审计全覆盖任务规定的出台使得我国政府审计工作项目时间紧、任务重而审计人员数量少的问题暴露的更加明显。传统审计工作效率仍有待提高。审计工作的高效开展离不开信息技术在审计业务流程中的运用。在目前的审计实务中,审计人员忽略了审计前期对于信息技术的运用。预测审计疑点作为审计前期工作的重要结果,为开展审计查证工作提供了具体方向。然而,传统人工预测审计疑点的方式由于政策阅读量大、政策难以量化、审计人员能力参差不齐等原因,在一定程度上降低了审计工作的效率和效果。广泛运用机器学习方法的自然语言处理技术,可以有效模拟审计人员预测审计疑点的过程,适用于智能预测审计疑点。因此本文尝试探索基于自然语言处理技术预测审计疑点的方法,期望辅助审计人员,特别是缺少经验的审计人员高效开展审计工作。本文首先对审计信息化、审计疑点和自然语言处理的相关内容进行介绍,分析了信息化背景下,传统人工预测审计疑点面临的难点和不足,以及基于自然语言处理技术预测审计疑点的必要性,为后文构建基于自然语言处理技术预测审计疑点模型及案例分析提供理论基础。然后利用jieba分词、skip-gram模型、SIF句向量、KNN平滑等自然语言处理技术方法,构建一个具有普适性的智能预测审计疑点的模型。最后,将构建好的模型运用到就业补助资金和失业保险基金审计项目疑点的智能预测中,得到一个辅助审计人员开展审计查证工作的待核实审计疑点集合。在基于自然语言处理技术预测审计疑点时,首先对审计方案进行智能解读,精化提炼方案文本,自动识别标记审计目标主体、主要参照客体和主要操作客体,为后续工作做铺垫。接着计算机根据标记,在海量政策中筛选提取与实现本次审计目标相关的法规政策,让系统对所有相关政策进行分析学习,从而进一步从法律规定出发预测审计疑点。最后,计算机根据法规政策和处理过的审计方案,结合以往审计案例,为审计人员智能预测审计疑点,辅助审计人员实施审计取证工作。在目前能检索到的文献范围内,尚未有学者提出运用自然语言处理技术预测审计疑点。本文的研究结果表明,与传统人工预测方法相比,基于自然语言处理技术,可以做到占用更短的审计时间预测出同等数量、质量的审计疑点,对在审计实务中提高审计效率效果具有实际应用价值。