知识图谱（Knowledge Graph）是显示知识发展进程与结构关系的一系列各种不同的图形，又被称为知识域可视化或知识领域映射地图，是用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。随着大数据技术的发展以及海量数据转化为知识时代的到来，知识图谱技术能够从海量非结构化数据（如文本和图像）和结构化数据中进行知识获取、知识共享，并在大数据时代进行知识创新。知识图谱可以高效、直观地描绘出目标对象（如企业，事件等）之间的相关网络，并在多维视角实现对象的真实情况和错综复杂的关系。在企业的实际业务中，面对海量繁多的财务会计凭证、账簿、报表及电子数据等信息，审计人员常常通过抽查来发现问题。知识图谱技术的出现，提供了更高效的审计，提高审计工作效率，可以作为经典审计方法的补充，在理想情况下甚至可以做到全面排查总体，这样不仅能避免审计抽样的风险，同时也降低了审计工作的复杂性和总体风险。本文基于百度问答的数据，对审计领域的一些常见知识进行了收集，基于多源异构审计数据，构建了结构化审计数据库，并通过可视化工具，进行初步的可视化分析产生可视化图表，对审计信息进行分析和使用，有助于审计信息使用者快速了解特定领域的审计知识，为审计需求相关方的决策提供参考价值。

一、研究回顾

知识图谱的应用大概分为通用知识领域和行业知识领域。通用知识领域的应用主要包括智能问答系统，如Google。Google 知 识 图谱是在Freebase 的基础上研发的，Freebase 是 由Kurt Bollacker,Robert Cook, Patrick Tufts(2007)提出的通用人类知识数据库。该数据库具有实用、可扩展、图形化、结构化的特点，其灵感来自于语义Web 研究和协作数据通信，如Wikipedia。Freebase 允许通过HTTP 的图形查询API 进行公共读写访问，用于研究、创建和维护结构化数据以及应用程序构建。近年来，国内学者还开发出一款类似Google 的大规模开放知识图谱---Zhishi. 是 从互动百科、百度百科和中文维基百科中提取实体信息，并协调来自各个来源的知识以获得规范的数据集，该图谱的规模虽不及Google 研发的知识图谱，但是却也包含大约1000 万个实体（周盛威，2018）。

知识图谱行业知识领域的应用主要有医学领域、金融领域等。医学领域方面，张崇宇（2019）提出面向临床医疗知识图谱的自动问答方法，主要依托于构建的临床医疗知识图谱的实体、关系及属性，通过数据冷启动机制生成语料，然后基于一种网格Bi-LSTM-CRF 算法的医疗实体识别和基于字-词编码CNN 模型的关系/属性映射方法来完成问题的语义解析任务。然后通过业务分流和查询逻辑转换为Neo4j 图数据库，最终实现医疗应用场景的知识图谱自动问答系统。在金融领域方面，张芸芸、方勇、黄诚（2018）提出基于Neo4j 图谱检测信用卡欺诈的方法，通过图数据库直观显示数据集的特征，并通过FICO评分标准建立FICO 模型，研究表明，该方法可以显著提高信用卡欺诈的识别率。

信息可视化在可视化技术中占有重要地位，通过将抽象数据进行可视化展示，从而加强人们对数据的认知及数据获取效率。Bernal 于1938 年绘制学科图谱，但知识图谱在我国于2005 年开始流行，相比于国外兴起较晚。目前，国内外关于知识图谱的可视化工具层出不穷。国外最为经典的知识图谱可视化分析软件是CiteSpace，它是一款针对科学文献的可视化分析工具，用于计量特定领域的文献，从而探寻该学科的发展方式和知识变迁。该软件适合复杂的网络关系可视化分析，但是CiteSpace被运行在java 平台，适合专业基础较高的人，使用门槛高。在国内，Plantdata 是一款较为成熟的知识图谱可视化平台。与传统知识图谱的可视化平台不同的是，Plantdata 加入了时间属性，支持仪表盘功能，并加入交互操作。其最为出色的一点是支持快速搭建高效精准智能深度搜索系统，并以不同的形态展现给用户，通过对多个维度进行分析，帮助用户做出决策（杨卓，2019）。

图1 csv 文件中部分数据

图2 节点查询示例图

图3 审计关系查询的节点示例

经过以上对国内外研究的分析和比较，可以看出知识图谱及其可视化服务正在迅猛发展，并开始逐步应用至各行各业。知识可视化的实质是将内容用图形的方式表示，更符合人们对信息的感知与理解，从而进行知识传播（刘琦，2018）。在企业审计领域中，由于审计知识领域涉及范围较广，审计知识之间的关系纷繁复杂，存储、组织和表达方式较为松散，缺乏有效的管理。另外，审计知识检索的效率不高，无法进行关联知识的深度检索。由此可见，将知识图谱与可视化技术运用至企业审计领域中，与检索者产生交互，显示地表达知识的整体性与关联性，将对知识的传播起到推动作用。同时，企业也可通过运用审计知识图谱，将传统的业务推动数据模式转化为数据推动业务模式，提高审计的效率，挖掘不易发现的审计数据，为企业决策提供参考价值（樊世昊，2018）。国内外对于实现信息化审计的研究仍处于起步阶段，由于审计领域涉及范围较广，实现全面的大数据审计仍有难度。目前，虽有一些学者将知识图谱应用在审计领域中，但尚无较为成熟的应用。