CN111898611A - 一种结合rpa和ai的收款凭证生成方法、装置、设备及介质 - Google Patents

一种结合rpa和ai的收款凭证生成方法、装置、设备及介质 Download PDF

Info

Publication number
CN111898611A
CN111898611A CN202010786437.8A CN202010786437A CN111898611A CN 111898611 A CN111898611 A CN 111898611A CN 202010786437 A CN202010786437 A CN 202010786437A CN 111898611 A CN111898611 A CN 111898611A
Authority
CN
China
Prior art keywords
bank
collection
semantic information
service type
voucher
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
Application number
CN202010786437.8A
Other languages
English (en)
Inventor
汪冠春
胡一川
褚瑞
李玮
潘庚生
翁嘉颀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Benying Network Technology Co Ltd
Beijing Laiye Network Technology Co Ltd
Original Assignee
Beijing Benying Network Technology Co Ltd
Beijing Laiye Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Benying Network Technology Co Ltd, Beijing Laiye Network Technology Co Ltd filed Critical Beijing Benying Network Technology Co Ltd
Publication of CN111898611A publication Critical patent/CN111898611A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/34—Browsing; Visualisation therefor
    • G06F16/345—Summarisation for human users
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明实施例公开一种结合RPA和AI的收款凭证生成方法、装置、设备及介质。该方法包括：获取预设时间段内的银行流水图片；对各所述银行流水图片进行识别，得到对应的各语义信息；根据所述各语义信息生成收款凭证。应用本发明实施例提供的方案，在获取银行流水图片后，可以首先对银行流水图片进行识别得到对应的语义信息，进而根据识别到的语义信息生成对应的收款凭证，整个凭证生成过程由计算机执行，不需要人工参与，从而可以提高凭证生成效率。

Description

一种结合RPA和AI的收款凭证生成方法、装置、设备及介质
技术领域
本发明涉及财务凭证生成技术领域，具体而言，涉及一种结合RPA(RoboticProcess Autom ation，机器人流程自动化)和AI(Artificia lIntelligence，人工智能)的收款凭证生成方法、装置、设备及介质。
背景技术
人工智能(Artificia lIntelligence，简称：AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。机器人流程自动化(RoboticProcess Autom ation，简称：RPA)是一种新型的人工智能的虚拟流程自动化机器人，用于模拟人在计算机上的操作，按规则自动执行流程任务，RPA可以广泛应用于各个需要流程自动化的领域，例如财务管理领域。
在财务管理过程中，需要将收付款记录生成对应的凭证，以供留档保存。具体的，可以获取银行流水，进而根据银行流水生成对应的凭证。然而，已知的方法中，需要人工对银行流水进行识别并录入凭证。由于银行流水数据量较大，从银行流水数据中识别出需要的数据生成对应的凭证需要耗费大量的时间，从而导致凭证生成效率较低。因此，为了提高凭证生成效率，亟需一种凭证生成方法。
发明内容
本发明实施例提供了一种结合RPA和AI的收款凭证生成方法、装置、设备及介质，以提高凭证生成效率。具体的技术方案如下。
第一方面，本发明实施例提供一种结合RPA和AI的收款凭证生成方法，所述方法包括：
S1、获取预设时间段内的银行流水图片；
S2、对各所述银行流水图片进行识别，得到对应的各语义信息；
S3、根据所述各语义信息生成收款凭证。
可选的，所述步骤S2具体包括：
S21、通过光学字符识别OCR对各所述银行流水图片进行识别，得到各所述银行流水图片中包括的文字信息；
S22、通过NLU技术对各所述文字信息进行识别，得到对应的各语义信息。
可选的，所述步骤S22具体包括：
S221、通过NLU技术，将各所述文字信息中的缩略语变换为预先存储的标准语，得到对应的各语义信息。
可选的，所述步骤S3具体包括：
S31、在所述各语义信息中识别摘要内容，基于各所述摘要内容确定各银行流水图片的业务类型；
S32、根据各业务类型对应的语义信息，生成各业务类型对应的收款凭证。
可选的，所述步骤S31具体包括：
S311、当任一摘要内容中包括保理款时，确定对应的银行流水图片的业务类型为业务放款；
S312、当任一摘要内容中包括资金调拨或剩余资金划转，且该摘要内容中包括的收付方名称包括在预设关联公司名称内时，确定对应的银行流水图片的业务类型为资金调拨；
S313、当任一摘要内容中包括第三方存管活期转保证金时，确定对应的银行流水图片的业务类型为银行转证券户；
S314、当任一摘要内容中包括网银汇款手续费或代发业务时，确定对应的银行流水图片的业务类型为扣手续费；
S315、当任一摘要内容中包括测试，且该摘要内容所在语义信息中包括的交易金额为预设金额时，确定对应的银行流水图片的业务类型为测试款；
S316、当任一摘要内容中包括支付平台退票，且该摘要内容所在语义信息中包括的交易金额为所述预设金额时，确定对应的银行流水图片的业务类型为业务放款退回；
S317、当任一摘要内容中包括的收付方名称包括在所述预设关联公司名称内，且该摘要内容所在语义信息中包括的贷方金额大于时，确定对应的银行流水图片的业务类型为收到资金调拨款；
S318、当任一摘要内容中包括购买基础资产或基础资产购买时，确定对应的银行流水图片的业务类型为专项计划募集款；
S319、当任一摘要内容中包括第三方存管保证金转活期时，确定对应的银行流水图片的业务类型为证券转银行。
可选的，所述步骤S32具体包括：
S321、针对业务放款的业务类型，对每个收付方分别根据该业务类型对应的各相同时间点的语义信息生成各收款凭证；
S322、针对资金调拨的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S323、针对银行转证券户的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S324、针对扣手续费的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S325、针对测试款的业务类型，对每个收付方分别根据该业务类型对应的语义信息生成一收款凭证；
S326、针对业务放款退回的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S327、针对收到资金调拨款的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S328、针对专项计划募集款的业务类型，分别根据该业务类型对应的各语义信息生成各收款凭证；
S329、针对证券转银行的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证。
可选的，所述步骤S32之后，还包括：
S33、判断各所述银行流水图片的业务类型是否包含在预设类型中；
所述步骤S32具体包括：
S320、根据包含在所述预设类型的各业务类型对应的语义信息，生成各业务类型对应的收款凭证。
可选的，所述步骤S33之后，还包括：
S34、在未包含在所述预设类型的各业务类型对应的银行流水图片中添加未记账标识。
可选的，所述步骤S2之后，还包括：
S4、在所述各语义信息中，剔除业务参考号格式不为预设格式的语义信息。
可选的，所述步骤S3之后，还包括：
S5、获取各合同数据，识别各所述合同数据中的收款金额；
S6、根据收付方名称，识别各合同数据对应的各收款凭证；
S7、计算各所述合同数据中的收款金额和对应各收款凭证中的实际金额的差值。
第二方面，本发明实施例提供一种结合RPA和AI的收款凭证生成装置，所述装置包括：
图片获取模块，用于获取预设时间段内的银行流水图片；
信息识别模块，用于对各所述银行流水图片进行识别，得到对应的各语义信息；
凭证生成模块，用于根据所述各语义信息生成收款凭证。
第三方面，本发明实施例提供一种计算设备，所述设备包括：
存储有可执行程序代码的存储器；
与存储器耦合的处理器；
其中，处理器调用存储器中存储的可执行程序代码，执行如上述第一方面所述的结合RPA和AI的收款凭证生成方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的结合RPA和AI的收款凭证生成方法。
本实施例提供的技术方案，当获取到预设时间段内的银行流水图片后，可以对各银行流水图片进行识别得到对应的各语义信息，并根据各语义信息生成收款凭证。因此能够自动从银行流水图片中识别出需要的信息，并生成对应的收款凭证，整个过程不需要人工参与，从而可以提高凭证生成效率。
本发明实施例的创新点包括：
1、在获取银行流水图片后，可以首先对银行流水图片进行识别得到对应的语义信息，进而根据识别到的语义信息生成对应的收款凭证，整个凭证生成过程由计算机执行，不需要人工参与，从而可以提高凭证生成效率。
2、银行流水包括多种不同的业务类型，且生成不同业务类型对应的收款凭证时，所遵循的规则不完全相同，因此，根据识别出的语义信息中的摘要内容对银行流水图片对应的业务类型进行分类，进而根据不同业务类型的语义信息生成不同的收款凭证，能够提高凭证生成的准确性。
3、在银行流水数据中，有一些特殊的业务类型，其对应收款凭证的生成过程规则不明确，因此，计算机无法自动生成这部分银行流水对应的收款凭证，对未自动生成收款凭证的银行流水图片添加未记账标识，能够使得工作人员清晰的从大量的银行流水图片中识别出这部分银行流水，进而可以手动生成对应的收款凭证，从而能够生成所有的银行流水图片对应的收款凭证，保证凭证生成的完整性。
4、在银行流水中，有一些银行系统可以自动生成收款凭证的业务类型，或者，财务系统和银行系统直接对接后也可以自动生成收款凭证的业务类型，如易快报报销，将这部分银行流水剔除，避免重复生成收款凭证，从而能够提高收款凭证生成的准确性。
5、将合同数据与收款凭证进行对比，能够对收款凭证中的实际金额进行验证，确定实际金额是否准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。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为本发明实施例中银行流水示意图；
图2为本发明实施例中保理款对应的收款凭证示意图；
图3为本发明实施例提供的结合RPA和AI的收款凭证生成方法的一种流程示意图；
图4为资金调拨对应的收款凭证示意图；
图5为银行转证券户对应的收款凭证示意图；
图6为扣手续费对应的收款凭证示意图；
图7为测试款对应的收款凭证示意图；
图8为业务放款退回对应的收款凭证示意图；
图9为收到资金调拨款对应的收款凭证示意图；
图10为专项计划募集款对应的收款凭证示意图；
图11为证券转银行对应的收款凭证示意图；
图12为本发明实施例提供的结合RPA和AI的收款凭证生成方法的另一种流程示意图；
图13为本发明实施例提供的结合RPA和AI的收款凭证生成装置的一种结构示意图；
图14是本发明实施例提供的一种计算设备的结构示意图。
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、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，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付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。
需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本发明的描述中，术语“银行流水”是指所有在银行发生的收付款行为对应的记录。一条银行流水通常包含行为发生时间、业务类型、收付方名称、交易金额等信息。
在本发明的描述中，术语“收款凭证”是指具有一定格式的收付款记录。通常用于记录银行存款收款业务的记账凭证，是出纳人员收讫款项的依据。
在本发明的描述中，术语“文字信息”是指从银行流水图片中识别出的内容本身，如，银行流水图片中包括的文字、英文缩写、数字等。
在本发明的描述中，术语“语义信息”是指对文字信息进行语义解析后得到的信息。语义信息可以借助自然语言去领会和解释，凡科学信息都属于语义信息。如，文字信息中的“文字”对应的语义信息，可以为对该文字进行解释后得到的信息；文字信息中的“英文缩写”对应的语义信息，可以为该英文缩写对应的汉语译文。
在本发明的描述中，术语“标准语”是指对缩略语进行解析后得到的词语。如，英文缩写对应的标准语可以为对应的汉语译文，公司名称简写对应的标准语可以为公司名称全称。
下面将结合附图，对本发明实施例提供的内容进行详细介绍。
实施例一
在财务管理过程中，通常情况下，每日需要将前一日的银行交易流水区分银行付款和银行收款两类，并生成对应的收款凭证。
例如，图1为银行流水示意图。每条银行流水都包括日期、业务类型、票据号、摘要、冲账标记、借方/贷方金额、以及余额。
在本实施例中，当需要生成“业务放款”对应的凭证时，可以在如图1所示银行流水中识别出摘要部分包含“保理款”的多条流水信息，进一步识别出摘要中包含的用户编号“ZJEJ”对应的语义信息为“中建方程”，进而生成如图2所示的收款凭证。
如图2所示，其中的摘要为“支付+用户名称+保理款”；科目编码为业务类型“业务放款”对应的编码；科目全名与科目编码对应；核算维度为收付方名称；借方金额和贷方金额为对该收付方同一时间点所有业务放款类型的流水进行汇总后得到的结果。
实施例二
图3为本发明实施例提供的结合RPA和AI的收款凭证生成方法的一种流程示意图。该方法应用于电子设备，该方法具体包括以下步骤。
S110、获取预设时间段内的银行流水图片。
例如，可以获取一天内，也即24小时内的银行流水图片。在一种实现方式中，电子系统可以提前与银行系统对接，预先设定好银行系统中银行流水图片的存储位置，从而电子设备可以从该预设位置处获取到银行流水图片。
S120、对各银行流水图片进行识别，得到对应的各语义信息。
由于电子设备不能对银行流水图片中的内容直接进行读取，因此，在本发明实施例中，电子设备可以对各银行流水图片进行识别，得到对应的各语义信息。例如，电子设备可以根据任一已知的图片识别方式，对各银行流水图片进行识别，获取到各银行流水图片中包含的语义信息。
在一种实现方式中，电子设备可以首先通过OCR(Optica lCharacterRecognition，光学字符识别)对各银行流水图片进行识别，得到各银行流水图片中包括的文字信息；之后通过NLU(Natura lLanguage Understanding，自然语言理解)技术对各文字信息进行识别，得到对应的各语义信息。
在实际应用中，由于银行流水中可能存在一些缩略语、简写等内容，只有对这些内容进行解析才可以准确的生成收款凭证。因此，可以预先存储各缩略语和标准语的对应关系，如，可以存储各英文缩写与各汉语译文的对应关系。
在本发明实施例中，电子设备通过NLU技术对各文字信息进行识别时，具体的，可以将各文字信息中的缩略语变换为预先存储的标准语，得到对应的各语义信息。
在一种实现方式中，得到各语义信息后，电子设备还可以在各语义信息中，剔除业务参考号格式不为预设格式的语义信息。该预设格式例如可以为“＠KD＊＊＊＊＊＊＊＊”。
在银行流水中，有一些银行系统可以自动生成收款凭证的业务类型，或者，财务系统和银行系统直接对接后也可以自动生成收款凭证的业务类型，如易快报报销，将这部分银行流水剔除，避免重复生成收款凭证，从而能够提高收款凭证生成的准确性。
S130、根据各语义信息生成收款凭证。
得到语义信息，也即得到了各银行流水中包括的所有信息，这种情况下，可以根据各语义信息生成收款凭证。
由于银行流水包括多种不同的业务类型，且不同业务类型对应的凭证生成规则不完全相同。因此，在本发明实施例中，电子设备可以对各银行流水对应的业务类型进行划分，进而生成各业务类型的银行流水对应的收款凭证。
上述业务类型可以包括：业务放款、资金调拨、银行转证券户、扣手续费、测试款、业务放款退回、收到资金调拨款、专项计划募集款、以及证券转银行。其中，业务放款、资金调拨、银行转证券户、扣手续费、测试款为银行支付记录；业务放款退回、收到资金调拨款、专项计划募集款、以及证券转银行为银行收款记录。
在一种实现方式中，电子设备可以在各语义信息中识别摘要内容，基于各摘要内容确定各银行流水图片的业务类型；之后根据各业务类型对应的语义信息，生成各业务类型对应的收款凭证。
具体的，当任一摘要内容中包括保理款时，可以确定对应的银行流水图片的业务类型为业务放款。针对业务放款的业务类型，对每个收付方分别根据该业务类型对应的各相同时间点的语义信息生成各收款凭证。也就是说，保理款对应的收款凭证按同一时间点进行汇总，不是按一天的进行汇总。
当任一摘要内容中包括资金调拨或剩余资金划转，且该摘要内容中包括的收付方名称包括在预设关联公司名称内时，可以确定对应的银行流水图片的业务类型为资金调拨。针对资金调拨的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证。也就是说，资金调拨对应的收款凭证按同一天的进行汇总，一个收付方对应一张收款凭证。图4为资金调拨对应的收款凭证示意图。
当任一摘要内容中包括第三方存管活期转保证金时，可以确定对应的银行流水图片的业务类型为银行转证券户。针对银行转证券户的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证。也就是说，银行转证券户对应的收款凭证按同一天的进行汇总，一个收付方对应一张收款凭证。图5为银行转证券户对应的收款凭证示意图。
当任一摘要内容中包括网银汇款手续费或代发业务时，可以确定对应的银行流水图片的业务类型为扣手续费。针对扣手续费的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证。也就是说，扣手续费对应的收款凭证按同一天的进行汇总，一个收付方对应一张收款凭证。图6为扣手续费对应的收款凭证示意图。
当任一摘要内容中包括测试，且该摘要内容所在语义信息中包括的交易金额为预设金额时，可以确定对应的银行流水图片的业务类型为测试款。针对测试款的业务类型，对每个收付方分别根据该业务类型对应的语义信息生成一收款凭证。也就是说，测试款对应的收款凭证按同一天的进行汇总，一个收付方对应一张收款凭证。上述预设金额例如可以为0.01元。图7为测试款对应的收款凭证示意图。
当任一摘要内容中包括支付平台退票，且该摘要内容所在语义信息中包括的交易金额为预设金额时，可以确定对应的银行流水图片的业务类型为业务放款退回。针对业务放款退回的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证。也就是说，业务放款退回对应的收款凭证按同一天的进行汇总，一个收付方对应一张收款凭证。上述预设金额例如可以为0.01元。图8为业务放款退回对应的收款凭证示意图。
当任一摘要内容中包括的收付方名称包括在预设关联公司名称内，且该摘要内容所在语义信息中包括的贷方金额大于时，可以确定对应的银行流水图片的业务类型为收到资金调拨款。针对收到资金调拨款的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证。也就是说，收到资金调拨款对应的收款凭证按同一天的进行汇总，一个收付方对应一张收款凭证。图9为收到资金调拨款对应的收款凭证示意图。
当任一摘要内容中包括购买基础资产或基础资产购买时，可以确定对应的银行流水图片的业务类型为专项计划募集款。针对专项计划募集款的业务类型，分别根据该业务类型对应的各语义信息生成各收款凭证。也就是说，专项计划募集款对应的收款凭证按各银行流水生成，不进行汇总。图10为专项计划募集款对应的收款凭证示意图。
当任一摘要内容中包括第三方存管保证金转活期时，可以确定对应的银行流水图片的业务类型为证券转银行。针对证券转银行的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证。也就是说，证券转银行对应的收款凭证按同一天的进行汇总，一个收付方对应一张收款凭证。图11为证券转银行对应的收款凭证示意图。
在银行流水数据中，有一些特殊的业务类型，其对应收款凭证的生成过程规则不明确，因此，计算机无法自动生成这部分银行流水对应的收款凭证。在本发明实施例中，电子设备在确定各银行流水图片的业务类型之后，还可以判断各银行流水图片的业务类型是否包含在预设类型中。该预设类型可以包括：业务放款、资金调拨、银行转证券户、扣手续费、测试款、业务放款退回、收到资金调拨款、专项计划募集款、以及证券转银行。
在生成各收款凭证时，电子设备可以根据包含在预设类型的各业务类型对应的语义信息，生成各业务类型对应的收款凭证。并且，可以在未包含在预设类型的各业务类型对应的银行流水图片中添加未记账标识。该未记账标识可以为任意预先设定的标识，如可以为字符“未记账”，或圆形图案等。
对未自动生成收款凭证的银行流水图片添加未记账标识，能够使得工作人员清晰的从大量的银行流水图片中识别出这部分银行流水，进而可以手动生成对应的收款凭证，从而能够生成所有的银行流水图片对应的收款凭证，保证凭证生成的完整性。
由上述内容可知，本发明实施例中，在获取银行流水图片后，可以首先对银行流水图片进行识别得到对应的语义信息，进而根据识别到的语义信息生成对应的收款凭证，整个凭证生成过程由计算机执行，不需要人工参与，从而可以提高凭证生成效率。银行流水包括多种不同的业务类型，且生成不同业务类型对应的收款凭证时，所遵循的规则不完全相同，因此，根据识别出的语义信息中的摘要内容对银行流水图片对应的业务类型进行分类，进而根据不同业务类型的语义信息生成不同的收款凭证，能够提高凭证生成的准确性。
实施例三
图12为本发明实施例提供的结合RPA和AI的收款凭证生成方法的另一种流程示意图。该方法应用于电子设备，该方法具体包括以下步骤。
S210、获取预设时间段内的银行流水图片。
S220、对各银行流水图片进行识别，得到对应的各语义信息。
S230、根据各语义信息生成收款凭证。
上述步骤S210－S230与实施例二中的步骤S110－S130基本相同，在此不再赘述。
S240、获取各合同数据，识别各合同数据中的收款金额。
例如，可以对合同文本进行扫描后，对扫描文件进行识别得到各合同数据。识别合同数据中的收款金额时，可以根据关键字搜索的方式，如可以搜索合同数据中的“金额”，进而将该关键字之后符合数字表达式的文本作为收款金额。
S250、根据收付方名称，识别各合同数据对应的各收款凭证。
例如，可以针对每个合同数据，识别其中包括的收付方名称，进而在各收款凭证中，搜索出与识别出的收付方名称均相同的收款凭证，作为该合同数据对应的收款凭证。
S260、计算各合同数据中的收款金额和对应各收款凭证中的实际金额的差值。
在生成各收款凭证后，将合同数据与收款凭证进行对比，能够对收款凭证中的实际金额进行验证，确定实际金额是否准确。
实施例四
图13为本发明实施例提供的结合RPA和AI的收款凭证生成装置的一种结构示意图，所述装置包括：
图片获取模块310，用于获取预设时间段内的银行流水图片；
信息识别模块320，用于对各所述银行流水图片进行识别，得到对应的各语义信息；
凭证生成模块330，用于根据所述各语义信息生成收款凭证。
作为本发明实施例的一种实施方式，所述信息识别模块320包括：
图片识别子模块，用于通过光学字符识别OCR对各所述银行流水图片进行识别，得到各所述银行流水图片中包括的文字信息；
信息识别子模块，用于通过NLU技术对各所述文字信息进行识别，得到对应的各语义信息。
作为本发明实施例的一种实施方式，所述信息识别子模块，具体用于通过NLU技术，将各所述文字信息中的缩略语变换为预先存储的标准语，得到对应的各语义信息。
作为本发明实施例的一种实施方式，所述凭证生成模块包括：
业务分类子模块，用于在所述各语义信息中识别摘要内容，基于各所述摘要内容确定各银行流水图片的业务类型；
凭证生成子模块，用于根据各业务类型对应的语义信息，生成各业务类型对应的收款凭证。
作为本发明实施例的一种实施方式，所述业务分类子模块具体用于：
当任一摘要内容中包括保理款时，确定对应的银行流水图片的业务类型为业务放款；
当任一摘要内容中包括资金调拨或剩余资金划转，且该摘要内容中包括的收付方名称包括在预设关联公司名称内时，确定对应的银行流水图片的业务类型为资金调拨；
当任一摘要内容中包括第三方存管活期转保证金时，确定对应的银行流水图片的业务类型为银行转证券户；
当任一摘要内容中包括网银汇款手续费或代发业务时，确定对应的银行流水图片的业务类型为扣手续费；
当任一摘要内容中包括测试，且该摘要内容所在语义信息中包括的交易金额为预设金额时，确定对应的银行流水图片的业务类型为测试款；
当任一摘要内容中包括支付平台退票，且该摘要内容所在语义信息中包括的交易金额为所述预设金额时，确定对应的银行流水图片的业务类型为业务放款退回；
当任一摘要内容中包括的收付方名称包括在所述预设关联公司名称内，且该摘要内容所在语义信息中包括的贷方金额大于时，确定对应的银行流水图片的业务类型为收到资金调拨款；
当任一摘要内容中包括购买基础资产或基础资产购买时，确定对应的银行流水图片的业务类型为专项计划募集款；
当任一摘要内容中包括第三方存管保证金转活期时，确定对应的银行流水图片的业务类型为证券转银行。
作为本发明实施例的一种实施方式，所述凭证生成子模块具体用于：
针对业务放款的业务类型，对每个收付方分别根据该业务类型对应的各相同时间点的语义信息生成各收款凭证；
针对资金调拨的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
针对银行转证券户的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
针对扣手续费的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
针对测试款的业务类型，对每个收付方分别根据该业务类型对应的语义信息生成一收款凭证；
针对业务放款退回的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
针对收到资金调拨款的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
针对专项计划募集款的业务类型，分别根据该业务类型对应的各语义信息生成各收款凭证；
针对证券转银行的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证。
作为本发明实施例的一种实施方式，所述凭证生成模块330，还包括：
类型判断子模块，用于判断各所述银行流水图片的业务类型是否包含在预设类型中；
所述凭证生成子模块，具体用于根据包含在所述预设类型的各业务类型对应的语义信息，生成各业务类型对应的收款凭证。
作为本发明实施例的一种实施方式，所述凭证生成模块330，还包括：
标识添加子模块，用于在未包含在所述预设类型的各业务类型对应的银行流水图片中添加未记账标识。
作为本发明实施例的一种实施方式，所述装置还包括：
信息剔除模块，用于在所述各语义信息中，剔除业务参考号格式不为预设格式的语义信息。
作为本发明实施例的一种实施方式，所述装置还包括：
数据获取模块，用于获取各合同数据，识别各所述合同数据中的收款金额；
凭证识别模块，用于根据收付方名称，识别各合同数据对应的各收款凭证；
差值计算模块，用于计算各所述合同数据中的收款金额和对应各收款凭证中的实际金额的差值。
由上述内容可知，本发明实施例中，在获取银行流水图片后，可以首先对银行流水图片进行识别得到对应的语义信息，进而根据识别到的语义信息生成对应的收款凭证，整个凭证生成过程由计算机执行，不需要人工参与，从而可以提高凭证生成效率。银行流水包括多种不同的业务类型，且生成不同业务类型对应的收款凭证时，所遵循的规则不完全相同，因此，根据识别出的语义信息中的摘要内容对银行流水图片对应的业务类型进行分类，进而根据不同业务类型的语义信息生成不同的收款凭证，能够提高凭证生成的准确性。
上述装置实施例与方法实施例相对应，与该方法实施例具有同样的技术效果，具体说明参见方法实施例。装置实施例是基于方法实施例得到的，具体的说明可以参见方法实施例部分，此处不再赘述。
实施例五
请参阅图14，图14是本发明实施例提供的一种计算设备的结构示意图。如图14所示，该计算设备可以包括：
存储有可执行程序代码的存储器701；
与存储器701耦合的处理器702；
其中，处理器702调用存储器701中存储的可执行程序代码，执行本发明任意实施例所提供的结合RPA和AI的收款凭证生成方法。
该计算设备实施例与图1所示方法实施例是基于同一发明构思得到的实施例，相关之处可以相互参照。上述计算设备实施例与方法实施例相对应，与该方法实施例具有同样的技术效果，具体说明参见方法实施例。
本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行本发明任意实施例所提供的结合RPA和AI的收款凭证生成方法。
在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，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。
另外，在本发明各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。
上述集成的单元若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获取的存储器中。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者部分，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存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
该存储介质实施例与图1所示方法实施例是基于同一发明构思得到的实施例，相关之处可以相互参照。上述存储介质实施例与方法实施例相对应，与该方法实施例具有同样的技术效果，具体说明参见方法实施例。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
最后应说明的是：以上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实施例技术方案的精神和范围。

Claims (13)

1.一种结合RPA和AI的收款凭证生成方法，其特征在于，所述方法包括：
S1、获取预设时间段内的银行流水图片；
S2、对各所述银行流水图片进行识别，得到对应的各语义信息；
S3、根据所述各语义信息生成收款凭证。
2.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：
S21、通过光学字符识别OCR对各所述银行流水图片进行识别，得到各所述银行流水图片中包括的文字信息；
S22、通过NLU技术对各所述文字信息进行识别，得到对应的各语义信息。
3.根据权利要求2所述的方法，其特征在于，所述步骤S22具体包括：
S221、通过NLU技术，将各所述文字信息中的缩略语变换为预先存储的标准语，得到对应的各语义信息。
4.根据权利要求1所述的方法，其特征在于，所述步骤S3具体包括：
S31、在所述各语义信息中识别摘要内容，基于各所述摘要内容确定各银行流水图片的业务类型；
S32、根据各业务类型对应的语义信息，生成各业务类型对应的收款凭证。
5.根据权利要求4所述的方法，其特征在于，所述步骤S31具体包括：
S311、当任一摘要内容中包括保理款时，确定对应的银行流水图片的业务类型为业务放款；
S312、当任一摘要内容中包括资金调拨或剩余资金划转，且该摘要内容中包括的收付方名称包括在预设关联公司名称内时，确定对应的银行流水图片的业务类型为资金调拨；
S313、当任一摘要内容中包括第三方存管活期转保证金时，确定对应的银行流水图片的业务类型为银行转证券户；
S314、当任一摘要内容中包括网银汇款手续费或代发业务时，确定对应的银行流水图片的业务类型为扣手续费；
S315、当任一摘要内容中包括测试，且该摘要内容所在语义信息中包括的交易金额为预设金额时，确定对应的银行流水图片的业务类型为测试款；
S316、当任一摘要内容中包括支付平台退票，且该摘要内容所在语义信息中包括的交易金额为所述预设金额时，确定对应的银行流水图片的业务类型为业务放款退回；
S317、当任一摘要内容中包括的收付方名称包括在所述预设关联公司名称内，且该摘要内容所在语义信息中包括的贷方金额大于时，确定对应的银行流水图片的业务类型为收到资金调拨款；
S318、当任一摘要内容中包括购买基础资产或基础资产购买时，确定对应的银行流水图片的业务类型为专项计划募集款；
S319、当任一摘要内容中包括第三方存管保证金转活期时，确定对应的银行流水图片的业务类型为证券转银行。
6.根据权利要求5所述的方法，其特征在于，所述步骤S32具体包括：
S321、针对业务放款的业务类型，对每个收付方分别根据该业务类型对应的各相同时间点的语义信息生成各收款凭证；
S322、针对资金调拨的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S323、针对银行转证券户的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S324、针对扣手续费的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S325、针对测试款的业务类型，对每个收付方分别根据该业务类型对应的语义信息生成一收款凭证；
S326、针对业务放款退回的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S327、针对收到资金调拨款的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证；
S328、针对专项计划募集款的业务类型，分别根据该业务类型对应的各语义信息生成各收款凭证；
S329、针对证券转银行的业务类型，对每个收付方根据该业务类型对应的所有的语义信息生成一收款凭证。
7.根据权利要求4所述的方法，其特征在于，所述步骤S32之后，还包括：
S33、判断各所述银行流水图片的业务类型是否包含在预设类型中；
所述步骤S32具体包括：
S320、根据包含在所述预设类型的各业务类型对应的语义信息，生成各业务类型对应的收款凭证。
8.根据权利要求7所述的方法，其特征在于，所述步骤S33之后，还包括：
S34、在未包含在所述预设类型的各业务类型对应的银行流水图片中添加未记账标识。
9.根据权利要求1－8任一项所述的方法，其特征在于，所述步骤S2之后，还包括：
S4、在所述各语义信息中，剔除业务参考号格式不为预设格式的语义信息。
10.根据权利要求1－8任一项所述的方法，其特征在于，所述步骤S3之后，还包括：
S5、获取各合同数据，识别各所述合同数据中的收款金额；
S6、根据收付方名称，识别各合同数据对应的各收款凭证；
S7、计算各所述合同数据中的收款金额和对应各收款凭证中的实际金额的差值。
11.一种结合RPA和AI的收款凭证生成装置，其特征在于，所述装置包括：
图片获取模块，用于获取预设时间段内的银行流水图片；
信息识别模块，用于对各所述银行流水图片进行识别，得到对应的各语义信息；
凭证生成模块，用于根据所述各语义信息生成收款凭证。
12.一种计算设备，其特征在于，所述设备包括：
存储有可执行程序代码的存储器；
与存储器耦合的处理器；
其中，处理器调用存储器中存储的可执行程序代码，执行如权利要求1－10任一所述的结合RPA和AI的收款凭证生成方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1－10任一所述的结合RPA和AI的收款凭证生成方法。
CN202010786437.8A 2020-06-30 2020-08-06 一种结合rpa和ai的收款凭证生成方法、装置、设备及介质 Pending CN111898611A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2020106118182 2020-06-30
CN202010611818 2020-06-30

Publications (1)

Publication Number Publication Date
CN111898611A true CN111898611A (zh) 2020-11-06

Family

ID=73245892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010786437.8A Pending CN111898611A (zh) 2020-06-30 2020-08-06 一种结合rpa和ai的收款凭证生成方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN111898611A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541018A (zh) * 2020-12-02 2021-03-23 北京来也网络科技有限公司 结合rpa和ai的银行流水处理方法、装置及电子设备
CN113592635A (zh) * 2021-08-10 2021-11-02 北京来也网络科技有限公司 基于rpa及ai的账目核对方法、装置、设备及介质
WO2022160707A1 (zh) * 2021-01-29 2022-08-04 北京来也网络科技有限公司 结合rpa和ai的人机互动方法、装置、存储介质及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541018A (zh) * 2020-12-02 2021-03-23 北京来也网络科技有限公司 结合rpa和ai的银行流水处理方法、装置及电子设备
WO2022160707A1 (zh) * 2021-01-29 2022-08-04 北京来也网络科技有限公司 结合rpa和ai的人机互动方法、装置、存储介质及电子设备
CN113592635A (zh) * 2021-08-10 2021-11-02 北京来也网络科技有限公司 基于rpa及ai的账目核对方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN111699486B (zh) 一种记账方法、会计核算系统、账户系统及支付系统
CN111898611A (zh) 一种结合rpa和ai的收款凭证生成方法、装置、设备及介质
CN111178219A (zh) 票据识别管理方法、装置、存储介质及电子设备
CN113205402A (zh) 对账方法、装置、电子设备及计算机可读介质
CN114418714A (zh) 一种5g基站运维管理系统及方法
CN112037039A (zh) 一种贷款评估方法及装置
KR20180023603A (ko) 대출 중개 시스템 및 이에 이용되는 중개 서버
CN113657846A (zh) 一种财务共享模式下企业资金管理方法及系统
CN117094764A (zh) 银行积分处理方法及装置
CN112200696A (zh) 一种基于互联网的不动产便民服务系统
CN109636627B (zh) 基于区块链的保险产品管理方法、装置、介质及电子设备
US20160148323A1 (en) System and method for crediting users respective of a value-added tax reclaim
CN114880369A (zh) 一种基于弱数据技术的风险授信方法和系统
Sretenovic et al. Model payment order in the SEPA system
CN116151670B (zh) 一种投行业务上市项目质量的智能评估方法、系统及介质
CN118154335A (zh) 推广信息的生成方法、装置、存储介质以及电子设备
US11941064B1 (en) Machine learning comparison of receipts and invoices
CN112488813A (zh) 数据处理方法、数据处理模型、系统及计算设备
CN112101911A (zh) 一种生成会计分录的方法及装置
CN116205596A (zh) 一种财务报销数据处理方法、装置、电子设备及存储介质
CN110796471A (zh) 一种信息处理方法及装置
Schreyer et al. Learning Sampling in Financial Statement Audits using Vector Quantised Autoencoder Neural Networks
CN117745367A (zh) 进项发票抵扣方法、装置、终端及存储介质
CN115796794A (zh) 基于rpa技术的自动对账方法、装置及终端设备
CN116664324A (zh) 交易与核算分离的会计分录生成方法、装置、设备及介质

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