20世纪80年代以来,信息技术以人类历史从未有过的高速度持续发展,改变了人类社会利用信息资源的方式和能力,传统的以手工审计为主的审计模式不能适应企业会计信息电子化的需求,迅速向审计电算化、审计决策支持系统发展。审计决策支持系统借助计算机高速精确的运算能力、大容量的记忆存储能力以及高速传输数据的互联网络,在提高审计工作效率的同时,积极改善审计效果,但并不能取代注册会计师的专业判断。审计抽样技术是风险导向型审计的重要技术和方法,也是审计决策支持系统的关键技术,其在审计决策支持系统中的应用效果直接关系到审计的效率和效果。首先,在回顾了国内外在决策支持系统与审计抽样方面的研究成果,并对不同结构的决策支持系统进行评价后,本文采用“三库一综合部件”(数据库、模型库、知识库及其管理系统,人机交互及问题综合系统)结构决策支持系统框架。然后,将抽样技术分解为样本选取、样本审核、由样本审核结果评价总体这三个相互关联、承前启后的方面,重点分析了抽样技术在审计决策支持系统中的应用问题。根据手工审计抽样技术的基本方法与程序,将各种抽样模型拆分成若干个基本的标准化模块,再按照一定的结构重新组装成抽样模型,这样可以保证模型库内模型的一致性。抽样模型库管理系统通过调用模型库中的模型来完成样本选取。样本审核是一个结构化更差的问题,涉及到专业判断与知识推理,这需要通过建立知识库与知识推理机制来实现。审计抽样知识可以从审计专家的业务特征分析、审计案例的经验总结、相关文献的理论研究成果中获得,决策支持系统自身也会通过一定的机制进行“机器学习”。推理机制是决策支持系统实现智能化的核心部分,它模拟人类的思维推理功能来辅助解决和回答问题的计算机程序,通过直接搜索知识库,利用模式匹配的方法,确定使用哪些知识。根据样本审核结果推断总体,将总体误差同可容忍误差进行比较,以决定是否增加样本或执行替代程序,这可以通过调用模型来实现。最后,结合案例对审计抽样技术做了系统检验。