采用自然语言处理技术、知识图谱技术结合数据挖掘技术，对营销、计量等系统中的结构化数据及稽 查业务知识等非结构化数据进行图谱构建及数据建模，构建事前预防、事中处置、事后分析的风险管控体系，实现稽查知识图管理、在线稽查规则模型可视化、业务风险态势主动感知、业务风险综合指数、业务风险预警推送、四库全书两评价、服务查全视角、风险报告稽查卫士等功能，基于L2智慧稽查，全面构建“网、线、点”立体化稽查网，有效防范稽查业务风险，提高稽查人员工作效率及 能力。







稽查规则配置
异常问题归类
稽查业务知识库
稽查方案生成
处理方案推荐













1.借助知识图谱、智能稽查手段，实现营销精益化管理
 利用数据中心整合多业务系统数据的有利条件，实现稽查数据知识图谱、在线稽查规则模型的建设，为稽查人员开展专项稽查、在线稽查、常态稽查工作提供了便捷，解决了在线稽查规则指向性不足，更新速度慢且不能灵活配置等问题。
2.构建稽查业务知识库，辅助稽查人员日常问题处理
 结合专家经验、图数据库等技术，对电网企业业务文档进行有效整合，提炼智能稽查经验与结果，构建稽查全业务知识库。利 用平台查询能力和知识推理技术、智能检索技术，快速为稽查人员展示稽查业务规则描述，以及相关发文文件。
3.实现异常问题感知，自动生成稽查处理方案
 通过自然语言处理、文本分析等技术。从海量数据中心精准挖掘锁定问题对象，根据对象属性刻画异常问题画像，对异常问题有效分类和分析。同时结合稽查全业务知识库，最终通过RPA流程化技术，自动为稽查人员推送处理方案。
<span style="font-size:16px; line-height: 30px;" "="">4.提前人展稽查风险预判，促进稽查工作数字化转型
 通过利用知识图谱实体间的关联脉络关系，结合深度学习算法实现对异常问题进行有效预判，提升业务质量，强化风险防控与重“典”问题整改，业务稽查工作逐步从事后检查向事前防控转变。