CN110852863B - 一种基于关联分析的应收账款流转推荐方法及系统 - Google Patents
一种基于关联分析的应收账款流转推荐方法及系统 Download PDFInfo
- Publication number
- CN110852863B CN110852863B CN201911120883.9A CN201911120883A CN110852863B CN 110852863 B CN110852863 B CN 110852863B CN 201911120883 A CN201911120883 A CN 201911120883A CN 110852863 B CN110852863 B CN 110852863B
- Authority
- CN
- China
- Prior art keywords
- circulation
- accounts receivable
- support
- degree
- elements
- 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
Images
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
Abstract
发明公开了一种基于关联分析的应收账款流转推荐方法及系统,获取应收账款流转的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,...,Tn},Ti中包括不同流转要素,i=1,2····n;计算所述应收账款集合中不同流转要素的支持度,所述支持度为流转要素出现的次数与总流转次数的比值;计算流转要素组合的置信度,所述置信度是流转要素E与流转要素F同时出现的支持度与流转要素E出现的支持度之间的比值;将应收账款集合按置信度从大到小的顺序依次排列,得到流转要素组合列表;将流转要素组合列表发送到客户端,以实现应收账款的流转推荐。本申请的应收账款流转推荐方法提高了应收账款的流转效率。
Description
技术领域
本发明涉及应收账款流转转技术领域,尤其涉及一种基于关联分析的应收账款流转推荐方法及系统。
背景技术
随着供应链金融业务近年来在我国的迅速发展,应收账款流转和融资正受到越来越的经济主体尤其是民营和中小微企业的重视,但由于缺乏有效的产品市场化设计机制,流转的金额、期限及收益率等要素不符合市场上各类潜在受让人的需求,导致登记流转的应收账款虽多,却不能实现及时的流转和融资,因此,如何灵活配置拟流转的应收账款金额、期限以及收益率等关键要素,平衡业务品种结构,是进一步加快应收账款流转要解决的问题。
发明内容
基于背景技术存在的技术问题,本发明提出了一种基于关联分析的应收账款流转推荐方法及系统,提高了应收账款的流转效率。
本发明提出的一种基于关联分析的应收账款流转推荐方法及系统,包括:
获取应收账款流转的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,...,Tn},Ti中包括不同流转要素,i=1,2····n;
计算所述应收账款集合中不同流转要素的支持度,所述支持度为流转要素出现的次数与总流转次数的比值;
计算流转要素组合的置信度,所述置信度是流转要素E与至少一个流转要素F同时出现的支持度与流转要素E出现的支持度之间的比值;
将应收账款集合按置信度从大到小的顺序依次排列,得到流转要素组合列表;
将流转要素组合列表发送到客户端,以实现应收账款的流转推荐。
进一步地,在将应收账款集合按置信度从大到小的顺序依次排列之前,包括:
计算所有流转要素同时组合存在的置信度与除流转要素B之外的流转要素的支持度之比,得到流转要素B对应的提升度;
将提升度大于1的债权组合按置信度从大到小的顺序依次排列。
进一步地,在将所述将流转要素组合列表发送到客户端之前,包括:
计算流转要素组合列表中流转要素组合相同债权在当前存量应收账款中的当前支持度,所述组合相同债权为同时存在流转要素组合列表和当前存量应收账款中的债权;
计算流转要素组合列表中流转要素组合相同债权的债权支持度;
选择当前支持度与债权支持度的差值大于零的应收账款集合,得到过滤后的流转要素组合列表。
进一步地,所述不同流转要素包括流转记录ID、应收账款金额A、到期期限D和收益率R。
进一步地,所述当前支持度support(Ao∈x→Dp∈y,Rq∈z)′的计算公式如下:
其中,m为当前存量应收账款总额,Ao∈x→Dp∈y为流转要素Ao与Dp之间的关联度,Q(Ao∩Dp∩Rq)为当前存量应收账款中同时出现流转要素为Ao、Dp、Rq的债权数量。
进一步地,所述支持度包括单一支持度和关联支持度;所述单一支持度是单一流转要素出现的次数与总流转次数的比值,所述关联支持度是至少两个流转要素出现的次数与总流转次数的比值;
所述置信度是流转要素E与至少一个流转要素F的关联支持度与流转要素E的单一支持度之间的比值。
一种基于关联分析的应收账款流转推荐系统,包括获取模块、第一计算模块、第二计算模块、排序模块和发送模块;
获取模块(1)用于获取应收账款流转的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,...,Tn},Ti中包括不同流转要素,i=1,2····n;
第一计算模块用于计算所述应收账款集合中不同流转要素的支持度,所述支持度为流转要素出现的次数与总流转次数的比值;
第二计算模块用于计算流转要素组合的置信度,所述置信度是流转要素E与至少一个流转要素F同时出现的支持度与流转要素E出现的支持度之间的比值;
排序模块用于将应收账款集合按置信度从大到小的顺序依次排列,得到流转要素组合列表;
发送模块用于将流转要素组合列表发送到客户端,以实现应收账款的流转推荐。
进一步地,还包括第三计算模块和第一过滤模块;
第三计算模块用于计算所有流转要素同时组合存在的概率与不同流转要素单一出现的概率之比,得到流转要素对应的提升度;
第一过滤模块用于筛选提升度大于1的债权组合,并将将提升度大于1的债权组合按置信度从大到小的顺序依次排列。
进一步地,还包括第四计算模块、第五计算模块和第二过滤模块;
第四计算模块用于计算流转要素组合列表中流转要素组合相同债权在当前存量应收账款中的当前支持度,所述组合相同债权为同时存在流转要素组合列表和当前存量应收账款中的债权;
第五计算模块用于计算流转要素组合列表中流转要素组合相同债权的债权支持度;
第二过滤模块用于筛选当前支持度与债权支持度的差值大于零的应收账款集合,得到过滤后的流转要素组合列表。
一种计算机可读储存介质,所述计算机可读存储介质上存储有若干获取分类程序,所述若干获取分类程序用于被处理器调用并执行如下步骤:
获取应收账款流转的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,...,Tn},Ti中包括不同流转要素,i=1,2····n;
计算所述应收账款集合中不同流转要素的支持度,所述支持度为流转要素出现的次数与总流转次数的比值;
计算流转要素组合的置信度,所述置信度是流转要素E与至少一个流转要素F同时出现的支持度与流转要素E出现的支持度之间的比值;
将应收账款集合按置信度从大到小的顺序依次排列,得到流转要素组合列表;
将流转要素组合列表发送到客户端,以实现应收账款的流转推荐。
本发明提供的一种基于关联分析的应收账款流转推荐方法及系统的优点在于:本发明结构中提供的一种基于关联分析的应收账款流转推荐方法及系统,客户端的客户可根据推荐的组合,结合拟流转的应收账款总额、最迟还款期限等实际情况,确定流转的应收账款金额、期限及收益率组合,实现应收账款金额、最迟还款期限等的灵活配置;根据不同流转要素的不同置信度,客户可以得到比重较大的流转要素对应的置信度,最终得到较为符合客户需求的流转要素组合列表,客户直接根据流转要素组合列表从上到下选取即可得到所需债。
附图说明
图1为本发明一种基于关联分析的应收账款流转推荐方法的步骤示意图;
图2为本发明一种基于关联分析的应收账款流转推荐系统的流程示意图;
其中,1-获取模块,2-第一计算模块,3-第二计算模块,4-排序模块,5-发送模块,6-第三计算模块,7-第一过滤模块,8-第四计算模块,9-第五计算模块,10-第二过滤模块。
具体实施方式
下面,通过具体实施例对本发明的技术方案进行详细说明,在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
参照图1,本发明提出的一种基于关联分析的应收账款流转推荐方法,包括步骤S100至S500:
S100:获取应收账款流转的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,...,Tn},Ti中包括不同流转要素,i=1,2····n;
S200:计算所述应收账款集合中不同流转要素的支持度,所述支持度为流转要素出现的次数与总流转次数的比值;
支持度反应了流转要素在总流转次数中出现的概率。支持度越大表示该要素在历史数据中出现的次数越频繁。
S300:计算流转要素组合的置信度,所述置信度是流转要素E与至少一个流转要素F同时出现的支持度与流转要素E出现的支持度之间的比值;
所述支持度包括单一支持度和关联支持度;所述单一支持度是单一流转要素出现的次数与总流转次数的比值,所述关联支持度是至少两个流转要素出现的次数与总流转次数的比值;
所述置信度是流转要素E与至少一个流转要素F的关联支持度与流转要素E的单一支持度之间的比值。
S400:将应收账款集合按置信度从大到小的顺序依次排列,得到流转要素组合列表;
S500:将流转要素组合列表发送到客户端,以实现应收账款的流转推荐。
通过步骤S100至S500,得到基于流转要素不同置信度的应收账款集合,按置信度从大到小的顺序,依次排列T1,T2,T3,...,Tn的顺序,得到新的应收账款集合,将新的应收账款集合推送给客户,客户可以直接从上到下依次得到相关度逐渐降低的债权推荐集合;促进了客户选择该债权的可能性,提高了债权流转的效率。
进一步地,在步骤S400:将应收账款集合按置信度从大到小的顺序依次排列之前,包括:
S401:计算所有流转要素同时组合存在的置信度与除流转要素B之外的流转要素的支持度之比,得到流转要素B对应的提升度;
S402:将提升度大于1的债权组合按置信度从大到小的顺序依次排列。
进一步地,在步骤S500:将所述将流转要素组合列表发送到客户端之前,包括:
S501:计算流转要素组合列表中流转要素组合相同债权在当前存量应收账款中的当前支持度,所述组合相同债权为同时存在流转要素组合列表和当前存量应收账款中的债权;
S502:计算流转要素组合列表中流转要素组合相同债权的债权支持度;
S503:选择当前支持度与债权支持度的差值大于零的应收账款集合,得到过滤后的流转要素组合列表。
对于应收账款,所述不同流转要素包括流转记录ID、应收账款金额A、到期期限D和收益率R。其中流转记录ID为客户的流转记录,基于不同的ID得到不同客户的流转要素。因此对于A、D、R流转要素下的具体推荐方法如下步骤S001至S009:
S001:基于应收账款流转记录的原始数据,获取应收账款流转要素的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,…,Tn},Ti(i=1,2····n)包括[i,Ao,Dp,Rq],其中,Ao∈x为应收账款金额,x为T中不同的应收账款金额总数;Dp∈y为到期期限,y为T中不同的到期期限总数;Rq∈z为收益率,z为T中不同的收益率总数。
S002:计算所述应收账款集合中不同流转要素的支持度;
对于单一流转要素Ao、Dp、Rq对应的单一支持度,计算如下:
其中count(Ao)表示应收账款金额Ao在流转记录中出现的次数;/>其中count(Dp)表示应收账款到期期限Dp在流转记录中出现的次数;/>其中count(Rq)表示应收账款收益率Rq在流转记录中出现的次数。
计算流转要素Ao∈x、Dp∈y、Rq∈z两两之间关联组合的支持度,即同时出现两种流转要素的概率:
其中,support(Ao∈x→Dp∈y)为流转要素Ao与Dp之间的关联支持度,support(Ao∈x→Rq∈z)为流转要素Ao与Rq之间的关联支持度,support(Dp∈y→Rq∈z)为流转要素Dp与Rq之间的关联支持度;count(Ao∩Dp)为应收账款金额Ao和到期期限Dp在流转记录的Ti中同时出现的次数;count(Ao∩Rq)为应收账款金额Ao和收益率Rq在流转记录的Ti中同时出现的次数;count(Dp∩Rq)为应收账款到期期限Dp和收益率Rq在流转记录的Ti中同时出现的次数,n为流转记录的总次数。
计算流转要素Ao∈x、Dp∈y、Rq∈z组合同时出现的支持度support(Ao∈x→Dp∈y,Rq∈z):
其中,count(Ao∩Dp∩Rq)为应收账款金额Ao、到期期限Dp和收益率Rq在流转记录的Ti中同时出现的次数。
以上我们以要素出现的概率作为要素的支持度指标,支持度越大表示该要素在历史流转记录中出现的次数越频繁。
S003:基于支持度计算流转要素组合的置信度,置信度越大流转要素之间的关联关系也越深;置信度的计算如下:
其中,confidence(Ao∈x→Dp∈y)表示应收账款金额Ao与到期期限Dp之间的置信度,support(Ao→Dp)为应收账款金额Ao与到期期限Dp之间的支持度,support(Ao)为应收账款金额Ao的支持度。
同理可以得到:应收账款金额Ao与收益率Rq之间的置信度,应收账款到期期限Dp与收益率Rq之间的置信度。
因应收账款属性,流转要素应收账款金额、到期期限、收益率都不为空,所以需要计算三者组合的置信度confidence(Ao∈x→Dp∈y,Rq∈z):
其中,support(Ao→Dp,Rq)为应收账款金额Ao、到期期限Dp和收益率Rq组合同时出现的支持度。
S004:计算流转因素同时出现的提升度,所述提升度为流转要素应收账款金额Ao∈x、到期期限Dp∈y、收益率Rq∈z同时组合存在的置信度与除流转要素B之外的流转要素的支持度率的比值,得到得到流转要素B对应的提升度,例如如下计算应收账款金额Ao对应的提升度lift(Ao∈x→Dp∈y,Rq∈z),如下:
上式提升度反映了当应收账款金额Ao出现时,对到期期限Dp和收益率Rq出现的概率发生了多大的变化,如果提升度很低则表示金额Ao与到期期限Dp和收益率Rq之间的关联关系只是可能偶然出现,该组合也就不具备可推荐性。提升度的值大于1表示要素间的关联规则是正相关的,值越大表明关联规则越重要。
也可以通过更改提升度公式中分子、分母的支持度代表的含义,得到当到期期限Dp出现时,对到应收账款金额Ao和收益率Rq出现概率的影响;也可得到当收益率Rq出现时,对到应收账款金额Ao和到期期限Dp出现概率的影响。
S005:筛选提升度大于1的债权组合,按应收账款金额Ao、到期期限Dp和收益率Rq同时存在的置信度从大到小的顺序依次排列,得到一个流转要素组合列表;
S006:在当前存量应收账款中筛选出与应收账款金额Ao、到期期限Dp和收益率Rq组合相同的债权,并计算该相同债权在当前存量应收账款中的当前支持度support(Ao∈x→Dp∈y,Rq∈z)′。
其中,m为当前存量应收账款总额,Ao∈x→Dp∈y为流转要素Ao与Dp之间的关联度,Q(Ao∩Dp∩Rq)为当前存量应收账款中同时出现流转要素为Ao、Dp、Rq的债权数量。
S007:计算support(Ao∈x→Dp∈y,Rq∈z)与support(Ao∈x→Dp∈y,Rq∈z)'的差值,选择差值大于0的流转要素组合列表。
S008:将S007中过滤后的应收账款集合按置信度排序,得到流转要素组合列表;
S009:将流转要素组合列表发送到客户端,以实现应收账款的流转推荐。
客户端的客户可根据推荐的组合,结合拟流转的应收账款总额、最迟还款期限等实际情况,确定流转的应收账款金额、期限及收益率组合。实现应收账款金额、最迟还款期限等的灵活配置,客户可以根据应收账款金额、到期期限和收益率,得到应收账款金额影响下的到期期限和收益率的存在状况,也可以得到到期期限影响下的应收账款金额和收益率的存在状况,和收益率影响下的应收账款金额和到期期限的存在状况。客户可以对流转要素所占的比重不同,对应收账款流转要素中的应收账款金额、到期期限和收益率的组合做科学的评估,得到比重较大的流转要素对应的置信度,最终得到较为符合客户需求的流转要素组合列表,客户直接根据流转要素组合列表从上到下选取即可得到所需债,最大限度的提高应收账款的流转概率。
如图2所示,一种基于关联分析的应收账款流转推荐系统,包括获取模块1、第一计算模块2、第二计算模块3、排序模块4和发送模块5;
获取模块1用于获取应收账款流转的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,...,Tn},Ti中包括不同流转要素,i=1,2····n;
第一计算模块2用于计算所述应收账款集合中不同流转要素的支持度,所述支持度为流转要素出现的次数与总流转次数的比值;
第二计算模块3用于计算流转要素组合的置信度,所述置信度是流转要素E与至少一个流转要素F同时出现的支持度与流转要素E出现的支持度之间的比值;
排序模块4用于将应收账款集合按置信度从大到小的顺序依次排列,得到流转要素组合列表;
发送模块5用于将流转要素组合列表发送到客户端,以实现应收账款的流转推荐。
进一步地,还包括第三计算模块6和第一过滤模块7;
第三计算模块6用于计算所有流转要素同时组合存在的概率与不同流转要素单一出现的概率之比,得到流转要素对应的提升度;
第一过滤模块7用于筛选提升度大于1的债权组合,并将将提升度大于1的债权组合按置信度从大到小的顺序依次排列。
进一步地,还包括第四计算模块8、第五计算模块9和第二过滤模块10;
第四计算模块8用于计算流转要素组合列表中流转要素组合相同债权在当前存量应收账款中的当前支持度,所述组合相同债权为同时存在流转要素组合列表和当前存量应收账款中的债权;
第五计算模块9用于计算流转要素组合列表中流转要素组合相同债权的债权支持度;
第二过滤模块10用于筛选当前支持度与债权支持度的差值大于零的应收账款集合,得到过滤后的流转要素组合列表。
一种计算机可读储存介质,所述计算机可读存储介质上存储有若干获取分类程序,所述若干获取分类程序用于被处理器调用并执行如下步骤:
获取应收账款流转的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,...,Tn},Ti中包括不同流转要素,i=1,2····n;
计算所述应收账款集合中不同流转要素的支持度,所述支持度为流转要素出现的次数与总流转次数的比值;
计算流转要素组合的置信度,所述置信度是流转要素E与至少一个流转要素F同时出现的支持度与流转要素E出现的支持度之间的比值;
将应收账款集合按置信度从大到小的顺序依次排列,得到流转要素组合列表;
将流转要素组合列表发送到客户端,以实现应收账款的流转推荐。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于关联分析的应收账款流转推荐方法,其特征在于,包括:
获取应收账款流转的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,...,Tn},Ti中包括不同流转要素,所述不同流转要素包括流转记录ID、应收账款金额A、到期期限D和收益率R,i=1,2····n;
计算所述应收账款集合中不同流转要素的支持度,所述支持度为流转要素出现的次数与总流转次数的比值,所述支持度包括单一支持度和关联支持度,所述单一支持度是单一流转要素出现的次数与总流转次数的比值,所述关联支持度是至少两个流转要素出现的次数与总流转次数的比值;
计算流转要素组合的置信度,所述置信度是流转要素E与至少一个流转要素F同时出现的支持度与流转要素E出现的支持度之间的比值;
将应收账款集合按置信度从大到小的顺序依次排列,得到流转要素组合列表;
将流转要素组合列表发送到客户端,以实现应收账款的流转推荐;
其中单一流转要素Ao、Dp、Rq对应的单一支持度计算公式如下:
其中count(Ao)表示应收账款金额Ao在流转记录中出现的次数,count(Dp)表示应收账款到期期限Dp在流转记录中出现的次数,count(Rq)表示应收账款收益率Rq在流转记录中出现的次数,support(Ao∈x→Dp∈y)为流转要素Ao与Dp之间的关联支持度,support(Ao∈x→Rq∈z)为流转要素Ao与Rq之间的关联支持度,support(Dp∈y→Rq∈z)为流转要素Dp与Rq之间的关联支持度;count(Ao∩Dp)为应收账款金额Ao和到期期限Dp在流转记录的Ti中同时出现的次数;count(Ao∩Rq)为应收账款金额Ao和收益率Rq在流转记录的Ti中同时出现的次数;count(Dp∩Rq)为应收账款到期期限Dp和收益率Rq在流转记录的Ti中同时出现的次数,n为流转记录的总次数,support(Ao∈x→Dp∈y,Rq∈z)为流转要素Ao∈x、Dp∈y、Rq∈z组合同时出现的支持度,count(Ao∩Dp∩Rq)为应收账款金额Ao、到期期限Dp和收益率Rq在流转记录的Ti中同时出现的次数。
2.根据权利要求1所述的基于关联分析的应收账款流转推荐方法,其特征在于,在将应收账款集合按置信度从大到小的顺序依次排列之前,包括:
计算所有流转要素同时组合存在的置信度与除流转要素B之外的流转要素的支持度之比,得到流转要素B对应的提升度;
将提升度大于1的债权组合按置信度从大到小的顺序依次排列。
3.根据权利要求1所述的基于关联分析的应收账款流转推荐方法,其特征在于,在将所述将流转要素组合列表发送到客户端之前,包括:
计算流转要素组合列表中流转要素组合相同债权在当前存量应收账款中的当前支持度,所述组合相同债权为同时存在流转要素组合列表和当前存量应收账款中的债权;
计算流转要素组合列表中流转要素组合相同债权的债权支持度;
选择当前支持度与债权支持度的差值大于零的应收账款集合,得到过滤后的流转要素组合列表。
5.根据权利要求1-3任一所述的基于关联分析的应收账款流转推荐方法,其特征在于,所述置信度是流转要素E与流转要素F的关联支持度与流转要素E的单一支持度之间的比值。
6.一种基于关联分析的应收账款流转推荐系统,其特征在于,包括获取模块(1)、第一计算模块(2)、第二计算模块(3)、排序模块(4)和发送模块(5);
获取模块(1)用于获取应收账款流转的历史数据,得到不同流转要素的应收账款集合T={T1,T2,T3,...,Tn},Ti中包括不同流转要素,所述不同流转要素包括流转记录ID、应收账款金额A、到期期限D和收益率R,i=1,2…n;
第一计算模块(2)用于计算所述应收账款集合中不同流转要素的支持度,所述支持度为流转要素出现的次数与总流转次数的比值,所述支持度包括单一支持度和关联支持度,所述单一支持度是单一流转要素出现的次数与总流转次数的比值,所述关联支持度是至少两个流转要素出现的次数与总流转次数的比值;
第二计算模块(3)用于计算流转要素组合的置信度,所述置信度是流转要素E与至少一个流转要素F同时出现的支持度与流转要素E出现的支持度之间的比值;
排序模块(4)用于将应收账款集合按置信度从大到小的顺序依次排列,得到流转要素组合列表;
发送模块(5)用于将流转要素组合列表发送到客户端,以实现应收账款的流转推荐;
其中单一流转要素Ao、Dp、Rq对应的单一支持度计算公式如下:
其中count(Ao)表示应收账款金额Ao在流转记录中出现的次数,count(Dp)表示应收账款到期期限Dp在流转记录中出现的次数,count(Rq)表示应收账款收益率Rq在流转记录中出现的次数,support(Ao∈x→Dp∈y)为流转要素Ao与Dp之间的关联支持度,support(Ao∈x→Rq∈z)为流转要素Ao与Rq之间的关联支持度,support(Dp∈y→Rq∈z)为流转要素Dp与Rq之间的关联支持度;count(Ao∩Dp)为应收账款金额Ao和到期期限Dp在流转记录的Ti中同时出现的次数;count(Ao∩Rq)为应收账款金额Ao和收益率Rq在流转记录的Ti中同时出现的次数;count(Dp∩Rq)为应收账款到期期限Dp和收益率Rq在流转记录的Ti中同时出现的次数,n为流转记录的总次数,support(Ao∈x→Dp∈y,Rq∈z)为流转要素Ao∈x、Dp∈y、Rq∈z组合同时出现的支持度,count(Ao∩Dp∩Rq)为应收账款金额Ao、到期期限Dp和收益率Rq在流转记录的Ti中同时出现的次数。
7.根据权利要求6所述的基于关联分析的应收账款流转推荐系统,其特征在于,还包括第三计算模块(6)和第一过滤模块(7);
第三计算模块(6)用于计算所有流转要素同时组合存在的概率与不同流转要素单一出现的概率之比,得到流转要素对应的提升度;
第一过滤模块(7)用于筛选提升度大于1的债权组合,并将将提升度大于1的债权组合按置信度从大到小的顺序依次排列。
8.根据权利要求6所述的基于关联分析的应收账款流转推荐系统,其特征在于,还包括第四计算模块(8)、第五计算模块(9)和第二过滤模块(10);
第四计算模块(8)用于计算流转要素组合列表中流转要素组合相同债权在当前存量应收账款中的当前支持度,所述组合相同债权为同时存在流转要素组合列表和当前存量应收账款中的债权;
第五计算模块(9)用于计算流转要素组合列表中流转要素组合相同债权的债权支持度;
第二过滤模块(10)用于筛选当前支持度与债权支持度的差值大于零的应收账款集合,得到过滤后的流转要素组合列表。
9.一种计算机可读储存介质,其特征在于,所述计算机可读存储介质上存储有若干获取分类程序,所述若干获取分类程序用于被处理器调用并执行如权利要求1至5任一所述的应收账款流转推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120883.9A CN110852863B (zh) | 2019-11-15 | 2019-11-15 | 一种基于关联分析的应收账款流转推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120883.9A CN110852863B (zh) | 2019-11-15 | 2019-11-15 | 一种基于关联分析的应收账款流转推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852863A CN110852863A (zh) | 2020-02-28 |
CN110852863B true CN110852863B (zh) | 2023-06-23 |
Family
ID=69600478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911120883.9A Active CN110852863B (zh) | 2019-11-15 | 2019-11-15 | 一种基于关联分析的应收账款流转推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852863B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3739385B1 (ja) * | 2005-05-27 | 2006-01-25 | 株式会社ユーエフジェイ銀行 | 融資限度額出力システム、融資限度額送信システム、及び融資限度額設定システム |
CN104050267A (zh) * | 2014-06-23 | 2014-09-17 | 中国科学院软件研究所 | 基于关联规则满足用户隐私保护的个性化推荐方法及系统 |
KR101791470B1 (ko) * | 2017-07-18 | 2017-10-30 | 주식회사 핀투비 | 매출채권의 거래 방법 |
CN109299313A (zh) * | 2018-08-03 | 2019-02-01 | 昆明理工大学 | 一种基于FP-growth的歌曲推荐方法 |
CN109767219A (zh) * | 2019-01-11 | 2019-05-17 | 深圳市链联科技有限公司 | 一种基于区块链技术的应收账款流转方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3407801B2 (ja) * | 2000-05-02 | 2003-05-19 | 康彦 三浦 | 売掛債権担保融資方法およびシステム |
US7231419B1 (en) * | 2001-10-19 | 2007-06-12 | Outlooksoft Corporation | System and method for adaptively selecting and delivering recommendations to a requester |
JP2003296578A (ja) * | 2002-03-29 | 2003-10-17 | Fujitsu Ltd | 債権流動化に関する振り分け方法及び装置 |
US10679284B2 (en) * | 2008-03-31 | 2020-06-09 | Six Sigma Systems, Inc. | System and method for collecting revenue |
US20110153663A1 (en) * | 2009-12-21 | 2011-06-23 | At&T Intellectual Property I, L.P. | Recommendation engine using implicit feedback observations |
US9208155B2 (en) * | 2011-09-09 | 2015-12-08 | Rovi Technologies Corporation | Adaptive recommendation system |
CN103514267A (zh) * | 2013-09-04 | 2014-01-15 | 快传(上海)广告有限公司 | 一种网络关联信息获取方法和系统 |
CN103700005B (zh) * | 2013-12-17 | 2016-08-31 | 南京信息工程大学 | 一种基于自适应多最小支持度的关联规则推荐方法 |
CN104537560A (zh) * | 2015-01-04 | 2015-04-22 | 青岛有容发展有限公司 | 一种网式债权债务处理方法和系统 |
CN105389358A (zh) * | 2015-11-04 | 2016-03-09 | 浙江工商大学 | 基于关联规则的Web服务推荐方法 |
US10585902B2 (en) * | 2016-05-24 | 2020-03-10 | International Business Machines Corporation | Cognitive computer assisted attribute acquisition through iterative disclosure |
CN107730336A (zh) * | 2016-08-12 | 2018-02-23 | 苏宁云商集团股份有限公司 | 一种在线交易中的商品推送方法及装置 |
CN107392645A (zh) * | 2017-06-20 | 2017-11-24 | 小草数语(北京)科技有限公司 | 用户挖掘方法、装置及其设备 |
CN108038781B (zh) * | 2017-12-05 | 2021-06-25 | 安徽海汇金融投资集团有限公司 | 一种应收账款债权凭证(合同)流转系统 |
CN109087186B (zh) * | 2018-08-02 | 2023-04-14 | 平安科技(深圳)有限公司 | 一种账款管理方法、存储介质和服务器 |
TWM572513U (zh) * | 2018-08-31 | 2019-01-01 | 彰化商業銀行股份有限公司 | 金融系統 |
CN110197390B (zh) * | 2019-04-09 | 2024-01-05 | 深圳市梦网视讯有限公司 | 一种基于关联规则关联度和经济值的推荐方法和系统 |
CN110111197A (zh) * | 2019-04-23 | 2019-08-09 | 安徽海汇金融投资集团有限公司 | 一种跨区域应收账款债权流转清算方法及系统 |
CN110288471A (zh) * | 2019-05-27 | 2019-09-27 | 安徽海汇金融投资集团有限公司 | 一种应收账款债权凭证(合同)流转处理方法及系统 |
CN110428322A (zh) * | 2019-06-12 | 2019-11-08 | 平安科技(深圳)有限公司 | 一种业务数据的适配方法及装置 |
-
2019
- 2019-11-15 CN CN201911120883.9A patent/CN110852863B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3739385B1 (ja) * | 2005-05-27 | 2006-01-25 | 株式会社ユーエフジェイ銀行 | 融資限度額出力システム、融資限度額送信システム、及び融資限度額設定システム |
CN104050267A (zh) * | 2014-06-23 | 2014-09-17 | 中国科学院软件研究所 | 基于关联规则满足用户隐私保护的个性化推荐方法及系统 |
KR101791470B1 (ko) * | 2017-07-18 | 2017-10-30 | 주식회사 핀투비 | 매출채권의 거래 방법 |
WO2019017688A1 (ko) * | 2017-07-18 | 2019-01-24 | 주식회사 핀투비 | 매출채권의 선지급 방법 |
CN109299313A (zh) * | 2018-08-03 | 2019-02-01 | 昆明理工大学 | 一种基于FP-growth的歌曲推荐方法 |
CN109767219A (zh) * | 2019-01-11 | 2019-05-17 | 深圳市链联科技有限公司 | 一种基于区块链技术的应收账款流转方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110852863A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11791046B2 (en) | Systems and methods of managing payments that enable linking accounts of multiple guarantors | |
Wolfe | The standardized mortality ratio revisited: improvements, innovations, and limitations | |
US20160148321A1 (en) | Simplified screening for predicting errors in tax returns | |
EP1361526A1 (en) | Electronic data processing system and method of using an electronic processing system for automatically determining a risk indicator value | |
Paik et al. | The relation between accounting information in debt covenants and operating leases | |
US20100324924A1 (en) | Medical Billing Systems and Methods | |
EP1456789A2 (en) | System and method for developing loss assumptions | |
US10268996B1 (en) | Customized payment management | |
CN110852863B (zh) | 一种基于关联分析的应收账款流转推荐方法及系统 | |
CN110930259A (zh) | 一种基于混合策略的债权推荐方法及系统 | |
US20050125346A1 (en) | Method and system for calculating and presenting bankruptcy preference payment defenses | |
US20150356574A1 (en) | System and method for generating descriptive measures that assesses the financial health of a business | |
US20160232472A1 (en) | System and method of health care management focused on physician enhancement | |
TWI720638B (zh) | 存款利率議價調整系統及其方法 | |
JP2012238073A (ja) | 債権買取査定支援システム及び債権買取査定支援方法 | |
Chrimes | Big data analytics of predicting annual US Medicare billing claims with health services | |
Holloway et al. | From revenue cycle management to revenue excellence | |
CN116029839B (zh) | 一种业务系统操作自动化执行操作系统 | |
US20220414764A1 (en) | Financing analysis method and system based on life policy information | |
Grajzl et al. | Weaned off public money: The effect of discontinued reception of public cash on firm outcomes | |
Hara Khanam | Credit scoring using Logistic regression | |
Lui | Welfare regime and familialisation in East Asia: testing the hypothesis of low-fertility equilibrium in Hong Kong | |
CN114331736A (zh) | 一种智能投资风险控制方法及系统 | |
WO2021127281A1 (en) | Systems and methods for determining an affordability index | |
CN116151985A (zh) | 融资方案推荐方法以及相关设备 |
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 |