买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门理工学院申请的专利一种用于智能审计的财务数据因果关系挖掘方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121120288B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511639706.7，技术领域涉及：G06Q40/12；该发明授权一种用于智能审计的财务数据因果关系挖掘方法与系统是由黄荣林设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本一种用于智能审计的财务数据因果关系挖掘方法与系统在说明书摘要公布了：本发明公开了一种用于智能审计的财务数据因果关系挖掘方法及系统。该方法包括：获取并预处理结构化财务数据与非结构化文本数据；融合领域知识与数据驱动算法构建财务因果图；采用大型语言模型识别并量化管理层干预变量；构建结构化因果模型并执行反事实推演，得到无干预情景下的财务指标预测值；对比实际观测值与预测值，量化操纵效应并生成风险线索。本发明还公开了相应的系统，包括数据获取与预处理、财务因果图构建、管理层干预变量识别与量化、反事实推演与操纵效应挖掘等功能模块。本发明能够实现从发现异常到因果归因的分析，量化管理层决策对财务结果的净影响，从而提升对复杂利润操纵行为的识别能力与审计效率。

本发明授权一种用于智能审计的财务数据因果关系挖掘方法与系统在权利要求书中公布了：1.一种用于智能审计的财务数据因果关系挖掘方法，其特征在于，包括以下步骤： 获取目标审计实体的多源异构数据，所述多源异构数据包括结构化财务数据与非结构化文本数据，并对所述结构化财务数据与所述非结构化文本数据执行预处理，以形成统一的时间序列数据集与标准化的文本语料； 融合领域知识与数据驱动的因果发现算法，构建最终的财务因果图；其中，所述构建最终的财务因果图包括：基于公认会计准则与会计恒等式，构建一个初始领域知识因果图；采用数据驱动的因果发现算法对所述统一的时间序列数据集进行学习，以发现数据中隐藏的潜在因果关系；判断所述潜在因果关系是否与所述初始领域知识因果图在逻辑上相容，并将其中逻辑相容且通过统计显著性检验的潜在因果关系，作为新增边添加至所述初始领域知识因果图中，形成最终的财务因果图； 基于所述统一的时间序列数据集，使用机器学习模型为所述最终的财务因果图中的每一个变量拟合一个以其父节点为输入的因果函数，从而将所述最终的财务因果图实例化为一个结构化因果模型； 采用经过财务领域语料指令微调的大型语言模型处理所述标准化的文本语料，通过序列标注与文本分类识别管理层干预行为，提取其对应的干预类型和干预参数，并确定所述管理层干预行为在所述结构化因果模型中对应的干预变量；其中，所述干预参数包括干预行为涉及的金额； 针对识别出的每一管理层干预行为，在所述结构化因果模型中执行反事实推演，具体为：对所述干预变量设定一个基准值，执行因果干预算子do操作，切断所有指向对应干预变量的因果路径，将其值强制固定为所述基准值，并依据所述因果函数重新计算下游财务指标的预测值，得到反事实预测值； 计算至少一个财务指标的实际观测值与所述反事实预测值的差值，将该差值量化为操纵效应值，并基于所述操纵效应值生成审计风险线索； 其中，所述机器学习模型为能够进行不确定性评估的概率模型，包括贝叶斯神经网络或高斯过程模型；所述反事实推演在输出所述反事实预测值的同时，还输出一个置信区间或不确定性评分； 该方法还包括一个自适应更新流程，当所述不确定性评分高于预设阈值时，触发所述自适应更新流程，将该管理层干预行为标记并提示审计专家进行人工复核，并将所述审计专家的复核结论作为新的标注数据，用于对所述结构化因果模型进行在线学习或增量微调。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门理工学院，其通讯地址为：361000 福建省厦门市集美区理工路600号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。