基于知識圖譜分析的會計人工智能研究綜述

侯芳 呂飛豹

【摘 要】 目前國內外對會計人工智能方面的研究日益增多，這些研究對會計行業的發展和轉型提供了重要的借鑒。文章對會計人工智能研究進行了梳理，運用CITESPACE軟件，采用文獻計量學方法對2015—2019年的國際國內會計人工智能研究的知識圖譜結構進行可視化分析。繪制出研究機構分布、發文作者分布、關鍵詞分布以及會計人工智能領域研究演進與前沿趨勢。研究表明，國際上馬來西亞發表的相關文獻最多，國外偏重于從技術角度進行研究，國內學者更多的是反思與探討人工智能技術在會計領域的應用，側重于影響和挑戰等，研究差異來源于國情、文化和研究基礎不同，這些將對我國后續如何開展相關理論研究和實踐創新提供一定的借鑒意義。

【關鍵詞】 會計; 人工智能; 知識圖譜; 文獻計量; 可視化

【中圖分類號】 F233 ?【文獻標識碼】 A ?【文章編號】 1004-5937（2020）13-0144-06

隨著科技的不斷進步，人工智能在各行業應用進一步深入。1987年，美國注冊會計師協會發表了《人工智能與專家系統簡介》[1]。國外財會領域對人工智能技術在會計、審計和稅務等方面的運用開始進行試探研究，由于人工智能技術本身發展的原因，一直未取得實質性的突破。2016年，國際四大相繼推出的財務機器人和相應的解決方案，使得傳統會計行業的變革“機器人流程自動化”來臨[2]。同時，國內外對于會計人工智能研究的論述逐漸增多，成為財會領域研究的熱點[3]。

一、國際期刊發文數據分析

“會計+人工智能”研究領域英文數據來源于Web of Science 數據庫核心集，以“TS=（Accounting AND Artificial Intelligence）”為檢索式，文獻類型選擇article，時間范圍為最近五年，通過檢索可以得到該領域的英文期刊文獻題錄數據。大部分數據包括了文獻的題目、作者、摘要和相應的引文信息等，檢索出大約388條記錄，數據檢索截止時間是2019年11月2日。

通過運用Cite SpaceⅡ軟件，分析處理了時間分區為2015—2019年期間的英文數據，對收集到的英文數據進行處理，同時設定時間切片為1，對研究機構、被引文獻、關鍵詞等進行設置，得到了一系列的知識圖譜。

（一）研究機構分布

在使用了Cite SpaceⅡ后，繪制出國際會計+人工智能研究領域的研究機構的圖譜，如圖1。

表1是對主要研究機構和國家進行數據加工和處理后得出的結果。從表1中可以看出，發表文獻最多的前5個研究機構全為大學，占到該領域總量的6.66%。單是伊朗就占了兩席，其余是馬來西亞、新加坡和澳大利亞各占一席，這表明亞洲國家在“會計+人工智能”領域占有最重要的科研地位，具有比較大的領先優勢。

從具體的研究機構來看，馬來西亞理工大學發表的相關文獻數量最多，2015—2019年共發表6篇，占該領域文獻總量的1.54%。其次為新加坡國立大學、墨爾本大學、大不里士大學和德黑蘭大學。使用知識圖譜，就能夠基本通過可視化的形式反映出其科研機構的科研實力。總體上這5家研究機構構成了國際“會計+人工智能”研究領域研究的主體結構。

（二）發文作者分布

通過追蹤對“會計+人工智能”研究領域有重要學術影響力的作者，可以基本明確他們的研究領域，他們的研究方法和結論可能會是該領域的“分水嶺”，對未來的研究方向起到舉足輕重的指引作用。圖2顯示了“會計+人工智能”研究領域的作者合作圖譜。圖中每一個節點代表一個發文作者，圓形節點及節點文字的大小均代表了該作者發文數量的多少，此處圖譜閾值設置為2（發文小于2篇的作者不會在圖譜中顯示名字）;節點之間的連線表示作者之間存在合作關系，連線越粗，合作次數越多、強度越高;圖中節點和連線的顏色代表發表年代，從深色到淺色依次代表2015—2019年，圓圈的厚度色環越厚，表示在對應的年份發文越多。從整體研究現狀來看，學者的研究普遍呈現合作的趨勢。

（三）關鍵詞分析

研究熱點的高低可以通過關鍵詞的頻次充分體現出來，技術上主要通過信息流的大小來實現。頻次高、信息流大可能就是這些領域的研究熱點。為了圖譜顯示更多關鍵信息，此圖譜閾值設置為9（詞頻小于9的關鍵詞將不會在圖譜中顯示名稱），圖譜中，將遠遠大于其他關鍵詞的“Artificial Intelligence”（人工智能）關鍵詞節點隱去。關鍵熱點的尋找需要通過節點的頻次大小充分揭示出來。節點信息頻次高低可以通過利用Cite SpaceⅡ來輸出，如表2。

對關鍵詞形成圖譜進行聚類，對其聚類內容進行輸出，選取其中最大的3個聚類，可以得出表3。

選取聚類最大的前三個聚類信息進行統計，可以得出，0號聚類（模擬）遠遠大于其他聚類，該聚類是研究人工智能技術對于傳統會計行業的設計、決策、邊界、鑒定等各種問題的模擬等方面內容;4號聚類（自動化）則是側重對創新、生產力、云計算等方面的提升;另外較大的聚類還有10號聚類Uncertainty（不確定性），代表了該研究領域相關各個熱點問題。

（四）研究演進與前沿趨勢分析

知識演進變化趨勢在時間維度上如何能動態地呈現出來，不同研究階段的布局特征如何演變，這些都要依賴關鍵詞共現時區視圖或研究主題共現時區視圖。

圖3就是就是通過運行Cite SpaceⅡ，用“會計+人工智能”作為關鍵詞來研究文獻量變化趨勢，通過分析2015—2019年期間“會計+人工智能”領域的關鍵詞遷移，可以看出大致上有三個階段：

第一階段（2015）主要的關鍵詞有Artificial Intelligence（人工智能）、Artificial Neural Network（人工神經網絡）、Algorithm（算法）、Model（模式）、System（系統）等。

第二階段（2016—2018）主要的關鍵詞有Behavior（行為）、Knowledge（知識）、Genetic Algorithm（遺傳算法）、Big Data（大數據）等。

第三階段（2019）主要關鍵詞有Infrastructure（基礎設施）、Deep Learning（深度學習）、Iterative Method（迭代法）等。

二、國內期刊發文數據分析

“會計+人工智能”研究領域中文數據來源于CNKI（知網）數據庫，在文獻檢索中以主題“會計”+關鍵詞“人工智能”，時間范圍為最近五年進行檢索，得到594條文獻數據。對數據進行人工篩選，去掉會議記錄、報紙及與本研究內容相關性不強的文獻，每一條題錄數據中基本上都包括了文獻的標題、作者信息、相關的摘要和引文信息等，截至2019年11月2日，得到了565條檢索數據。

運用Cite SpaceⅡ軟件，選擇研究機構、被引文獻及關鍵詞作為研究類型，對2015—2019年間國內的相關數據進行處理，得到如下的結論：

（一）研究機構分布

利用Cite SpaceⅡ，繪制國內“會計+人工智能”研究領域的研究機構圖譜，對其相關數據進行加工處理得出，主要的研究機構及研究成果如表4所示。

在表4可以明顯看出來，所有該研究領域中，有五所高校的研究占到了文獻總量的8.82%。江西財經大學占2席，其余是安徽、重慶和北京各占一席，這表明江西省在“會計+人工智能”領域占有最重要的科研地位，具有比較大的領先優勢。

從具體的研究機構來看，江西財經大學（包括江西財大會計學院）發表的相關文獻數量最多，共發表了18篇。安徽財經大學會計學院、重慶理工大學會計學院、中央財經大學緊隨其后。總體上這4家研究機構構成了國內“會計+人工智能”研究領域研究的主體結構。

（二）發文作者分布

從整體研究現狀來看，學者的研究也是普遍呈現合作的趨勢。在使用Cite SpaceⅡ后，表5中的作者就是在該研究領域中輸出頻次較高者。

（三）關鍵詞分析

利用Cite SpaceⅡ繪制出國內“會計+人工智能”研究領域的關鍵詞圖譜，如圖4。

研究熱點可以通過關鍵詞的頻次來體現出來，頻次的高低體現在通過該節點的信息流的強弱上。頻次高，信息流強的反映出來可能就是研究熱點。圖4中的網絡圖形是由一些十字節點組成，節點大就說明該關鍵詞出現的頻次高，反之則表示頻次低。為了讓圖譜顯示更多關鍵信息，將此圖譜閾值設置為15（詞頻小于15的關鍵詞將不會在圖譜中顯示名稱）。圖譜中，將遠遠大于其他關鍵詞的“Artificial Intelligence”（人工智能：詞頻478）隱去。在Cite SpaceⅡ軟件中，可以明顯看出來頻次的多少，順序依次為人工智能，管理會計，財務會計，會計行業，影響，會計，轉型，會計工作，財務機器人，會計人員，其中人工智能的頻次最高，達到470次。見圖5。

對其聚類內容進行輸出，選取其中最大的4個聚類，可以得出表6。

通過對聚類最大的前四個聚類信息進行分析，可以看到最大的聚類是0號聚類（會計工作），也是研究人工智能技術對于傳統會計行業的沖擊以及應對問題;1號聚類（管理會計）則是側重對會計人才各種管理方面的問題;其次，2號聚類（財務機器人）也比較大，它研究的是財務機器的基礎研究以及傳統會計的轉型方面的領域，另外較大的聚類還有3號聚類（會計專業），這個研究熱點是各院校對會計專業人才的培養、提升以及在互聯網形勢下的創新和改革。

（四）演進與前沿趨勢的分析

圖6就是關鍵詞共現時區視圖，也是運行Cite SpaceⅡ后得到的，以“會計+人工智能“作為關鍵詞的時序遷徙圖譜。

在該圖譜中，將2015—2019年期間的文獻變化趨勢的研究大致劃分為三個階段：

第一階段（2015—2016）主要的關鍵詞有財務會計、會計工作、管理會計、財務機器人、挑戰、影響等。

第二階段（2017—2018）主要的關鍵詞有大數據、財務轉型、應對、策略、共享等。

第三階段（2019）主要關鍵詞有措施、趨勢、轉變、科技發展等。

三、結論及建議

通過上述分析，可以得出一些結論和建議：

第一，通過研究機構發文量的分析，2015—2019年亞洲國家在“會計+人工智能”領域占有最重要的科研地位，具有比較大的領先優勢，這與我們常規的認識不同，其中馬來西亞理工大學發表的相關文獻數量最多。一般會計領域的先進研究領域都是歐美國家，但是“會計+人工智能”大量研究卻出現在亞洲國家，分析原因，可能因為亞洲國家普遍存在勞動力密集且勞動力的成本普遍上升較快，而人工智能會計在某種程度上可以降低會計人員人工成本，同時提升了效率，提高了精準度，增強了風險控制的能力。各個國家的政府和企業都會比較重視相關研究，因此，亞洲國家在“會計+人工智能”領域占據有較大的研究優勢。

第二，從國內研究機構來看，江西財經大學、安徽財經大學會計學院、重慶理工大學會計學院、中央財經大學構成了國內“會計+人工智能”研究領域的主體結構。國內高校在相關領域的研究，主要來源于各個高校的研究基礎，諸如江西財經大學的會計學科是江西省“九五”“十五”“十一五”重點學科，在教育部第四輪學科評估中工商管理一級學科評為B+等次，2018年MPAcc專業學位教育獲得AAPEQ質量認證A級成員單位。同時，在該系有會計電算化教育中心，因此，不但在會計領域，而且在電算化方面均有雄厚的科研基礎，這些都具備了“會計+人工智能”的研究基礎。重慶理工大學會計學院的會計學專業也是國家特色專業，重慶市首批特色專業和重慶重點專業，早在2010年，《會計信息化》就成為國家級精品課程。這些研究基礎和條件都奠定了在“會計+人工智能”領域可以領先于其他高校。建議這些高校充分發揮先前基礎優勢，爭取與其他高水平的大學在會計研究領域上形成差異化的研究趨勢，逐步加強自己的特色優勢。

第三，發文作者整體研究現狀來看，學者的研究普遍呈現合作的趨勢。目前的會計研究日益精細化，“會計+人工智能”本身就需要具備復合型的知識體系，在會計領域和人工智能領域的合作可以有利于這個領域方面高水平論文的發表，而交叉學科和高水平論文的發表都需要進行深度合作才可以完成。這個也符合科研領域的特點。這些在某種程度上給予我國研究人員在尋找合作伙伴或者合作機構時候提供了參考價值。同時，體現出了研究已經呈現了一定的區域性，亞洲國家可以在人工智能會計領域開展充分的合作。通過合作可以在人工智能國際會計研究領域方面形成領先者的地位。

第四，從發文關鍵詞進行分析。國際研究學者更多的是從人工智能的技術角度進行研究。而國內研究更多的是研究人工智能技術對于傳統會計行業的沖擊以及應對問題;會計人才的各種管理方面的問題;財務機器的基礎研究以及傳統會計的轉型方面的領域，各種院校對會計專業的培養、提升以及在新互聯網形勢下的創新和改革。海外學者與我國相關研究的差異，主要還是體現在國情基礎和研究基礎的不同，我國是人力資源大國，區域知識結構、區域觀念和研究基礎差異較大，復雜問題比較突出，因此大量的研究還是體現在統一認識，轉變觀念上的研究層面上。建議我國在未來研究中也要充分考慮計算機網絡技術，從技術角度來完善和提高我國人工智能會計的研究水平，尤其是充分利用大數據分析的一些技術優勢，將網絡、人工智能和會計應用充分結合起來，促進我國管理會計高水平的應用，將更多的技術成果轉換到人工智能會計應用領域。

第五，研究演進與前沿趨勢分析。國外學者更多探討的是人工智能在會計領域應用的基礎機理研究，而國內學者更多的是反思與探討人工智能技術在會計領域應用后，對其造成的影響與挑戰，以及應對之策。相對來說，海外學者更偏重技術層面的創新，偏好人工智能技術角度意味著研究者大部分來自于計算機領域。而我國的研究者大部分來自會計領域，因此，在技術角度上也不容易實現太多的創新和突破。總體來說，研究差異來源于國情不同、文化不同、研究基礎不同。在路徑依賴理論下，“會計+人工智能”研究通常具有報酬遞增的特征。最先發展起來的研究，利用規模效益和先天優勢，使得單位成本急劇下降，同時，通過學習效應，迫使其他行為者采用相同或者相似的技術，這種協調效應實現自我增強的良性循環。報酬遞增的經濟領域，是一種正反饋機制。一旦一個研究開發和投入應用，并繼續獲得報酬遞增，就會以一種良性循環效應而使自己不斷加強在市場上的地位，直至統治整個市場。既然我們在“會計+人工智能”領域已經有了良好的開端，就應該繼續加大研究力度，利用積極的路徑依賴使得相關研究產生遞增機制，同時，加強國際間的區域合作，亞洲國家中的越南、印度、菲律賓、印尼等很多都是人力資源大國，通過研究開發出高水平的財務機器人可以在這些國家形成應用優勢。同時，借鑒發達國家的管理會計理論和經驗，將我們的人工智能會計盡快應用在管理領域，形成中國特色的人工智能管理會計研究，減少風險，從而提高我國相關研究的水平和應用價值。

【參考文獻】

[1] 彭啟發，王慧秋，王海兵.會計人工智能存在的風險與對策研究[J].會計之友，2019（5）：114-119.

[2] 田金萍.人工智能發展綜述[J].科技廣場，2007（1）：230-232.

[3] 余應敏，王彩淋.財務機器人對會計行業的影響及其應對策略[J].會計之友，2018（7）：54-56.