| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 2 智能审计相关技术与系统总体设计 | 第13-20页 |
| 2.1 数据挖掘技术在审计中的应用 | 第13-14页 |
| 2.2 文本挖掘技术 | 第14-15页 |
| 2.3 审计分析模型概述 | 第15-16页 |
| 2.3.1 审计分析模型基本概念 | 第15页 |
| 2.3.2 审计分析模型处理流程 | 第15-16页 |
| 2.4 专家系统概述 | 第16-18页 |
| 2.4.1 专家系统基本概念 | 第16页 |
| 2.4.2 专家系统主要结构 | 第16-18页 |
| 2.5 系统总体设计 | 第18-19页 |
| 2.5.1 需求分析 | 第18页 |
| 2.5.2 系统总体功能结构 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 3 财务报表审计分析模型研究 | 第20-30页 |
| 3.1 引言 | 第20页 |
| 3.2 审计分析模型构建 | 第20-25页 |
| 3.2.1 指标体系与数据准备 | 第20-23页 |
| 3.2.2 审计分析模型构建方法 | 第23-25页 |
| 3.3 基于审计分析模型与专家知识的财务报表审计模块 | 第25-27页 |
| 3.3.1 整体设计 | 第25-26页 |
| 3.3.2 专家知识库构建 | 第26-27页 |
| 3.4 财务报表审计分析模块设计与实现 | 第27-29页 |
| 3.4.1 功能模块 | 第27页 |
| 3.4.2 人机交互界面实现 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 会计凭证智能分析算法研究 | 第30-45页 |
| 4.1 引言 | 第30页 |
| 4.2 凭证内容规范化算法 | 第30-34页 |
| 4.3 基于词共现与SOM神经网络的凭证摘要聚类算法 | 第34-41页 |
| 4.3.1 算法整体设计 | 第34页 |
| 4.3.2 词间共现率计算 | 第34-35页 |
| 4.3.3 共现词组选取及文本向量化表示 | 第35-37页 |
| 4.3.4 改进的SOM神经网络 | 第37-39页 |
| 4.3.5 实验结果与分析 | 第39-41页 |
| 4.4 会计凭证智能分析算法设计与实现 | 第41-44页 |
| 4.4.1 功能模块 | 第41页 |
| 4.4.2 审计线索发现模块 | 第41-42页 |
| 4.4.3 可视化模块 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 审计报告智能分析与处理 | 第45-58页 |
| 5.1 引言 | 第45页 |
| 5.2 基于BiLSTM神经网络的特征融合短文本分类算法 | 第45-55页 |
| 5.2.1 算法设计 | 第45-46页 |
| 5.2.2 文本向量化 | 第46-50页 |
| 5.2.3 BiLSTM神经网络构建 | 第50-52页 |
| 5.2.4 算法实验 | 第52-55页 |
| 5.3 审计报告智能分析系统实现 | 第55-57页 |
| 5.3.1 功能模块 | 第55页 |
| 5.3.2 问题、法律提取模块 | 第55-56页 |
| 5.3.3 可视化模块 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 数据库日志分析处理 | 第58-62页 |
| 6.1 引言 | 第58页 |
| 6.2 整体设计 | 第58页 |
| 6.3 可视化 | 第58-61页 |
| 6.4 本章小结 | 第61-62页 |
| 7 总结与展望 | 第62-64页 |
| 7.1 总结 | 第62页 |
| 7.2 不足与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 后记 | 第67-68页 |
| 攻读学位期间取得的科研成果清单 | 第68页 |
