基于会计档案的知识图谱研究与应用

2023-09-26程清洁朱仲友吴建琳陈胡嵘国网安徽省电力有限公司

财会学习 2023年9期

程清洁朱仲友吴建琳陈胡嵘国网安徽省电力有限公司

引言

在档案数字化的推进过程中，数字档案馆以及智慧档案馆的建设成为当前档案管理模式下新的发展方向，档案管理模式亦趋向于数字化与网络化，档案管理系统正从信息管理模式向知识管理模式转变。在人工智能技术的支撑下，档案管理逐渐向关联数据、语义组织方向发展，核心技术从以数据库存储和XML 数据为标志转向了以知识库和语义技术为核心，知识图谱[1][2]正成为档案管理领域的重要支撑技术。

一、建设思路及设计原则

（一）建设思路

基于五大类会计档案实体（原始凭证、会计凭证、账簿、报表、其他），全面梳理构成档案的所有关键要素，抽取实体与要素间，实体间以及要素间的关联关系。从实体和要素两个维度，以图谱技术为支撑，利用可视化工具，构建全量会计档案知识谱系模型，分层、立体描绘出数字会计档案知识资源及其载体，并以关键节点与链路相结合的方式进行表达。通过最底层要素还原业务管理的流程环节，实现在任意节点均可查询全局结构化数据，在关键节点检索全量非结构化文件。

（二）设计原则

基于会计档案的知识图谱[3][4]关系遵循以下原则进行设计：

1.统一设计原则

制定统一设计方案，按照要求完成适应性调整、测试工作。

2.适用性原则

设计基于会计档案的知识图谱关系模型，模型需兼顾全局展示、局部重点展示、穿透展示、拖动、旋转、缩放等各类型的查阅场景；设计基于会计档案的知识图谱实例查询，查询结果需能根据关系，展示查询关键字所贯穿的全业务链条价值信息，充分考虑各单位、各岗位人员的应用场景及查阅范围。

3.延续性原则

数据抽取完全来源于会计档案，方案设计充分利用统一的标准和系统功能，并在此基础上进行业务与功能扩展，为后续业务发展提供可延续、可扩展空间。

（三）术语与定义

知识图谱：知识图谱是基于会计档案数据结构生成的，是对档案结构化数据关联关系的可视化展示。包括实体、属性和关系。

实体：具体事物、主数据、数据库中的表。

属性：事物的特征、主数据的特征、表字段。

关系：事物与事物或主数据间建立的关系。

知识抽取：把数据从不同的数据源中抽取出来，然后按一定的规则展现在知识图谱应用平台上。

知识映射：知识抽取之前，要把数据源的信息通过映射的过程，将其定位的具体某个实体，实体属性或者关系上，这一过程称之为知识映射。

数据清洗：知识图谱构建过程中，知识抽取后，需要对抽取的数据进行某些规则的转换，这个过程称之为数据清洗。

归一消歧：知识图谱构建过程中，某些实例或者关系会存在重复的关系，对这些重复的数据通过某些规则去重，这一过程称为归一消歧。

（四）会计档案中的实体、属性、关系内容描述

1.原始凭证

主要包括业务分类、原始附件清单（系统单据、有结构化信息的影像件、扫描生成的电子文件）。

系统单据是一个具体事物，单据上填写全部为结构化信息，其中有特征如日期、编号、数量、金额、备注等即是事物的属性（基本属性），特征本身也是一个事物或者主数据（实体）的如采购订单、项目、合同、供应商等，则将系统单据实体与其建立关系（关系属性）。

有结构化信息的影像件也是一个具体事物，且档案中有表存放结构化信息，结构化信息中特征如开票日期、编号、金额等是事物的属性，特征本身也是一个事物或者主数据（实体）的如购买方信息则与单位建立关系，如在多个业务分类下都有增值税发票，则与业务分类建立多条关系。

扫描生成的各类电子文件均是具体事物，但是具有共同特征，即类型名称、ID、影像地址。因此可以统一为一个“原始凭证影像文件”实体，而它的实例数据则是增值税发票、合同或协议等各类扫描件，不同的影像文件属于不同的业务分类，则与业务分类建立关系。

2.主数据

属于公用实体。经济业务核算中，非原始附件，但是原始凭证上会填写的信息，具有多个特征的，且查询实例时还可根据填写的内容找到其对应的特征，如根据单位找到单位对应的纳税人识别号。因此主数据作为实体，其独有内部特征作为属性，其特征中还包含其他主数据的，如载体维度上对应有核心维度（项目对应业务活动），则将两个主数据建立关系。

3.会计凭证

主要包括凭证主信息、凭证类型及凭证分录。

4.账簿

主要包括单位、账期、账户、期初方向、期初余额、借方发生、贷方发生、期末方向、期末余额等。其中，单位是实体则建立关系，账期是各账簿、各报表等多处都需要用到的会计期间，包括会计年度和账期，也可抽离为实体，与科目汇总表建立关系，后续还可与报表建立关系。其他则是属性。

5.报表

主要包括报表期间、报表单位、报表项目（横向纵向结合）、报表单元格公式、报表（单元格）取数结果；期间包括关联会计年度和账期。

6.其他

主要包括会计档案保管清册、银行余额调节表、会计档案鉴定意见书、纳税申报表、会计档案移交清册、银行对账单、会计档案销毁清册及银行流水信息。

（五）整体数据需求

1.数据接入及存储需求

以会计档案管理体系为唯一的知识谱系数据来源，接入包括原始凭证、记账凭证、账簿、报表、其它五大类的数据关系及实例数据。数据接入采取从会计档案数据库直接接入的方式，通过知识映射中间组件，转化为数据模型为图模型的知识谱系。

2.数据质量

数据质量方面，档案馆的数据内容要涵盖五大类会计档案知识图谱要素里面规划的内容，如未涵盖，在实例图谱查询时则只能显示数据模型，不能显示具体数据。

二、总体技术架构

知识图谱应用平台提供本体管理、图谱管理、图谱构建等功能；知识图谱应用平台有超级管理员和用户两种角色，超级管理员可以管理用户所创建的图谱；用户可以实现创建图谱、导入数据、映射数据、构建图谱、会计档案关系模型查阅、会计档案关系查询等功能。

（1）技术路线：知识图谱应用平台以自然语言处理技术为支撑，对多源异构数据进行知识抽取、知识表示与融合、知识存储、知识建模与推理、知识计算等功能，为会计档案关系模型、会计档案数据查询等基于图谱的应用需求提供支持。

（2）创建图谱：用于管理系统创建的面向具体业务的知识图谱，如创建会计档案知识图谱。

（3）图谱设计：针对会计档案知识图谱进行Schema 设计，即定义会计档案知识图谱中的“实体”和“关系”。

（4）我的数据：为知识图谱配置基础数据源，可直接从会计档案中获取。

（5）图谱构建：基于Schema 选择基础数据源进行图谱构建，支持“数据清洗”和“归一消歧”等操作实现对会计档案知识图谱的手动调优。

（6）会计档案关系模型：模型包含五大类会计档案中存在的“实体”（如合同、发票、供应商、银行回单、记账凭证、明细账、资产负债表等），以及形成会计档案中各实体的关键要素即实体的“属性”，整合业务链条的会计档案电子文件和流转信息，建立起实体与实体、实体与属性、属性与属性之间的联系及“关系”，构建会计档案知识图谱的关系模型，并以立体形式展现。展现形式概述如下：①关系模型全局视角：在首页以展示会计档案中实体与实体间的关系。②关系模型局部视角：通过选中点击定位或搜索定位，定位到某个实体，可展示其与其他实体的内在和外在关系。③穿透查看：支持定位到某个实体后，穿透查看该实体的所有属性信息。④提供对模型的缩放、拖拽、旋转等动态的交互效果方便查看。

（7）会计档案关系查询：接入会计档案的实例数据后，基于前期建立的会计档案关系模型，提供实例数据的检索查询，如输入供应商名称，则可展示出会计档案中所有和该供应商建立关系的实例数据，及该供应商相关的全业务链条的价值信息。