CN108960058B - 发票校验方法、装置、计算机设备及存储介质 - Google Patents
发票校验方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN108960058B CN108960058B CN201810551153.3A CN201810551153A CN108960058B CN 108960058 B CN108960058 B CN 108960058B CN 201810551153 A CN201810551153 A CN 201810551153A CN 108960058 B CN108960058 B CN 108960058B
- Authority
- CN
- China
- Prior art keywords
- supplier information
- black name
- version field
- information
- name supplier
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种发票校验方法,所述校验方法包括:构建黑名单库,所述黑名单库中包括黑名供应商信息;当获取到客户端发送过来的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,包括供应商的识别版字段和录入版字段;通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息;基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理生成校验结果;将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果。本发明解决了目前向供应商执行付款操作时无法对供应商进行校验的问题,且提高了校验的准确性。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种发票校验方法、装置、计算机设备及存储介质。
背景技术
企业在向供应商执行付款操作时,通常由财务部门的员工对发票上的信息进行人工审核,而无法对票面上的供应商进行校验,获知供应商的潜在风险并进行预警,存在较大的报销风险,容易导致企业资金流失。
发明内容
本发明实施例提供了一种发票校验方法、装置、计算机设备及存储介质,以解决目前向供应商执行付款操作时无法对供应商进行校验的问题。
一种发票校验方法,包括:
构建黑名单库,所述黑名单库中包括黑名供应商信息;
当获取到客户端发送过来的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,所述供应商信息包括供应商的识别版字段和录入版字段;
通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息;
基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理得到的黑名供应商信息生成校验结果;
将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果。
进一步地,所述通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息包括:
对所述识别版字段进行分词处理,并根据分词处理的结果获取所述供应商信息中的关键词;
基于SQL语言从所述黑名单库中获取包括所述关键词的黑名供应商信息,以获取与所述供应商信息相关联的黑名供应商信息。
进一步地,所述通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息包括:
对所述识别版字段进行分词处理,以及对所述黑名单库中的每一个黑名供应商信息进行分词处理;
针对每一待比对的黑名供应商信息和识别版字段,根据分词处理的结果,生成该待比对的黑名供应商信息和识别版字段对应的分词序列;
根据所述分词序列,生成该待比对的黑名供应商信息对应的词频向量和识别版字段对应的词频向量;
计算所述待比对的黑名供应商信息对应的词频向量和识别版字段对应的词频向量之间的余弦相似度;
获取余弦相似度大于或等于预设相似度阈值的黑名供应商信息。
进一步地,所述基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理得到的黑名供应商信息生成校验结果包括:
对所述录入版字段与所述供应商信息相关联的黑名供应商信息执行第一匹配处理,以及对所述识别版字段与所述供应商信息相关联的黑名供应商信息执行第二匹配处理;
若两次匹配处理得到的黑名供应商信息、录入版字段和识别版字段均相同时,根据第一匹配处理或第二匹配处理得到的黑名供应商信息生成校验结果;
若两次匹配处理得到的黑名供应商信息不相同时,根据第二匹配处理得到的黑名供应商信息生成校验结果。
进一步地,所述构建黑名单库包括:
从预设的信用系统中获取黑名用户信息,以所述黑名用户信息作为黑名供应商信息添加至黑名单库;和/或
根据关联供应商之间的交易坏账记录,筛选出交易坏账的金额达到预设金额阈值且账龄达到预设账龄阈值的供应商,作为黑名供应商信息添加至黑名单库。
进一步地,所述构建黑名单库还包括:
导入企业之间的控股关系;
针对黑名单库中的每一个黑名供应商信息,从所述控股关系中获取每一个黑名供应商对应的控股企业,以所述控股企业作为黑名供应商信息添加至黑名单库。
一种发票校验装置,包括:
构建模块,用于构建黑名单库,所述黑名单库中包括黑名供应商信息;
获取模块,用于当获取到客户端发送过来的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,所述供应商信息包括供应商的识别版字段和录入版字段;
模糊搜索模块,用于通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息;
匹配模块,用于基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理得到的黑名供应商信息生成校验结果;
发送模块,用于将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果。
进一步地,所述匹配模块包括:
匹配单元,用于对所述录入版字段与所述供应商信息相关联的黑名供应商信息执行第一匹配处理,以及对所述识别版字段与所述供应商信息相关联的黑名供应商信息执行第二匹配处理;
第一生成单元,用于若两次匹配处理得到的黑名供应商信息、录入版字段和识别版字段均相同时,根据第一匹配处理或第二匹配处理得到的黑名供应商信息生成校验结果;
第二生成单元,用于若两次匹配处理得到的黑名供应商信息不相同时,根据第二匹配处理得到的黑名供应商信息生成校验结果。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述发票校验方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述发票校验方法的步骤。
本发明实施例通过构建黑名单库,所述黑名单库中包括若干个黑名供应商信息;当获取到客户端发送的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,所述供应商信息包括供应商的识别版字段和录入版字段;接着基于所述黑名单库中的黑名供应商信息,对所述识别版字段执行模糊搜索,以获取供应商信息相关联的黑名供应商信息;然后基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理生成校验结果;最后将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果;从而实现了对供应商的校验,解决了目前向供应商执行付款操作时无法对供应商进行校验的问题,且通过结合模糊搜索和精确匹配,提高了校验的效率和准确性,并可对外提供SAAS服务。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中发票校验方法的一应用环境示意图;
图2是本发明一实施例中发票校验方法的一流程图;
图3是本发明一实施例中发票校验方法中步骤S203的一流程图;
图4是本发明一实施例中发票校验方法中步骤S203的一流程图;
图5是本发明一实施例中发票校验方法中步骤S204的一流程图;
图6是本发明一实施例中发票校验装置的一原理框图;
图7是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的发票校验方法,可应用在如图1的应用环境中,包括客户端和服务端,其中,客户端通过网络与服务端进行通信。所述客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。所述客户端和服务端共同完成对发票上的信息的校验。其中,所述服务端用于构建和管理黑名单库,对黑名单库中的在案黑名信息执行添加、删除、修改的操作,以及响应客户端的校验请求执行黑名单的校验分析。所述客户端用于发起校验请求,以及将从服务端获取的校验结果进行输出显示。在本发明实施例中,所述校验为对发票上的供应商信息的校验,所述黑名单库中包括若干个黑名供应商信息。
在一实施例中,如图2所示,提供一种发票校验方法,以该方法应用在图1中的服务端为例进行说明,包括如下步骤:
在步骤S201中,构建黑名单库,所述黑名单库中包括黑名供应商信息。
在这里,本发明实施例预先在服务端构建黑名单库,并且改进了黑名单库中的黑名供应商信息的数据来源,以提高黑名单库的数据可靠性、丰富黑名单库中的数据种类,提供更加全方位的校验服务。
可选地,作为本发明的一个优选示例,所述步骤S201可以包括:
从预设的信用系统中获取黑名用户信息,以所述黑名用户信息作为黑名供应商信息添加至黑名单库。
其中,所述预设的信用系统包括但不限于国家信用系统、银行系统、征信机构。本发明实施例直接从国家信用系统、银行系统、征信机构等获取黑名用户信息,每一个黑名用户信息包括但不限于黑名供应商名称、涉黑行为记录,所述涉黑行为记录包括但不限于涉黑原因、涉黑行为发生时间。
在本示例中,所构建的黑名单库的数据来源囊括了国家信用系统、银行系统、征信机构中的数据,黑名单库的数据可靠性高、数据种类齐全,有利于提供更加全方位的校验服务。
作为本发明的另一个优选示例,所述步骤S201还可以包括:
根据关联供应商之间的交易坏账记录,筛选出交易坏账的金额达到预设金额阈值且账龄达到预设账龄阈值的供应商,作为黑名供应商信息添加至黑名单库。
在这里,本发明实施例还可以从企业自身累计的大数据中基于交易坏账筛选出黑名供应商信息。首先从大数据中获取存在交易坏账的关联供应商,然后比对所述交易坏账的金额与预设金额阈值、比对所述交易坏账的账龄与预设账龄阈值,若所述交易坏账的金额大于或等于预设金额阈值且账龄大于或等于预设账龄阈值时,则以所述关联供应商作为黑名供应商信息,并添加至黑名单库中。其中,所述预设金额阈值和预设账龄阈值均为判断交易坏账对应的供应商是否为黑名单的参数之一,所述预设金额阈值为交易坏账对应的供应商是黑名单的交易金额下限值,所述预设账龄阈值为交易坏账对应的供应商是黑名单的账龄下限值。
作为本发明的另一个优选示例,所述步骤S201还可以包括:
导入企业之间的控股关系;
针对黑名单库中的每一个黑名供应商信息,从所述控股关系中获取每一黑名供应商对应的控股企业,以所述控股企业作为黑名供应商信息添加至黑名单库。
在这里,控股关系是指企业之间通过持有一定数量的股份而对其他企业进行控制的一种关系。所述控股关系可以通过映射表的方式存储。示例性地,假设控股关系中存在企业M是企业N的控股公司,若黑名单库的在案黑名供应商信息中存在企业M,则通过查询控股关系,可以得到企业M是企业N的控股公司,那么将所述企业N也作为黑名供应商信息,并添加至黑名单库中,从而进一步扩展了黑名单库中在案黑名信息的数据量,有利于实现更全方位的校验,提高财务风险管控的能力。
可选地,在本发明实施例中,所述黑名单库可以部署在云平台上,以便于向内部企业、外部企业提供数据服务,实现SAAS服务模式。
在步骤S202中,当获取到客户端发送过来的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,所述供应商信息包括供应商的识别版字段和录入版字段。
在这里,所述供应商的识别版字段是指通过对发票图像信息进行图像识别的方式得到的供应商信息,所述录入版字段是指通过人工手动录入的方式得到的供应商信息。在支付交易过程中,用户可以在客户端上录入待校验发票票面上的供应商信息,以及通过扫描仪扫描上传发票图像信息。客户端或者客户端侧的服务器接收所述供应商信息,得到供应商的录入版字段;以及,对所述发票图像信息进行OCR识别,得到发票票面上的供应商信息,即供应商的识别版字段。然后基于所述供应商的识别版字段和录入版字段生成校验请求,并将所述校验请求至服务端,以发起对所述待校验发票的校验流程。
相应地,服务端获取到客户端发送的校验请求后,对所述校验请求进行解析,从中获取待校验发票上的供应商信息,包括供应商的识别版字段和录入版字段。
在步骤S203中,通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息。
在这里,由于录入版字段容易存在输入错误的可能,因此识别版字段相对于录入版字段的准确性更高。在对待校验发票上的供应商信息进行校验时,本发明实施例首先以识别版字段作为校验对象,在黑名单库中对所述识别版字段进行模糊搜索。可选地,模糊搜索可以根据识别版字段进行拆分,并以其中的关键词作为检索词执行逻辑与运算,从黑名单库中获取与所述识别版字段相关联的黑名供应商信息,以初步过滤掉参考意义较低的黑名供应商信息。
在步骤S204中,基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理得到的黑名供应商信息生成校验结果。
在完成模糊搜索之后,本发明实施例在模糊搜索得到的结果的基础上,分别以录入版字段和识别版字段作为校验对象,执行精确的匹配处理。其中,精确的匹配处理是指分别以所述录入版字段和识别版字段作为固定的检索词组,执行逻辑与运算,从所述相关联的黑名供应商信息中获取与所述录入版字段或识别版字段完全一致的黑名供应商信息。
在这里,本发明实施例分别以所述录入版字段和识别版字段作为固定词组执行一次匹配处理,然后根据两次匹配处理生成校验结果,有利于提高匹配处理的准确性,进而提高对供应商信息的校验准确性。
在步骤S205中,将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果。
在本发明实施例中,所述校验结果包括是否为黑名单的结论以及黑名单的名称。其中,是否为黑名单的结论包括:所述待校验发票上的供应商信息为黑名单、所述待校验发票上的供应商信息不为黑名单以及所述待校验发票上的供应商信息为疑似黑名单。黑名单的名称为通过校验所匹配的黑名单库中的黑名供应商信息。本发明实施例进一步将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果,在完成对黑名单校验的同时,实现了向外提供SAAS(Software-as-a-Service,软件即服务)服务,即可以向内外部企业提供黑名校验的服务。
在一实施例中,可以基于结构化查询语言SQL来进行模糊搜索。如图3所示,步骤S203中,即通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息包括如下步骤:
在步骤S301中,对所述识别版字段进行分词处理,并根据分词处理的结果获取所述供应商信息中的关键词。
在这里,供应商信息通常为企业名称,比如XX(市)XX科技有限公司。本发明实施例预先构建分词元数据库,通过所述分词元数据库来存储分词规则和分词过程中所依据的地区、企业名字、公司形式的标准信息。其中,所述分词规则是指根据企业名称中是否包含指定的特征字符定义的规则,所述指定的特征字符包括但不限于比如“省”、“市”、“科技”、“服装”、“信息技术”、“通信”、“有限责任公司”、“股份有限公司”。每个分词规则对应不同的分词程序。在对识别版字段执行分词处理时,按照所述分词规则获取特征字符出现的位置,截取特征字符之前或者两两特征字符之间的信息,得到若干个分词。示例性地,比如截取“省”与“市”之间的信息,截取“市”与“有限责任公司”之间的信息。然后将截取的信息与分词元数据库中的标准信息进行比对识别,得到每一个分词的属性,即该分词是地区名词、企业名字还是公司形式,进一步保证了分词的准确性。示例性地,如前所述,将截取的“省”与“市”之间的信息与标准信息比对之后,可以识别出所截取的信息为地区名词,并且可具体识别为市级地区;将截取的“市”与“有限责任公司”之间的信息与标准信息比对之后,可以识别出所截取的信息为企业名字。可选地,本发明实施例以企业名字作为关键词,即以属性为企业名字的分词作为关键词。
在步骤S302中,基于SQL语言从所述黑名单库中获取包括所述关键词的黑名供应商信息,以获取与所述供应商信息相关联的黑名供应商信息。
在得到关键词之后,本发明实施例基于所述关键词设置指定的SQL语句。示例性地,所述指定的SQL语句可以为:
SELECT(XX字段)FROM(XX表)WHERE(XX字段)LIKE(XX条件)。
在这里,本发明实施例根据所述关键词设置LIKE条件,若要匹配任意类型和任意长度的字符,对于中文字段,可以使用两个百分号(%%)表示。比如:
假设待校验发票的供应商信息的识别版字段为“平安科技有限公司”,通过分词处理得到的关键词为“平安科技”,则SQL语句可以设置为:
select*from flow_supplier where suppliername like'%平安科技%';
在这里,所述flow_supplier表示黑名单库中的黑名供应商信息列表,所述suppliername表示黑名供应商名称,通过上述SQL语句,则将会把flow_supplier这张表里面列名suppliername中含有“平安科技”的记录全部查询出来,从而完成模糊搜索,得到与识别版字段相似的名称,即得到包含识别版字段中的“平安科技”一词的所有黑名供应商信息。
本发明实施例通过模糊搜索,从黑名单库中获取与所述识别版字段相关联的黑名供应商信息,初步过滤掉了参考意义较低的黑名供应商信息,有利于提高校验的效率及准确性;且SQL语言高度非过程化,有效地减轻了开发成本。
在一实施例中,可以基于余弦相似度算法来进行模糊搜索。如图4所示,步骤S203中,即通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息具体包括如下步骤:
在步骤S401中,对所述识别版字段进行分词处理,以及对所述黑名单库中的每一个黑名供应商信息进行分词处理。
在本发明实施例中,供应商信息通常为企业名称,比如XX(市)YY科技有限公司。此处的分词是指将中文的汉字序列切分成有意义的词,比如将上述的XX(市)YY科技有限公司分切为“XX、YY、科技、有限公司”。可选地,分词处理的方式包括但不限于基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。
在步骤S402中,针对每一待比对的黑名供应商信息和识别版字段,根据分词处理的结果,生成该待比对的黑名供应商信息和识别版字段对应的分词序列。
在这里,本发明实施例从所述黑名单库中无放回地抽取一个黑名供应商信息作为待比对的黑名供应商信息。根据所述待比对的黑名供应商信息和识别版字段,生成对应的分词序列。所述分词序列是指由待比对的黑名供应商信息和识别版字段所包括的分词组成的序列。
示例性地,假设待比对的黑名供应商信息A为XX市YY科技有限公司,经过分词处理后得到的分词包括XX、市、YY、科技、有限公司;识别版字段B为XXYY科技有限公司,经过分词处理后得到的分词包括XX、YY、科技、有限公司。组合所述待比对的黑名供应商信息和识别版字段对应的分词,得到所述待比对的黑名供应商信息A和识别版字段B对应的分词序列为:XX、市、YY、科技、有限公司。
在步骤S403中,根据所述分词序列,生成该待比对的黑名供应商信息对应的词频向量和识别版字段对应的词频向量。
在本发明实施例中,所述词频是指每一分词在所述识别版字段或者待比对的黑名供应商信息中出现的次数。如前所述,分词“XX”,在所述待比对的黑名供应商信息A或者识别版字段B中出现的次数均为1;分词“市”,在所述待比对的黑名供应商信息A中出现的次数为1,在所述识别版字段B中出现的次数为0,以此类推。
在得到所述识别版字段/待比对的黑名供应商信息中每一个分词的词频之后,按照所述分词序列组合词频,从而得到所述识别版字段/待比对的黑名供应商信息对应的词频向量。所述词频向量表示所述识别版字段/待比对的黑名供应商信息的特征向量,向量中每一个词频表示对应分词对所述识别版字段/待比对的黑名供应商信息的贡献程度。
示例性地,如前所述,所述待比对的黑名供应商信息A和识别版字段B对应的分词序列为:XX、市、YY、科技、有限公司,则经过词频计算,得到所述待比对的黑名供应商信息A对应的词频向量为(1,1,1,1,1),所述识别版字段B对应的词频向量为(1,0,1,1,1)。
在步骤S404中,计算所述待比对的黑名供应商信息对应的词频向量和识别版字段对应的词频向量之间的余弦相似度。
本发明实施例采用余弦相似性算法(cosine similarity)计算两个词频向量之间的夹角余弦值,以获取所述识别版字段和待比对的黑名供应商信息之间的相似度,从而将识别版字段与黑名单库中的每一黑名供应商信息之间的比对,转化为计算两个词频向量之间的相似程度。假设所述待比对的黑名供应商信息对应词频向量P,所述识别版字段对应词频向量Q,所述余弦相似度计算公式为:
其中,Pi表示词频向量P中第i个分词对应的词频,Qi表示词频向量Q中第i个分词对应的词频,n表示分词序列中的分词总数。
在步骤S405中,获取余弦相似度大于或等于预设相似度阈值的黑名供应商信息。
根据余弦定理,当两个向量的夹角的余弦值为1时,夹角θ的值大小为0,表示两个词频向量是相同的,即识别版字段和待比对的黑名供应商信息是相同的;夹角的余弦值越小,夹角θ的值越大,两个词频向量越不相关;若夹角的余弦值为0时,表示两个词频向量正交,夹角θ的值为90度,该识别版字段和待比对的黑名供应商信息毫不相关。鉴于此,本发明实施例通过预设相似度阈值,预留误差空间,然后将步骤S304计算得到的相似度与所述预设相似度阈值进行比较,筛选出大于或等于所述预设相似度阈值的相似度;将该相似度对应的待比对的黑名供应商信息记为相关联的黑名供应商信息,从而完成对黑名供应商信息的模糊搜索,过滤掉了参考意义较低的黑名供应商信息,有利于提高校验的效率及准确性;且余弦相似性算法有效地避免了含义一致的字段在长度或者顺序不一致时被认为是不相似的现象,简单快捷,搜索的速度和准确率较高。
在一实施例中,如图5所示,步骤S204所述的基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理得到的黑名供应商信息生成校验结果包括:
在步骤S501中,对所述录入版字段与所述供应商信息相关联的黑名供应商信息执行第一匹配处理,以及对所述识别版字段与所述供应商信息相关联的黑名供应商信息执行第二匹配处理。
如前所述,所述供应商信息相关联的黑名供应商信息为经过步骤S203执行的模糊搜索得到的与本次待校验发票上的供应商信息相关的黑名供应商信息。为了进一步提高校验的准确性,本发明实施例采用多次匹配,分别以所述录入版字段和识别版字段作为固定词组执行一次匹配处理,即将所述录入版字段与所述供应商信息相关联的黑名供应商信息进行第一次匹配,得到与所述录入版字段相同的黑名供应商信息;以及将所述识别版字段与所述供应商信息相关联的黑名供应商信息进行第二次匹配,得到与所述识别版字段相同的黑名供应商信息;然后根据两次匹配生成校验结果,以提高匹配处理的准确性,进而提高对供应商信息的校验准确性。
在步骤S502中,若两次匹配处理得到的黑名供应商信息、录入版字段和识别版字段均相同时,根据第一匹配处理或第二匹配处理得到的黑名供应商信息生成校验结果。
在这里,本发明实施例将两次匹配处理得到的黑名供应商信息进行比对;若第一次匹配处理得到的黑名供应商信息与第二次匹配处理得到的黑名供应商信息相同时,再将两次匹配处理得到的黑名供应商信息、录入版字段以及识别版字段进行比对;若两次匹配处理得到的黑名供应商信息、录入版字段和识别版字段三者均相同,则确认该待校验发票上的供应商信息属于黑名单,生成校验结果。如前所述,所述校验结果包括是否为黑名单的结论以及黑名单的名称。在这里,所述校验结果可以为:所述待校验发票上的供应商信息为黑名单、黑名单的名称为XXX(根据匹配得到的黑名供应商信息)。
在步骤S503中,若两次匹配处理得到的黑名供应商信息不相同时,根据第二匹配处理得到的黑名供应商信息生成校验结果。
可选地,若第一次匹配处理得到的黑名供应商信息,与第二次匹配处理得到的黑名供应商信息不相同时,则确认该待校验发票上的供应商信息属于疑似黑名单,生成校验结果。在这里,所述校验结果可以为:所述待校验发票上的供应商信息为疑似黑名单、黑名单的名称为XXX(第二次匹配得到的黑名供应商信息);以告知用户存在与待校验发票上的供应商信息相似的黑名供应商,并进行确认。
示例性地,假设供应商相关联的黑名供应商信息包括中国XX科技有限公司、中国XX保险股份有限公司、中国(XX)科技有限公司等。在场景一中,通过人工录入供应商信息得到的录入版字段为中国XX保险股份有限公司,通过OCR技术识别供应商信息得到的识别版字段为中国XX保险股份有限公司,若第一次匹配处理和第二次匹配处理得到的黑名供应商信息均为中国XX保险股份有限公司,且与录入版字段、识别版字段均一致,则确认该待校验发票上的供应商信息属于黑名单,生成校验结果,比如:所述待校验发票上的供应商信息为黑名单、黑名单的名称为中国XX保险股份有限公司。在场景二中,通过人工录入供应商信息得到的录入版字段为中国XX科技有限公司,通过OCR技术识别供应商信息得到的识别版字段为中国(XX)科技有限公司,若第一次匹配出的黑名供应商信息为中国XX科技有限公司,第二次匹配出的黑名供应商信息为中国科技有限公司,则确认该待校验发票上的供应商信息属于疑似黑名单,生成校验结果,比如:所述待校验发票上的供应商信息为疑似黑名单、黑名单的名称为中国科技有限公司,请加以确认。
本发明实施例通过设置双重匹配处理,提高了匹配处理的准确性,进而提高了对供应商信息的校验准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种发票校验装置,该发票校验装置与上述实施例中发票校验方法一一对应。如图6所示,该发票校验装置包括构建模块、获取模块、模糊搜索模块、匹配模块和发送模块。各功能模块详细说明如下:
构建模块61,用于构建黑名单库,所述黑名单库中包括黑名供应商信息;
获取模块62,用于当获取到客户端发送过来的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,所述供应商信息包括供应商的识别版字段和录入版字段;
模糊搜索模块63,用于通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息;
匹配模块64,用于基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理得到的黑名供应商信息生成校验结果;
发送模块65,用于将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果。
可选地,所述模糊搜索模块63包括:
关键词获取单元631,用于对所述识别版字段进行分词处理,并根据分词处理的结果获取所述供应商信息中的关键词;
SQL搜索单元632,用于基于SQL语言从所述黑名单库中获取包括所述关键词的黑名供应商信息,以获取与所述供应商信息相关联的黑名供应商信息。
可选地,所述模糊搜索模块63包括:
分词处理单元633,用于对所述识别版字段进行分词处理,以及对所述黑名单库中的每一个黑名供应商信息进行分词处理;
分词序列生成单元634,用于针对每一待比对的黑名供应商信息和识别版字段,根据分词处理的结果,生成该待比对的黑名供应商信息和识别版字段对应的分词序列;
词频向量生成单元635,用于根据所述分词序列,生成该待比对的黑名供应商信息对应的词频向量和识别版字段对应的词频向量;
相似度计算单元636,用于计算所述待比对的黑名供应商信息对应的词频向量和识别版字段对应的词频向量之间的余弦相似度;
获取单元637,用于获取余弦相似度大于或等于预设相似度阈值的黑名供应商信息。
可选地,所述匹配模块64包括:
匹配单元641,用于对所述录入版字段与所述供应商信息相关联的黑名供应商信息执行第一匹配处理,以及对所述识别版字段与所述供应商信息相关联的黑名供应商信息执行第二匹配处理;
第一生成单元642,用于若两次匹配处理得到的黑名供应商信息、录入版字段和识别版字段均相同时,根据第一匹配处理或第二匹配处理得到的黑名供应商信息生成校验结果;
第二生成单元643,用于若两次匹配处理得到的黑名供应商信息不相同时,根据第二匹配处理得到的黑名供应商信息生成校验结果。
可选地,所述构建模块61包括:
第一构建单元611,用于从预设的信用系统中获取黑名用户信息,以所述黑名用户信息作为黑名供应商信息添加至黑名单库;和/或
第二构建单元612,用于根据关联供应商之间的交易坏账记录,筛选出交易坏账的金额达到预设金额阈值且账龄达到预设账龄阈值的供应商,作为黑名供应商信息添加至黑名单库。
可选地,所述构建模块61还包括:
第三构建单元613,用于导入企业之间的控股关系;针对黑名单库中的每一个黑名供应商信息,从所述控股关系中获取每一个黑名供应商对应的控股企业,以所述控股企业作为黑名供应商信息添加至黑名单库。
关于发票校验装置的具体限定可以参见上文中对于发票校验方法的限定,在此不再赘述。上述发票校验装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储黑名供应商信息,以及对在案的黑名供应商信息执行添加、删除、修改的操作。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种发票校验方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
构建黑名单库,所述黑名单库中包括黑名供应商信息;
当获取到客户端发送过来的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,所述供应商信息包括供应商的识别版字段和录入版字段;
通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息;
基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理得到的黑名供应商信息生成校验结果;
将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
构建黑名单库,所述黑名单库中包括黑名供应商信息;
当获取到客户端发送过来的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,所述供应商信息包括供应商的识别版字段和录入版字段;
通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息;
基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,并根据所述匹配处理得到的黑名供应商信息生成校验结果;
将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种发票校验方法,其特征在于,包括:
构建黑名单库,所述黑名单库中包括黑名供应商信息;
当获取到客户端发送过来的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,所述供应商信息包括供应商的识别版字段和录入版字段;
通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息;
基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,得到与所述录入版字段相同的黑名供应商信息和与所述识别版字段相同的黑名供应商信息,并根据得到的黑名供应商信息生成校验结果;
将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果。
2.如权利要求1所述的发票校验方法,其特征在于,所述通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息包括:
对所述识别版字段进行分词处理,并根据分词处理的结果获取所述供应商信息中的关键词;
基于SQL语言从所述黑名单库中获取包括所述关键词的黑名供应商信息,以获取与所述供应商信息相关联的黑名供应商信息。
3.如权利要求1所述的发票校验方法,其特征在于,所述通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息包括:
对所述识别版字段进行分词处理,以及对所述黑名单库中的每一个黑名供应商信息进行分词处理;
针对每一待比对的黑名供应商信息和识别版字段,根据分词处理的结果,生成该待比对的黑名供应商信息和识别版字段对应的分词序列;
根据所述分词序列,生成该待比对的黑名供应商信息对应的词频向量和识别版字段对应的词频向量;
计算所述待比对的黑名供应商信息对应的词频向量和识别版字段对应的词频向量之间的余弦相似度;
获取余弦相似度大于或等于预设相似度阈值的黑名供应商信息。
4.如权利要求1至3任一项所述的发票校验方法,其特征在于,所述基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,得到与所述录入版字段相同的黑名供应商信息和与所述识别版字段相同的黑名供应商信息,并根据得到的黑名供应商信息生成校验结果包括:
对所述录入版字段与所述供应商信息相关联的黑名供应商信息执行第一匹配处理,以及对所述识别版字段与所述供应商信息相关联的黑名供应商信息执行第二匹配处理;
若两次匹配处理得到的黑名供应商信息、录入版字段和识别版字段均相同时,根据第一匹配处理或第二匹配处理得到的黑名供应商信息生成校验结果;
若两次匹配处理得到的黑名供应商信息不相同时,根据第二匹配处理得到的黑名供应商信息生成校验结果。
5.如权利要求1所述的发票校验方法,其特征在于,所述构建黑名单库包括:
从预设的信用系统中获取黑名用户信息,以所述黑名用户信息作为黑名供应商信息添加至黑名单库;和/或
根据关联供应商之间的交易坏账记录,筛选出交易坏账的金额达到预设金额阈值且账龄达到预设账龄阈值的供应商,作为黑名供应商信息添加至黑名单库。
6.如权利要求5所述的发票校验方法,其特征在于,所述构建黑名单库还包括:
导入企业之间的控股关系;
针对黑名单库中的每一个黑名供应商信息,从所述控股关系中获取每一个黑名供应商对应的控股企业,以所述控股企业作为黑名供应商信息添加至黑名单库。
7.一种发票校验装置,其特征在于,包括:
构建模块,用于构建黑名单库,所述黑名单库中包括黑名供应商信息;
获取模块,用于当获取到客户端发送过来的校验请求时,从所述校验请求中获取待校验发票上的供应商信息,所述供应商信息包括供应商的识别版字段和录入版字段;
模糊搜索模块,用于通过识别版字段在黑名单库中执行模糊搜索,以获取所述供应商信息相关联的黑名供应商信息;
匹配模块,用于基于所述供应商信息相关联的黑名供应商信息,分别以所述录入版字段和识别版字段作为固定词组执行匹配处理,得到与所述录入版字段相同的黑名供应商信息和与所述识别版字段相同的黑名供应商信息,并根据得到的黑名供应商信息生成校验结果;
发送模块,用于将所述校验结果发送至客户端,以使得所述客户端接收并输出所述校验结果。
8.如权利要求7所述的发票校验装置,其特征在于,所述匹配模块包括:
匹配单元,用于对所述录入版字段与所述供应商信息相关联的黑名供应商信息执行第一匹配处理,以及对所述识别版字段与所述供应商信息相关联的黑名供应商信息执行第二匹配处理;
第一生成单元,用于若两次匹配处理得到的黑名供应商信息、录入版字段和识别版字段均相同时,根据第一匹配处理或第二匹配处理得到的黑名供应商信息生成校验结果;
第二生成单元,用于若两次匹配处理得到的黑名供应商信息不相同时,根据第二匹配处理得到的黑名供应商信息生成校验结果。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的发票校验方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的发票校验方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810551153.3A CN108960058B (zh) | 2018-05-31 | 2018-05-31 | 发票校验方法、装置、计算机设备及存储介质 |
PCT/CN2018/094362 WO2019227576A1 (zh) | 2018-05-31 | 2018-07-03 | 发票校验方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810551153.3A CN108960058B (zh) | 2018-05-31 | 2018-05-31 | 发票校验方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108960058A CN108960058A (zh) | 2018-12-07 |
CN108960058B true CN108960058B (zh) | 2019-12-03 |
Family
ID=64492790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810551153.3A Active CN108960058B (zh) | 2018-05-31 | 2018-05-31 | 发票校验方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108960058B (zh) |
WO (1) | WO2019227576A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110471966B (zh) * | 2019-07-02 | 2023-08-01 | 平安科技(深圳)有限公司 | 信息数据校验方法、装置、计算机设备及存储介质 |
CN111259882B (zh) * | 2020-01-14 | 2023-12-26 | 平安科技(深圳)有限公司 | 票据识别的方法、装置及计算机设备 |
CN111768546A (zh) * | 2020-06-30 | 2020-10-13 | 新奥(中国)燃气投资有限公司 | 对异常企业发票自动预警的方法、装置及系统 |
CN113033565B (zh) * | 2021-03-10 | 2021-11-19 | 大象慧云信息技术有限公司 | 一种电子发票数据处理方法及系统 |
US20240039919A9 (en) * | 2021-10-27 | 2024-02-01 | International Business Machines Corporation | Natural language processing for restricting user access to systems |
CN117523590B (zh) * | 2023-11-10 | 2024-05-28 | 广州方舟信息科技有限公司 | 一种校验生产厂商名称的方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750794A (zh) * | 2012-07-10 | 2012-10-24 | 陕西海基业高科技实业有限公司 | 一种票据自动录入系统及其应用方法 |
CN103279883A (zh) * | 2013-05-02 | 2013-09-04 | 携程计算机技术(上海)有限公司 | 电子支付交易风险控制方法及系统 |
CN104978320A (zh) * | 2014-04-02 | 2015-10-14 | 东华软件股份公司 | 一种基于相似度的知识推荐方法和设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2425832B (en) * | 2003-12-01 | 2007-07-11 | Green Vision Systems Ltd | Authenticating an authentic article using spectral imaging and analysis |
US20060089907A1 (en) * | 2004-10-22 | 2006-04-27 | Klaus Kohlmaier | Invoice verification process |
CN101510292A (zh) * | 2009-03-13 | 2009-08-19 | 百兴科技(苏州)有限公司 | 财务会计系统的记录生成方法 |
CN103532711A (zh) * | 2012-07-02 | 2014-01-22 | 航天信息股份有限公司 | 基于加密数据传输的实时发票认证方法及系统 |
CN102903171B (zh) * | 2012-09-21 | 2014-05-07 | 国网山东省电力公司物资公司 | 自助式智能录入验审发票处理系统与方法 |
US20140279323A1 (en) * | 2013-03-15 | 2014-09-18 | Mitek Systems, Inc. | Systems and methods for capturing critical fields from a mobile image of a credit card bill |
CN103425976B (zh) * | 2013-07-17 | 2016-12-28 | 中国中医科学院 | 一种临床病例报告表识别系统及识别方法 |
CN103646110B (zh) * | 2013-12-26 | 2017-01-11 | 中国人民银行征信中心 | 自然人基本身份信息匹配方法 |
CN104408403B (zh) * | 2014-10-29 | 2019-08-20 | 中国建设银行股份有限公司 | 一种二次录入不一致的仲裁方法及装置 |
CN106095759B (zh) * | 2016-06-20 | 2019-05-24 | 西安交通大学 | 一种基于启发式规则的发票货物归类方法 |
CN107133259A (zh) * | 2017-03-22 | 2017-09-05 | 北京晓数聚传媒科技有限公司 | 一种搜索方法和装置 |
CN107437181A (zh) * | 2017-07-31 | 2017-12-05 | 努比亚技术有限公司 | 防止账户被盗刷的方法、装置及计算机可读存储介质 |
-
2018
- 2018-05-31 CN CN201810551153.3A patent/CN108960058B/zh active Active
- 2018-07-03 WO PCT/CN2018/094362 patent/WO2019227576A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750794A (zh) * | 2012-07-10 | 2012-10-24 | 陕西海基业高科技实业有限公司 | 一种票据自动录入系统及其应用方法 |
CN103279883A (zh) * | 2013-05-02 | 2013-09-04 | 携程计算机技术(上海)有限公司 | 电子支付交易风险控制方法及系统 |
CN104978320A (zh) * | 2014-04-02 | 2015-10-14 | 东华软件股份公司 | 一种基于相似度的知识推荐方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108960058A (zh) | 2018-12-07 |
WO2019227576A1 (zh) | 2019-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960058B (zh) | 发票校验方法、装置、计算机设备及存储介质 | |
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
US8949166B2 (en) | Creating and processing a data rule for data quality | |
US10769290B2 (en) | Systems and methods for fraud detection via interactive link analysis | |
US10847136B2 (en) | System and method for mapping a customer journey to a category | |
US8615516B2 (en) | Grouping similar values for a specific attribute type of an entity to determine relevance and best values | |
WO2021042747A1 (zh) | 发票图片识别及验真方法、系统、设备及可读存储介质 | |
US10657530B2 (en) | Automated transactions clearing system and method | |
CN108764239A (zh) | 发票验伪方法、装置、计算机设备及存储介质 | |
WO2019174073A1 (zh) | 通话中客户信息修改方法、装置、计算机设备及存储介质 | |
CN109033150A (zh) | 敏感词验证方法、装置、计算机设备及存储介质 | |
CN110609954A (zh) | 数据获取方法、装置、计算机设备和存储介质 | |
CN113961768B (zh) | 敏感词检测方法、装置、计算机设备和存储介质 | |
US20100121884A1 (en) | Applying Formal Concept Analysis To Validate Expanded Concept Types | |
CN111324716A (zh) | 指标数据获取方法、装置、计算机设备和存储介质 | |
CN114186275A (zh) | 隐私保护方法、装置、计算机设备及存储介质 | |
CN113888299A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN115269437A (zh) | 测试用例推荐方法、装置、计算机设备及存储介质 | |
US11308130B1 (en) | Constructing ground truth when classifying data | |
CN115168848A (zh) | 基于大数据分析拦截的拦截反馈处理方法 | |
CN114819896A (zh) | 一种基于ai的票据管理系统、方法及存储介质 | |
CN113743692B (zh) | 业务风险评估方法、装置、计算机设备和存储介质 | |
CN106528718A (zh) | 用于处理来自第三方的数据的方法及装置 | |
CN115017256A (zh) | 电力数据处理方法、装置、电子设备及存储介质 | |
KR20210017053A (ko) | 개인사업체에 대한 매출액 추정 모형의 도출방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |