网站首页
教育杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
医学杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
经济杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
金融杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
管理杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
科技杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
工业杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
SCI杂志
中科院1区 中科院2区 中科院3区 中科院4区
全部期刊
公務(wù)員期刊網(wǎng) 論文中心 正文

審計知識圖譜構(gòu)建分析

前言:想要寫出一篇引人入勝的文章?我們特意為您整理了審計知識圖譜構(gòu)建分析范文,希望能給你帶來靈感和參考,敬請閱讀。

審計知識圖譜構(gòu)建分析

摘要:隨著審計業(yè)務(wù)復(fù)雜性和數(shù)據(jù)體量的范圍呈指數(shù)級別的增長,傳統(tǒng)審計逐漸難以滿足信息化查詢和審計可視化的現(xiàn)實需求。知識圖譜融合大數(shù)據(jù)和人工智能的前沿技術(shù),為組織、管理和理解互聯(lián)網(wǎng)海量信息等提供了強大的功能。本文基于Neo4j圖數(shù)據(jù)庫進行審計知識數(shù)據(jù)的清洗、知識三元組的構(gòu)建、存儲,并完成審計領(lǐng)域的知識圖譜,有助于企業(yè)和相關(guān)部門運用審計知識圖譜,將傳統(tǒng)的業(yè)務(wù)推動數(shù)據(jù)模式轉(zhuǎn)化為數(shù)據(jù)推動業(yè)務(wù)模式,提高審計效率,挖掘不易發(fā)現(xiàn)的數(shù)據(jù)式審計證據(jù),為審計需求相關(guān)方的決策提供參考價值。

關(guān)鍵詞:知識圖譜;三元組;注冊會計師;圖關(guān)系數(shù)據(jù)庫;Neo4j

知識圖譜(KnowledgeGraph)是顯示知識發(fā)展進程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形,又被稱為知識域可視化或知識領(lǐng)域映射地圖,是用可視化技術(shù)描述知識資源及其載體,挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系。隨著大數(shù)據(jù)技術(shù)的發(fā)展以及海量數(shù)據(jù)轉(zhuǎn)化為知識時代的到來,知識圖譜技術(shù)能夠從海量非結(jié)構(gòu)化數(shù)據(jù)(如文本和圖像)和結(jié)構(gòu)化數(shù)據(jù)中進行知識獲取、知識共享,并在大數(shù)據(jù)時代進行知識創(chuàng)新。知識圖譜可以高效、直觀地描繪出目標(biāo)對象(如企業(yè),事件等)之間的相關(guān)網(wǎng)絡(luò),并在多維視角實現(xiàn)對象的真實情況和錯綜復(fù)雜的關(guān)系。在企業(yè)的實際業(yè)務(wù)中,面對海量繁多的財務(wù)會計憑證、賬簿、報表及電子數(shù)據(jù)等信息,審計人員常常通過抽查來發(fā)現(xiàn)問題。知識圖譜技術(shù)的出現(xiàn),提供了更高效的審計,提高審計工作效率,可以作為經(jīng)典審計方法的補充,在理想情況下甚至可以做到全面排查總體,這樣不僅能避免審計抽樣的風(fēng)險,同時也降低了審計工作的復(fù)雜性和總體風(fēng)險。本文基于百度問答的數(shù)據(jù),對審計領(lǐng)域的一些常見知識進行了收集,基于多源異構(gòu)審計數(shù)據(jù),構(gòu)建了結(jié)構(gòu)化審計數(shù)據(jù)庫,并通過可視化工具,進行初步的可視化分析產(chǎn)生可視化圖表,對審計信息進行分析和使用,有助于審計信息使用者快速了解特定領(lǐng)域的審計知識,為審計需求相關(guān)方的決策提供參考價值。

一、研究回顧

知識圖譜的應(yīng)用大概分為通用知識領(lǐng)域和行業(yè)知識領(lǐng)域。通用知識領(lǐng)域的應(yīng)用主要包括智能問答系統(tǒng),如Google。Google知識圖譜是在Freebase的基礎(chǔ)上研發(fā)的,F(xiàn)reebase是由KurtBollacker,RobertCook,PatrickTufts(2007)提出的通用人類知識數(shù)據(jù)庫。該數(shù)據(jù)庫具有實用、可擴展、圖形化、結(jié)構(gòu)化的特點,其靈感來自于語義Web研究和協(xié)作數(shù)據(jù)通信,如Wikipedia。Freebase允許通過HTTP的圖形查詢API進行公共讀寫訪問,用于研究、創(chuàng)建和維護結(jié)構(gòu)化數(shù)據(jù)以及應(yīng)用程序構(gòu)建。近年來,國內(nèi)學(xué)者還開發(fā)出一款類似Google的大規(guī)模開放知識圖譜---Zhishi.me。Zhishi.me是從互動百科、百度百科和中文維基百科中提取實體信息,并協(xié)調(diào)來自各個來源的知識以獲得規(guī)范的數(shù)據(jù)集,該圖譜的規(guī)模雖不及Google研發(fā)的知識圖譜,但是卻也包含大約1000萬個實體(周盛威,2018)。知識圖譜行業(yè)知識領(lǐng)域的應(yīng)用主要有醫(yī)學(xué)領(lǐng)域、金融領(lǐng)域等。醫(yī)學(xué)領(lǐng)域方面,張崇宇(2019)提出面向臨床醫(yī)療知識圖譜的自動問答方法,主要依托于構(gòu)建的臨床醫(yī)療知識圖譜的實體、關(guān)系及屬性,通過數(shù)據(jù)冷啟動機制生成語料,然后基于一種網(wǎng)格Bi-LSTM-CRF算法的醫(yī)療實體識別和基于字-詞編碼CNN模型的關(guān)系/屬性映射方法來完成問題的語義解析任務(wù)。然后通過業(yè)務(wù)分流和查詢邏輯轉(zhuǎn)換為Neo4j圖數(shù)據(jù)庫,最終實現(xiàn)醫(yī)療應(yīng)用場景的知識圖譜自動問答系統(tǒng)。在金融領(lǐng)域方面,張蕓蕓、方勇、黃誠(2018)提出基于Neo4j圖譜檢測信用卡欺詐的方法,通過圖數(shù)據(jù)庫直觀顯示數(shù)據(jù)集的特征,并通過FICO評分標(biāo)準(zhǔn)建立FICO模型,研究表明,該方法可以顯著提高信用卡欺詐的識別率。信息可視化在可視化技術(shù)中占有重要地位,通過將抽象數(shù)據(jù)進行可視化展示,從而加強人們對數(shù)據(jù)的認(rèn)知及數(shù)據(jù)獲取效率。Bernal于1938年繪制學(xué)科圖譜,但知識圖譜在我國于2005年開始流行,相比于國外興起較晚。目前,國內(nèi)外關(guān)于知識圖譜的可視化工具層出不窮。國外最為經(jīng)典的知識圖譜可視化分析軟件是CiteSpace,它是一款針對科學(xué)文獻的可視化分析工具,用于計量特定領(lǐng)域的文獻,從而探尋該學(xué)科的發(fā)展方式和知識變遷。該軟件適合復(fù)雜的網(wǎng)絡(luò)關(guān)系可視化分析,但是CiteSpace被運行在java平臺,適合專業(yè)基礎(chǔ)較高的人,使用門檻高。在國內(nèi),Plantdata是一款較為成熟的知識圖譜可視化平臺。與傳統(tǒng)知識圖譜的可視化平臺不同的是,Plantdata加入了時間屬性,支持儀表盤功能,并加入交互操作。其最為出色的一點是支持快速搭建高效精準(zhǔn)智能深度搜索系統(tǒng),并以不同的形態(tài)展現(xiàn)給用戶,通過對多個維度進行分析,幫助用戶做出決策(楊卓,2019)。經(jīng)過以上對國內(nèi)外研究的分析和比較,可以看出知識圖譜及其可視化服務(wù)正在迅猛發(fā)展,并開始逐步應(yīng)用至各行各業(yè)。知識可視化的實質(zhì)是將內(nèi)容用圖形的方式表示,更符合人們對信息的感知與理解,從而進行知識傳播(劉琦,2018)。在企業(yè)審計領(lǐng)域中,由于審計知識領(lǐng)域涉及范圍較廣,審計知識之間的關(guān)系紛繁復(fù)雜,存儲、組織和表達方式較為松散,缺乏有效的管理。另外,審計知識檢索的效率不高,無法進行關(guān)聯(lián)知識的深度檢索。由此可見,將知識圖譜與可視化技術(shù)運用至企業(yè)審計領(lǐng)域中,與檢索者產(chǎn)生交互,顯示地表達知識的整體性與關(guān)聯(lián)性,將對知識的傳播起到推動作用。同時,企業(yè)也可通過運用審計知識圖譜,將傳統(tǒng)的業(yè)務(wù)推動數(shù)據(jù)模式轉(zhuǎn)化為數(shù)據(jù)推動業(yè)務(wù)模式,提高審計的效率,挖掘不易發(fā)現(xiàn)的審計數(shù)據(jù),為企業(yè)決策提供參考價值(樊世昊,2018)。國內(nèi)外對于實現(xiàn)信息化審計的研究仍處于起步階段,由于審計領(lǐng)域涉及范圍較廣,實現(xiàn)全面的大數(shù)據(jù)審計仍有難度。目前,雖有一些學(xué)者將知識圖譜應(yīng)用在審計領(lǐng)域中,但尚無較為成熟的應(yīng)用。

二、基于Neo4j圖數(shù)據(jù)庫的審計知識圖譜的構(gòu)建

在審計領(lǐng)域中,由于審計知識領(lǐng)域涉及范圍較廣,審計知識之間的關(guān)系紛繁復(fù)雜,存儲、組織和表達方式較為松散,缺乏有效的管理(劉琦,2018)。另外,審計知識檢索的效率不高,無法進行關(guān)聯(lián)知識的深度檢索。對此,Neo4j圖數(shù)據(jù)庫的存儲結(jié)構(gòu)與領(lǐng)域知識存儲與查詢功能,不僅能良好地支持知識庫中實體關(guān)系的管理,還能對知識進行快速查詢和清晰展示(葉帥,2019)。為了實現(xiàn)審計數(shù)據(jù)的信息化,知識圖譜中的語義關(guān)聯(lián)可以有效地整合多元異構(gòu)審計數(shù)據(jù)。知識圖譜的數(shù)據(jù)通常以三元組(S,P,D)的形式來表示實體、關(guān)系、屬性之間的關(guān)系,因此,本文用Neo4j圖數(shù)據(jù)庫實現(xiàn)實體及實體關(guān)系的存儲,構(gòu)建審計知識圖譜。Neo4j是一種圖形數(shù)據(jù)庫,是目前圖形數(shù)據(jù)庫中使用率最高的庫,Neo4j具備本地存儲和數(shù)據(jù)處理的功能,與一般的數(shù)據(jù)庫有顯著的區(qū)別,它能夠保證數(shù)據(jù)的完整性和高讀寫性。審計知識圖譜構(gòu)建的目的是將經(jīng)典的審計方法與知識圖譜可視化方法相結(jié)合,從大量的企業(yè)結(jié)構(gòu)化和非結(jié)構(gòu)化文本中自動提取三元組,構(gòu)建審計的知識圖譜,方便審計信息使用者快速抓取信息,有助于審計決策的制定和實施。因此,本文從以下幾個方面入手,具體探討審計知識圖譜的構(gòu)建過程。

(一)審計數(shù)據(jù)的獲取經(jīng)過對不同行業(yè)和領(lǐng)域?qū)徲嬓枨蟮恼{(diào)研,發(fā)現(xiàn)存在兩類數(shù)據(jù),第一類是審計領(lǐng)域內(nèi)的直接數(shù)據(jù),第二類是與審計相關(guān)聯(lián)的通識數(shù)據(jù)。對于直接數(shù)據(jù),先從結(jié)構(gòu)化數(shù)據(jù)源的相應(yīng)本體模型出發(fā),定義概念之間的分層關(guān)系,然后從多個數(shù)據(jù)源所定義的概念出發(fā)添加實體和屬性。通過定義知識圖譜的本體模式,以確保知識層次結(jié)構(gòu)的正確性,然后再針對定義好的本體模式,對領(lǐng)域數(shù)據(jù)中的相關(guān)知識進行抽取,通過知識融合、質(zhì)量評估等階段,篩選出滿足準(zhǔn)確率要求的三元組進行企業(yè)審計知識圖譜的構(gòu)建,并將其存儲于MySQL數(shù)據(jù)庫進行關(guān)聯(lián)。另外,由于非結(jié)構(gòu)化數(shù)據(jù)的知識是可信度相對低,抽取的精度也是有限的,這使得它難以滿足可用性標(biāo)準(zhǔn)。因此,具有高可信度的半結(jié)構(gòu)化的通識知識數(shù)據(jù)將被用作構(gòu)建企業(yè)審計知識圖譜,作為構(gòu)建審計知識圖譜的另一個層次的數(shù)據(jù)源,與審計數(shù)據(jù)互補。對于通識知識數(shù)據(jù),將抽取百科頁面中的半結(jié)構(gòu)化數(shù)據(jù),作為關(guān)鍵性的知識,轉(zhuǎn)換成三元組,然而,對于關(guān)鍵知識中部分冗余的信息仍然存在,例如,存在實體名稱不一樣,但實際對應(yīng)現(xiàn)實世界中的同一實體,需要對這些冗余的知識進行知識融合,保證所構(gòu)建知識圖譜的準(zhǔn)確性。由于企業(yè)審計知識圖譜對準(zhǔn)確性的要求較高,關(guān)系到企業(yè)的利益,因此將采用已有的算法,對這些冗余的知識進行篩選,然后再使用人工進行評估。這些冗余的知識,在百科數(shù)據(jù)中只是部分存在,而且比例很低,使用這種思路不會造成較高的人工成本,準(zhǔn)確度和效率都是可接受的。

(二)審計數(shù)據(jù)處理經(jīng)過知識清洗與數(shù)據(jù)預(yù)處理,得到了關(guān)于審計領(lǐng)域的知識三元組數(shù)據(jù),儲存在txt文檔中,以逗號分隔,然后將數(shù)據(jù)txt文檔格式轉(zhuǎn)為CSV文件格式。CSV是使用文本文檔形式存儲的數(shù)據(jù),文件內(nèi)每一行代表一條數(shù)據(jù),每條記錄包含了由逗號分隔的一個屬性值,其中A列中的數(shù)據(jù)代表Source節(jié)點類型,C列中的數(shù)據(jù)代表Target節(jié)點類型,B列中的數(shù)據(jù)代表關(guān)系(relation)。其數(shù)據(jù)格式如圖1所示。將上述數(shù)據(jù)導(dǎo)入Neo4j,其邏輯為:(1)node相關(guān):CSV文件首列為Source節(jié)點,第三列為Target節(jié)點,第二列為relation(關(guān)系)。消除完重復(fù)數(shù)據(jù)后,為每個節(jié)點生成唯一的id和name字段,方便查看節(jié)點的屬性。(2)relation相關(guān):每種關(guān)系單獨生成一個關(guān)系類型,這樣在進行后續(xù)的查詢操作時可以針對某個關(guān)系或節(jié)點直接進行查詢。關(guān)系兩端的node用生成的id進行標(biāo)示。(3)數(shù)據(jù)導(dǎo)入生成知識圖譜:清空Neo4j現(xiàn)有的graph并重啟Neo4j程序。若啟動Neo4j程序需要在cmd中輸入如指令,指令輸入完成后打開Neo4j,利用Neo4j的Cypher語句進行查詢。

(三)審計數(shù)據(jù)的導(dǎo)入本文采用Python與Neo4j圖數(shù)據(jù)庫連接的方式,進行數(shù)據(jù)導(dǎo)入工作。首先需要將已有的CSV格式的數(shù)據(jù)導(dǎo)入py2neo庫,需在Python中輸入如下代碼:frompy2neoimportGraph,Node,Relationship,Subgraph。隨后建立時間模塊與導(dǎo)入操作數(shù)據(jù)需要使用的模塊。下一步需要在Neo4j中運用Cypher語句建立索引、提高查詢速度,輸入CREATE語句:CREATEINDEXFOR(n:Entity)ON(n.name)。之后需在Python中設(shè)置自己本地的url與Neo4j庫的用戶名與密碼,即可實現(xiàn)審計數(shù)據(jù)導(dǎo)入Neo4j,從而完成基于Neo4j圖數(shù)據(jù)庫的審計知識圖譜的構(gòu)建。

三、審計知識圖譜的實現(xiàn)

審計知識圖譜的實現(xiàn)主要是通過信息抽取、知識融合、圖譜的構(gòu)建與儲存等核心技術(shù)從大量的異構(gòu)數(shù)據(jù)源出發(fā),抽取其中的實體、屬性等關(guān)鍵知識及其相互關(guān)系,再完成實體對齊與實體消歧等數(shù)據(jù)融合工作,然后采用符合質(zhì)量要求的知識構(gòu)建圖譜,并利用MYSQL數(shù)據(jù)庫對構(gòu)建好的知識圖譜進行儲存。在上一節(jié)中進行了數(shù)據(jù)導(dǎo)入工作并在Neo4j圖數(shù)據(jù)庫中構(gòu)建了企業(yè)審計領(lǐng)域知識圖譜。Neo4j圖數(shù)據(jù)庫中,共設(shè)有兩種節(jié)點類型,分別是Source節(jié)點類型與Target節(jié)點類型。用戶可以根據(jù)自己的需求進行查詢,進而清晰明了地了解節(jié)點以及節(jié)點與節(jié)點之間的關(guān)系。比如,用戶需要在Neo4j中查詢某一個節(jié)點(node)并且節(jié)點類型屬于Source類型時,以查詢“中國投資服務(wù)網(wǎng)”為例,用戶需輸入如下查詢語句:MATCH(n:Source{name:‘中國投資服務(wù)網(wǎng)’})returnn,點擊運行后會顯示出節(jié)點‘中國投資服務(wù)網(wǎng)’。若用戶需要查詢節(jié)點類型為Target的節(jié)點,只需把查詢語句中的Source改為Target即可進行查詢。如圖2所示。再比如,當(dāng)用戶需要在Neo4j中查詢關(guān)系(relation)時,需要使用Match語言進行查詢,以查詢“審計”關(guān)系為例,若想查詢圖數(shù)據(jù)庫中所有關(guān)于“審計”關(guān)系的節(jié)點,查詢語句如下:MATCH(n:Source)-[:‘審計’]-(m:Target)returnn,mlimit20。這時圖數(shù)據(jù)庫會加載出所有以“審計”關(guān)系連接的節(jié)點,(其中l(wèi)imit為控制節(jié)點顯示數(shù)量的參數(shù),可修改為任意數(shù)量),查詢結(jié)果如圖3所示。對審計領(lǐng)域的知識獲得全局認(rèn)識,亦可以借助知識圖譜的手段。審計知識圖譜的構(gòu)建,有助于人們通過節(jié)點-關(guān)系-節(jié)點的方式,方便快捷、清晰明了地獲取審計領(lǐng)域的相關(guān)知識,完成審計知識的查詢和獲取。比如對于初次接觸審計領(lǐng)域知識的用戶而言,可以通過知識圖譜的方式查詢“審計”相關(guān)領(lǐng)域,例如查詢對于“審計(獨立性的經(jīng)濟監(jiān)督活動)”相應(yīng)知識,查詢結(jié)果如圖4所示,即可通過圖譜的方式獲得相應(yīng)審計知識的展示,方便用戶快速、系統(tǒng)、較為全面地獲得審計領(lǐng)域知識。另外,知識圖譜也提供了強大的模糊查詢的功能。當(dāng)用戶在搜索框內(nèi)輸入想要查詢的詞語,隨后會出現(xiàn)下拉框,用戶可通過點擊某一詞語或句子,這時會出現(xiàn)用戶搜索的詞語的網(wǎng)絡(luò)關(guān)系圖。以搜索“cpa”為例,如圖5所示,頁面的搜索框下會出現(xiàn)所有包含cpa字段的詞語或語句,可通過點擊自己想要查詢的范圍來進行查詢。例如,以選擇以“cpa[注冊會計師]”為例,用戶點擊此詞語,頁面會展示關(guān)于此詞語的知識圖譜,如圖6所示。除此之外,若用戶需要在Neo4j中創(chuàng)建新的節(jié)點(node)類型、創(chuàng)建的節(jié)點類型與已有的節(jié)點建立新的關(guān)系(relation),以及刪除圖數(shù)據(jù)庫中的任意節(jié)點等,都可以進行相應(yīng)語句的編寫與操作。這種通過圖譜的形式展示出來的、區(qū)別于傳統(tǒng)的百度搜索查找審計領(lǐng)域知識的方式,是大數(shù)據(jù)審計、信息化審計和智能化審計發(fā)展到一定階段的產(chǎn)物,有助于用戶對審計知識的查詢、獲取和使用,提高了用戶的決策相關(guān)性。通過審計知識圖譜的構(gòu)建,相關(guān)人員可以快速準(zhǔn)確地了解到當(dāng)前環(huán)境下審計知識的現(xiàn)狀,精準(zhǔn)抓取審計行業(yè)面臨的問題等等。對于審計從業(yè)人員而言,需要不斷加強大數(shù)據(jù)審計和智能化審計手段,提升審計信息化手段,不斷提高審計效率以及準(zhǔn)確性。對于被審計單位而言,審計知識圖譜的構(gòu)建有助于企業(yè)從內(nèi)部審計出發(fā),快速精準(zhǔn)地挖掘企業(yè)面臨的審計難題,提升公司內(nèi)部的管理水平,防患于未然,以降低不必要的損失;并結(jié)合注冊會計師(CPA)審計的相關(guān)知識,加強合作,確保審計意見的正確出具,并不斷提升自我在行業(yè)中的核心競爭力。對于監(jiān)管部門而言,通過對審計領(lǐng)域違規(guī)問題的查詢,可以系統(tǒng)地通過知識譜圖的方式展示審計異常的企業(yè)以及事務(wù)所的情況,實現(xiàn)審計違規(guī)的精準(zhǔn)查處和精準(zhǔn)治理。

參考文獻

1.樊世昊.基于知識圖譜的審計方法研究.南京審計大學(xué).2018

2.鄒偉軍.探討大數(shù)據(jù)對審計的影響.經(jīng)濟師.2019(06)

3.韓戈白,楊紹雄,王博,陳迪.知識圖譜在裝備大數(shù)據(jù)上的典型應(yīng)用.網(wǎng)絡(luò)安全技術(shù)與應(yīng)用.2019(08)

4.劉琦.基于Neo4j的學(xué)科知識可視化檢索系統(tǒng)的實現(xiàn).河南大學(xué).2018

5.李濤,王次臣,李華康.知識圖譜的發(fā)展與構(gòu)建.南京理工大學(xué)學(xué)報(自然科學(xué)版).2017(01)

6.周盛威.審計互動百科及知識問答系統(tǒng)研究.哈爾濱工程大學(xué).2018

7.張蕓蕓,方勇,黃誠.基于Neo4j圖譜的信用卡欺詐檢測.信息與電腦(理論版).2018(21)

8.楊卓.垂直知識圖譜可視化服務(wù)平臺的設(shè)計與實現(xiàn).北京郵電大學(xué).2019

9.林莉,云紅艷,賀英,于小洋.基于企業(yè)知識圖譜構(gòu)建的可視化研究.青島大學(xué)學(xué)報(自然科學(xué)版).2019(01)

10.鄭戟明,董云朝,肖宇,錢之琳.MySQL數(shù)據(jù)庫課程的設(shè)計.電腦知識與技術(shù).2020(03)

11.馮俐.基于Neo4j圖數(shù)據(jù)庫構(gòu)建中學(xué)語文詩詞知識圖譜.陜西師范大學(xué).2019

12.王建,羅政,張希,張夢琪,張科,馬文成.Web項目前后端分離的設(shè)計與實現(xiàn).軟件工程.2020(04)

13.伍角星.基于Angular的文化產(chǎn)業(yè)項目管理系統(tǒng)的設(shè)計與實現(xiàn).中南民族大學(xué).2018

作者:王瑞萍 劉峰 楊媛琦 邢春玉 單位:國網(wǎng)冀北有限責(zé)任公司審計部

免责声明

本站为第三方开放式学习交流平台,所有内容均为用户上传,仅供参考,不代表本站立场。若内容不实请联系在线客服删除,服务时间:8:00~21:00。

AI写作,高效原创

在线指导,快速准确,满意为止

立即体验
文秘服务 AI帮写作 润色服务 论文发表