第1章 审计基础与审计报告的构成 1__eol__1.1 审计概述 1__eol__1.1.1 审计概念 1__eol__1.1.2 审计目的 1__eol__1.1.3 审计风险 2__eol__1.1.4 审计证据 2__eol__1.2 会计概述 2__eol__1.2.1 会计的概念及基本假设 3__eol__1.2.2 会计信息质量要求 4__eol__1.2.3 财务会计报告简述 4__eol__1.2.4 会计科目简述 5__eol__1.3 审计报告的构成 8__eol__1.3.1 审计意见 8__eol__1.3.2 形成审计意见的基础 9__eol__1.3.3 关键审计事项 10__eol__1.3.4 其他信息 10__eol__1.3.5 管理层和治理层对财务报表的责任 11__eol__1.3.6 注册会计师对财务报表审计的责任 11__eol__1.4 智能审计国内外研究现状 12__eol__1.4.1 国外研究现状 12__eol__1.4.2 国内研究现状 12__eol__1.5 如何构建人工智能审计规则 13__eol__1.5.1 基于法律法规构建规则库 14__eol__1.5.2 基于专家经验构建规则库 14__eol__参考文献 15__eol__第2章 Python语法基础 17__eol__2.1 Python开发环境安装 17__eol__2.1.1 Anaconda的安装 17__eol__2.1.2 PyCharm的安装配置 17__eol__2.2 数据类型 19__eol__2.2.1 数字 19__eol__2.2.2 字符串 19__eol__2.2.3 列表与元组 20__eol__2.2.4 字典与集合 22__eol__2.3 语句语法 24__eol__2.3.1 变量、行、缩进与注释 24__eol__2.3.2 运算符 25__eol__2.3.3 布尔值和空值 26__eol__2.3.4 if条件语句 27__eol__2.3.5 for循环语句 27__eol__2.3.6 while循环语句 28__eol__2.3.7 break与continue 29__eol__2.4 函数与库 29__eol__2.4.1 函数的定义与调用 29__eol__2.4.2 函数的返回值与作用域 30__eol__2.4.3 常用基本函数介绍 31__eol__2.4.4 库 32__eol__2.5 文件的读与写 33__eol__2.5.1 input()函数与print()函数 33__eol__2.5.2 文件的写操作 34__eol__2.5.3 文件的读操作 35__eol__2.6 类 36__eol__2.6.1 类和对象的基本概念 36__eol__2.6.2 面向对象的特征 36__eol__2.6.3 type和isinstance 37__eol__2.7 读写数据库MySQL 38__eol__2.7.1 MySQL的安装配置 38__eol__2.7.2 Python与MySQL的交互 39__eol__参考文献 41__eol__第3章 Python科学计算与表格处理 42__eol__3.1 Python科学计算 42__eol__3.1.1 Pandas库 42__eol__3.1.2 NumPy库 44__eol__3.1.3 Pipeline 44__eol__3.2 表格处理 45__eol__3.2.1 读取表格文件 45__eol__3.2.2 表格数据的合并与拼接 51__eol__3.2.3 输出到表格文件 53__eol__第4章 数据预处理：清洗表格数据 55__eol__4.1 数据背景 55__eol__4.2 数据清洗 55__eol__4.2.1 内容替换 55__eol__4.2.2 数据类型转换 58__eol__4.2.3 删除无效数据 61__eol__4.2.4 数据创造 64__eol__4.2.5 DataFrame转换 68__eol__第5章 数据预处理：采集网络信息 70__eol__5.1 爬虫基础知识 70__eol__5.1.1 网页源代码 70__eol__5.1.2 正则表达式 72__eol__5.2 爬虫基础方式 74__eol__5.2.1 提取搜狗资讯标题、网址、日期和来源 74__eol__5.2.2 获取百度翻译结果 75__eol__5.2.3 Selenium库详解 77__eol__5.2.4 BeautifulSoup库详解 80__eol__5.3 爬虫处理方法 88__eol__5.3.1 处理数据乱码 88__eol__5.3.2 数据清洗与筛选 88__eol__5.3.3 生成数据文本文件 91__eol__5.3.4 批量爬取多家公司多页资讯 91__eol__5.3.5 基础爬虫实践 92__eol__5.3.6 Python与MySQL的交互实践 93__eol__参考文献 95__eol__第6章 数据预处理：解析财经报告 96__eol__6.1 批量下载PDF文件至指定位置 96__eol__6.2 解析单个PDF文件信息 98__eol__6.2.1 解析PDF文件的文本内容 98__eol__6.2.2 解析PDF文件的表格内容 99__eol__6.3 批量提取PDF文件信息 100__eol__6.3.1 批量输出PDF文件的文本内容 100__eol__6.3.2 筛选并转移PDF文件 101__eol__参考文献 103__eol__第7章 数据预处理：手写票据的光学字符识别 104__eol__7.1 问题场景 104__eol__7.2 表格和单元格定位 108__eol__7.2.1 解析PDF文件 108__eol__7.2.2 表格定位 110__eol__7.2.3 表格自动旋转 112__eol__7.2.4 单元格定位 115__eol__7.3 单元格配准 117__eol__7.3.1 DBSCAN聚类 118__eol__7.3.2 描述性统计 120__eol__7.3.3 模板可视化 121__eol__7.4 单元格内容识别 122__eol__7.4.1 图片预处理 123__eol__7.4.2 LSTM-RNN-CTC模型 124__eol__第8章 自然语言处理：财经文本的量化 127__eol__8.1 自然语言处理 127__eol__8.1.1 自然语言处理概述 127__eol__8.1.2 机器学习 127__eol__8.1.3 语料库 128__eol__8.1.4 HanLP环境搭建 128__eol__8.2 中文分词 129__eol__8.2.1 中文分词 129__eol__8.2.2 词典分词 130__eol__8.2.3 二元语法分词 131__eol__8.2.4 词典的构建 132__eol__8.3 命名实体识别 135__eol__8.3.1 命名实体识别 135__eol__8.3.2 基于规则的命名实体识别 135__eol__8.3.3 基于预训练模型的实体关系抽取 136__eol__8.3.4 基于依存句法分析的实体关系抽取 136__eol__8.3.5 财经文本命名实体识别 137__eol__8.4 信息提取 138__eol__8.4.1 关键词提取 138__eol__8.4.2 关键句提取 139__eol__8.4.3 情感分析 140__eol__8.5 综合训练 141__eol__参考文献 142__eol__第9章 自然语言处理：金融文本摘要 143__eol__9.1 文本摘要自动生成概述 143__eol__9.1.1 研究背景与问题定义 143__eol__9.1.2 技术分类与实现方法 143__eol__9.1.3 评价指标与数据集 144__eol__9.2 偏好构建模块 145__eol__9.2.1 获取偏好文本 145__eol__9.2.2 文本预处理 145__eol__9.2.3 LDA主题模型 147__eol__9.2.4 构建偏好语料库 148__eol__9.3 锁定段落中心句 149__eol__9.3.1 获取偏好文本关键词 149__eol__9.3.2 相似度计算 150__eol__9.3.3 提取携带偏好的段落中心句 151__eol__9.4 摘要生成模块 154__eol__9.4.1 依存句法分析 154__eol__9.4.2 结构树剪枝 157__eol__参考文献 159__eol__第10章 自然语言处理：抽取实体关系 161__eol__10.1 知识抽取任务概述 161__eol__10.1.1 知识抽取任务定义 161__eol__10.1.2 知识抽取任务分类 162__eol__10.1.3 审计领域知识抽取任务 162__eol__10.2 面向结构化数据的知识抽取 163__eol__10.3 面向非结构化数据的知识抽取 164__eol__1