数据的第一正常筛选规则和操作行为数据的第二正常筛选规则以及关系数据的第三正常筛选规则；
基于第一正常筛选规则和第二正常筛选规则以及第三正常筛选规则，对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果。
该实施例中，基于每个业务逻辑的正常筛选规则列表(即为包含对应业务逻辑预设的正常筛选规则的列表)确定出对应的基础数据的第一正常筛选规则和操作行为数据的第二正常筛选规则以及关系数据的第三正常筛选规则。
该实施例中，第一正常筛选规则即为对所有审计中间表中的基础数据进行离群分析时需要参考的规则，也是在所有审计中间表中筛选出正常范围内的基础数据时依据的筛选规则。
该实施例中，第二正常筛选规则即为对所有审计中间表中的操作行为数据进行离群分析时需要参考的规则，也是在所有审计中间表中筛选出正常范围内的操作行为数据时依据的筛选规则。
该实施例中，第三正常筛选规则即为对所有审计中间表中的关系数据进行离群分析时需要参考的规则，也是在所有审计中间表中筛选出正常范围内的关系数据时依据的筛选规则。
以上技术的有益效果为：基于业务逻辑确定出的正常筛选规则，实现对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，进而实现基于业务数据的关系对审计中间表的多维度离群分析。
实施例10：
在实施例9的基础上，所述的基于审计中间表的业务数据离群分析方法，基于第一正常筛选规则和第二正常筛选规则以及第三正常筛选规则，对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果，包括：
基于第一正常筛选规则对所有审计中间表中的基础数据进行离群分析，获得第一业务数据离群分析结果；
基于第二正常筛选规则对所有审计中间表中的操作行为数据进行离群分析，获得第二业务数据离群分析结果；
基于第三正常筛选规则对所有审计中间表中的关系数据进行离群分析，获得第三业务数据离群分析结果；
将第一业务数据离群分析结果和第二业务数据离群分析结果以及第三业务数据离群分析结果汇总，获得业务数据离群分析结果。
该实施例中，第一业务数据离群分析结果即为在所有审计中间表中的基础数据中筛选出的不符合第一正常筛选规则的基础数据。
该实施例中，第二业务数据离群分析结果即为在所有审计中间表中的操作行为数据中筛选出的不符合第二正常筛选规则的操作行为数据。
该实施例中，第三业务数据离群分析结果即为在所有审计中间表中的关系数据中筛选出的不符合第三正常筛选规则的关系数据。
以上技术的有益效果为：基于第一正常筛选规则和第二正常筛选规则以及第三正常筛选规则，实现了对所有审计中间表的数据的全面多维度离群分析。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.基于审计中间表的业务数据离群分析方法，其特征在于，包括：
S1：基于同一业务源数据的所有审计中间表中的字段属性，识别出所有审计中间表中的隐形同义字段属性组合；
S2：基于所有审计中间表之间的关联关系和所有审计中间表中的字段属性以及所有隐形同义字段属性组合，确定出对应业务源数据的所有审计中间表的数据表宏观特征；
S3：基于数据表宏观特征确定出对应业务源数据的所有审计中间表的业务逻辑；
S4：基于业务逻辑对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果；
其中，S1：基于同一业务源数据的所有审计中间表中的字段属性，识别出所有审计中间表中的隐形同义字段属性组合，包括：
S101：对同一业务源数据的所有审计中间表中的所有字段属性进行粗匹配，获得粗匹配字段属性组合；
S102：基于审计中间表中不同字段属性的数值之间的数据逻辑关系，获得每个字段属性在对应审计中间表中的字段属性逻辑关系；
S103：基于粗匹配字段属性组合中的目标字段属性在所有所属审计中间表中的字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合；
其中，S2：基于所有审计中间表之间的关联关系和所有审计中间表中的字段属性以及所有隐形同义字段属性组合，确定出对应业务源数据的所有审计中间表的数据表宏观特征，包括：
S201：基于审计中间表的生成逻辑确定出同一业务源数据的所有审计中间表之间的关联关系；
S202：基于同一业务源数据的所有审计中间表中的字段属性，确定出所有显性同义字段属性组合；
S203：基于所有审计中间表之间的关联关系和所有显性同义字段属性组合以及所有隐形同义字段属性组合，搭建出数据表逻辑关系树作为对应业务源数据的所有审计中间表的数据表宏观特征；
其中，S3：基于数据表宏观特征确定出对应业务源数据的所有审计中间表的业务逻辑，包括：
在数据表宏观特征对应的数据表逻辑关系树确定出多条字段属性逻辑关系路径；
计算出字段属性逻辑关系路径与每种业务逻辑的标准字段属性逻辑关系路径的匹配度；
将每个字段属性逻辑关系路径的最大匹配度对应的业务逻辑当作对应业务源数据的所有审计中间表的业务逻辑。
2.根据权利要求1所述的基于审计中间表的业务数据离群分析方法，其特征在于，S101：对同一业务源数据的所有审计中间表中的所有字段属性进行粗匹配，获得粗匹配字段属性组合，包括：
将同一业务源数据的所有审计中间表中的每个字段属性和对应的所有标准同义字段属性汇总，获得每个字段属性的待匹配字段属性集；
基于同一业务源数据的所有审计中间表中每两个字段属性的待匹配字段属性集之间的相同字节总数，计算出对应两个字段属性的重合度，并将重合度不小于重合度阈值的两个字段属性作为第一匹配字段属性组合；
基于第一匹配字段属性组合中包含的字段属性在每个所属审计中间表中的列数据，生成对应字段属性的所有数值变化函数；
基于第一匹配字段属性组合中包含的字段属性的所有数值变化函数的一阶导数值变化曲线，计算出对应第一匹配字段属性组合的粗匹配系数；
基于粗匹配系数在所有第一配字段属性组合中筛选出粗匹配字段属性组合。
3.根据权利要求1所述的基于审计中间表的业务数据离群分析方法，其特征在于，S103：基于粗匹配字段属性组合中的目标字段属性在所有所属审计中间表中的字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合，包括：
将粗匹配字段属性组合中的目标字段属性在所有所属审计中间表中的字段属性逻辑关系中包含的除目标字段属性以外剩余的字段属性，当作对应目标字段属性的关联字段属性；
基于关联字段属性的所有所属审计中间表和基础字段属性逻辑库，对字段属性逻辑关系进行衍生，获得所有衍生字段属性逻辑关系；
将所有衍生字段属性逻辑关系中除对应目标字段属性和关联字段属性以外剩余的字段属性，当作新的关联字段属性；
基于新的关联字段属性的所有所属审计中间表和基础字段属性逻辑库，对所有衍生字段属性逻辑关系继续进行衍生，获得新的衍生字段属性逻辑关系，直至遍历所有审计中间表，获得最终衍生字段属性逻辑关系；
基于最终衍生字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合。
4.根据权利要求3所述的基于审计中间表的业务数据离群分析方法，其特征在于，基于关联字段属性的所有所属审计中间表和基础字段属性逻辑库，对字段属性逻辑关系进行衍生，获得所有衍生字段属性逻辑关系，包括：
将关联字段属性在所有所属审计中间表中的字段属性逻辑关系和关联字段属性在基础字段属性逻辑库中的基础字段属性逻辑关系，与对应目标字段属性的对应字段属性逻辑关系进行连接，获得衍生字段属性逻辑关系。
5.根据权利要求3所述的基于审计中间表的业务数据离群分析方法，其特征在于，基于最终衍生字段属性逻辑关系，在所有粗匹配字段属性组合筛选出隐形同义字段属性组合，包括：
基于最终衍生字段属性逻辑关系生成对应的字段属性衍生逻辑网；
计算出粗匹配字段属性组合中的目标字段属性在对应的字段属性衍生逻辑网中的相对位置偏差度，将所有粗匹配字段属性组合中相对位置偏差度不小于偏差度阈值的粗匹配字段属性组合当作隐形同义字段属性组合。
6.根据权利要求1所述的基于审计中间表的业务数据离群分析方法，其特征在于，S4：基于业务逻辑对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果，包括：
基于业务逻辑确定出基础数据的第一正常筛选规则和操作行为数据的第二正常筛选规则以及关系数据的第三正常筛选规则；
基于第一正常筛选规则和第二正常筛选规则以及第三正常筛选规则，对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果。
7.根据权利要求6所述的基于审计中间表的业务数据离群分析方法，其特征在于，基于第一正常筛选规则和第二正常筛选规则以及第三正常筛选规则，对所有审计中间表中的基础数据、操作行为数据以及关系数据进行离群分析，获得业务数据离群分析结果，包括：
基于第一正常筛选规则对所有审计中间表中的基础数据进行离群分析，获得第一业务数据离群分析结果；
基于第二正常筛选规则对所有审计中间表中的操作行为数据进行离群分析，获得第二业务数据离群分析结果；
基于第三正常筛选规则对所有审计中间表中的关系数据进行离群分析，获得第三业务数据离群分析结果；
将第一业务数据离群分析结果和第二业务数据离群分析结果以及第三业务数据离群分析结果汇总，获得业务数据离群分析结果。
CN202310391939.4A 2023-04-13 2023-04-13 基于审计中间表的业务数据离群分析方法 Active CN116415199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310391939.4A CN116415199B (zh) 2023-04-13 2023-04-13 基于审计中间表的业务数据离群分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310391939.4A CN116415199B (zh) 2023-04-13 2023-04-13 基于审计中间表的业务数据离群分析方法

Publications (2)

Publication Number Publication Date
CN116415199A CN116415199A (zh) 2023-07-11
CN116415199B true CN116415199B (zh) 2023-10-20

Family

ID=87054376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310391939.4A Active CN116415199B (zh) 2023-04-13 2023-04-13 基于审计中间表的业务数据离群分析方法

Country Status (1)

Country Link
CN (1) CN116415199B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117456288B (zh) * 2023-12-22 2024-03-26 广东铭太信息科技有限公司 一种智能化审计监管预警系统及方法

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108363751A (zh) * 2018-01-29 2018-08-03 武汉迎风聚智科技有限公司 一种住房公积金业务系统的检测方法及系统
CN108920726A (zh) * 2018-08-03 2018-11-30 云南电网有限责任公司 一种审计分析系统及方法
WO2020015067A1 (zh) * 2018-07-19 2020-01-23 平安科技（深圳）有限公司 数据采集方法、装置、设备及存储介质
CN111104292A (zh) * 2018-10-26 2020-05-05 Ca公司 用于交互式仪表板的叙述系统及相关方法
CN111125061A (zh) * 2019-12-18 2020-05-08 甘肃省卫生健康统计信息中心(西北人口信息中心) 一种规范和促进健康医疗大数据的方法
WO2020139347A1 (en) * 2018-12-27 2020-07-02 Halliburton Energy Services, Inc. Hydraulic fracturing job plan real-time revisions utilizing detected response feature data
WO2020153207A1 (ja) * 2019-01-21 2020-07-30 富山県 医療施設収支計算支援システム
CN111708745A (zh) * 2020-06-18 2020-09-25 全球能源互联网研究院有限公司 一种跨媒体数据共享表示方法及用户行为分析方法、系统
WO2020259147A1 (zh) * 2019-06-28 2020-12-30 深圳前海微众银行股份有限公司 一种字段信息检验方法及装置
CN112199366A (zh) * 2019-04-28 2021-01-08 杭州数梦工场科技有限公司 数据表处理方法、装置及设备
CN112199365A (zh) * 2020-10-26 2021-01-08 天津大学 供热系统监测数据异常识别方法
CN112346962A (zh) * 2019-08-09 2021-02-09 腾讯科技（深圳）有限公司 一种应用于对照测试系统中的对照数据测试方法及装置
CN112884442A (zh) * 2021-03-01 2021-06-01 广东铭太信息科技有限公司 一种基于审计模型的审计监控数据的获取方法及系统
CN113762914A (zh) * 2021-07-23 2021-12-07 北京国电通网络技术有限公司 预警审计方法及相关设备
CN113792961A (zh) * 2021-08-05 2021-12-14 国家电网有限公司 基于审计大数据的任中经济责任审计决策方法及设备
WO2022037624A1 (zh) * 2020-08-19 2022-02-24 第四范式（北京）技术有限公司 确定数据表之间关联关系的方法、装置及设备
WO2022057108A1 (zh) * 2020-09-17 2022-03-24 南京博雅区块链研究院有限公司 基于联邦学习的个人资质评估方法、装置及系统及存储介质
CN114564737A (zh) * 2022-02-09 2022-05-31 湖南同有飞骥科技有限公司 一种基于配置文件和变量定义升级维护权限的方法
CN114840579A (zh) * 2022-04-20 2022-08-02 广东铭太信息科技有限公司 一种医院内部审计系统
CN115311854A (zh) * 2022-07-22 2022-11-08 东南大学 一种基于数据融合的车辆时空轨迹重构方法
CN115408059A (zh) * 2022-09-06 2022-11-29 恒生电子股份有限公司 前端和服务端数据交互方法、装置和计算机设备
CN115422202A (zh) * 2022-09-26 2022-12-02 中国建设银行股份有限公司 业务模型的生成方法、业务数据查询方法、装置及设备
CN115578170A (zh) * 2022-11-03 2023-01-06 平安健康保险股份有限公司 一种财务批量制证方法、装置、设备及存储介质
CN115660880A (zh) * 2022-11-18 2023-01-31 抖音视界有限公司 费用计算管理方法、装置、电子设备、存储介质及产品
CN115686317A (zh) * 2021-07-13 2023-02-03 腾讯科技（深圳）有限公司 一种业务数据处理方法、装置、电子设备和存储介质
CN115719999A (zh) * 2022-11-22 2023-02-28 广东正力通用电气有限公司 一种供电线路漏电监测终端

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11886399B2 (en) * 2020-02-26 2024-01-30 Ab Initio Technology Llc Generating rules for data processing values of data fields from semantic labels of the data fields
US11328001B2 (en) * 2020-06-29 2022-05-10 Optum Services (Ireland) Limited Efficient matching of data fields in response to database requests

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108363751A (zh) * 2018-01-29 2018-08-03 武汉迎风聚智科技有限公司 一种住房公积金业务系统的检测方法及系统
WO2020015067A1 (zh) * 2018-07-19 2020-01-23 平安科技（深圳）有限公司 数据采集方法、装置、设备及存储介质
CN108920726A (zh) * 2018-08-03 2018-11-30 云南电网有限责任公司 一种审计分析系统及方法
CN111104292A (zh) * 2018-10-26 2020-05-05 Ca公司 用于交互式仪表板的叙述系统及相关方法
WO2020139347A1 (en) * 2018-12-27 2020-07-02 Halliburton Energy Services, Inc. Hydraulic fracturing job plan real-time revisions utilizing detected response feature data
WO2020153207A1 (ja) * 2019-01-21 2020-07-30 富山県 医療施設収支計算支援システム
CN112199366A (zh) * 2019-04-28 2021-01-08 杭州数梦工场科技有限公司 数据表处理方法、装置及设备
WO2020259147A1 (zh) * 2019-06-28 2020-12-30 深圳前海微众银行股份有限公司 一种字段信息检验方法及装置
CN112346962A (zh) * 2019-08-09 2021-02-09 腾讯科技（深圳）有限公司 一种应用于对照测试系统中的对照数据测试方法及装置
CN111125061A (zh) * 2019-12-18 2020-05-08 甘肃省卫生健康统计信息中心(西北人口信息中心) 一种规范和促进健康医疗大数据的方法
CN111708745A (zh) * 2020-06-18 2020-09-25 全球能源互联网研究院有限公司 一种跨媒体数据共享表示方法及用户行为分析方法、系统
WO2022037624A1 (zh) * 2020-08-19 2022-02-24 第四范式（北京）技术有限公司 确定数据表之间关联关系的方法、装置及设备
WO2022057108A1 (zh) * 2020-09-17 2022-03-24 南京博雅区块链研究院有限公司 基于联邦学习的个人资质评估方法、装置及系统及存储介质
CN112199365A (zh) * 2020-10-26 2021-01-08 天津大学 供热系统监测数据异常识别方法
CN112884442A (zh) * 2021-03-01 2021-06-01 广东铭太信息科技有限公司 一种基于审计模型的审计监控数据的获取方法及系统
CN115686317A (zh) * 2021-07-13 2023-02-03 腾讯科技（深圳）有限公司 一种业务数据处理方法、装置、电子设备和存储介质
CN113762914A (zh) * 2021-07-23 2021-12-07 北京国电通网络技术有限公司 预警审计方法及相关设备
CN113792961A (zh) * 2021-08-05 2021-12-14 国家电网有限公司 基于审计大数据的任中经济责任审计决策方法及设备
CN114564737A (zh) * 2022-02-09 2022-05-31 湖南同有飞骥科技有限公司 一种基于配置文件和变量定义升级维护权限的方法
CN114840579A (zh) * 2022-04-20 2022-08-02 广东铭太信息科技有限公司 一种医院内部审计系统
CN115311854A (zh) * 2022-07-22 2022-11-08 东南大学 一种基于数据融合的车辆时空轨迹重构方法
CN115408059A (zh) * 2022-09-06 2022-11-29 恒生电子股份有限公司 前端和服务端数据交互方法、装置和计算机设备
CN115422202A (zh) * 2022-09-26 2022-12-02 中国建设银行股份有限公司 业务模型的生成方法、业务数据查询方法、装置及设备
CN115578170A (zh) * 2022-11-03 2023-01-06 平安健康保险股份有限公司 一种财务批量制证方法、装置、设备及存储介质
CN115660880A (zh) * 2022-11-18 2023-01-31 抖音视界有限公司 费用计算管理方法、装置、电子设备、存储介质及产品
CN115719999A (zh) * 2022-11-22 2023-02-28 广东正力通用电气有限公司 一种供电线路漏电监测终端

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Application of Machine Learning Algorithms in Audit Data Analysis";Jianyu Zhou等;《2021 International Conference on Aviation Safety and Information Technology》;第54-58页 *
"E审通风险导向审计软件平台";柳絮等;《科技成果》;第1-4页 *
"会计报表的探讨";柳絮;《财会研究》(第8期);第40-42页 *
"基于大数据的云会计平台IT审计研究";崔纳牟倩;《经济管理与科学》(第11期);第J164-38页 *

Also Published As

Publication number Publication date
CN116415199A (zh) 2023-07-11

Similar Documents

Publication Publication Date Title
Song et al. Cluster analysis of the intellectual structure of PPP research
Zhu et al. Application of multiple criteria decision making methods in construction: A systematic literature review
Ryu et al. A data quality management maturity model
Popović et al. A comparative evaluation of effort estimation methods in the software life cycle
CN101477549B (zh) 知识库支持下的空间数据库设计系统和方法
CN112559766B (zh) 一种法律知识图谱构建系统
CN116415199B (zh) 基于审计中间表的业务数据离群分析方法
Chu et al. Production scale-based two-stage network data envelopment analysis
CN115617776A (zh) 一种数据管理系统及方法
CN108280562A (zh) 一种规范电力企业数据资源的方法
CN108509198B (zh) 一种基于中性bom的产品电子图册构建方法
CN102508971A (zh) 概念设计阶段产品功能模型建立方法
Si Construction and application of enterprise internal audit data analysis model based on decision tree algorithm
Song et al. An stochastic multiattribute acceptability analysis‐based method for the multiattribute project portfolio selection problem with rank‐level information
CN110110155B (zh) 基于元社会关系圈的人物知识图谱属性获取方法及装置
JP2023027741A (ja) リアルタイム企業フットプリント自動化システム
CN1979545A (zh) 一种城市规划数字报建软件系统
Cheng et al. A dynamic multi-attribute group decision-making method with R-numbers based on MEREC and CoCoSo method
CN113688870A (zh) 一种采用混合算法的基于用户用电行为的群租房识别方法
Shi et al. Human resources balanced allocation method based on deep learning algorithm
US8966381B2 (en) Time intelligence for application programs
Song et al. Measuring the superblock based on a hierarchy matrix of geometry, configuration, network, and area: The case of Nanjing
CN109919811B (zh) 基于大数据的保险代理人培养方案生成方法及相关设备
CN1604099B (zh) 电信运营支撑系统的软件体系结构构建方法及系统
Gharehbaghi On-Site engineering information systems (EIS) for building and construction projects

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant