CN110992183A - 企业交易信息分析方法、装置、计算机设备及存储介质 - Google Patents
企业交易信息分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110992183A CN110992183A CN201911275543.3A CN201911275543A CN110992183A CN 110992183 A CN110992183 A CN 110992183A CN 201911275543 A CN201911275543 A CN 201911275543A CN 110992183 A CN110992183 A CN 110992183A
- Authority
- CN
- China
- Prior art keywords
- transaction
- information
- category
- statistical
- classification
- 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.)
- Granted
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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了企业交易信息分析方法、装置、计算机设备及存储介质,其中,方法包括:若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息;根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息;对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息;根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。通过上述方法,可对企业的海量交易信息进行快速筛选、分析,以从海量交易信息中准确获取与该企业相关的信息,大幅提升了对海量交易信息进行分析的速度。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种企业交易信息分析方法、装置、计算机设备及存储介质。
背景技术
企业在进行交易业务过程中会产生大量的交易信息,例如发票数据等,若企业业务类型较少且交易信息数据较少时,则可通过对企业的交易信息进行简单判断以方便地获取与该企业相关的信息,例如基于企业的发票数据获取该企业所属的行业类型,而随着企业发展壮大,企业所涉及的业务类型及业务数量随之增多,企业所产生的交易信息数量巨大,通过简单判断的方式从企业的海量交易信息准确获取与该企业相关的信息十分困难,且上述判断方法面对海量交易信息时速度较慢,因此上述方法无法对企业的交易信息进行快速、准确的分析。因而,现有技术方法中存在无法对企业的交易信息进行快速、准确的分析的问题。
发明内容
本发明实施例提供了一种企业交易信息分析方法、装置、计算机设备及存储介质,旨在解决现有技术方法中所存在的无法对企业的交易信息进行快速、准确的分析的问题。
第一方面,本发明实施例提供了一种企业交易信息分析方法,其包括:
若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息;
根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息;
对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息;
根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。
第二方面,本发明实施例提供了一种企业交易信息分析装置,其包括:
信息过滤单元,用于若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息;
分类统计单元,用于根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息;
分类统计信息量化单元,用于对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息;
关联分析结果获取单元,用于根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。
第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上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第一方面所述的企业交易信息分析方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的企业交易信息分析方法。
本发明实施例提供了一种企业交易信息分析方法、装置、计算机设备及存储介质。根据过滤规则对所输入的待分析交易数据进行过滤得到过滤交易信息,根据分类统计规则对过滤交易信息进行分类统计得到每一交易类别的分类统计信息,对分类统计信息进行量化得到统计量化信息,将统计量化信息输入关联分析模型以获取对应的关联分析结果。通过上述方法,可对企业的海量交易信息进行快速筛选、分析,以从海量交易信息中准确获取与该企业相关的信息,大幅提升了对海量交易信息进行分析的速度。
附图说明
为了更清楚地说明本发明实施例技术方案,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为本发明实施例提供的企业交易信息分析方法的流程示意图;
图2为本发明实施例提供的企业交易信息分析方法的子流程示意图;
图3为本发明实施例提供的企业交易信息分析方法的另一子流程示意图;
图4为本发明实施例提供的企业交易信息分析方法的另一子流程示意图;
图5为本发明实施例提供的企业交易信息分析方法的另一子流程示意图;
图6为本发明实施例提供的企业交易信息分析装置的示意性框图;
图7为本发明实施例提供的计算机设备的示意性框图。
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做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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1是本发明实施例提供的企业交易信息分析方法的流程示意图。该企业交易信息分析方法应用于用户终端中,该方法通过安装于用户终端中的应用软件进行执行,用户终端即是用于执行企业交易信息分析方法以实现对企业的交易信息进行分析的终端设备,例如台式电脑、笔记本电脑、平板电脑或手机等。
如图1所示,该方法包括步骤S110~S140。
S110、若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息。
若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息。用户可向用户终端中输入待分析交易信息,待分析交易信息中包含海量的交易数据,待分析交易信息可以是发票数据、交易账单数据等,待分析交易信息中包括交易时间、一个或多个商品名称以及每一商品名称对应的交易值,待分析交易信息中还可以包括每一商品的品牌名称、单价、商品数量等具体信息,对待分析交易信息进行过滤后所得的过滤交易信息中的每一条交易数据均对应一个商品名称。
例如,以发票为例,待分析交易信息中的某一发票数据所包含的具体信息如表1所示。
表1
在一实施例中,如图2所示,步骤S110包括子步骤S111和S112。
S111、根据所述项目信息获取所述待分析交易数据中每一交易数据对应的项目值以得到交易项目数据信息。
根据所述项目信息获取所述待分析交易数据中每一交易数据对应的项目值以得到交易项目数据信息。待分析交易数据中包含的信息较多,在对待分析交易数据进行分析时,可通过项目信息从待分析交易数据中获取所需分析的部分数据信息,也即是得到交易项目数据信息。项目信息中包含多个项目,可根据项目信息中的多个项目从待分析数据中获取所对应的项目值,得到交易项目数据信息。
例如,若项目信息包括交易时间、商品名称及交易值,则从表1中获取到其中两条交易数据对应的项目值包括:交易时间:2019-11-11,10:25:09,商品名称:商品A,交易值:90;交易时间:2019-11-11,10:25:09,商品名称:商品B,交易值:450。
S112、根据所述数据筛除规则对所述交易项目数据信息中满足所述筛除规则的交易数据进行筛除以得到对应的过滤交易信息。
根据所述数据筛除规则对所述交易项目数据信息中满足所述筛除规则的交易数据进行筛除以得到对应的过滤交易信息。所得到的交易项目数据信息按照项目对每一交易数据进行整理,由于交易项目数据信息中包含部分无法进行分析处理的交易数据,因此需通过数据筛除规则对部分无法进行分析处理的交易数据进行筛除,也即是将满足筛除规则的交易数据进行筛除处理,得到过滤交易信息。
例如,针对发票数据,可设置筛除规则为商品名称为空或交易值不大于零的,若交易数据中所包含的商品名称为空或交易值不大于零,则该交易数据作为满足筛除规则的交易数据进行筛除处理。
S120、根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息。
根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息。分类统计规则即是用于对过滤交易数据进行分类统计的规则信息,分类统计规则中包含分类统计项及时间系数配置规则,分类统计项中包含多个统计项目,根据分类统计项即可将过滤交易数据中所包含的交易数据对应分类至多个对应的交易类别,根据时间系数配置规则及过滤交易数据中的信息计算每一交易类别对应的分类统计信息。
在一实施例中,如图3所示,步骤S120还包括子步骤S121、S122和S123。
S121、根据所述分类统计项对所述过滤交易信息中每一交易数据进行分类,以得到每一交易类别所包含的交易数据。
根据所述分类统计项对所述过滤交易信息中每一交易数据进行分类,以得到每一交易类别所包含的交易数据。根据分类统计项即可对过滤交易信息中每一交易数据进行分类,分类统计项中包含多个统计项目,则进行分类后部分统计项目不包含交易数据,也即是过滤交易信息中不包含与该统计项目对应的交易数据;部分统计项目包含交易数据,也即是过滤交易信息中包含与该统计项目对应的交易数据,获取包含交易数据的统计项目作为交易类别,并获取每一交易类别所包含的交易数据以对过滤交易信息进行分类统计。
例如,针对发票数据所对应的分类统计项可以是每一交易数据中的商品名称,根据商品名称(例如,商品A、商品B)即可对交易数据进行分类,以获取每一商品名称所对应包含的交易数据;此外还可将每一交易数据中的品牌名称作为分类统计项对。
S122、获取每一所述交易数据对应的交易时间,并根据所述时间系数配置规则获取与每一所述交易时间对应的时间系数。
获取每一所述交易数据对应的交易时间,并根据所述时间系数配置规则获取与每一所述交易时间对应的时间系数。由于交易数据与当前时间之间的间隔时间越长,则该交易数据的影响力越小;交易数据与当前时间之间的间隔时间越短,则该交易数据的影响力越大,为了体现交易时间对每一交易数据的影响,可根据时间系数配置规则为每一交易数据配置与其交易时间对应的时间系数。例如,时间系数配置规则可以包含多个时间区间,获取某一交易数据的交易时间与当前时间之间的间隔时间所落入的时间区间,并获取该时间区间对应的时间系数作为该交易数据的时间系数。时间系数配置规则还可以通过预置计算公式进行计算,例如,预置公式可以是S=(1+e∧(x/12-3))∧-1,其中,x为任一交易数据的交易时间与当前时间之间间隔的整月数,S即为所计算得到的时间系数。
S123、将每一所述交易类别所包含的交易数据的交易值与对应的时间系数相乘后累加得到每一所述交易类别对应的类别统计值,以将所述类别统计值作为分类统计信息。
将每一所述交易类别所包含的交易数据的交易值与对应的时间系数相乘后累加得到每一所述交易类别对应的类别统计值,以将所述类别统计值作为分类统计信息。获取某一交易类别所包含的交易数据,将该交易类别中每一交易数据的交易值与该交易数据对应的时间系数相乘,所得乘积进行累加即可得到该交易类别所对应的分类统计信息,分类统计信息以一个具体的数值进行表示。
S130、对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息。
对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息。由于所得的分类统计信息为一个数值,不同的分类统计信息差别较大,因此为方便对所获取到的分类统计信息进行处理,可对每一交易类别的分类统计信息进行量化得到统计量化信息,所得的统计量化信息中包含每一交易类别的分类统计信息所对应的量化值。
在一实施例中,如图4所示,步骤S130包括子步骤S131和S132。
S131、从所有所述分类统计信息中获取对应的类别统计值累加后得到累加值。
从所有所述分类统计信息中获取对应的类别统计值累加后得到累加值。将所有类别统计值进行累加得到累加值,累加值以一个具体的数值进行表示。
S132、获取每一所述交易类别对应的类别统计值在所述累加值中的占比作为所述分类统计信息的统计量化信息。
获取每一所述交易类别对应的类别统计值在所述累加值中的占比作为所述分类统计信息的统计量化信息。具体的,将每一交易类别的类别统计值除以所得到的累加值,以计算每一交易类别对应的类别统计值在累加值中的占比,即可得到分类统计信息的统计量化信息,所有类别统计值的占比进行累加后为“1”。
例如,所得到的一份统计量化信息如表2所示。
交易类别 | 苹果 | 大米 | 猪肉 | 梨 | 板栗 | 香烟 | 西瓜 |
占比 | 0.47 | 0.26 | 0.09 | 0.07 | 0.05 | 0.03 | 0.03 |
表2
S140、根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。
根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。将统计量化信息输入关联分析模型,即可对该统计量化信息进行关联分析,并得到对应的关联分析结果。其中,所述关联分析模型包含人工神经网络,人工神经网络即是用于获取多个预设的行业类型与所输入的统计量化信息之间关联度的神经网络。具体的,人工神经网络中包含多个输入节点、多个中间节点及多个输出节点,每一输入节点与一个交易类别相对应,每一个输出节点与一个行业类型相对应,中间节点即为对输入节点与输出节点进行关联的神经节点,每一个中间节点均与所有输入节点及所有输出节点相连接,中间节点与输入节点之间的连接关系可通过输入计算公式进行量化,中间节点与输出节点之间的连接关系可通过输出计算公式进行量化。每一输入计算公式均是以某一输入节点的输入节点值作为输入值、某一中间节点的计算值作为输出值构建得到的,第一个输入计算公式可表示为Y1=W1×X1+C1,其中,Y1为第一个中间节点的第一个计算值,计算值可以为正数或负数,X1为第一个输入节点的输入节点值,W1和C1为第一中间节点与第一个输入节点之间的输入计算公式中所预设的参数值,由于任意一个中间节点与所有输入节点之间均具有连接关系,获取某一中间节点所对应的所有计算值进行累加即可得到该中间节点的节点值;每一输出计算公式均是以某一中间节点的节点值作为输入值、某一输出节点的计算值作为输出值构建得到的,第一个输出计算公式可表示为Z1=B1×P1+D1,其中,Z1为第一个输出节点的第一个计算值,计算值可以为正数或负数,P1为第一个中间节点的节点值,B1和D1为第一中间节点与第一个输出节点之间的输出计算公式中所预设的参数值,由于任意一个输出节点与所有中间节点之间均具有连接关系,获取某一输出节点所对应的所有计算值进行累加即可得到该输出节点的输出节点值。在对人工神经网络进行使用之前,还可通过训练规则对人工神经网络进行训练以提高人工神经网络预测的准确性。
在一实施例中,如图5所示,步骤S140包括子步骤S141和S142。
S141、将所述统计量化信息作为输入值输入所述人工神经网络以获取对应的输出信息,所述输出信息包含与多个行业类型对应的关联度。
将所述统计量化信息作为输入值输入所述人工神经网络以获取对应的输出信息,所述输出信息包含与多个行业类型对应的关联度。人工神经网络中的一个输入节点均对应一个交易类别,可将统计量化信息中交易类别的量化值作为对应输入节点的输入节点值,若人工神经网络中某一输入节点对应的交易类别在统计量化信息中不包含对应的量化值,则确定该输入节点的输入节点值为“0”。每一输出节点均对应一个行业类型,输出节点的输出节点值即为统计量化信息与该输出节点所对应行业类型之间的关联度。
例如,将表2中所示的统计量化信息输入人工神经网络,则人工神经网络中与苹果、大米、猪肉、梨、板栗、香烟及西瓜所对应的输入节点的输入节点值依次为:0.47、0.26、0.09、0.07、0.05、0.03及0.03,该人工神经网络中其他输入节点所对应的输入节点值均为“0”。
S142、从所述输出信息中获取关联度最高的预设数量的行业类型作为优选行业类型,以得到关联分析结果。
从所述输出信息中获取关联度最高的预设数量的行业类型作为优选行业类型,以得到关联分析结果。具体的,可根据预设数量获取输出信息中关联度最高的一个或多个行业类型作为优选行业类型,将所得到的优选行业类型作为关联分析结果,具体的,若预设数量为N,则可以获取关联度排名前N位的行业类型作为优选行业类型,其中N≥1;还可以是获取关联度大于所设定的关联度阈值的行业类型作为优选行业类型。所得的关联分析结果中包含一个或多个优选行业类型。
例如,预设数量为2,则获取关联度排名前2位的行业类型作为优选行业类型,输出信息为:食品行业-77%;零售行业-63%;百货行业-45%;则将食品行业及零售行业作为对应的优选行业类型。
本发明实施例所提供的企业交易信息分析方法,根据过滤规则对所输入的待分析交易数据进行过滤得到过滤交易信息,根据分类统计规则对过滤交易信息进行分类统计得到每一交易类别的分类统计信息,对分类统计信息进行量化得到统计量化信息,将统计量化信息输入关联分析模型以获取对应的关联分析结果。通过上述方法,可对企业的海量交易信息进行快速筛选、分析,以从海量交易信息中准确获取与该企业相关的信息,大幅提升了对海量交易信息进行分析的速度。
本发明实施例还提供一种企业交易信息分析装置,该企业交易信息分析装置用于执行前述企业交易信息分析方法的任一实施例。具体地,请参阅图6,图6是本发明实施例提供的企业交易信息分析装置的示意性框图。该企业交易信息分析装置可以配置于用户终端中。
如图6所示,企业交易信息分析装置100包括信息过滤单元110、分类统计单元120、分类统计信息量化单元130和关联分析结果获取单元140。
信息过滤单元110,用于若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息。
在其他发明实施例中,所述信息过滤单元110包括子单元:交易项目数据信息获取单元和交易数据筛除单元。
交易项目数据信息获取单元,用于根据所述项目信息获取所述待分析交易数据中每一交易数据对应的项目值以得到交易项目数据信息;交易数据筛除单元,用于根据所述数据筛除规则对所述交易项目数据信息中满足所述筛除规则的交易数据进行筛除以得到对应的过滤交易信息。
分类统计单元120,用于根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息。
在其他发明实施例中,所述分类统计单元120包括子单元:交易数据分类单元、时间系数获取单元和类别统计值获取单元。
交易数据分类单元,用于根据所述分类统计项对所述过滤交易信息中每一交易数据进行分类,以得到每一交易类别所包含的交易数据;时间系数获取单元,用于获取每一所述交易数据对应的交易时间,并根据所述时间系数配置规则获取与每一所述交易时间对应的时间系数;类别统计值获取单元,用于将每一所述交易类别所包含的交易数据的交易值与对应的时间系数相乘后累加得到每一所述交易类别对应的类别统计值,以将所述类别统计值作为分类统计信息。
分类统计信息量化单元130,用于对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息。
在其他发明实施例中,所述分类统计信息量化单元130包括子单元:类别统计值累加单元和统计量化信息获取单元。
类别统计值累加单元,用于从所有所述分类统计信息中获取对应的类别统计值累加后得到累加值;统计量化信息获取单元,用于获取每一所述交易类别对应的类别统计值在所述累加值中的占比作为所述分类统计信息的统计量化信息。
关联分析结果获取单元140,用于根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。
在其他发明实施例中,所述关联分析结果获取单元140包括子单元:输出信息获取单元和结果获取单元。
输出信息获取单元,用于将所述统计量化信息作为输入值输入所述人工神经网络以获取对应的输出信息,所述输出信息包含与多个行业类型对应的关联度;结果获取单元,用于从所述输出信息中获取关联度最高的预设数量的行业类型作为优选行业类型,以得到关联分析结果。
本发明实施例所提供的企业交易信息分析装置用于执行上述企业交易信息分析方法,根据过滤规则对所输入的待分析交易数据进行过滤得到过滤交易信息,根据分类统计规则对过滤交易信息进行分类统计得到每一交易类别的分类统计信息,对分类统计信息进行量化得到统计量化信息,将统计量化信息输入关联分析模型以获取对应的关联分析结果。通过上述方法,可对企业的海量交易信息进行快速筛选、分析,以从海量交易信息中准确获取与该企业相关的信息,大幅提升了对海量交易信息进行分析的速度。
上述企业交易信息分析装置可以实现为计算机程序的形式,该计算机程序可以在如图7所示的计算机设备上运行。
请参阅图7,图7是本发明实施例提供的计算机设备的示意性框图。
参阅图7,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行企业交易信息分析方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行企业交易信息分析方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图7中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500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。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下功能:若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息;根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息;对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息;根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。
在一实施例中,处理器502在执行若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息的步骤时,执行如下操作:根据所述项目信息获取所述待分析交易数据中每一交易数据对应的项目值以得到交易项目数据信息;根据所述数据筛除规则对所述交易项目数据信息中满足所述筛除规则的交易数据进行筛除以得到对应的过滤交易信息。
在一实施例中,处理器502在执行根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息的步骤时,执行如下操作:根据所述分类统计项对所述过滤交易信息中每一交易数据进行分类,以得到每一交易类别所包含的交易数据;获取每一所述交易数据对应的交易时间,并根据所述时间系数配置规则获取与每一所述交易时间对应的时间系数;将每一所述交易类别所包含的交易数据的交易值与对应的时间系数相乘后累加得到每一所述交易类别对应的类别统计值,以将所述类别统计值作为分类统计信息。
在一实施例中,处理器502在执行对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息的步骤时,执行如下操作:从所有所述分类统计信息中获取对应的类别统计值累加后得到累加值;获取每一所述交易类别对应的类别统计值在所述累加值中的占比作为所述分类统计信息的统计量化信息。
在一实施例中,在一实施例中,处理器502在执行根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果的步骤时,执行如下操作:将所述统计量化信息作为输入值输入所述人工神经网络以获取对应的输出信息,所述输出信息包含与多个行业类型对应的关联度;从所述输出信息中获取关联度最高的预设数量的行业类型作为优选行业类型,以得到关联分析结果。
本领域技术人员可以理解,图7中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图7所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现以下步骤:若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息;根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息;对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息;根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。
在一实施例中,所述若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息的步骤,包括:根据所述项目信息获取所述待分析交易数据中每一交易数据对应的项目值以得到交易项目数据信息;根据所述数据筛除规则对所述交易项目数据信息中满足所述筛除规则的交易数据进行筛除以得到对应的过滤交易信息。
在一实施例中,所述根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息的步骤,包括:根据所述分类统计项对所述过滤交易信息中每一交易数据进行分类,以得到每一交易类别所包含的交易数据;获取每一所述交易数据对应的交易时间,并根据所述时间系数配置规则获取与每一所述交易时间对应的时间系数;将每一所述交易类别所包含的交易数据的交易值与对应的时间系数相乘后累加得到每一所述交易类别对应的类别统计值,以将所述类别统计值作为分类统计信息。
在一实施例中,所述对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息的步骤,包括:从所有所述分类统计信息中获取对应的类别统计值累加后得到累加值;获取每一所述交易类别对应的类别统计值在所述累加值中的占比作为所述分类统计信息的统计量化信息。
在一实施例中,所述根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果的步骤,包括:将所述统计量化信息作为输入值输入所述人工神经网络以获取对应的输出信息,所述输出信息包含与多个行业类型对应的关联度;从所述输出信息中获取关联度最高的预设数量的行业类型作为优选行业类型,以得到关联分析结果。
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,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而所述计算机可读存储介质为实体的、非瞬时性的存储介质,所述计算机可读存储介质为非易失性存储介质,所述计算机可读存储介质可以是前述设备的内部存储单元,例如设备的硬盘或内存等实体存储介质。所述存储介质也可以是所述设备的外部存储设备,例如所述设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等实体存储介质。
以上所述,仅为本发明的具体实施方式,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种企业交易信息分析方法,应用于用户终端,其特征在于,所述方法包括:
若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息;
根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息;
对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息;
根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。
2.根据权利要求1所述的企业交易信息分析方法,其特征在于,所述过滤规则包含项目信息及数据筛除规则,所述根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息,包括:
根据所述项目信息获取所述待分析交易数据中每一交易数据对应的项目值以得到交易项目数据信息;
根据所述数据筛除规则对所述交易项目数据信息中满足所述筛除规则的交易数据进行筛除以得到对应的过滤交易信息。
3.根据权利要求1所述的企业交易信息分析方法,其特征在于,所述分类统计规则包括分类统计项及时间系数配置规则,所述根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息,包括:
根据所述分类统计项对所述过滤交易信息中每一交易数据进行分类,以得到每一交易类别所包含的交易数据;
获取每一所述交易数据对应的交易时间,并根据所述时间系数配置规则获取与每一所述交易时间对应的时间系数;
将每一所述交易类别所包含的交易数据的交易值与对应的时间系数相乘后累加得到每一所述交易类别对应的类别统计值,以将所述类别统计值作为分类统计信息。
4.根据权利要求3所述的企业交易信息分析方法,其特征在于,所述对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息,包括:
从所有所述分类统计信息中获取对应的类别统计值累加后得到累加值;
根据所述分类统计信息获取每一所述交易类别对应的类别统计值在所述累加值中的占比作为所述分类统计信息的统计量化信息。
5.根据权利要求4所述的企业交易信息分析方法,其特征在于,所述关联分析模型包含用于获取所输入的统计量化信息与多个预设的行业类型之间关联度的人工神经网络,所述根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果,包括:
将所述统计量化信息作为输入值输入所述人工神经网络以获取对应的输出信息,所述输出信息包含与多个行业类型对应的关联度;
从所述输出信息中获取关联度最高的预设数量的行业类型作为优选行业类型,以得到关联分析结果。
6.一种企业交易信息分析装置,其特征在于,包括:
信息过滤单元,用于若接收到所输入的待分析交易信息,根据预置的过滤规则对所述待分析交易信息进行过滤以得到对应的过滤交易信息;
分类统计单元,用于根据预置的分类统计规则对所述过滤交易信息进行分类统计以得到每一交易类别的分类统计信息;
分类统计信息量化单元,用于对每一所述交易类别的分类统计信息进行量化以得到对应的统计量化信息;
关联分析结果获取单元,用于根据预置的关联分析模型对所述统计量化信息进行关联分析以得到对应的关联分析结果。
7.根据权利要求6所述的企业交易信息分析装置,其特征在于,所述信息过滤单元,包括:
交易项目数据信息获取单元,用于根据所述项目信息获取所述待分析交易数据中每一交易数据对应的项目值以得到交易项目数据信息;
交易数据筛除单元,用于根据所述数据筛除规则对所述交易项目数据信息中满足所述筛除规则的交易数据进行筛除以得到对应的过滤交易信息。
8.根据权利要求6所述的企业交易信息分析装置,其特征在于,所述分类统计单元,包括:
交易数据分类单元,用于根据所述分类统计项对所述过滤交易信息中每一交易数据进行分类,以得到每一交易类别所包含的交易数据;
时间系数获取单元,用于获取每一所述交易数据对应的交易时间,并根据所述时间系数配置规则获取与每一所述交易时间对应的时间系数;
类别统计值获取单元,用于将每一所述交易类别所包含的交易数据的交易值与对应的时间系数相乘后累加得到每一所述交易类别对应的类别统计值,以将所述类别统计值作为分类统计信息。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上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5中任一项所述的企业交易信息分析方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至5任一项所述的企业交易信息分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911275543.3A CN110992183B (zh) | 2019-12-12 | 2019-12-12 | 企业交易信息分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911275543.3A CN110992183B (zh) | 2019-12-12 | 2019-12-12 | 企业交易信息分析方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992183A true CN110992183A (zh) | 2020-04-10 |
CN110992183B CN110992183B (zh) | 2023-08-01 |
Family
ID=70092870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911275543.3A Active CN110992183B (zh) | 2019-12-12 | 2019-12-12 | 企业交易信息分析方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992183B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107527289A (zh) * | 2017-08-25 | 2017-12-29 | 百度在线网络技术(北京)有限公司 | 一种投资组合行业配置方法、装置、服务器和存储介质 |
US20180108000A1 (en) * | 2016-10-18 | 2018-04-19 | Mastercard International Incorporated | Systems and methods for generating aggregated merchant analytics for a geographic sector using tip data |
CN109615429A (zh) * | 2018-12-11 | 2019-04-12 | 大象慧云信息技术有限公司 | 一种基于发票数据的精准广告投放系统及方法 |
CN110162566A (zh) * | 2019-04-15 | 2019-08-23 | 平安普惠企业管理有限公司 | 业务数据的关联分析方法、装置、计算机设备及存储介质 |
-
2019
- 2019-12-12 CN CN201911275543.3A patent/CN110992183B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180108000A1 (en) * | 2016-10-18 | 2018-04-19 | Mastercard International Incorporated | Systems and methods for generating aggregated merchant analytics for a geographic sector using tip data |
CN107527289A (zh) * | 2017-08-25 | 2017-12-29 | 百度在线网络技术(北京)有限公司 | 一种投资组合行业配置方法、装置、服务器和存储介质 |
CN109615429A (zh) * | 2018-12-11 | 2019-04-12 | 大象慧云信息技术有限公司 | 一种基于发票数据的精准广告投放系统及方法 |
CN110162566A (zh) * | 2019-04-15 | 2019-08-23 | 平安普惠企业管理有限公司 | 业务数据的关联分析方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110992183B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299362B (zh) | 相似企业推荐方法、装置、计算机设备及存储介质 | |
US10504120B2 (en) | Determining a temporary transaction limit | |
CN105956628B (zh) | 数据分类方法和用于数据分类的装置 | |
CN111080360B (zh) | 行为预测方法、模型训练方法、装置、服务器及存储介质 | |
CN109214772B (zh) | 项目推荐方法、装置、计算机设备及存储介质 | |
Yvette Zhang | A density‐ratio model of crop yield distributions | |
CN112541635A (zh) | 业务数据统计预测方法、装置、计算机设备及存储介质 | |
CN111126442A (zh) | 一种物品关键属性生成方法、物品分类方法和装置 | |
CN111782927A (zh) | 物品推荐方法及其装置、计算机可存储介质 | |
CN105677925B (zh) | 数据库用户数据处理方法和装置 | |
CN114780606B (zh) | 一种大数据挖掘方法及系统 | |
CN111858245A (zh) | 一种异常数据的分析方法、装置、电子设备及存储介质 | |
CN110633304B (zh) | 组合特征筛选方法、装置、计算机设备及存储介质 | |
CN110674104B (zh) | 特征组合筛选方法、装置、计算机设备及存储介质 | |
CN112487021B (zh) | 业务数据的关联分析方法、装置及设备 | |
CN111951051B (zh) | 一种为客户推荐产品的方法、装置和系统 | |
CN110826008A (zh) | 指标相关性分析方法、装置、计算机设备及存储介质 | |
CN110992183B (zh) | 企业交易信息分析方法、装置、计算机设备及存储介质 | |
Lahmiri | Randomness in denoised stock returns: The case of Moroccan family business companies | |
CN112016975A (zh) | 产品筛选方法、装置、计算机设备及可读存储介质 | |
CN110264306B (zh) | 基于大数据的产品推荐方法、装置、服务器及介质 | |
CN113688206A (zh) | 基于文本识别的趋势分析方法、装置、设备及介质 | |
CN113312434A (zh) | 一种海量结构化数据的预聚合处理方法 | |
CN113706294A (zh) | 授信额度分析方法、装置、设备及介质 | |
CN107220269A (zh) | 一种针对地理位置敏感app的个性化推荐方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |