摘要
生成式人工智能(AIGC)的快速崛起,掀起“人工智能+”赋能各行各业的浪潮,对会计领域的研究提供了新思路。由于财会行业要求高精确性与可解释性,而大语言模型存在着模型幻觉与决策黑箱,使得大模型应用于财会领域仍存在较大阻碍,构建财会知识图谱成为弥补大语言模型不足的有力工具。基于此,文章调用GPT-4o mini API,利用提示词工程(Prompt)与智能体(Agent)思路方法进行自动化知识抽取,构建中国会计准则知识图谱,从模式层提取财会实体与实体间复杂的勾稽关系,为大模型优化微调提供数据层支持。图谱构建结果表明,GPT-4o mini能够成功从大量财务数据中提取丰富的知识五元组,并基于此构建财会知识图谱。最终,通过Neo4j技术实现知识图谱的可视化和查询功能。本研究证明大语言模型构建财会知识图谱具备可行性,能够显著提高知识图谱构建效率,为知识图谱的优化构建提供新思路,也为未来知识图谱融入大模型、优化模型性能提供基底数据支撑。
出处
《会计之友》
北大核心
2025年第5期152-160,F0003,共10页
Friends of Accounting
基金
国家自然科学基金项目(71972011)
广东省普通高校人文社科重点研究基地项目(2023WZJD009)
广东省实验教学示范中心“智能财经人才实验教学示范中心”项目(202401)
珠海市哲学社会科学研究基地“智能财务治理与经济安全研究基地”项目(202407)。
作者简介
陈宋生(1966-),男,江西赣州人,博士,北京理工大学管理学院会计系主任,教授、博士生导师,研究方向:审计与公司治理;通讯作者:王明(2000-),男,河南郑州人,北京理工大学(珠海)博士研究生,研究方向:会计与财务管理。
