智能型财务报表研究专家系统探究.docVIP

智能型财务报表研究专家系统探究现有的财务金融与会计专家系统多以推导规则为知识表达方式，在目前的应用上最大的缺陷是无法建立完整的领域知识架构，所以造成推论出来的结果有限。以R.Pacheco等人开发的财报分析系统为例：他们事先定义了三种问题﹙流动性、负债能力与获利能力﹚以及各自相关的可能成因，使用者在输入财务比率数值后，通过规则进行分析判断。然而财报分析的知识内涵是复杂的，有时无法仅归类于一种问题，例如代表获利能力的股东权益报酬率，经公式分解后，得知可从三个方面改善：同属获利能力的净利率、表示经营能力的总资产周转率与代表长期偿债能力的权益乘数，而它们分属三种问题类别，但由于知识表达方式的限制，致使该系统无法推论出进一步的原因与结果。至于FINEVA系统，其知识库全部由规则所构建，仅仅使用规则构建知识内容的限制在于，当领域知识与控制规则、推论规则结合在一起时，便难以促成知识的分享与再使用。由此可见，传统的财管专家系统仍具有相当程度的改善空间。文献[8]针对传统专家系统缺乏对海量知识的高效管理能力，利用数据库技术提出一种新的专家系统模型，摆脱了对专家系统开发工具的依赖，对规则、事实数据可以进行方便管理。LjubicaNedovic与VladanDevedzic则进行了一项横断面(Cross-Section)的研究[9]，根据五个个案系统探讨财管专家系统所采用的技术、工具、方法以及开发过程中所遭遇到的问题等，他们指出，目前的技术仍以规则式专家系统为主，并预期财管专家系统未来将朝向智能型系统发展。作为描述领域专家知识的知识库是整个专家系统的核心，也是一个专家系统能否成功的关键因素[10]。 知识表达法规则式知识表达法发展至今已被广泛采用，但是本身具有诸多缺点，因此新的知识表达法陆续被提出，如以面向对象为基础的框架式知识表达法以及以本体论为主要架构的本体论知识表达法。一些研究通过将本体引入财务管理领域[11-12]，可以理清该领域的知识结构，有助于财管领域与各领域进行融合，方便知识的重用和交互。信息检索信息检索时数据库扮演的角色大多为索引表，主要内容为文章所有关键字词的地址，进行检索时系统先在索引表中取得使用者搜寻的字词的地址再将拥有搜寻字词的文章加以呈现，检索前需要对文章（文件）进行前置处理，其流程如图1所示。 智能型财务报表分析专家系统设计 系统设计思想如图2所示，知识获取过程由知识工程师与专家面谈并阅读相关文献，归纳评估项目与变量，组织知识框架，对评估变量进行分类，最后由领域专家定义财报分析规则并通过模糊逻辑予以模糊化。知识表达部分以框架式知识表达法为基础，再导入本体论的概念完整的表达财报分析知识，以完成知识库的构建。知识推理机制与本体论构建部分，以先前完成的知识库为推理机制的依据，将两者建立沟通完成整合。知识库扩充部分利用信息检索技术将财报中与知识库内部财报分析专有名词在语义和概念上相似的字词检索出来，再置入知识库中进行知识建模，通过这种机制提供系统自我学习能力。 1.财报分析知识获取知识获取 分为三个阶段，第一阶段界定评估企业财务体质所需分析的问题分类以及解决各问题必须使用哪些评估项目与评估变量。第二阶段建立知识框架关联性和属性分类，完成评估变量的分类。第三阶段探索专家解决问题的过程与线索，在分析过程中为各个评估变量定义评估标准，并完成模糊语义的定义、归属函数与模糊规则的制定。 2.财报分析知识表达 对获取的专家知识进行知识建模，首先以框架式知识表达法描述领域知识的层次关系。若仅以框架式表达领域知识虽然能显现知识的结构性，但是仍有诸多缺陷，因为框架式知识表达法完全以面向对象的概念与特性作为知识表达架构，如果从知识更新与维护角度而言，一旦知识类别与属性定义完成，日后难以进行修改与更新，所以知识表达功能仍稍有不足，而且与人类的思维仍有落差。因此我们将现有的框架式知识表达与本体论知识表达加以整合。首先对构建完成的框架式知识库进行分析，再以此为基础进入本体论知识表达阶段，将分析完成的知识概念导入本体论并加以扩充，再通过知识框架间的关联性和模糊规则表达知识概念间的关系、知识概念本身所代表的情况、属性或专有名词间的逻辑关系、范围与性质。本体论知识表达实现平台采用Proteacute;geacute;的本体论知识模块。 3.建立财报分析知识推理机制 将已完成的框架式知识表达作为推理机制的依据，主要由模糊规则、知识类别描述以及知识类别实体化组成。采用支持Rete算法的JESS作为推理机制工具，模糊规则撰写部分采用由JESS延伸而来的FuzzyJess。各个知识类别的结构利用JavaBean设计完成，然后将模糊规则置入所属的类别中，再利用JESS描述各个知识类别以及实体化，此时可开始接收使用者输入的数据，JE