随着参保人群的增加和社保基金规模的增大,计算机辅助审计已经逐步替代了传统的手工审计。但在社保审计系统(N-SAS)的实施过程中,由于各地在政策和信息系统上的差异巨大,导致审计在数据对应、政策分析上要耗费大量的人力和时间,效率很低。为了解决以上问题,构建领域知识库是一种很好的方法。本文以医疗保险为例,利用本体学习中基于语言学的知识获取技术,通过分词、组词算法半自动地从各地医保政策、数据字典、专家经验中获得医保审计领域的相关概念和它们之间的关系。参照斯坦福大学提出的本体构建“七步法”结合医保审计领域的实际情况,构建医保审计领域本体,并用protégé对其进行形式化表示和存储,形成医保审计知识库。在此基础上,对传统的领域本体下的概念相似度计算方法进行比较分析,并改进了其中的最短路径法,使之适用于医保审计领域。将改进后的方法应用到审计初期的数据对应过程,可以一定程度的降低数据对应过程中对审计人员的依赖,提高了效率。