CN109447723A - 费用控制方法、装置、计算机设备及存储介质 - Google Patents
费用控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109447723A CN109447723A CN201811017884.6A CN201811017884A CN109447723A CN 109447723 A CN109447723 A CN 109447723A CN 201811017884 A CN201811017884 A CN 201811017884A CN 109447723 A CN109447723 A CN 109447723A
- Authority
- CN
- China
- Prior art keywords
- order
- information
- submitted
- expense account
- reimbursement
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/04—Billing or invoicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种费用控制方法、装置、计算机设备及存储介质,包括下述步骤:获取待报销订单的订单信息;判断订单信息与预设报销数据库中的报销记录是否匹配;若匹配,则发送重复报销的提示信息,若不匹配,则执行报销入账程序并在预设报销数据库中添加与待报销订单对应的报销记录。通过获取待报销订单的订单信息,并与预设报销数据库中的报销记录进行比对,当该订单信息与预设报销数据库中的报销记录匹配时,此时发送重复报销的提示信息;而当该订单新与预设报销数据库中的报销记录均不匹配时,说明该待报销订单还没有被报销过,此时进行报销入账并在预设报销数据库中添加该待报销订单的报销记录,以避免对该待报销订单的重复报销操作。
Description
技术领域
本发明实施例涉及费用报销技术领域,尤其是一种费用控制方法、装置、计算机设备及存储介质。
背景技术
人们在进行消费后,例如购买、吃饭、住宿和出行搭乘交通工具等等,都会要求商家开具发票,发票是指一切单位和个人在购销商品、提供或接受服务以及从事其他经营活动中,所开具和收取的业务凭证,是会计核算的原始依据,也是审计机关、税务机关执法检查的重要依据,每一张发票都必须有独一无二的流水账号码,防止发票重复或跳号。
现有的发票包括纸质发票和电子发票,纸质发票和电子发票均可以报销入账,但是对发票订单进行报销入账时会出现重复报销的情况,特别是对于电子发票来说,由于电子发票可以重复复制和复印的特性,使得电子发票进行线上报销时容易出现重复报销。
发明内容
本发明实施例提供一种智能识别待报销订单是否已经报销过了的费用控制方法、装置、计算机设备及存储介质。
为解决上述技术问题,本发明创造的实施例采用的一个技术方案是:提供一种费用控制方法,包括下述步骤:
获取待报销订单的订单信息;
判断所述订单信息与预设报销数据库中的报销记录是否匹配;
若匹配,则发送重复报销的提示信息,若不匹配,则执行报销入账程序并在所述预设报销数据库中添加与所述待报销订单对应的报销记录。
可选地,所述获取待报销订单的订单信息之前,还包括如下步骤:
获取所述待报销订单的纸质订单图像;
将所述纸质订单图像输入至预设图像识别模型中,该预设图像识别模型为训练至收敛的卷积神经网络模型;
获取所述预设图像识别模型输出的与所述待报销订单对应的订单信息。
可选地,所述卷积神经网络模型的训练方法包括:
获取标记有分类参照信息的训练样本数据,其中,所述训练样本数据包括:样本图像和派生于所述样本图像的增强图像;
将所述训练样本数据输入卷积神经网络模型获取所述训练样本数据的分类判断信息;
比对所述训练样本数据内不同样本的分类参照信息与所述分类判断信息是否一致;
当所述分类参照信息与所述分类判断信息不一致时,反复循环迭代的更新所述卷积神经网络模型中的权重,至所述分类参照信息与所述分类判断信息一致时结束。
可选地,所述获取待报销订单的订单信息之前,还包括如下步骤:
获取与所述待报销订单对应的报销人的报销人信息;
获取预设时间段内与所述报销人信息对应的全部的订单;
根据第一预设规则将所述全部的订单合成所述待报销订单。
可选地,所述根据第一预设规则将所述全部的订单合成所述待报销订单的步骤,具体包括如下步骤:
获取所述报销人的预设等级信息;
将所述全部的订单合成与所述预设等级信息相对应的所述待报销订单。
可选地,所述获取待报销订单的订单信息之前,还包括如下步骤:
获取与所述待报销订单对应的报销人在预设时间段内的出行信息;
判断所述出行信息是否有目标票据;
若是,则根据第二预设规则生成与所述出行信息相对应的所述待报销订单。
可选地,所述订单信息还包括缺失行程的报销费用,所述获取待报销订单的订单信息之前,还包括如下步骤:
获取所述待报销订单中的行程信息;
判断所述行程信息与预设的规划信息是否匹配;
若不匹配,则提取所述规划信息与所述行程信息之间的差异信息,并根据预设的行程数据库获取所述差异信息表征的行程的报销费用。
为解决上述技术问题,本发明实施例还提供一种费用控制装置,包括:
第一获取模块,用于获取待报销订单的订单信息;
第一判断模块,用于判断所述订单信息与预设报销数据库中的报销记录是否匹配;
第一执行模块,用于在判断模块判断为匹配时,发送重复报销的提示信息,若不匹配,则执行报销入账程序并在所述预设报销数据库中添加与所述待报销订单对应的报销记录。
可选地,还包括:
第二获取模块,用于获取所述待报销订单的纸质订单图像;
处理模块,用于将所述纸质订单图像输入至预设图像识别模型中,该预设图像识别模型为训练至收敛的卷积神经网络模型;
第三获取模块,用于获取所述预设图像识别模型输出的与所述待报销订单对应的订单信息。
可选地,还包括:
第四获取模块,用于获取标记有分类参照信息的训练样本数据,其中,所述训练样本数据包括:样本图像和派生于所述样本图像的增强图像;
第二执行模块,用于将所述训练样本数据输入卷积神经网络模型获取所述训练样本数据的分类判断信息;
比对模块,用于比对所述训练样本数据内不同样本的分类参照信息与所述分类判断信息是否一致;
第三执行模块,用于当所述分类参照信息与所述分类判断信息不一致时,反复循环迭代的更新所述卷积神经网络模型中的权重,至所述分类参照信息与所述分类判断信息一致时结束。。
可选地,所述传递模块包括:
第五获取模块,用于获取与所述待报销订单对应的报销人的报销人信息;
第六获取模块,用于获取预设时间段内与所述报销人信息对应的全部的订单;
第四执行模块,用于根据第一预设规则将所述全部的订单合成所述待报销订单。
可选地,还包括:
第一获取子单元,用于获取所述报销人的预设等级信息;
第一执行子单元,用于将所述全部的订单合成与所述预设等级信息相对应的所述待报销订单。
可选地,还包括:
第七获取模块,用于获取与所述待报销订单对应的报销人在预设时间段内的出行信息;
第二判断模块,用于判断所述出行信息是否有目标票据;
第五执行模块,用于当所述第二判断模块判断为是时,根据第二预设规则生成与所述出行信息相对应的所述待报销订单。
可选地,还包括:
第八获取模块,用于获取所述待报销订单中的行程信息;
第四判断模块,用于判断所述行程信息与预设的规划信息是否匹配;
第六执行模块,用于当所述第四判断模块判断为否时,则提取所述规划信息与所述行程信息之间的差异信息,并根据预设的行程数据库获取所述差异信息表征的行程的报销费用。
为解决上述技术问题,本发明实施例还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述费用控制方法的步骤。
为解决上述技术问题,本发明实施例还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述费用控制方法的步骤。
本发明实施例的有益效果为:通过获取待报销订单的订单信息,并与预设报销数据库中的报销记录进行比对,当该订单信息与预设报销数据库中的报销记录匹配时,说明该待报销订单已经被报销过了,此时发送重复报销的提示信息,提醒操作人员;而当该订单新与预设报销数据库中的报销记录均不匹配时,说明该待报销订单还没有被报销过,此时将该待报销订单进行报销入账并在预设报销数据库中添加该待报销订单的报销记录,以避免之后对该待报销订单的重复报销操作。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例费用控制方法的基本流程示意图;
图2为本发明实施例获取纸质发票的订单信息的流程示意图;
图3为本发明实施例卷积神经网络模型的训练方法的流程示意图;
图4为本发明实施例生成待报销订单的流程示意图;
图5为本发明实施例根据第一预设规则生成待报销订单的流程示意图;
图6为本发明实施例补偿报销方法的流程示意图;
图7为本发明实施例获取缺失行程的报销费用的流程示意图;
图8为本发明实施例费用控制装置基本结构示意图;
图9为本发明实施例计算机设备基本结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
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,所描述的实施例仅仅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。
实施例1
具体请参阅图1,图1为本实施例费用控制方法的基本流程示意图。
如图1所示,一种费用控制方法,包括下述步骤:
S1100、获取待报销订单的订单信息;
待报销订单是一种电子发票,电子发票是信息时代的产物,同普通发票一样,采用税务局统一发放的形式给商家使用,发票号码采用全国统一编码,采用统一防伪技术,分配给商家,在电子发票上附有电子税局的签名机制。在实施时,订单信息中包括发票订单的发票代码、发票号码、开票机构、金额以及二维码等信息,发票订单中的发票代码和发票号码具有唯一性,通过发票代码或者发票号码即可准确定位关联到待报销订单。
S1200、判断订单信息与预设报销数据库中的报销记录是否匹配;
预设报销数据库是一个用于管理和存储报销记录的仓库,已经经过报销入账的发票订单均会在预设报销数据库中添加一条与该发票订单相对应的报销记录,在获取得到待报销订单的订单信息后,遍历预设报销数据库中所有的报销记录,并将报销记录与待报销订单的订单信息进行比对,从而判断订单信息与预设报销数据库中的报销记录是否匹配。
S1300、若匹配,则发送重复报销的提示信息,若不匹配,则执行报销入账程序并在预设报销数据库中添加与待报销订单对应的报销记录。
当遍历了预设报销数据库中的报销记录后,查找到与待报销订单的订单信息匹配的报销记录,则说明该待报销订单已经被报销了,此时发送重复报销的提示信息,例如系统还设置有显示器,系统发送重复报销的提示信息至该显示器,由该显示器向报销操作人员展示提示信息,从而提醒报销操作人员注意该待报销订单为已报销的发票订单,避免对该待报销订单执行报销入账操作;而当遍历了预设报销数据库中的报销记录后,没有查找到与待报销订单的订单信息相匹配的报销记录,说明该待报销订单还没有被报销,此时系统自动执行报销入账程序,将该待报销订单报销入账后在预设报销数据库中添加一条与该待报销订单相对应的报销记录。
在一个实施例中,例如张三和李四两个人同时被公司外派到重庆出差,张三和李四均通过网上订票方式购置了去往重庆的火车票,在完成出差任务回到公司报道后,李四发起该火车票的报销申请,系统检测并获取该火车票(即待报销订单)的订单信息,该订单信息包括该火车票的发票代码,系统将该火车票的发票代码与预设报销数据库中的报销记录进行比对,发现预设报销数据库中已经存在与该火车票相对应的报销记录了,该报销记录是由张三发起的报销申请(张三和李四的火车票是张三在网上购买的,张三有自己和李四两个人的火车票电子发票,而李四只有自己的火车票电子发票),此时,系统发出重复报销提示,提示操作人员注意该待报销订单从而避免重复报销。
在一个可选实施例中,还可以通过获取纸质发票的订单信息,以实现纸质发票的线上报销功能,请参阅图2,图2是本发明一个实施例获取纸质发票的订单信息的基本流程示意图。
如图2所示,获取待报销订单的订单信息之前,还包括如下步骤:
S1010、获取待报销订单的纸质订单图像;
纸质发票的纸质订单图像可以通过拍照或者视频的方式获得,在一个实施例中,以通过拍视频的方式获取纸质发票的图像为例,报销人拍摄纸质发票得到目标视频,通过视频处理软件(例如OpenCV)对目标视频进行处理,将目标视频拆分为若干帧画面,通过定时采集方式从目标视频中抽取画面图像。例如以0.5秒一张的速度在目标视频中抽取一次目标图片,然后再抽取得到的若干目标图片中随机抽取一张目标图片作为纸质发票的纸质订单图像;但是不局限于此,根据具体应用场景的不同,采集画面图像的速度能够进行适应性的调整,调整原则在于,系统处理能力越强且跟踪准确性要求越高则采集时间越短,达到与摄像设备采集图像的频率同步时为止;否则,则采集时间间隔越长,但最长采集时间间隔不得超过1s。当然,也可以直接在目标视频的若干帧画面中随机抽取一张画面作为纸质发票的纸质订单图像。
S1020、将纸质订单图像输入至预设图像识别模型中,该预设图像识别模型为训练至收敛的卷积神经网络模型;
预设图像识别模型为训练至收敛的卷积神经网络模型,经过定向训练至收敛的卷积神经网络模型能够对输入的图像的与待报销订单相对应的订单信息进行提取,从而得到待报销订单的订单信息。
将待报销订单的纸质订单图像帧输入到预设图像识别模型中进行订单信息提取。其中,可以通过设定关键字来对应获取订单信息,例如识别纸质订单图像中的发票代码、开票结构、日期、金额等等。
本实施方式中,预设图像识别模型即卷积神经网络模型,定向训练至收敛状态的卷积神经网络模型,能够对待报销订单的纸质订单图像进行订单信息提取,并根据评估结果将图像质量超过预设阈值的图像帧输出。
S1030、获取预设图像识别模型输出的与待报销订单对应的订单信息。
预设图像识别模型提取待报销订单的纸质发票的订单信息,即可根据该订单信息进行线上报销入账,简化报销入账流程。以待报销订单为住宿酒店发票订单为例,张三被公司外派到重庆出差3天,在重庆的一家酒店中住宿了3天,当张三完成任务在回去公司报道的路上,张三将酒店开具的住宿费用纸质发票进行拍照后上传至系统进行报销入账,系统首先获取张三上传的该纸质发票的照片,然后将照片输入至预设图像识别模型中后获取预设图像识别模型输出的该纸质发票的订单信息,将该订单信息与预设报销数据库中的报销记录进行比对,判断该纸质发票是否已经报销入账了,当遍历了预设报销数据库中的报销记录后,查找到与该纸质发票的订单信息匹配的报销记录,则说明该纸质发票已经被报销了,此时发送重复报销的提示信息,从而提醒报销操作人员注意该待报销订单为已报销的发票订单,避免对该待报销订单执行报销入账操作;而当遍历了预设报销数据库中的报销记录后,没有查找到与该纸质发票的订单信息相匹配的报销记录,则进入报销入账程序,将该该纸质发票报销入账后在预设报销数据库中添加一条与该纸质发票相对应的报销记录。
在一个可选实施例中,请参阅图3,图3是本发明卷积神经网络模型的训练方法的基本流程示意图。
如图3所示,卷积神经网络模型的训练方法包括:
S1021、获取标记有分类参照信息的训练样本数据,其中,训练样本数据包括:样本图像和派生于样本图像的增强图像;
在进行训练时,卷积神经网络模型的输入层获取标记有分类参照信息的训练样本数据,具体地,训练样本数据可以通过网络爬虫或者现有的图像数据库获取得到,以网络爬虫为例,通过网络爬虫在互联网中爬取若干纸质发票图像(例如100万张),在对一张纸质发票图像进行训练之前,需要对图像的分类参照信息进行标记,预判能够采用现有技术中已经训练至收敛的图像识别模型进行判断。
在一个可选实施例中,以餐饮发票图像为例,通过网络爬虫或者现有的图像数据库获取本实施例的训练样本数据,通过上述训练样本数据训练至收敛的神经网络模型,由于在训练时同一张餐饮发票在不同环境下的的餐饮发票图像相同,因此,神经网络模型输出的同一张餐饮发票在不同环境下的与餐饮发票图像对应的分类判断信息具有更高的收敛性,数据的离散度较低。同理,根据上述方法对图像识别模型进行训练,使得图像识别模型提取餐饮发票图像的订单信息符合人们的预期。
训练样本数据是由数据对和分类参照信息组成的,其中,训练样本数据的分类参照信息是由人工进行标定。分类参照信息是指人们根据输入卷积神经网络模型的训练方向,通过普适性的判断标准和事实状态对训练样本数据做出的认为的判断,也就是人们对卷积神经网络模型输出数据的期望。
S1022、将训练样本数据输入卷积神经网络模型获取训练样本数据的分类判断信息;
卷积神经网络模型为现有技术中已经存在的各类图像识别模型,将训练样本数据中的发票图像依次输入到卷积神经网络模型中,卷积神经网络模型对发票图像进行特征提取和分类,然后根据权重计算该发票图像的分类结果,即输出该发票图像的分类判断信息。
首先对同一张纸质发票在不同环境中拍摄的多张照片进行分类判断,具体地,将多张发票图像依次输入至图像识别模型中,获取各发票图像的分类判断信息。
分类判断信息是卷积神经网络模型根据输入的发票图像而输出的激励数据,在神经网络模型未被训练至收敛之前,分类判断信息为离散性较大的数值,当神经网络模型被训练至收敛之后,分类判断信息为相对稳定的数据。
S1023、比对训练样本数据内不同样本的分类参照信息与分类判断信息是否一致;
通过损失函数计算期望输出与激励输出是否一致,也就是比对同一发票图像的分类参照信息和分类判断信息是否一致,损失函数是用于检测卷积神经网络模型中模型分类判断信息与期望的分类参照信息是否具有一致性的检测函数。当卷积神经网络模型的输出结果与分类参照信息不一致时,需要对卷积神经网络模型中的权重进行校正,以使卷积神经网络模型的输出结果与分类参照信息的期望结果相同。
L(Y,f(x))=丨Y-f(X)丨
L表示期望输出的与激励输出之间的欧式距离,Y表示期望输出,f(X)表示激励输出。
当L指大于预设的距离阈值时,表明期望输出与激励输出之间具有较大的差异,输出结果不一致。
当卷积神经网络模型的输出的分类判断信息和分类参照信息不一致时,需要根据反向传播算法对卷积神经网络模型中的权重进行调整,以使卷积神经网络模型的输出结果与分类参照信息的期望结果相同。
在一些实施方式中,损失函数通过计算激励分类值与设定的期望分类值之间的距离(欧氏距离或者空间距离),来确定激励分类值与设定的期望分类值是否一致,设定第一阈值(例如,0.05),当激励分类值与设定的期望分类值之间的距离小于或等于第一阈值时,则确定激励分类值与设定的期望分类值一致,否则,则激励分类值与设定的期望分类值不一致。
S1024、当分类参照信息与分类判断信息不一致时,反复循环迭代的更新所述卷积神经网络模型中的权重,至分类参照信息与分类判断信息一致时结束。
当神经网络模型的分类判断信息与设定的分类参照信息不一致时,需要采用随机梯度下降算法对神经网络模型中的权重进行校正,以使卷积神经网络模型的输出结果与分类参照信息的期望结果相同。通过众多样本图像的反复的训练与校正,当神经网络模型输出分类判断信息与各训练样本图像的分类参照信息比对达到(不限于)99.9%时,训练结束。
通过上述样本训练数据训练至收敛的神经网络模型,由于在训练时同一纸质发票在不同环境下对发票图像的图像质量期望相同,因此,神经网络模型输出的同一张纸质发票在不同环境下的图像质量测试数值具有更高的收敛性,数据的离散度较低。
当卷积神经网络模型的分类判断信息与分类参照信息不一致时,需要采用反向算法对卷积神经网络模型中的权重进行校正,以使卷积神经网络模型的输出的分类判断信息与分类参照信息的期望结果相同。
卷积神经网络模型的训练需要大量的训练样本数据进行训练,因此,需要反复执行步骤S1021-S1024的步骤,直至卷积神经网络模型训练至收敛时为止。
在一个可选实施例中,对于同一个报销人可以将其一段时间内所有的订单一次性全部进行报销,请参阅图4,图4是本发明一个实施例生成待报销订单的基本流程示意图。
如图4所示,获取待报销订单的订单信息之前,还包括如下步骤:
S1040、获取与待报销订单对应的报销人的报销人信息;
报销人在提请报销申请时,需要发送报销人自己的个人信息,系统即可获取报销人的报销人信息,报销人信息包括身份证号码信息、职位信息、部门信息以及工号等。
S1050、获取预设时间段内与报销人信息对应的全部的订单;
预设时间段是系统预先设定的时间段数值,当报销人进行报销申请时,系统自动获取预设时间段内该报销人所有的订单进行报销,在实施时,以预设时间段为一天为例,报销人通过预设应用程序进行线上消费,例如公司委托张三到另一家生意上的合作伙伴公司处进行技术指导,张三通过预设应用程序打车到该合资伙伴公司并在工作完成后打车回到公司,回到公司后张三请求报销来回打车费用,系统与预设应用程序关联,自动获取今天一天内所有张三在预设应用程序中进行线上消费的订单。当然,需要指出的是,预设时间段不局限于上述的一天,根据不同的应用场景,预设时间段还可以设置成其它不同的数值。
S1060、根据第一预设规则将全部的订单合成待报销订单。
第一预设规则是系统预先设置的用于根据报销人在预设时间段内的所有订单来合并生成待报销订单,例如系统获取得到报销人在预设时间段内有三笔订单,可以将这三笔订单的费用金额全部加起来得到待报销订单的金额,并将这三笔订单的发票号码添加到待报销定的订单信息中,从而可以防止对单独的任意一笔订单的重复报销。
以预设时间段为8小时为例,报销人通过预设应用程序进行四笔线上消费,例如公司委托张三到另一家生意上的合作伙伴公司处进行技术指导,张三通过预设应用程序打车到该合资伙伴公司并在工作完成后打车回到公司,而且在这期间因为工作需要在通过预设应用程序在线上购买了2单办公用品,回到公司后张三请求报销外出办公产生的费用,系统与预设应用程序关联,自动获取今天一天的8个小时的工作时间内(例如早上9点至下午5点)所有张三在预设应用程序中进行线上消费的订单,得到两笔打车费用订单以及2单购置办公用品订单,然后系统根据第一预设规则将这两笔打车费用订单以及2单购置办公用品订单合并生成待报销订单,其中,待报销订单中的金额与这四笔定的金额总数相等,且待报销订单中的订单信息包括这四笔订单的发票号码和发票代码。
在一个可选实施例中,还可以根据报销人的等级来生成待报销订单,请参阅图5,图5是本发明一个实施例根据第一预设规则生成待报销订单的具体流程示意图。
如图5所示,根据第一预设规则将全部的订单合成待报销订单的步骤,具体包括如下步骤:
S1061、获取报销人的预设等级信息;
报销人的预设等级信息是系统预先设置的且与报销人的职位年限相对应,例如入职不满2年的新原工的等级为1级,入职2年至3年的为2级,入职3年至4年的为3级,依次类推。当然,报销人的等级不局限于上述的设定方式,根据不同的应用场景,还可以通过其它的设定方式来设置报销人的等级,如根据报销人的职位来设置报销人的等级,包括普通员工为初级、部门经理为中级而总经理为高级。
S1062、将全部的订单合成与预设等级信息相对应的待报销订单。
系统在获取预设时间段内报销人的所有的订单后,将这些订单合并生成与报销人的预设等级信息相对应的待报销订单,例如系统将报销人的等级分为初级、中级和高级三种等级,当对应初级的报销人进行报销申请时,系统获取报销人在预设时间段内的所有订单,在预设时间段内报销人共有2笔可以报销的订单,系统根据这2笔订单的金额总数合并生成对应初级的待报销订单的金额,该待报销订单的金额设置原则在于,系统将待报销订单的金额设置为高于这2笔订单的金额总数,例如报销人预设时间段内的所有订单的金额总数上再加50元人民币作为待报销订单的金额。当然,根据报销人的预设等级信息来设置待报销订单的金额不限于上述的方式,根据不同的应用场景,还可以通过其它方式来具体设置待报销订单的金额。
在一个可选实施例中,对于报销人的出行订单,还可以直接进行补偿报销,而不需要报销人提供出行的发票订单,请参阅图6,图6是本发明一个实施例补偿报销方法的基本流程示意图。
如图6所示,获取待报销订单的订单信息之前,还包括如下步骤:
S1070、获取与待报销订单对应的报销人在预设时间段内的出行信息;
出行信息是报销人在预设时间段内因公出差或者因工作需求外出而产生的行程信息,在实施时,出行信息可以包括报销人从出发点到目的地之间的路线信息以及行程费用信息等;预设时间段可以是与报销人提请报销申请的时间相对应,也可以与报销人提请报销申请的行程信息的出行时间相对应,例如报销人在出行当天提请报销申请,则可以获取在当天报销人的出行信息;在另一个实施例中,报销人在出行的第二天提请报销申请,则系统自动获取报销人出行那天(即提请报销申请的前一天)的出行信息。
S1080、判断出行信息是否有目标票据;
对于上述报销人的出行信息中包括有多段路线信息,其中多段路线信息中有至少一段路线信息中包含目标票据。
S1090、若是,则根据第二预设规则生成与出行信息相对应的待报销订单。
当报销人的出行信息中包含目标票据时,系统根据第二预设规则生成待报销订单,其中,根据第二预设规则生成待报销订单的方法为:对于报销人的出行信息对报销人进行报销补偿。例如李四从广州出差到上海,在出行的当天,李四由在广州的办公室大楼出发打车到广州白云机场,在白云机场搭乘飞机到上海浦东国际机场,然后打车到酒店休息住宿,其中,李四搭乘飞机到上海的机票为李四通过预设应用程序购置的机票,该机票即为目标票据,而李四打车至机场以及由机场打车至酒店的费用是由李四线下现金支付,当李四发起报销申请时,系统获取李四的出行信息,也就是获取李四由广州出发至上海的路线信息,并检测到李四当天出行中的机票为目标票据,机票的费用由预设应用程序线上支付走的是公司的账户,机票不需要李四出钱,系统根据李四由公司打车至广州白云机场的第一段路线信息和从上海浦东国际机场打车至酒店的第三段路线信息对李四进行报销补偿,报销补充的原则是在不损失报销人的经济的情况下对报销人进行补充,例如李四打车至广州白云机场和从上海浦东国际机场打车至酒店公共的行程距离为53公里,预计打车费用为170元,则系统对李四进行200元的报销补偿并生成待报销订单,该待报销订单的订单信息包括李四出行当天的机票的信息,然后系统即进入待报销订单与预设报销数据库中的报销记录进行匹配的流程,从而避免该待报销订单的重复报销。需要指出的是,报销补偿的金额的计算方式不局限于上述的方法,根据具体的应用场景的不同,还可以采用其它现有技术中实行报销补偿的方式来计算得到报销补偿的金额。
在一个可选实施例中,对于报销人提成的出行报销申请,销人的实际出行路线与规划信息之间可能存在差异,即存在缺失行程,系统可以根据缺失行程来对报销人的待报销订单进行调整,请参阅图7,图7是本发明一个实施例获取缺失行程的报销费用的基本流程示意图。
如图7所示,订单信息还包括缺失行程的报销费用,在获取待报销订单的订单信息之前,还包括如下步骤:
S1001、获取待报销订单中的行程信息;
待报销订单中的行程信息为报销人出行时的实际出行路线信息,例如张三从公司出发至某一工厂进行生意洽谈,首先,张三可以通过自己开车到该工厂,其次,张三也可以通过搭乘公交车、的士或者地铁到该工厂,再者,张三还可以骑行共享单车或者走路到该工厂。
S1002、判断行程信息与预设的规划信息是否匹配;
预设的规划信息是根据报销人的出行计划而预先规划好的行程路线,例如张三在三天前就提交了要到公司的下属工厂进行工作视察的出行计划,该出行计划中包含由公司到下属工厂的出行路线的规划信息。
S1003、若不匹配,则提取规划信息与行程信息之间的差异信息,并根据预设的行程数据库获取差异信息表征的行程的报销费用。
预设的行程数据库是用于存储和管理预设的行程与报销费用的仓库,例如行程1至5公里对应的报销费用为30元,行程6至10公里的报销费用为40元,行程11至15公里的报销费用为50元,依次类推。当行程信息与预设的规划信息不匹配时,提取规划信息与行程信息之间的差异信息,该差异信息为报销人实际出行的路线与规划信息中的路线之间的差异,例如张三从公司出发至某一工厂进行生意洽谈,系统根据公司的位置和该工厂的位置计算得到规划信息,包括工资与该工厂之间的路线距离为100公里,张三在出行的当天打算开车去该工厂,但是由于分公司的同事想要一起到该工厂,所以张三开车绕行至分公司和该同事一起到工厂,其中绕行而多走了15公里,且张三全程使用了预设应用程序来记录自己的行程路线,当张三发起报销申请时,系统与预设应用程序关联从而获取张三实际的行程信息,并将该行程信息与预设的规划信息进行比对,提取得到规划信息与行程信息之间的差异信息(即因绕行而多走的15公里),然后根据该差异信息从预设的行程数据库中获取差异信息表征的行程的报销费用,即可将获得到的与差异信息相对应的报销费用以及与规划信息相对应的报销费用的总数作为待报销订单的报销费用,从而根据实际情况对报销人进行报销和补偿。需要指出的是,缺失行程的报销费用不局限于上述的数值,根据具体应用场景的不同,缺失行程的报销费用还可以设计成其它的具体数值。
为解决上述技术问题,本发明实施例还提供费用控制装置。
具体请参阅图8,图8为本实施例费用控制装置基本结构示意图。
如图8所示,一种费用控制装置,包括:第一获取模块2100、第一判断模块2200和第一执行模块2300,其中,第一获取模块2100用于获取待报销订单的订单信息;第一判断模块用于判断所述订单信息与预设报销数据库中的报销记录是否匹配;第一执行模块用于在判断模块判断为匹配时,发送重复报销的提示信息,若不匹配,则执行报销入账程序并在所述预设报销数据库中添加与所述待报销订单对应的报销记录。
通过获取待报销订单的订单信息,并与预设报销数据库中的报销记录进行比对,当该订单信息与预设报销数据库中的报销记录匹配时,说明该待报销订单已经被报销过了,此时发送重复报销的提示信息,提醒操作人员;而当该订单新与预设报销数据库中的报销记录均不匹配时,说明该待报销订单还没有被报销过,此时将该待报销订单进行报销入账并在预设报销数据库中添加该待报销订单的报销记录,以避免之后对该待报销订单的重复报销操作。
在一些实施方式中,费用控制装置还包括:第二获取模块、处理模块和第三获取模块,其中,第二获取模块用于获取所述待报销订单的纸质订单图像;处理模块用于将所述纸质订单图像输入至预设图像识别模型中,该预设图像识别模型为训练至收敛的卷积神经网络模型;第三获取模块用于获取所述预设图像识别模型输出的与所述待报销订单对应的订单信息。
在一些实施方式中,费用控制装置还包括:第四获取模块、第二执行模块、比对模块和第三执行模块,其中,第四获取模块用于获取标记有分类参照信息的训练样本数据,其中,所述训练样本数据包括:样本图像和派生于所述样本图像的增强图像;第二执行模块用于将所述训练样本数据输入卷积神经网络模型获取所述训练样本数据的分类判断信息;比对模块用于比对所述训练样本数据内不同样本的分类参照信息与所述分类判断信息是否一致;第三执行模块用于当所述分类参照信息与所述分类判断信息不一致时,反复循环迭代的更新所述卷积神经网络模型中的权重,至所述分类参照信息与所述分类判断信息一致时结束。
在一些实施方式中,费用控制装置还包括:第五获取模块、第六获取模块和第四执行模块,其中,第五获取模块用于获取与所述待报销订单对应的报销人的报销人信息;第六获取模块用于获取预设时间段内与所述报销人信息对应的全部的订单;第四执行模块用于根据第一预设规则将所述全部的订单合成所述待报销订单。
在一些实施方式中,费用控制装置还包括:第一获取子单元和第一执行子单元,第一获取子单元用于获取所述报销人的预设等级信息;第一执行子单元用于将所述全部的订单合成与所述预设等级信息相对应的所述待报销订单。
在一些实施方式中,费用控制装置还包括:第七获取模块、第二判断模块和第五执行模块,其中,第七获取模块用于获取与所述待报销订单对应的报销人在预设时间段内的出行信息;第二判断模块用于判断所述出行信息是否有目标票据;第五执行模块用于当所述第二判断模块判断为是时,根据第二预设规则生成与所述出行信息相对应的所述待报销订单。
在一些实施方式中,费用控制装置还包括:第八获取模块、第四判断模块和第六执行模块,其中,第八获取模块用于获取所述待报销订单中的行程信息;第四判断模块用于判断所述行程信息与预设的规划信息是否匹配;第六执行模块用于当所述第四判断模块判断为否时,则提取所述规划信息与所述行程信息之间的差异信息,并根据预设的行程数据库获取所述差异信息表征的行程的报销费用。
为解决上述技术问题,本发明实施例还提供计算机设备。具体请参阅图9,图9为本实施例计算机设备基本结构框图。
如图9所示,计算机设备的内部结构示意图。如图9所示,该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种费用控制方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种费用控制方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本实施方式中处理器用于执行图8中第一获取模块2100、加载模块2200和排版模块2300的具体功能,存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有费用控制装置中执行所有子模块所需的程序代码及数据,服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
计算机通过获取待报销订单的订单信息,并与预设报销数据库中的报销记录进行比对,当该订单信息与预设报销数据库中的报销记录匹配时,说明该待报销订单已经被报销过了,此时发送重复报销的提示信息,提醒操作人员;而当该订单新与预设报销数据库中的报销记录均不匹配时,说明该待报销订单还没有被报销过,此时将该待报销订单进行报销入账并在预设报销数据库中添加该待报销订单的报销记录,以避免之后对该待报销订单的重复报销操作。
本发明还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述任一实施例所述费用控制方法的步骤。
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,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种费用控制方法,其特征在于,包括下述步骤:
获取待报销订单的订单信息;
判断所述订单信息与预设报销数据库中的报销记录是否匹配;
若匹配,则发送重复报销的提示信息,若不匹配,则执行报销入账程序并在所述预设报销数据库中添加与所述待报销订单对应的报销记录。
2.根据权利要求1所述的费用控制方法,其特征在于,所述获取待报销订单的订单信息之前,还包括如下步骤:
获取所述待报销订单的纸质订单图像;
将所述纸质订单图像输入至预设图像识别模型中,所述预设图像识别模型为训练至收敛的卷积神经网络模型;
获取所述预设图像识别模型输出的与所述待报销订单对应的订单信息。
3.根据权利要求2所述的费用控制方法,其特征在于,所述卷积神经网络模型的训练方法包括:
获取标记有分类参照信息的训练样本数据,其中,所述训练样本数据包括:样本图像和派生于所述样本图像的增强图像;
将所述训练样本数据输入卷积神经网络模型获取所述训练样本数据的分类判断信息;
比对所述训练样本数据内不同样本的分类参照信息与所述分类判断信息是否一致;
当所述分类参照信息与所述分类判断信息不一致时,反复循环迭代的更新所述卷积神经网络模型中的权重,至所述分类参照信息与所述分类判断信息一致时结束。
4.根据权利要求1所述的费用控制方法,其特征在于,所述获取待报销订单的订单信息之前,还包括如下步骤:
获取与所述待报销订单对应的报销人的报销人信息;
获取预设时间段内与所述报销人信息对应的全部的订单;
根据第一预设规则将所述全部的订单合成所述待报销订单。
5.根据权利要求4所述的费用控制方法,其特征在于,所述根据第一预设规则将所述全部的订单合成所述待报销订单的步骤,具体包括如下步骤:
获取所述报销人的预设等级信息;
将所述全部的订单合成与所述预设等级信息相对应的所述待报销订单。
6.根据权利要求1所述的费用控制方法,其特征在于,所述获取待报销订单的订单信息之前,还包括如下步骤:
获取与所述待报销订单对应的报销人在预设时间段内的出行信息;
判断所述出行信息是否有目标票据;
若是,则根据第二预设规则生成与所述出行信息相对应的所述待报销订单。
7.根据权利要求1所述的费用控制方法,其特征在于,所述订单信息还包括缺失行程的报销费用,所述获取待报销订单的订单信息之前,还包括如下步骤:
获取所述待报销订单中的行程信息;
判断所述行程信息与预设的规划信息是否匹配;
若不匹配,则提取所述规划信息与所述行程信息之间的差异信息,并根据预设的行程数据库获取所述差异信息表征的行程的报销费用。
8.一种费用控制装置,其特征在于,包括:
第一获取模块,用于获取待报销订单的订单信息;
第一判断模块,用于判断所述订单信息与预设报销数据库中的报销记录是否匹配;
第一执行模块,用于在判断模块判断为匹配时,发送重复报销的提示信息,若不匹配,则执行报销入账程序并在所述预设报销数据库中添加与所述待报销订单对应的报销记录。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述费用控制方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述费用控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811017884.6A CN109447723A (zh) | 2018-09-03 | 2018-09-03 | 费用控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811017884.6A CN109447723A (zh) | 2018-09-03 | 2018-09-03 | 费用控制方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109447723A true CN109447723A (zh) | 2019-03-08 |
Family
ID=65533255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811017884.6A Pending CN109447723A (zh) | 2018-09-03 | 2018-09-03 | 费用控制方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447723A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348804A (zh) * | 2019-06-19 | 2019-10-18 | 深圳壹账通智能科技有限公司 | 基于ai的订单录入方法、装置、计算机设备及存储介质 |
CN110363667A (zh) * | 2019-06-19 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 基于ai的订单融资处理方法、装置、计算机设备及存储介质 |
CN111026531A (zh) * | 2019-12-04 | 2020-04-17 | 深圳前海环融联易信息科技服务有限公司 | 任务重复发送处理方法、装置、计算机设备及存储介质 |
CN111192019A (zh) * | 2019-12-30 | 2020-05-22 | 武汉佰钧成技术有限责任公司 | 一种目标票据的报销处理方法及相关设备 |
CN111882265A (zh) * | 2020-06-29 | 2020-11-03 | 深圳市法本信息技术股份有限公司 | 跨境电商自动报关方法及自动报关机器人 |
CN111930537A (zh) * | 2020-07-31 | 2020-11-13 | 银盛支付服务股份有限公司 | 一种用于防止同一笔账务重复入账的方法及系统 |
CN113420899A (zh) * | 2021-06-25 | 2021-09-21 | 贵州电网有限责任公司 | 基于自动撮合的约车出行系统和方法 |
CN113643001A (zh) * | 2021-08-25 | 2021-11-12 | 杭州每刻科技有限公司 | 一种事中管控的差旅报销方法和系统 |
CN114399259A (zh) * | 2021-11-25 | 2022-04-26 | 泰康保险集团股份有限公司 | 一种员工数据处理方法和装置 |
WO2023035753A1 (zh) * | 2021-09-08 | 2023-03-16 | 支付宝(中国)网络技术有限公司 | 用于支付的方法、装置、电子设备及可读介质 |
CN116468255A (zh) * | 2023-06-15 | 2023-07-21 | 国网信通亿力科技有限责任公司 | 一种配置化主数据管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751194A (zh) * | 2015-04-27 | 2015-07-01 | 陈包容 | 一种财务费用报销的处理方法及装置 |
CN106203874A (zh) * | 2016-07-20 | 2016-12-07 | 太仓安顺财务服务有限公司 | 一种企业财务报销管理系统 |
CN106600394A (zh) * | 2016-12-29 | 2017-04-26 | 百望电子发票数据服务有限公司 | 一种电子凭据报销入账的方法及系统 |
CN107392565A (zh) * | 2017-06-29 | 2017-11-24 | 苏州吉耐特信息科技有限公司 | 一种企业财务报销管理系统 |
CN107545473A (zh) * | 2016-11-23 | 2018-01-05 | 卢安迪 | 一种预防电子发票重复报销的方法 |
-
2018
- 2018-09-03 CN CN201811017884.6A patent/CN109447723A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751194A (zh) * | 2015-04-27 | 2015-07-01 | 陈包容 | 一种财务费用报销的处理方法及装置 |
CN106203874A (zh) * | 2016-07-20 | 2016-12-07 | 太仓安顺财务服务有限公司 | 一种企业财务报销管理系统 |
CN107545473A (zh) * | 2016-11-23 | 2018-01-05 | 卢安迪 | 一种预防电子发票重复报销的方法 |
CN106600394A (zh) * | 2016-12-29 | 2017-04-26 | 百望电子发票数据服务有限公司 | 一种电子凭据报销入账的方法及系统 |
CN107392565A (zh) * | 2017-06-29 | 2017-11-24 | 苏州吉耐特信息科技有限公司 | 一种企业财务报销管理系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363667A (zh) * | 2019-06-19 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 基于ai的订单融资处理方法、装置、计算机设备及存储介质 |
CN110348804A (zh) * | 2019-06-19 | 2019-10-18 | 深圳壹账通智能科技有限公司 | 基于ai的订单录入方法、装置、计算机设备及存储介质 |
CN111026531B (zh) * | 2019-12-04 | 2024-02-27 | 深圳前海环融联易信息科技服务有限公司 | 任务重复发送处理方法、装置、计算机设备及存储介质 |
CN111026531A (zh) * | 2019-12-04 | 2020-04-17 | 深圳前海环融联易信息科技服务有限公司 | 任务重复发送处理方法、装置、计算机设备及存储介质 |
CN111192019A (zh) * | 2019-12-30 | 2020-05-22 | 武汉佰钧成技术有限责任公司 | 一种目标票据的报销处理方法及相关设备 |
CN111882265A (zh) * | 2020-06-29 | 2020-11-03 | 深圳市法本信息技术股份有限公司 | 跨境电商自动报关方法及自动报关机器人 |
CN111930537A (zh) * | 2020-07-31 | 2020-11-13 | 银盛支付服务股份有限公司 | 一种用于防止同一笔账务重复入账的方法及系统 |
CN113420899A (zh) * | 2021-06-25 | 2021-09-21 | 贵州电网有限责任公司 | 基于自动撮合的约车出行系统和方法 |
CN113643001A (zh) * | 2021-08-25 | 2021-11-12 | 杭州每刻科技有限公司 | 一种事中管控的差旅报销方法和系统 |
WO2023035753A1 (zh) * | 2021-09-08 | 2023-03-16 | 支付宝(中国)网络技术有限公司 | 用于支付的方法、装置、电子设备及可读介质 |
CN114399259A (zh) * | 2021-11-25 | 2022-04-26 | 泰康保险集团股份有限公司 | 一种员工数据处理方法和装置 |
CN116468255A (zh) * | 2023-06-15 | 2023-07-21 | 国网信通亿力科技有限责任公司 | 一种配置化主数据管理系统 |
CN116468255B (zh) * | 2023-06-15 | 2023-09-08 | 国网信通亿力科技有限责任公司 | 一种配置化主数据管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447723A (zh) | 费用控制方法、装置、计算机设备及存储介质 | |
US10572913B2 (en) | Method and system for distributing smart containers | |
US20070164106A1 (en) | System for online electronic receipt management and method therefor | |
CN106934959A (zh) | 一种图书自助借阅系统及方法 | |
JP2006073031A5 (zh) | ||
CN100385458C (zh) | 便携式读卡机和卡结算系统 | |
CN107292722A (zh) | 一种生成对账单的方法及装置 | |
CN1124061A (zh) | 由报酬计量器管理的数据收集和检索系统 | |
US20220309412A1 (en) | System for secure automated and accelerated resource allocation | |
KR101980689B1 (ko) | 배송 중개서비스를 위한 역경매 기반 배송비 산정 방법 | |
JP6409115B1 (ja) | 自動仕訳サーバおよび自動仕訳プログラム | |
CN106104572A (zh) | 用于识别文档处理和业务工作流整合的系统和方法 | |
CN106920136A (zh) | 货运专票开具的方法 | |
CN107993360A (zh) | 基于智能电子锁的图书自主共享系统及方法 | |
CN112990868B (zh) | 车辆保险自动赔付方法、系统、设备及存储介质 | |
CN109815266A (zh) | 基于大数据平台的快递批量查询方法和装置 | |
CN109615361A (zh) | 自动售货系统的支付控制方法、装置、设备及存储介质 | |
US20140279308A1 (en) | Expense information management method, expense information management system, and mobile terminal | |
CN107392367A (zh) | 一种共享电瓶商业模式 | |
JP3786818B2 (ja) | 物品受渡し確認システム | |
JP2020017140A (ja) | 情報処理装置、プログラム、及び情報処理システム | |
WO2016094492A1 (en) | Method and system for distributing smart containers | |
CN111753386A (zh) | 一种数据处理方法及装置 | |
US11836113B2 (en) | Server for ingesting and updating renderable data objects from a flat file server | |
JP7322961B2 (ja) | データ記録装置および方法 |
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 |