一种面向审计评估的数据获取和处理方法及专家系统

技术领域

本发明涉及不确定信息处理技术领域，具体为一种面向审计评估的数据获取和处理方法及专家系统。

背景技术

审计评估越来越依赖于专家的行业知识。行业知识通常由专家以主观的形式表达出来。比如，在当前主流审计技术中，审计人员经常用1，2，3，4，5表示审计对象的5个评估等级，对应自然语言的“很差”，“差”，“一般”，“良好”，“优秀”5个标度。然后在给定的指标体系下，利用加权算术平均的方法对审计对象进行综合评估。

一般地，表示不确定的途径有两种。一种是先确定左右边界，再形成区间，比如“介于一般和优秀之间”；另一种是先确定最有可能的中心点，在确定变化范围，比如“很有可能是良好，至少是一般，至多是优秀”。审计技术方法应允许专家自由地表达意见，协调专家分析，给出可信的评估结论。然而，这样的评估方法虽然简单，适合审计操作，但也具有明显的不科学性。

发明内容

本发明的目的在于提供一种面向大规模审计评估的数据获取和处理方法，利用概率语言集表述专家不同形式的不确定语言信息，不同策略的共识度改进算法能适应不同应用场景，共识度和评估结果均有概率上的风险估计，便于在实施过程中掌控风险。

为实现上述目的，本发明提供了一种面向大规模审计评估的数据获取和处理方法，包括如下步骤：

S1、根据评估体系，将专家输入的评估信息表示为概率语言集；

S2、计算专家概率语言集信息的共识度；

S3、若上述共识度可接受，转向步骤S4，否则转向步骤S5；

S4、基于随机分析，计算评估结果及其可信度；转向步骤S6；

S5、基于群体贡献，计算评估结果及其可信度；

S6、输出评估结果及其可信度；

所述大规模审计评估是指K(K≥20)个专家针对J(J≥1)个审计指标分别对审计对象进行评估，第k个专家在第j个指标下的评估值由预先定义在论域[L,R]上的包含τ+1个标度的语义标度集S＝{S

优选的，所述步骤S1中，具体过程为：针对第k(k＝1,2,...,K)个专家在第j(j＝1,2,...,J)个指标下的评估值，其概率语言集表示的评估值a

当专家输入1个语言标度S

a

当专家输入2个语言标度S

a

其中p

当专家输入3个语言标度S

a

其中S

其中一个三元组(x,y,z)表示定义在[L,R]的如下函数：

优选的，所述步骤S2中，计算专家信息的共识度的过程包括如下步骤：

S21、初始化累加器t＝0，循环控制次数T＝10000，计数器cnt＝0；

S22、t＝t+1，如果t＜T，转入S23；否则，转入S26；

S23、对于每个评估值a

S24、计算B的共识度CI：

其中b

S25：如果CI＞δ

S26：共识度GCI＝cnt/T。

优选的，所述步骤S3中，共识度可接受是指GCI＞δ

优选的，所述步骤S4中，基于随机分析，计算评估结果及其可信度的具体过程包括以下步骤：

S41、初始化累加器t＝0，循环控制次数T＝10000/δ

S42、如果t＜T，转向步骤S43；否则，转向步骤S45；

S43、从调整后的评估矩阵(a

其中函数round()表示四舍五入，函数I()返回语言标度的下标；

S44、对于i＝0,1,...,τ，如果

S45、对于i＝0,1,...,τ，

S46、输出评估结果

优选的，所述步骤S5中，基于群体贡献，计算评估结果及其可信度的具体过程包括如下步骤：

S51、对评估矩阵(a

S52、对于k＝1,2,...,K，计算第k个专家对所有指标评估值的总体贡献

计算第k个专家的权重ω

S53、对于j＝1,2,...,J，计算第j个指标的总体评估值b

计算第j个指标总体评估值的可信度D

S54、计算评估结果S

计算评估结果可信度D，其中

优选的，一种面向审计评估的数据获取与处理方法的专家系统：包括以下5个模块：案例库模块、专家库模块、算法库模块、用户界面模块、主模块；

所述主模块包含以下5个单元：初始化单元、信息转化单元、共识度判定单元、评估结果计算单元1、评估结果计算单元2；

其中，所述初始化单元、信息转化单元、共识度判定单元依次串行连接；所述共识度判定单元与评估结果计算单元1、评估结果计算单元2串行连接；所述评估结果计算单元1和评估结果计算单元2并行。

因此，本发明采用上述一种面向审计评估的数据获取和处理方法，具有以下有益效果：

1、本发明允许专家以接近自然语言形式的多个语言标度表达评估意见，既接近自然语言习惯，又不强制专家必须选择唯一确定的语言标度，在复杂评估问题中具有较高的可用性；

2、本发明提供了两种策略计算审计目标的总体评估值。第一种策略适用于群体共识度较高的情形，符合综合评估的一般实施框架；第二种策略适用于群体共识度较低的情形，在群体规模较大时具有良好的效果；

3、本发明不仅能处理不确定信息，而且给出了评估结果的可信概率或可信度。这对审计应用提供了很好的可操作性。审计人员不必担心由不确定导致的审计风险不可控；

4、本发明的技术核心是一种不确定信息决策方法，故还可以用于其他的基于不确定信息的评估系统中。

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

图1为本发明一种面向审计评估的数据获取和处理方法的步骤流程图；

图2是本发明用于某企业财务公司主要领导人员经济责任审计的实施例的审计评估体系示例图；

图3是本发明实施例中使用的语义标度集的三角模糊数形式的语义示意图；

图4是实施例实现面向审计评估的数据获取与处理方法专家系统的结构示意图。

具体实施方式

以下通过附图和实施例对本发明的技术方案作进一步说明。

本发明提供了一种面向审计评估的数据获取和处理方法，如图1所示，包括以下步骤：S1、根据评估体系，将专家输入的评估信息表示为概率语言集；S2、计算专家概率语言集信息的共识度；S3、若上述共识度可接受，转向步骤S4，否则转向步骤S5；S4、基于随机分析，计算评估结果及其可信度；转向步骤S6；S5、基于群体贡献，计算评估结果及其可信度；S6、输出评估结果及其可信度。

实施例

任期经济责任审计，是对被审计人任职期间所在单位的资产、负债、损益的真实性、合法性、效益性，以及被审计人个人履行经济责任。指标体系因被审计人的职务性质、任职单位等不同而不同。虽然对指标的评估依赖于审计人员取证、鉴证等活动，但部分指标的特性决定了它们不适用于简单的量化。而且，由于地域、经济环境等因素影响，对被审计人的评价不能简单考虑任期目标、期初水平等确定性数据，而要依靠行业专业知识，基于鉴证结果做出客观的评价。

如图2所示，在实施例中，评估体系包含J＝6个属性。K＝20个专家利用预先定义在标准化论域[L＝0,R＝1]上的包含5个标度的语义标度集：

S＝{S

对审计目标分别进行评估。其中，语言标度集对应的三角模糊数形式的语义如图3所示。6个属性的权重分别为w

S1：根据图2所示的评估体系，专家输入的评估信息如表1所示，将专家输入评估信息表示为概率语言集，包含如下步骤：

表1专家在系统中输入的审计评估信息表

(1)当专家输入1个语言标度S

例如，专家1关于重大经济决策的评估值为S

(2)当专家输入2个语言标度S

例如，专家2关于企业发展战略规划的评估值为S

(3)当专家输入3个语言标度S

例如，专家4关于企业发展战略规划的评估值为S

由于：α＝1，γ＝4，μ

所以，

表2专家评估信息的概率语言集表示的结果

步骤S1的优点在于，允许专家以不同形式的语言表达不确定评估信息，并将信息统一表示成概率语言集。对于形如“介于S

S2：计算专家概率语言集信息的共识度，算法如下：

S21：初始化t＝0,T＝10000,cnt＝0。

S22：t＝t+1，如果t＜T，转入步骤S23；否则，转入步骤S26。

S23：对于每个评估值a

S24：计算B的共识度CI。

例如，上述抽样得到的矩阵B的共识度CI＝0.675。

S25：如果CI＞δ

本实施例取δ

S26：共识度GCI＝cnt/T。算法运行的结果为GCI＝cnt/T＝0.1253。表示该评估矩阵的共识度可接受的概率为12.53％。

上述步骤S2计算专家信息共识度的算法优点在于：输出的共识度GCI具有概率的解释，方便审计人员理解共识度的风险。其中参数δ

S3：如果共识度可接受，即GCI＞δ

本实施例中，审计人员给定δ

S5：基于群体贡献，计算评估结果及其可信度。

S51：对于评估矩阵(a

例如，本实施例中b

S52：对于k＝1,2,...,K，计算第k个专家对所有指标评估值的总体贡献。

例如，B

S53：计算第j个指标的总体评估值，得b

S54、计算评估结果和评估结果可信度D，得

S6、输出评估结果和评估结果可信度。

本发明同时还公开了一种实现面向审计评估的数据获取与处理方法的专家系统，如图4所示，主要包括以下5个模块：

案例库：通过接口与主模块连接，存储系统评估过的案例；同时利用已存储的案例对新案例快速初始化；

专家库：通过接口与主模块连接，存储并管理审计评估过程中邀请的专家信息；

算法库：通过接口与主模块连接，包含本发明的面向审计评估的数据获取与处理方法公开的关键算法，包括但不限于步骤S1中的评估信息表示算法、步骤S2中的共识度计算算法、步骤S4中的距离计算算法、随机抽样算法、步骤S5中的贡献度算法、权重计算算法；

用户界面：通过接口与主模块连接；用户类型包含三种：管理员用户、审计人员用户、专家用户。其中管理员用户拥有所有权限；审计人员用户拥有管理案例库、专家库的权限；专家用户仅拥有输入、修改评估信息的权限，且是案例敏感的；

主模块：通过接口与其他4个模块连接，完成本发明公开的面向审计评估的数据获取与处理方法的步骤S1～S7的工作。

主模块包含以下5个子模块：

初始化单元：完成审计评估问题的初始化，设定评估属性及其权重、评估标度集、步骤S1～S6算法中的参数；初始化专家评估界面；

信息转化单元：接收专家界面输入的信息，利用步骤21所述算法将信息转化为概率语言集形式并存储；

共识度计算改进单元：接收信息转化单元的概率语言集形式的评估信息，调用步骤S2～S6的算法计算共识度、、判断共识度是否可接受；

评估结果计算单元1：接收共识度判定的评估信息，调用步骤S4的算法计算评估结果；

评估结果计算单元2：接收共识度判定的评估信息，调用步骤S5的算法计算评估结果；

其中，所述初始化单元、信息转化单元、共识度判定单元依次串行连接；所述共识度判定单元与评估结果计算单元1、评估结果计算单元2串行连接；所述评估结果计算单元1和评估结果计算单元2并行。

因此，本发明采用上述一种面向审计评估的数据获取和处理方法，不仅综合考虑了所有专家的共识度程度较高的意见，而且输出结果为唯一确定的语言标度，满足审计评估的需求。同时，算法输出了该语言标度可信的概率，使审计人员能理解并评估审计风险。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。