CN117407809A - 基于多用户画像融合的审计管理系统及方法 - Google Patents

Abstract

本发明提供了基于多用户画像融合的审计管理系统及方法，属于审计技术领域，包括：标签确定模块，用于基于当前审计业务场景确定出所有用户标签主题和每个用户标签主题的所有用户数据标签维度；画像构建模块，用于基于所有用户标签主题和对应的所有用户数据标签维度构建出多用户画像；权重确定模块，用于基于当前审计侧重目标确定出每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重；审计管理模块，用于基于多用户画像和每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重，获得审计管理结果；用以可实现针对不同审计业务场景和不同审计侧重目标的基于用户数据的高效审计和管理。

Description

基于多用户画像融合的审计管理系统及方法

技术领域

本发明涉及审计技术领域，特别涉及基于多用户画像融合的审计管理系统及方法。

背景技术

用户画像是一种勾画目标用户、联系用户诉求与设计方向的有效工具。作为实际用户的虚拟代表，用户画像是根据用户的社会属性、生活习惯和消费行为等信息而抽象出的一个标签化用户模型，代表产品的主要目标群体，其构建的核心工作即给用户贴“标签”，而标签是通过对用户信息分析而来的高度精练的特征标识。用户画像包含基于描绘“人”的用户画像和基于描绘“物”“组织”的用户画像，其中，基于描绘“人”的用户画像又称为用户角色，是对用户比较抽象的描述，用来感性地认识用户，是真实用户的虚拟指代。例如：电子商务公司对典型客户的用户画像，而基于描绘“物”“组织”的用户画像是在基于用户产生的真实数据的基础上，通过数据计算和统计产生的广泛数据标签，应用在产品的具体设计中、运营中。随着数字化审计的大数据应用模式逐渐成熟，核心业务、资产规模、服务区域、组织机构、人员组成等信息获取愈发快捷。区分审计对象，并为其定制审计方式，使得用户画像工具逐步成为开展数字化审计的主流选择。

但是现有的数字化审计管理系统多通过预先制定的针对固定审计业务场景或固定审计目标的审计规则，以实现对用户数据的整合计算，进而实现数字化审计过程，且用户画像在自动化审计计算过程中仅仅是一种用户属性数据的表现形式。这种审计管理系统不仅应用场景较为局限，且在前期的审计规则制定过程和系统构建过程中需要耗费大量成本，也未吸纳用户画像可以简要表示不同用户群的用户属性数据的特征这一优势来提高审计效率。

因此，本发明提出了基于多用户画像融合的审计管理系统及方法。

发明内容

本发明提供基于多用户画像融合的审计管理系统及方法，用以基于当前审计业务场景下的所有用户对象构建出的多用户画像和其中包含的每个用户画像的画像权重，即可针对不同审计业务场景和不同审计侧重目标设计不同的用户画像构建方式，以获得适应于不同审计业务场景和不同审计侧重目标的多用户画像，简化了审计过程中的数据计算量，实现了针对不同审计业务场景和不同审计侧重目标的基于用户数据的高效审计和管理。

本发明提供一种基于多用户画像融合的审计管理系统，包括：

标签确定模块，用于基于当前审计业务场景，确定出所有用户标签主题和每个用户标签主题的所有用户数据标签维度；

画像构建模块，用于基于所有用户标签主题和对应的所有用户数据标签维度，构建出当前审计业务场景下的多用户画像；

权重确定模块，用于基于当前审计侧重目标，确定出多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重；

审计管理模块，用于基于多用户画像和多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重，获得当前审计业务场景的当前审计侧重目标对应的审计管理结果。

优选的，标签确定模块，包括：

维度属性确定子模块，用于基于当前审计业务场景确定出用户划分维度，确定出所有待分析用户在用户划分维度下的维度属性；

用户汇总子模块，用于将相同维度属性的用户汇总获得每个维度属性的用户群；

标签主题确定子模块，用于基于所有用户群的维度属性确定出对应的用户标签主题；

标签维度确定子模块，用于基于用户群中每个用户主体的所有属性数据，确定出对应用户标签主题的所有用户数据标签维度。

优选的，标签维度确定子模块，包括：

属性类别确定单元，用于确定出用户群中每个用户主体的所有属性数据中包含的属性类别；

属性类别度量单元，用于确定出每个属性类别在用户群中的共有度和历史采用度；

有效类别判定单元，用于将共有度不小于共有度阈值且历史采用度不小于历史采用度阈值的属性类别，当作有效属性类别；

标签维度确定单元，用于构建出每个有效属性类别对应的用户数据标签维度，并将用户群的所有有效属性类别对应的用户数据标签维度当作对应用户标签主题的所有用户数据标签维度。

优选的，属性类别度量单元，包括：

共有度确定子单元，用于将对应的所有属性数据中包含当前属性类别的用户主体个数与用户群中包含的所有用户主体的个数总数之比，当作当前属性类别在用户群中的共有度；

历史采用度确定子单元，用于确定出当前属性类别在当前审计业务场景的当前审计侧重目标的大量历史审计实例中的被采用总次数，将被采用总次数与大量历史审计实例中的属性采用总次数之比，当作当前属性类别的历史采用度。

优选的，画像构建模块，包括：

画像形式确定子模块，用于确定出每个用户标签主题的画像形式；

用户画像构建子模块，用于基于用户标签主题的画像形式和所有用户数据标签维度，构建出当前审计业务场景下的多用户画像。

优选的，用户画像构建子模块，包括：

第一运算单元，用于在标签运算规则库中提取出所有用户数据标签维度之间的标签运算规则，并基于标签运算规则对所有用户数据标签维度进行运算，获得增量数据标签维度；

第二运算单元，用于在标签运算规则库中提取出所有用户数据标签维度和所有增量数据标签维度之间的标签运算规则，并基于最新确定出的标签运算规则对所有用户数据标签维度和所有增量数据标签维度继续进行运算，获得新的增量数据标签维度，直至所有用户数据标签维度和当前获得的所有增量数据标签维度之间不存在标签运算规则库中包含的标签运算规则时，则基于所有用户数据标签维度和当前获得的所有增量数据标签维度以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像。

优选的，第二运算单元基于所有用户数据标签维度和当前获得的所有增量数据标签维度以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像的方法，包括：

基于所有用户标签主题的所有用户数据标签维度和当前获得的所有增量数据标签维度，对对应用户群中所有用户主体的所有属性数据进行特征提取，获得所有用户标签主题的所有用户数据标签维度的标签值和当前获得的所有增量数据标签维度的标签值；

基于每个增量数据标签维度的来源对应的规则运算次序数，确定出每个增量数据标签维度的增量级别；

基于所有用户标签主题的所有用户数据标签维度的所有标签值、当前获得的所有增量数据标签维度的所有标签值和增量级别以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像。

优选的，权重确定模块，包括：

相似度计算子模块，用于计算出多用户画像中每个用户画像和当前审计业务场景的当前审计侧重目标的大量历史审计实例中的每个历史用户画像之间的相似度；

画像权重确定子模块，用于将所有历史审计实例中与当前用户画像之间的相似度超出相似度阈值的历史用户画像的历史画像权重的均值，当作当前用户画像在当前审计业务场景的当前审计侧重目标下的画像权重。

优选的，审计管理模块，包括：

用户评分子模块，用于基于每个用户画像在当前审计业务场景的当前审计侧重目标下的评分规则，确定出每个用户画像在当前审计业务场景的当前审计侧重目标下的用户审计评分值；

整体评分子模块，用于基于多用户画像中所有用户画像的用户审计评分值和画像权重，计算出多用户画像在当前审计业务场景的当前审计侧重目标下的整体用户审计值；

用户审计子模块，用于基于每个用户画像在当前审计业务场景的当前审计侧重目标下的用户审计评分值和多用户画像在当前审计业务场景的当前审计侧重目标下的整体用户审计值以及当前审计业务场景的当前审计侧重目标的审计规则，获得当前审计业务场景的当前审计侧重目标下的用户审计结果；

审计管理子模块，用于基于用户审计结果确定出下一阶段的审计侧重目标，

作为当前审计业务场景的当前审计侧重目标对应的审计管理结果。

本发明提供一种基于多用户画像融合的审计管理方法，应用于实施例1至9中任一一种基于多用户画像融合的审计管理系统，包括：

S1：基于当前审计业务场景，确定出所有用户标签主题和每个用户标签主题的所有用户数据标签维度；

S2：基于所有用户标签主题和对应的所有用户数据标签维度，构建出当前审计业务场景下的多用户画像；

S3：基于当前审计侧重目标，确定出多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重；

S4：基于多用户画像和多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重，获得当前审计业务场景的当前审计侧重目标对应的审计管理结果。

本发明区别于现有技术的有益效果为：基于当前审计业务场景下的所有用户对象构建出的多用户画像和其中包含的每个用户画像的画像权重，即可针对不同审计业务场景和不同审计侧重目标设计不同的用户画像构建方式，以获得适应于不同审计业务场景和不同审计侧重目标的多用户画像，简化了审计过程中的数据计算量，实现了针对不同审计业务场景和不同审计侧重目标的基于用户数据的高效审计和管理。

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本申请文件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多用户画像融合的审计管理系统示意图；

图2为本发明实施例中的审计画像系统功能总体设计示意图；

图3为本发明实施例中的基于多用户画像融合的审计管理方法流程图。

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多用户画像融合的审计管理系统，参考图1和2，包括：

标签确定模块，用于基于当前审计业务场景(该审计业务场景可以是针对审计主体划分的针对大型公司的经营管理深层次风险的盈收审计项目和针对小型公司的经营管理深层次风险的盈收审计项目，也可以是针对审计项目类型划分的针对同一公司的整体审计项目和经责审计项目以及基金管理业务审计项目等)，确定出所有用户标签主题(即为多用户画像中每个用户画像针对的用户群的标签主题名称，例如有“领导干部”、“营销对象”、“交易对象”、“基层营销人员”、“决策部门人员”或者“大型公司”等，该实施例中的用户也不仅指代为实体的人及其属性数据，也可根据审计场景指代为公司或者其他组织群体及其属性数据)和每个用户标签主题的所有用户数据标签维度(与用户标签主题对应的用户主体们对应的该用户主体们的属性类目，例如公司的行业特征、经营性质，财务指标状况等，或者人的姓名、年龄、地址、性别、电话、结算账户、用户状态等)；

画像构建模块，用于基于所有用户标签主题和对应的所有用户数据标签维度，构建出当前审计业务场景下的多用户画像(多用户画像即为包含多个用户画像，其中非每个用户画像都包含对应一个用户群体的所有用户主体们对应的用户标签主题和用户主体们在用户数据标签维度下的具体属性值(即具体标签值)，参考图2，用户画像的标签体系构建是由标签体系、标签存储、标签管理等多个子功能组件构成的，其用户画像的表现形式有雷达图、词云、数据分析表、知识图谱，其中标签管理具体包括标签的新增、删除、修改、查询等；可按2-3级标签甚至更高级别标签来设计标签体系)；

权重确定模块，用于基于当前审计侧重目标(即为在当前审计业务场景下的审计侧重目标，例如是为了经营管理深层次风险的盈收状况的“事前风险预测”或者“事后经责评估”或者“盈收状况评估”等)，确定出多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重(例如若当前审计侧重目标为“事前风险预测”或“事后经责评估”时，“领导干部”对应的用户画像的画像权重与其所在管理层级别成正比，管理层级越高则对应的画像权重越大，若当前审计侧重目标为“盈收状况评估”时，则“领导干部”对应的画像权重为0)；

审计管理模块，用于基于多用户画像和多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重，获得当前审计业务场景的当前审计侧重目标对应的审计管理结果(审计管理结果即为针对前述步骤生成的多用户画像针对用户数据完整的针对当前审计业务场景和当前审计侧重目标下的审计结果和进一步的管理结果，进一步的管理结果例如可以是：将在当前审计业务场景下的不同审计侧重目标的审计结果中结果较为不理想的审计侧重目标作为下一阶段的审计侧重目标)。

基于当前审计业务场景下的所有用户对象构建出的多用户画像和其中包含的每个用户画像的画像权重，即可针对不同审计业务场景和不同审计侧重目标设计不同的用户画像构建方式，以获得适应于不同审计业务场景和不同审计侧重目标的多用户画像，简化了审计过程中的数据计算量，实现了针对不同审计业务场景和不同审计侧重目标的基于用户数据的高效审计和管理。

实施例2：

在实施例1的基础上，标签确定模块，包括：

维度属性确定子模块，用于基于当前审计业务场景确定出用户划分维度(即为针对需要被审计的主体的划分维度，当被审计的主体为公司时，则划分维度可以是“公司规模”，当被审计的主体为用户时，则划分维度可以是“职责身份”等)，确定出所有待分析用户(即为在当前审计业务场景下被审计的主体，可以是具体经济意义的组织群体们(例如公司)或者实体的人构成的用户群)在用户划分维度下的维度属性(即为：当划分维度为“公司规模”，则其对应的维度属性可以是“大型公司”、“中型公司”、“小型公司”，当划分维度可以是“职责身份”时，则对应的维度属性可以是“领导干部”、“基层营销人员”、“营销对象”、“交易对象”)；

用户汇总子模块，用于将相同维度属性的用户汇总获得每个维度属性的用户群(即为所有待分析用户中属于相同维度属性的待分析用户汇总后构成的群体)；

标签主题确定子模块，用于基于所有用户群的维度属性确定出对应的用户标签主题(用户标签主题可以直接采用维度属性对应的文本表示，也可以是表征维度属性的其他文本形式，例如用编号表示)；

标签维度确定子模块，用于基于用户群中每个用户主体(也是单个待分析用户)的所有属性数据(例如公司的行业特征为服务业、经营性质为国有企业等，或者人的年龄为31、性别为男、用户状态为止付等)，确定出对应用户标签主题的所有用户数据标签维度(属性数据中的单个属性类别对应一个用户数据标签维度，用户数据标签维度也可以直接采用属性类别对应的文本表示，也可以是表征用户数据标签维度的其他文本形式，例如用标签1、标签2，……等这样的形式命名)。

该实施例实现了基于审计业务场景确定用户划分维度，并针对划分后获得的用户群在针对当前审计业务场景下的划分维度的维度属性以及属性数据中的属性类别，有针对性地确定出用户标签主题和用户数据标签维度。

实施例3：

在实施例2的基础上，标签维度确定子模块，包括：

属性类别确定单元，用于确定出用户群中每个用户主体的所有属性数据中包含的属性类别(例如公司的行业特征、经营性质，财务指标状况等，或者人的姓名、年龄、地址、性别、电话、结算账户、用户状态等)；

属性类别度量单元，用于确定出每个属性类别在用户群中的共有度(即为表征属性类别在用户群的所有用户主体的属性数据中包含的所有属性类别中的共同拥有的程度的数值)和历史采用度(即为表征属性类别在当前审计业务场景的当前审计侧重目标下的大量历史审计实例的用户数据计算过程中的被采用频次的数值)；

有效类别判定单元，用于将共有度不小于共有度阈值(即为预设的用于筛选有效属性类别时参考的共有度的筛选阈值)且历史采用度不小于历史采用度阈值(即为预设的用于筛选有效属性累呗是参考的历史采用度的筛选阈值)的属性类别，当作有效属性类别(即为共有度和历史采用度都不小于对应阈值的属性类别，也是即将被作为用户数据标签维度纳入用户画像的属性类别)；

标签维度确定单元，用于构建出每个有效属性类别对应的用户数据标签维度(即可以直接采用有效属性类别对应的文本表示，也可以是表征用户数据标签维度的其他文本形式，例如用标签1、标签2，……等这样的形式命名)，并将用户群的所有有效属性类别对应的用户数据标签维度当作对应用户标签主题的所有用户数据标签维度。

该实施例中通过度量计算用户群中所有用户主体的属性数据中包含的属性类别在用户群中的共有度和历史采用度，并将其与对应的阈值进行比较，进而筛选出共有度和历史采用度较大的属性类别作为有效属性类别，并进一步地基于有效属性类别搭建出用户画像中的用户数据标签维度，实现对用户群中的用户主体的属性类别的简化提取，也使得后续生成的用户画像足够精简，初步简化了审计过程的数据量。

实施例4：

在实施例3的基础上，属性类别度量单元，包括：

共有度确定子单元，用于将对应的所有属性数据(此处“对应的所有属性数据”即为当前计算的用户群中所有用户主体对应的所有属性数据)中包含当前属性类别的用户主体个数与用户群中包含的所有用户主体的个数总数之比，当作当前属性类别在用户群中的共有度；

历史采用度确定子单元，用于确定出当前属性类别在当前审计业务场景的当前审计侧重目标的大量历史审计实例(历史审计实例即为包含在某个审计业务场景下具有某种审计侧重目标的历史审计过程的实例，该历史审计实例中包含了对所有待分析用户的属性数据的计算过程)中的被采用总次数(在历史审计实例的单个计算步骤中被采用当作被采用一次)，将被采用总次数与大量历史审计实例中的属性采用总次数(即为属性类别在所有历史审计实例中可以被采用的最大总次数，也是所有历史审计实例中包含的计算步骤总数)之比，当作当前属性类别的历史采用度。

上述过程以拥有单个属性类别的用户主体在用户群中的占比为原理准确计算出属性类别的共有度，并引入在当前审计业务场景的当前审计侧重目标的大量历史审计实例，以属性类别在所有历史审计实例中的被采用次数占比为原理准确计算出属性类别的历史采用度。

实施例5：

在实施例1的基础上，画像构建模块，包括：

画像形式确定子模块，用于确定出每个用户标签主题的画像形式(可以是雷达图、词云、数据分析表、知识图谱等各种形式)；

用户画像构建子模块，用于基于用户标签主题的画像形式和所有用户数据标签维度，构建出当前审计业务场景下的多用户画像。

上述过程实现了用户画像的多种画像形式的可选性，进而为审计场景和用户提供了多样的用户属性数据的表现形式。

实施例6：

在实施例5的基础上，用户画像构建子模块，包括：

第一运算单元，用于在标签运算规则库(即为预设的包含不同属性类别对应的用户数据标签维度之间的运算规则的数据库，运算规则即为基于现有的属性类别对应的用户数据标签维度下的标签值可以进一步计算出新的用户数据标签维度下的标签值的运算规则)中提取出所有用户数据标签维度之间的标签运算规则(即为可以基于现有用户数据标签维度计算出新的用户数据标签维度下的标签值)，并基于标签运算规则对所有用户数据标签维度进行运算，获得增量数据标签维度(即为基于现有用户数据标签维度下的标签值计算出的新的标签值对应的数据标签维度，例如基于用户的用电行为(用能分析)下的月用电量、峰负荷、谷负荷、平负荷、总负荷等确定出用户的“用电模式”为“省电模式”或“高耗电模式”等，其中，“用电模式”即为增量数据标签维度，“省电模式”或“高耗电模式”即为用户的增量数据标签维度下的个体的标签值)；

第二运算单元，用于在标签运算规则库中提取出所有用户数据标签维度和所有增量数据标签维度之间的标签运算规则，并基于最新确定出的标签运算规则对所有用户数据标签维度和所有增量数据标签维度继续进行运算，获得新的增量数据标签维度，直至所有用户数据标签维度和当前获得的所有增量数据标签维度之间不存在标签运算规则库中包含的标签运算规则时，则基于所有用户数据标签维度和当前获得的所有增量数据标签维度以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像。

该实施例基于标签运算规则库中包含的标签运算规则对基于用户群的属性数据中包含的属性类别确定出的用户数据标签维度不断进行运算，并将运算过程中生成的增量数据标签维度也投入运算，衍生出新的用户数据标签维度，丰富了用户属性数据的属性类别维度，保证了用户画像中属性数据维度的丰富性。

实施例7：

在实施例6的基础上，第二运算单元基于所有用户数据标签维度和当前获得的所有增量数据标签维度以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像的方法，包括：

基于所有用户标签主题的所有用户数据标签维度和当前获得的所有增量数据标签维度，对对应用户群中所有用户主体的所有属性数据进行特征提取，获得所有用户标签主题的所有用户数据标签维度的标签值和当前获得的所有增量数据标签维度的标签值(特征提取过程即为基于属性数据确定出标签值的过程，可以将可量化表示的属性值直接当作标签值，又或者基于预设的评分标准将可量化或者不可量化表示的属性值确定出标签值，例如“用电模式”的属性值为“省电模式”时，则标签值为-1，属性值为“高耗电模式”时，则标签值为+1)；

基于每个增量数据标签维度的来源对应的规则运算次序数(即为获得增量数据标签维度为止需要进行的规则运算总次数)，确定出每个增量数据标签维度的增量级别(增量级别的数值与规则运算次序数相同)；

基于所有用户标签主题的所有用户数据标签维度的所有标签值(一个用户主体在一个数据标签维度下有一个标签值)、当前获得的所有增量数据标签维度的所有标签值和增量级别以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像(按照每个数据标签维度的预设确定方式(例如将用户数据标签维度或增量数据标签维度的所有标签值的均值或最值当作用户数据标签维度或增量数据标签维度的最终标签值)确定最终的标签值，基于所有用户标签主题的所有用户数据标签维度的最终标签值、当前获得的所有增量数据标签维度的所有标签值和增量级别以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像，例如，先按照用户数据标签维度的首字母排序，再接着按照增量数据标签维度的增量级别将所有增量数据标签维度排在用户数据标签维度之后，形成空表，并将对应的最终标签值填入空表中的对应位置，获得以数据分析表表示的用户画像，按照类似的方式生成其他用户画像，并将所有用户画像的整体当作多用户画像)。

该实施例中通过对属性数据的特征提取，并综合增量数据标签维度的增量级别和用户标签主题的画像形式，构建出了用户画像。

实施例8：

在实施例1的基础上，权重确定模块，包括：

相似度计算子模块，用于计算出多用户画像中每个用户画像和当前审计业务场景的当前审计侧重目标的大量历史审计实例中的每个历史用户画像(即为；历史审计实例中包含的用户画像)之间的相似度(相似度的具体计算方式为将多用户画像中每个用户画像和大量历史审计实例中的每个历史用户画像中包含的相同的用户数据标签维度的总数，与用户画像中包含的用户数据标签维度的总数与历史用户画像中包含的用户数据标签维度的总数的均值之比，当作用户画像和历史用户画像之间的相似度)；

画像权重确定子模块，用于将所有历史审计实例中与当前用户画像之间的相似度超出相似度阈值(即为预设的用于筛选出可以用作确定当前用户画像的画像权重的历史用户画像时参考的相似度的筛选阈值)的历史用户画像的历史画像权重(即为历史用户画像在历史审计实例中的画像权重)的均值，当作当前用户画像在当前审计业务场景的当前审计侧重目标下的画像权重。

通过将在大量历史审计实例中筛选出与当前用户画像的相似度较高的历史用户画像的历史画像权重的均值，作为用户画像的画像权重，即自动确定出较为合理的画像权重。

实施例9：

在实施例1的基础上，审计管理模块，包括：

用户评分子模块，用于基于每个用户画像在当前审计业务场景的当前审计侧重目标下的评分规则(即为基于用户画像确定出在当前审计业务场景的当前审计侧重目标下的用户审计评分值的规则，例如：“资产负债率”的评分规则为按年度打分，满分5分，低于65％，5分；超过65％，每增加3％，减1分，最低1分)，确定出每个用户画像在当前审计业务场景的当前审计侧重目标下的用户审计评分值(即为用户画像在当前审计业务场景的当前审计侧重目标下的评分值)；

整体评分子模块，用于基于多用户画像中所有用户画像的用户审计评分值和画像权重，计算出多用户画像在当前审计业务场景的当前审计侧重目标下的整体用户审计值(即为多用户画像在当前审计业务场景的当前审计侧重目标下的整体评分值，其中，计算出整体用户审计值的方式即为：将多用户画像中所有用户画像的用户审计评分值和画像权重的乘积之和，当作多用户画像在当前审计业务场景的当前审计侧重目标下的整体用户审计值)；

用户审计子模块，用于基于每个用户画像在当前审计业务场景的当前审计侧重目标下的用户审计评分值和多用户画像在当前审计业务场景的当前审计侧重目标下的整体用户审计值以及当前审计业务场景的当前审计侧重目标的审计规则(例如：当当前审计业务场景的当前审计侧重目标为评估风险指数时，则将风险水平类指标、风险迁移类指标、风险抵补类指标各自对应的用户画像的用户审计评分值在整体用户审计值中的最大值当作风险指数)，获得当前审计业务场景的当前审计侧重目标下的用户审计结果(即为待分析用户的属性数据在当前审计业务场景的当前审计侧重目标下的审计结果)；

审计管理子模块，用于基于用户审计结果确定出下一阶段的审计侧重目标(例如可以是：将在当前审计业务场景下的不同审计侧重目标的审计结果中结果较为不理想的审计侧重目标作为下一阶段的审计侧重目标)，作为当前审计业务场景的当前审计侧重目标对应的审计管理结果。

该实施例中基于评分规则实现了对用户画像的评分和多用户画像的整体评分，并进一步地基于审计规则获得在当前审计业务场景的当前审计侧重目标下的审计结果，并基于审计结果获得下一阶段的管理策略以作为审计管理结果，大大简化了数字化审计系统在审计过程中的数据计算量，并提高了数字化审计系统的审计效率。

实施例10：

本发明提供了一种基于多用户画像融合的审计管理方法，应用于实施例1至9中任一一种基于多用户画像融合的审计管理系统，参考图2和3，包括：

S1：基于当前审计业务场景，确定出所有用户标签主题和每个用户标签主题的所有用户数据标签维度；

S2：基于所有用户标签主题和对应的所有用户数据标签维度，构建出当前审计业务场景下的多用户画像；

S3：基于当前审计侧重目标，确定出多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重；

S4：基于多用户画像和多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重，获得当前审计业务场景的当前审计侧重目标对应的审计管理结果。

该实施例基于当前审计业务场景下的所有用户对象构建出的多用户画像和其中包含的每个用户画像的画像权重，即可针对不同审计业务场景和不同审计侧重目标设计不同的用户画像构建方式，以获得适应于不同审计业务场景和不同审计侧重目标的多用户画像，简化了审计过程中的数据计算量，实现了针对不同审计业务场景和不同审计侧重目标的基于用户数据的高效审计和管理。

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 (10)

1.基于多用户画像融合的审计管理系统，其特征在于，包括：

标签确定模块，用于基于当前审计业务场景，确定出所有用户标签主题和每个用户标签主题的所有用户数据标签维度；

画像构建模块，用于基于所有用户标签主题和对应的所有用户数据标签维度，构建出当前审计业务场景下的多用户画像；

权重确定模块，用于基于当前审计侧重目标，确定出多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重；

审计管理模块，用于基于多用户画像和多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重，获得当前审计业务场景的当前审计侧重目标对应的审计管理结果。

2.根据权利要求1所述的基于多用户画像融合的审计管理系统，其特征在于，标签确定模块，包括：

维度属性确定子模块，用于基于当前审计业务场景确定出用户划分维度，确定出所有待分析用户在用户划分维度下的维度属性；

用户汇总子模块，用于将相同维度属性的用户汇总获得每个维度属性的用户群；

标签主题确定子模块，用于基于所有用户群的维度属性确定出对应的用户标签主题；

标签维度确定子模块，用于基于用户群中每个用户主体的所有属性数据，确定出对应用户标签主题的所有用户数据标签维度。

3.根据权利要求2所述的基于多用户画像融合的审计管理系统，其特征在于，标签维度确定子模块，包括：

属性类别确定单元，用于确定出用户群中每个用户主体的所有属性数据中包含的属性类别；

属性类别度量单元，用于确定出每个属性类别在用户群中的共有度和历史采用度；

有效类别判定单元，用于将共有度不小于共有度阈值且历史采用度不小于历史采用度阈值的属性类别，当作有效属性类别；

标签维度确定单元，用于构建出每个有效属性类别对应的用户数据标签维度，并将用户群的所有有效属性类别对应的用户数据标签维度当作对应用户标签主题的所有用户数据标签维度。

4.根据权利要求3所述的基于多用户画像融合的审计管理系统，其特征在于，属性类别度量单元，包括：

共有度确定子单元，用于将对应的所有属性数据中包含当前属性类别的用户主体个数与用户群中包含的所有用户主体的个数总数之比，当作当前属性类别在用户群中的共有度；

历史采用度确定子单元，用于确定出当前属性类别在当前审计业务场景的当前审计侧重目标的大量历史审计实例中的被采用总次数，将被采用总次数与大量历史审计实例中的属性采用总次数之比，当作当前属性类别的历史采用度。

5.根据权利要求1所述的基于多用户画像融合的审计管理系统，其特征在于，画像构建模块，包括：

画像形式确定子模块，用于确定出每个用户标签主题的画像形式；

用户画像构建子模块，用于基于用户标签主题的画像形式和所有用户数据标签维度，构建出当前审计业务场景下的多用户画像。

6.根据权利要求5所述的基于多用户画像融合的审计管理系统，其特征在于，用户画像构建子模块，包括：

第一运算单元，用于在标签运算规则库中提取出所有用户数据标签维度之间的标签运算规则，并基于标签运算规则对所有用户数据标签维度进行运算，获得增量数据标签维度；

第二运算单元，用于在标签运算规则库中提取出所有用户数据标签维度和所有增量数据标签维度之间的标签运算规则，并基于最新确定出的标签运算规则对所有用户数据标签维度和所有增量数据标签维度继续进行运算，获得新的增量数据标签维度，直至所有用户数据标签维度和当前获得的所有增量数据标签维度之间不存在标签运算规则库中包含的标签运算规则时，则基于所有用户数据标签维度和当前获得的所有增量数据标签维度以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像。

7.根据权利要求6所述的基于多用户画像融合的审计管理系统，其特征在于，第二运算单元基于所有用户数据标签维度和当前获得的所有增量数据标签维度以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像的方法，包括：

基于所有用户标签主题的所有用户数据标签维度和当前获得的所有增量数据标签维度，对对应用户群中所有用户主体的所有属性数据进行特征提取，获得所有用户标签主题的所有用户数据标签维度的标签值和当前获得的所有增量数据标签维度的标签值；

基于每个增量数据标签维度的来源对应的规则运算次序数，确定出每个增量数据标签维度的增量级别；

基于所有用户标签主题的所有用户数据标签维度的所有标签值、当前获得的所有增量数据标签维度的所有标签值和增量级别以及用户标签主题的画像形式，构建出当前审计业务场景下的多用户画像。

8.根据权利要求1所述的基于多用户画像融合的审计管理系统，其特征在于，权重确定模块，包括：

相似度计算子模块，用于计算出多用户画像中每个用户画像和当前审计业务场景的当前审计侧重目标的大量历史审计实例中的每个历史用户画像之间的相似度；

画像权重确定子模块，用于将所有历史审计实例中与当前用户画像之间的相似度超出相似度阈值的历史用户画像的历史画像权重的均值，当作当前用户画像在当前审计业务场景的当前审计侧重目标下的画像权重。

9.根据权利要求1所述的基于多用户画像融合的审计管理系统，其特征在于，审计管理模块，包括：

用户评分子模块，用于基于每个用户画像在当前审计业务场景的当前审计侧重目标下的评分规则，确定出每个用户画像在当前审计业务场景的当前审计侧重目标下的用户审计评分值；

整体评分子模块，用于基于多用户画像中所有用户画像的用户审计评分值和画像权重，计算出多用户画像在当前审计业务场景的当前审计侧重目标下的整体用户审计值；

用户审计子模块，用于基于每个用户画像在当前审计业务场景的当前审计侧重目标下的用户审计评分值和多用户画像在当前审计业务场景的当前审计侧重目标下的整体用户审计值以及当前审计业务场景的当前审计侧重目标的审计规则，获得当前审计业务场景的当前审计侧重目标下的用户审计结果；

审计管理子模块，用于基于用户审计结果确定出下一阶段的审计侧重目标，作为当前审计业务场景的当前审计侧重目标对应的审计管理结果。

10.基于多用户画像融合的审计管理方法，其特征在于，应用于权利要求1至9中任一所述的基于多用户画像融合的审计管理系统，包括：

S1：基于当前审计业务场景，确定出所有用户标签主题和每个用户标签主题的所有用户数据标签维度；

S2：基于所有用户标签主题和对应的所有用户数据标签维度，构建出当前审计业务场景下的多用户画像；

S3：基于当前审计侧重目标，确定出多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重；

S4：基于多用户画像和多用户画像中每个用户画像在当前审计业务场景的当前审计侧重目标下的画像权重，获得当前审计业务场景的当前审计侧重目标对应的审计管理结果。