人工智能知識圖譜技術在企業財稅知識管理中的應用

●陳 威 孫 甜

一、前言

財稅管理是企業管理的核心環節，是企業基業長青的重要基礎和保障，為支撐企業持續健康高質量發展，國務院國資委發布了《關于中央企業加快建設世界一流財務管理體系的指導意見》，在探索和使用財務工具、 將領先信息技術應用于財務領域和財稅人員隊伍國際化培養等方面，做出重大指導。 相關企業認真學習指導意見，貫徹落實，財務管理水平顯著提升，保障了企業健康發展。 然而，隨著企業數字化轉型的推進和財稅法規的發展，財稅管理仍面臨新的挑戰，包括：一是復雜的法規和法律環境。 為適應數字化時代的管理需求，財稅法規經常發生變化，這導致財稅管理人員難以及時了解并調整財稅策略；二是技術復雜性。 企業通常使用多個不同的系統來處理財稅事務，其中要掌握的技術對一些組織而言可能是一項具有挑戰性的任務； 三是新型財稅人才需求。 數字化時代的財務管理需要具備數字技術和財務專業知識的人才，但這樣的人才相對稀缺，組織需要付出額外成本來招聘和培養這方面的人才。 為解決新發展形式下企業財稅管理面臨的問題，現代知識管理采用了更加先進的技術，如自然語言處理、知識圖譜等，來提高搜索的準確性和智能化程度。 通過這些技術可以理解用戶輸入的自然語言，提取查詢重點，利用知識圖譜等數據源進行查詢、匹配和推理操作，從而生成更加精準的搜索結果和智能問答；有助于用戶更全面地理解和把握企業財稅知識，為財稅管理人員提供更及時、準確和完整的財稅信息，提升信息的組織、理解和利用水平，為財稅工作提供更加智能、高效的支持。

二、湖北煙草企業財稅知識管理現狀及面臨問題

（一）湖北煙草企業數字化轉型現狀

國家“十四五”規劃和2035 年遠景目標綱要明確提出“加快數字化發展，建設數字中國”。 湖北煙草把握數字經濟發展新機遇，建設一體化平臺，推動數字化、網絡化、智能化發展。 湖北煙草扎實推進數字技術與煙草業務的深度融合，加速推進數字技術在煙草行業的應用，加速推進高水平科技自立自強，為湖北煙草發展注入新的活力。 湖北煙草實現了卷煙營銷由“經驗型”向“數據型”的轉變，充分運用現代信息技術，如大數據和云計算。 為了滿足不同卷煙營銷業務需求，湖北煙草構建了“知音E 采”智慧管理平臺，采用數字化、 可視化和場景化的三位一體方法。平臺的核心理念是以“數據驅動業務、業務賦能終端”為中心，建立了數據采集應用機制，通過打通云POS 終端信息鏈條，實現了精準采集、精細管理、精確分析和高效應用數據，積極推動了湖北煙草卷煙營銷的數字化轉型。 在實現智慧種煙新模式方面，湖北煙草應用了“煙葉信息管理基礎軟件”“煙技通”“全國統一煙葉生產經營管理平臺”等平臺。 通過這些平臺，湖北煙草推進了煙葉生產技術的全過程信息化管理，探索了“掌上”智慧種煙新模式。這使得生產數據能夠即時查看，過程管理更加高效，煙葉質量可追溯，生產技術也能夠通過云培訓進行推動。湖北煙草通過一系列的舉措，有效推動了煙葉生產的數字化轉型。

（二）湖北煙草智能財務的建設與完善

在數字化時代，各行業紛紛涌現出“智能+”應用場景，財務領域尤其積極迎合這一潮流，不斷推動財務管理向智能化方向發展。在這一背景下，智能財務的概念應運而生，成為企業財務轉型的嶄新熱潮。湖北煙草充分認識到智能財務建設與業務財務融合之間的緊密聯系，將其視為管理會計的橋梁，為企業提供更高效、智能的財務管理方式。通過清晰理解管理會計、業務財務融合和智能財務之間的關系，湖北煙草構建了智能財務建設框架，以滿足企業財務管理的緊迫需求，推動智能財務在企業中全面實施。

首先，湖北煙草通過整合和清洗企業財務數據，確保數據的質量和準確性，為后續的智能分析奠定基礎。這一步驟是智能財務建設的基石，確保數據可靠、一致，為進一步的智能化處理提供可靠的基礎。 其次，湖北煙草積極整合各類“智能+”技術，包括人工智能、大數據、云計算以及RPA 等，進行智能分析，深挖數據中的潛在價值，為財務決策提供更為科學的依據。這一步驟旨在充分利用現代技術，使得財務數據得以更加深入和全面地分析，為企業提供更智能的決策支持。 最后，在數字化財務運營方面，湖北煙草引入了先進的數字化工具和系統，實現了財務流程的自動化，提高了運營效率。 這不僅節省了時間成本，還降低了錯誤率，使得財務運營更為高效、準確，符合數字化時代的要求。

通過智能財務清晰的框架和細致的整合，湖北煙草在管理會計、 業務財務融合和智能財務三者之間找到了平衡點，推動企業在數字化浪潮中迎接財務管理的未來。 這一系列的舉措將為湖北煙草提供新的思路和方法，為企業財務管理者和決策者提供更科學、先進的財務管理手段，推動企業在數字化時代中持續創新與發展。

（三）湖北煙草企業財稅知識管理面臨問題

在新的發展形式下，特別是大數據和人工智能技術的飛速發展，對財務知識管理提出了更高的要求。湖北煙草財稅知識管理在當前環境下，仍面臨挑戰和問題，主要包括：一是碎片化的信息，缺乏有效管理。財稅信息可能來不同監管層級和內外部自多個渠道，包括法規、政策、稅法等，而且財稅法規和政策經常發生變動，導致信息碎片化，難以整合和統一，企業難以及時了解國家、地方和行業的相關規定，容易產生合規性風險。二是財稅信息檢索困難。傳統的財稅知識檢索系統由于搜索算法限制、不同格式的數據、信息的碎片化等問題，導致搜索結果可能會存在冗余、錯誤信息多、誤導性強等問題。 而且財稅人員往往需要查詢多個信息來源，人為篩選多來源的財稅法規，檢索效率低下，影響財稅工作的推進。 三是培訓和知識傳承缺乏有力抓手。財稅領域具備較高的專業性，要求財稅人員需要具備一定的專業素養，了解最新的法規和政策，具備處理財務數據的技能。然而，由于企業內部缺乏有效的知識管理手段，使得新員工的培訓難度較大。人員的流動導致知識斷節，影響財稅工作的開展。

三、 基于知識圖譜的煙草企業財稅知識管理實踐

本文以湖北煙草行業作為研究對象，企業所得稅是財稅法規日常工作中涉及較多的內容，因此本文以此為切入點，整合碎片化信息，建立財稅知識圖譜，將來自多渠道的碎片化信息整合到一個統一的知識體系中，實現財稅知識的全面覆蓋。

知識圖譜是一種描述真實世界中各種實體或概念的方法。 谷歌于2012 年最早提出知識圖譜（Knowledge Graph）的概念，作為搜索引擎的重要組成部分，為用戶提供了更豐富和相關的搜索結果提升用戶搜索體驗(Liu et al.,2016)，自提出以來就受到學術界與企業界的廣泛關注（Sun et al.,2018; Wang et al.,2020）。 知識圖譜的優勢在于知識搜索、融合和可視化展現上，它可以為機器提供先驗知識，以幫助機器理解文本背后的含義。 將知識圖譜與定期數據集成，以捕捉法規和政策的變化，確保知識圖譜中的信息及時性，已被應用于多個行業和領域（范媛媛和李忠民，2021； 王衛軍等，2021； 蔣雪瑤等，2022; 趙卓等，2022）。 本研究利用知識圖譜的語義搜索功能，運用Neo4j 高性能圖形數據庫，提高用戶檢索信息的效率，為財務人員提供相關知識匯總與更新、精確搜索、智能問答等協助。并利用知識圖譜構建培訓平臺，為新員工提供智能化的培訓，加速知識的傳承和學習。使用知識圖譜解決財稅知識管理中的問題，提供更智能、高效、并且精準的解決方案，實現快速檢索響應和智能問答，解決財稅知識知識傳承的難點。

在本文中，實現面向煙草行業知識圖譜主要包括以下內容。第一，數據處理，包括對財稅數據的數據源分析、數據采集、數據抽取、數據清洗等步驟；第二，模型總體的設計，包括研究設計、算法設計、數據處理流程設計、企業所得稅數據庫圖模型設計、原型UI 設計等步驟；第三，算法的研發，包括實體識別算法研發、用戶意圖算法研發、信息抽取算法研發、問答匹配算法、檢索算法研發、排序算法研發等步驟；第四，搜索與智能問答模型的搭建，包括對知識圖譜的構建和模型總體搭建等步驟；第五，對開發完成的算法模型進行測試，檢驗其準確度和答案返回效果是否符合需求和預期。

知識圖譜構建完成后，將通過一個可交互的系統，為財稅人員提供智能檢索和問答的功能。 對財稅人員關于最新的法律法規，直接給出檢索結果和問題答案。其應用流程如圖1 所示。第一步，財稅人員輸入相關問題，系統對問題進行理解，判斷財稅人員的問題意圖。第二步，系統對用戶輸入的問題進行信息抽取。如果是基于規則匹配的信息，則直接去已構建的知識圖譜中獲取相關的答案(如圖的步驟③)，并將問題的結果進行輸入(如圖的步驟④)。如果財稅人員問的問題需要根據關聯知識進行回答。 系統這會根據內容相似度計算出備選答案。然后將匹配度最高的作為答案，輸出給財稅人員(如圖的步驟⑤)，完成最終的問答。

四、面向煙草企業財稅知識圖譜應用效果

一是煙草財稅相關法規得到有效的管理，促進知識的組織、發現和共享。通過定期收集和更新內外部多個權威數據源的數據，將數據自動化存儲到知識圖譜，以反映最新的財稅法規信息，確保信息的準確性和時效性。利用知識圖譜的搜索功能，使財稅人員能夠快速發現相關信息。利用財稅知識圖譜中的關系信息，促進不同財稅法規之間的關聯，發現潛在的關聯和聯系，提供更全面的知識視角。 通過知識圖譜實現知識的共享和協作，以促進團隊成員之間的知識交流，大大提高財稅知識管理的效率和效果。

二是顯著提升財稅信息查詢的準確率和時效性。本研究針對詢問有關對象的相關信息的問題進行評估測試，獲得準確度結果。 測試對象包括五大類信息，分別為判斷類、數字類、時間類、實體類和概念類，具體例子如表1 所示。測試方式是，對所有標注的企業所得稅相關信息檢索問題輸入知識圖譜系統，獲得答案和對應的知識庫路徑。 當答案和知識庫路徑與人工標注的結果完全一致時，則認為該問題回答正確，否則判定為錯誤，沒有獲取到答案也認為答案錯誤。假設回答正確的問題個數為T，問題總數為S，則準確度的計算方式是：

表1 相關信息檢索舉例

根據大量測試的結果，面向煙草行業財稅知識圖譜的智能檢索和問答準備率，已經達到具備實用化標準。所有類型的測試準確率，均在80%以上。其中，判斷類問答準確度為84%，數字類問答準確度為80%，時間類問答準確度為85%，實體類問答準確度為90%，概念類問答的準確度為88.89%。 從以上測試結果可以看出，基于財稅知識圖譜的智能問答模型，能通過計算用戶問題與知識庫之間的語義相似度，返回得分最高的答案。同時根據財稅人員對返回答案的反饋，重新更新排序算法模型，持續迭代，從而提高返回結果的準確度。保證了財稅人員可以在短時間內，快速獲取準確的財稅法規知識，現在提升財稅信息查詢的效率。

三是通過知識圖譜，為財稅領域員工提供更加系統、個性化的培訓，提高學員的學習積極性和知識應用能力，增強知識的傳遞性。 面向煙草的財稅知識圖譜，從財稅法規、會計原理、稅收政策等方面構建財稅知識圖譜，將各類實體（法規、會計科目、稅種等）、屬性（解釋、適用范圍、更新時間等）以及關系（適用關系、包含關系等）進行圖譜化表示，各類財稅知識一目了然。 根據財稅員工的角色、工作經驗、學歷等因素，構建個性化的培訓路徑。 這可以通過知識圖譜中的關系來推薦特定領域的知識點，使培訓更加有針對性。 同時，保持知識圖譜的實時更新，確保員工獲取最新的財稅信息。 通過通知機制，及時告知財稅員工關鍵信息的更新。 最后，利用知識圖譜構建交互式學習工具，例如，員工可以通過點擊圖譜中的節點來深入了解相關知識點，同時提供互動式的問題解答和答疑環節，保障煙草財稅專業知識的有效傳承。

五、結語

財稅信息化推動企業財稅管理的發展和進步，提升財務工作效率，節省投入成本。 煙草財稅工作的落地執行，國家有明確的法律法規要求，客觀、準確、及時地對企業及其控股企業的資產、資金、損益、負債等關鍵財務信息進行財務分析，判斷其是否真實、合法、合規，核實企業及其控股企業真實的經營狀況，識別財務收支中違法違規行為。 然而，財稅法律內容豐富，涉及到的法律法規以及相關實施條例繁多. 且法律文件具有一定時效性，不同地區和不同性質的企業，財稅法律規定也有明細差異。 此外，國家對企業財稅管理提出了全覆蓋、無盲區、無死角的高要求，企業財稅專職人員工作也已高度飽和。 財稅管理人員亟需相關工具，能幫助其快速、準確了解財稅相關的知識和新的政策，能夠進行答疑解惑、專業、智能的搜索、問答服務和培訓，在對企業財務進行管理時，做到有理可依、有據可查。

本文綜合運用先進的自然語言處理和機器學習等方面的理論和應用知識，為財稅人員構建一個面向企業財務領域的問答系統進行深入研究。 通過對煙草企業財稅管理知識體系自動獲取、整理、更新企業所得稅相關數據，構建企業所得稅知識圖譜。 使用知識圖譜、自然語言處理和深度學習算法等技術對企業所得稅進行分析。 自動構建“實體-關系-實體”三元組數據結構，在圖譜中體現企業所得稅涉及的實體之間的關系。 通過自然語言處理和深度學習算法將企業財稅非結構化的數據進行智能處理，構建企業所得稅知識圖譜，智能回答判斷類問題、時間類問題、數字類問題、實體類與概念類相關問題，準確度在80%以上。 本研究的成果能有效支撐財稅人員智能、高效、專業、簡潔和快速地獲取財稅相關知識，顯著提高工作效率和提升財稅工作質量。

財稅知識圖譜具有推廣的意義。 本研究選取企業所得稅作為切入點，是因為企業所得稅是目前財務工作中內容最為豐富、日常財務涉及最多、最具代表性的領域之一。 在企業所得稅的研究完成后，可將企業所得稅更改為其它財務法規數據、 公司規則制度數據、或者公司運營數據，即可實現其它領域的智能問答。 該研究屬于知識學習型工具，通過人工輔助與機器進行大量問答學習，可提高該知識圖譜的“智慧”，更好支撐企業知識管理與決策。 ■