CN112099739A - 一种纸质发票分类批量打印方法及系统 - Google Patents
一种纸质发票分类批量打印方法及系统 Download PDFInfo
- Publication number
- CN112099739A CN112099739A CN202011242626.5A CN202011242626A CN112099739A CN 112099739 A CN112099739 A CN 112099739A CN 202011242626 A CN202011242626 A CN 202011242626A CN 112099739 A CN112099739 A CN 112099739A
- Authority
- CN
- China
- Prior art keywords
- information
- invoice
- category
- obtaining
- nth
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
- G06F3/1237—Print job management
-
- 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
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Accounting & Taxation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种纸质发票分类批量打印方法及系统,其中,所述方法包括:获得第一发票信息的发票类型信息;将所述第一发票信息的发票类型信息作为第一输入信息;获得所述第一发票信息的购货方企业类型信息;将所述第一发票信息的购货方企业类型信息作为第二输入信息;将所述第一输入信息和所述第二输入信息输入训练模型,再通过多组训练数据获得输出的第一发票信息的类别信息,通过获得第一打印指令,对已进行分类的所述第一发票进行分类批量打印。解决了现有技术中发票管理业务效率低,不能实现灵活分类批量打印各类型发票的技术问题。
Description
技术领域
本发明涉及打印技术领域,尤其涉及一种纸质发票分类批量打印方法及系统。
背景技术
随着社会的发展,我国对税务管理进一步加深,其中,发票是一切单位和个人开具和收取的业务凭证,同时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,在我国社会经济活动中具有极其重要的意义和作用。由于每种发票都有特定的使用范围,因此发票种类繁多,财务开票人员进行发票打印时不仅需要反复手工录取而且还容易出错,给发票打印工作增添了难度。
故本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中发票管理业务效率低,不能实现灵活分类批量打印各类型发票的技术问题。
发明内容
本申请实施例通过提供一种纸质发票分类批量打印方法及系统,解决了现有技术中现有技术中发票管理业务效率低,不能实现灵活分类批量打印各类型发票的技术问题,达到了快速高效开具各类发票,并能够分类批量打印发票,优化发票打印管理系统,减少开票人员工作量的技术效果。
鉴于上述问题,本申请实施例提供一种纸质发票分类批量打印方法及系统。
第一方面,本申请实施例提供一种纸质发票分类批量打印方法,所述方法包括:获得第一发票信息的发票类型信息;将所述第一发票信息的发票类型信息作为第一输入信息;获得所述第一发票信息的购货方企业类型信息;将所述第一发票信息的购货方企业类型信息作为第二输入信息;将所述第一输入信息和所述第二输入信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息、所述第二输入信息和用来标识发票类别的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一发票信息的类别信息;根据所述第一发票的类别信息,对所述第一发票信息进行分类;获得第一打印指令;根据所述第一打印指令,按照分类后的所述第一发票进行分类批量打印。
另一方面,本申请还提供了一种纸质发票分类批量打印系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一发票信息的发票类型信息;第一操作单元,所述第一操作单元用于将所述第一发票信息的发票类型信息作为第一输入信息;第二获得单元,所述第二获得单元用于获得所述第一发票信息的购货方企业类型信息;第二操作单元,所述第二操作单元用于将所述第一发票信息的购货方企业类型信息作为第二输入信息第三获得单元,所述第三获得单元用于获得所述第一发票信息的购货方企业类型信息;第一输入单元,所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息、所述第二输入信息和用来标识发票类别的标识信息;第四获得单元,所述第四获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一发票信息的类别信息;第一分类单元,所述第一分类单元用于根据所述第一发票的类别信息,对所述第一发票信息进行分类;第五获得单元,所述第五获得单元用于获得第一打印指令;第一打印单元,所述第一打印单元用于根据所述第一打印指令,按照分类后的所述第一发票进行分类批量打印。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获得所述第一发票信息的发票类型信息作为第一输入信息,获得所述第一发票信息的购货方企业类型信息作为第二输入信息,然后对所述第一输入信息和所述第二输入信息进行神经网络模型训练,再通过多组训练数据获得输出的第一发票信息的类别信息,再通过获得第一打印指令,对已进行分类的所述第一发票进行分类批量打印,达到了快速高效开具各类发票,并能够分类批量打印发票,优化发票打印管理系统,减少开票人员工作量的技术效果。
上述说明是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种纸质发票分类批量打印方法的流程示意图;
图2 为本申请实施例一种纸质发票分类批量打印方法中进行二次排序的流程示意图;
图3 为本申请实施例一种纸质发票分类批量打印系统的结构示意图;
图4为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第一操作单元12,第二获得单元13,第二操作单元14,第三获得单元15,第一输入单元16,第四获得单元17,第一分类单元18,第五获得单元19,第一打印单元20,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种纸质发票分类批量打印方法及系统,解决了现有技术中现有技术中发票管理业务效率低,不能实现灵活分类批量打印各类型发票的技术问题,达到了快速高效开具各类发票,并能够分类批量打印发票,优化发票打印管理系统,减少开票人员工作量的技术效果。下面,将参考附图详细的描述本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
现有技术中存在发票管理业务效率低,不能实现灵活分类批量打印各类型发票的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种纸质发票分类批量打印方法及系统,其中,所述方法包括:获得第一发票信息的发票类型信息;将所述第一发票信息的发票类型信息作为第一输入信息;获得所述第一发票信息的购货方企业类型信息;将所述第一发票信息的购货方企业类型信息作为第二输入信息;将所述第一输入信息和所述第二输入信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息、所述第二输入信息和用来标识发票类别的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一发票信息的类别信息;根据所述第一发票的类别信息,对所述第一发票信息进行分类;获得第一打印指令;根据所述第一打印指令,按照分类后的所述第一发票进行分类批量打印。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种纸质发票分类批量打印方法及系统,其中,所述方法包括:
步骤S100:获得第一发票信息的发票类型信息;
具体而言,所述发票类型信息包括普通发票和增值税专用发票,其中,普通发票又分为行业发票组成和由专用发票组成,是由营业税纳税人和增值税小规模纳税人使用;增值税专用发票是我国实施新税制的产物,一般具有特殊的作用,因此要实施分类批量打印就要获得所述第一发票信息的发票类型信息,从而为之后实行分类打印发票提供可分类的划分依据。
步骤S200:将所述第一发票信息的发票类型信息作为第一输入信息;
具体而言,所述第一输入信息是指神经网络模型的输入信息之一,本输入信息包含所述第一发票信息的发票类型信息,普通发票适应于如商业零售的统一发票、商业批发统一发票、工业企业产品销售统一发票等行业或业务;而增值税专用发票适用于某一个经营项目,如广告费用结算发票、商品房销售发票,因此将将所述第一发票信息的发票类型信息作为第一输入信息,需要经过计算机对这些不同类型发票的数据进行计算处理,才能达到之后灵活分类并快速批量打印的技术效果。
步骤S300:获得所述第一发票信息的购货方企业类型信息;
具体而言,所述购货方企业类型信息是指按照规定开具、使用、取得发票的企业,其中,由于不同的单位或个人在购销商品、提供或者接受经营服务以及从事其他经营活动需要开具不同类型的发票,因此获得所述第一发票信息的购货方企业类型信息可以有效判断该企业所需要的发票类型,其中,由于在不同情况下企业开具发票的规定也不同提前获取到购货方企业类型信息可以提高批量打印发票的速度,从而节约时间成本,进而达到提高分类开具发票效率的技术效果。举例而言,若输入的购货方企业类型为传媒广告,此时开具发票的类型就为广告结算发票,属于普通发票。
步骤S400:将所述第一发票信息的购货方企业类型信息作为第二输入信息;
具体而言,所述第二输入信息是指神经网络模型的输入信息之一,本输入信息包含所述第一发票信息的所述第一发票信息的购货方企业类型信息,将购货方企业类型信息得到的数据作为神经网络模型训练的数据来源,进一步提高得到的数据的准确性,从而为能够达到快速高效开具各类发票、分类批量打印发票的技术效果奠定基础。
步骤S500:将所述第一输入信息和所述第二输入信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息、所述第二输入信息和用来标识发票类别的标识信息;
具体而言,将所述第一输入信息和所述第二输入信息输入训练模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。基于大量的训练数据的训练,其中,训练数据中的每一组训练数据均包括:所述第一输入信息、所述第二输入信息和用来标识发票类别的标识信息;所述神经网络模型不断地自我的修正,当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。基于训练模型进过训练后处理数据更加准确的特性,将第一输入信息和第二输入信息输入到训练模型中,以达到通过训练模型输出信息的准确性,这样获得了更加准确可靠的数据参照,从而提高输出的数据的准确性,提高发票打印的效率,进而达到了快速高效开具各类发票,优化发票打印管理系统的技术效果。
步骤S600:获得所述训练模型的输出信息,其中,所述输出信息包括所述第一发票信息的类别信息;
具体而言,所述第一发票信息的类别信息是指通过神经网络模型对输入的所述第一输入信息和所述第二输入信息不断进行数据训练得到的结果,从发票的种类和得到企业类型这两方面来判断该发票的类型信息,从而为分类打印发票提供了侧面依据,从而达到了快速高效开具各类发票,并能够分类批量打印发票的技术效果。
步骤S700:根据所述第一发票的类别信息,对所述第一发票信息进行分类;
具体而言,对所述第一发票信息进行分类是指将相同类型的发票整合后放在一起归为同一类型,由于所有类型的发票打印时会开具不同的发票,而每个类型的发票打印时需要修改系统上的数值,因此,将每一类别的发票同时打印有利于节省发票打印机不断更改票据类型所浪费的时间,从而进行此分类后就能为分类批量打印发票提供基础,进而达到快速高效开具各类发票,并能够分类批量打印发票的技术效果。
步骤S800:获得第一打印指令;
步骤S900:根据所述第一打印指令,按照分类后的所述第一发票进行分类批量打印。
具体而言,获得第一打印指令是通过计算机给予发票打印机下达的打印指令,由于在打印发票之前,同类型发票均通过计算机搭建的平台经过计算机的复杂计算存放在一起,因此下单打印指令后,该发票打印机就会根据所述第一打印指令,按照分类后的所述第一发票进行分类批量打印,进而达到快速高效开具各类发票,并能够分类批量打印发票,优化发票打印管理系统的技术效果。
为了能够实现分类批量打印发票,提高打印速率的技术效果,所述获得第一打印指令之前,本申请实施例步骤S800还包括:
步骤S810:获得所述第一发票的发票金额信息;
步骤S820:获得预定金额等级信息;
步骤S830:将所述分类后的所述第一发票信息,根据所述发票金额信息和所述预定金额等级信息,对所述第一发票进行二次分类,获得所述第一打印指令。
具体而言,所述第一发票的发票金额信息是指所述开具的第一发票所达到的金额数目信息,所述预定金额等级信息是指预先设定好不同金额范围划分为不同金额等级信息,由于在不同等级的金额所交税额也是不同的,为了能够保证得到准确的分类结果,不仅根据训练模型输出的信息进行分类,同时也将根据所述发票金额信息和所述预定金额等级信息,对所述第一发票进行二次分类,再获得所述第一打印指令。举例而言,其中发票中的金额=开票总金额/(1+增值税税率) ,发票中的税额=开票总金额/(1+增值税税率)×增值税税率,某企业在今年四月份的销项税额为17万元,该企业的本月销售的产品税率全部为17%,那么该企业本月的销售总额(含税额)为170000÷17%(1+17%)=117000元;还是上面的例子,该企业今年四月份的销售总额(不含税金额)为:170000÷17%=1000000元。因此,进行二次分类后就能够保证数据的准确性,从而达到快速高效开具各类发票,提高打印的效率的技术效果。
为实现批量分类打印发票的技术效果,进一步而言,本申请实施例步骤还包括:
步骤S1010:根据所述第一发票的类别信息,获得第一类别发票信息、第二类别发票信息、直到第N类别发票信息;
步骤S1020:根据所述第一发票的类别信息生成第一验证码,其中,所述第一验证码是与所述第一发票的类别信息一一对应的;
步骤S1030:根据所述第二发票的类别信息和第一验证码生成第二验证码;以此类推,根据所述第N发票的类别信息和第N-1验证码生成第N验证码,其中,N为大于1的自然数;
步骤S1040:将所有发票的类别信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
具体而言,就是把每个分类都进行区块链存储,其中,根据所述第一发票的类别信息生成第一验证码,所述第一验证码是与所述第一发票的类别信息一一对应的;据第二发票的类别信息和第一验证码生成第二验证码;以此类推,发票的类别信息和第N-1验证码生成第N验证码,其中,N为大于1的自然数。将所有发票的类别信息和验证码分别复制保存在M台设备上,其中,第一发票的类别信息和第一验证码作为第一存储单位保存在一台设备上,所述第二发票的类别信息和第二验证码作为第二存储单位保存在一台设备上···所述第N发票的类别信息和所述第N验证码作为第M存储单位保存在一台设备上,当需要调用所述发票的类别信息时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希函数对于每一存储单位进行串接,使得所述训练数据不易丢失和遭到破坏,区块链技术也被称之为分布式账本技术,是一种由若干台计算设备共同参与“记账",共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性,使得区块链技术已在众多的领域中广泛的进行应用。通过区块链的逻辑对所述训练数据进行加密处理,保证了所述训练数据的安全性,并存储于多台设备上,所述存储于多台设备上的数据通过共识机制进行处理,即少数服从多数。当一台或多台设备被篡改时,只要存储正确数据的设备数量大于被篡改的设备数量,则获得的发票的类别信息结果仍然是正确的,因此能够保证获得精确可靠的数据,进而有效保证输出的发票类别信息的准确性,达到了快速高效开具各类发票,并能够分类批量打印发票,优化发票打印管理系统的技术效果。
进一步而言,本申请实施例步骤还包括:
步骤S1051:将所述第N发票的类别信息和第N验证码作为第N区块;
步骤S1052:获得所述第N区块记录时间,所述第N区块记录时间表示第N区块需要记录的时间;
步骤S1053:根据所述第N区块记录时间,获得所述M台设备中运力最快的第一设备;
步骤S1054:将第N区块的记录权发送给所述第一设备。
具体而言,获得第N发票的类别信息和第N验证码作为第N区块需要记录的时间,获得M台设备中运力最大的第一设备是通过计算机搭建的平台进行复杂精密的计算得出的结果,其中,由于每产生一个区块,就会具有相应的时间记录,新的区块就会按照本时间顺序连接,因此,存储大量的数据就需要运力最快的第一设备,从而将第N区块的记录权发送给运力最快的第一设备,就能够实现更好的运转速度和计算速度,进而达到了快速高效开具各类发票,优化发票打印管理系统的技术效果。
进一步而言,本申请实施例步骤还包括:
步骤S1061:获得所述第一类别发票信息的第一排序信息;
步骤S1062:根据所述第一排序信息,获得第一排位信息、第二排位信息、直到第N排位信息;
步骤S1063:将所述第一排位信息、第二排位信息、直到第N排位信息进行第一区块链存储。
具体而言,所述第一排序信息是指对第一个类型的发票进行排序后的信息,所述第一排位信息是指该类型发票排在第一位的发票信息,以此类推,该类型所有发票信息都具有该对应排位信息,根据所述第一类别发票信息的第一排序信息获得第一排位信息、第二排位信息、直到第N排位信息,进而对这些数据进行区块链存储,从而能够实现数据的存储,达到了优化发票打印管理系统减,减少开票人员业务量的技术效果。
如图2所示,为了进一步提高该纸质发票分类批量的速度和准确度,本申请实施例步骤还包括:
步骤S1071:获得预定时间阈值;
步骤S1072:获得第一存储时长信息,所述第一存储时间信息为所述第一区块链存储的时长信息;
步骤S1073:判断所述第一存储时长信息是否超过所述预定时间阈值;
步骤S1074:如果所述第一存储时长信息超过所述预定时间阈值,获得第一排序指令;
步骤S1075:根据所述第一排序指令,对所述第一类别发票信息进行重排,获得第二排序信息。
具体而言,获得预定时间阈值是指设定距离下次重新排序的时间阈值,所述第一存储时长是指所述第一区块链的存储时长信息,也就是对这些数据第一进行区块链加密的时间信息,再判断该时长是否超过所述预定时间阈值,若超过了所述预定时间阈值,就根据所述第一排序指令对得到的这些数据重新进行排列,从而打乱了之前的顺序,对所述发票信息进行重新排列,获得所述第二排序信息,由于隔一段预定时间打乱之前的排序,进行重新排列后再进行区块链存储,比一般区块链存储的加密性更强,从而加强了这些发票信息数据的安全性,进而达到了优化发票打印管理系统,增强了存储数据保密性的技术效果。
进一步而言,本申请实施例步骤还包括:
步骤S1081:根据所述第二排序信息,获得第一重排信息、第二重排信息、直到第N重排信息,其中,所述第二排序信息与所述第一排序信息不同;
步骤S1082:将所述第一重排信息、第二重排信息、直到第N重排信息进行第一区块链存储。
具体而言,所述第二排序信息是指经过二次排序后的发票排序信息,也就是经过重排后的发票信息,再将所述第一重排信息、第二重排信息、直到第N重排信息进行第一区块链存储,其中,由于经过二次排序后的所述第二排序信息与所述第一排序信息不同,因此经过二次排序后进行的区块链存储就能达到二次加密存储数据的效果,进而保证了所有进行排序的数据的安全性,进而达到了增强保密性,优化发票打印管理系统的技术效果。
综上所述,本申请实施例所提供的一种纸质发票分类批量打印方法及系统具有如下技术效果:
1、由于采用了获得所述第一发票信息的发票类型信息作为第一输入信息,获得所述第一发票信息的购货方企业类型信息作为第二输入信息,然后对所述第一输入信息和所述第二输入信息进行神经网络模型训练,再通过多组训练数据获得输出的第一发票信息的类别信息,再通过获得第一打印指令,对已进行分类的所述第一发票进行分类批量打印,达到了快速高效开具各类发票,并能够分类批量打印发票,优化发票打印管理系统的技术效果。
2、采用了通过区块链的逻辑对所述训练数据进行加密处理的方式,保证了所述训练数据信息的安全性,并存储于多台设备上,所述存储于多台设备上的数据通过共识机制进行处理,即少数服从多数,当一台或多台设备被篡改时,只要存储正确数据的设备数量大于被篡改的设备数量,则获得的训练数据信息仍然是准确的,进一步的保证了训练数据信息的安全性,从而达到保证通过所述训练数据训练获得的训练模型的准确性,进而达到了快速高效开具各类发票,并能够分类批量打印发票,优化发票打印管理系统的技术效果。
实施例二
基于与前述实施例中一种纸质发票分类批量打印方法同样发明构思,本发明还提供了一种纸质发票分类批量打印系统,如图3所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一发票信息的发票类型信息;
第一操作单元12,所述第一操作单元12用于将所述第一发票信息的发票类型信息作为第一输入信息;
第二获得单元13,所述第二获得单元13用于获得所述第一发票信息的购货方企业类型信息;
第二操作单元14,所述第二操作单元14用于将所述第一发票信息的购货方企业类型信息作为第二输入信息;
第三获得单元15,所述第三获得单元15用于获得所述第一发票信息的购货方企业类型信息;
第一输入单元16,所述第一输入单元16用于将所述第一输入信息和所述第二输入信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息、所述第二输入信息和用来标识发票类别的标识信息;
第四获得单元17,所述第四获得单元17用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一发票信息的类别信息;
第一分类单元18,所述第一分类单元18用于根据所述第一发票的类别信息,对所述第一发票信息进行分类;
第五获得单元19,所述第五获得单元19用于获得第一打印指令;
第一打印单元20,所述第一打印单元20用于根据所述第一打印指令,按照分类后的所述第一发票进行分类批量打印。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于获得所述第一发票的发票金额信息;
第七获得单元,所述第七获得单元获得预定金额等级信息;
第八获得单元,所述第八获得单元用于将所述分类后的所述第一发票信息,根据所述发票金额信息和所述预定金额等级信息,对所述第一发票进行二次分类,获得所述第一打印指令。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于根据所述第一发票的类别信息,获得第一类别发票信息、第二类别发票信息、直到第N类别发票信息;
第十获得单元,所述第十获得单元用于根据所述第一发票的类别信息生成第一验证码,其中,所述第一验证码是与所述第一发票的类别信息一一对应的;
第一生成单元,所述第一生成单元用于根据所述第二发票的类别信息和第一验证码生成第二验证码;以此类推,根据所述第N发票的类别信息和第N-1验证码生成第N验证码,其中,N为大于1的自然数;
第一保存单元,所述第一保存单元用于将所有发票的类别信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于将所述第N发票的类别信息和第N验证码作为第N区块;
第十二获得单元,所述第十二获得单元用于获得所述第N区块记录时间,所述第N区块记录时间表示第N区块需要记录的时间;
第十三获得单元,所述第十三获得单元用于根据所述第N区块记录时间,获得所述M台设备中运力最快的第一设备;
第一发送单元,所述第一发送单元用于将第N区块的记录权发送给所述第一设备。
进一步的,所述系统还包括:
第十四获得单元,所述第十四获得单元用于获得所述第一类别发票信息的第一排序信息;
第十五获得单元,所述第十五获得单元用于根据所述第一排序信息,获得第一排位信息、第二排位信息、直到第N排位信息;
第一存储单元,所述第一存储单元用于将所述第一排位信息、第二排位信息、直到第N排位信息进行第一区块链存储。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元获得预定时间阈值;
第十七获得单元,所述第十七获得单元用于判断所述第一存储时长信息是否超过所述预定时间阈值;
第一判断单元,所述第一判断单元用于根据所述第二预警指令,控制所述第一用户禁止获得所述第一访问权限;
第十八获得单元,所述第十八获得单元用于如果所述第一存储时长信息超过所述预定时间阈值,获得第一排序指令;
第十九获得单元,所述第十九获得单元用于根据所述第一排序指令,对所述第一类别发票信息进行重排,获得第二排序信息。
进一步的,所述系统还包括:
第二十获得单元,所述第二十获得单元用于根据所述第二排序信息,获得第一重排信息、第二重排信息、直到第N重排信息,其中,所述第二排序信息与所述第一排序信息不同;
第二存储单元,所述第二存储单元用于将所述第一重排信息、第二重排信息、直到第N重排信息进行第一区块链存储。
前述图1实施例一中的一种纸质发票分类批量打印方法的各种变化方式和具体实例同样适用于本实施例的一种纸质发票分类批量打印系统,通过前述对一种纸质发票分类批量打印方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种纸质发票分类批量打印系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图4来描述本申请实施例的电子设备。
图4图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种纸质发票分类批量打印方法及系统的发明构思,本发明还提供一种纸质发票分类批量打印系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述纸质发票分类批量打印评估方法和系统的任一方法的步骤。
其中,在图4中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种纸质发票分类批量打印方法,所述方法包括:获得第一发票信息的发票类型信息;将所述第一发票信息的发票类型信息作为第一输入信息;获得所述第一发票信息的购货方企业类型信息;将所述第一发票信息的购货方企业类型信息作为第二输入信息;将所述第一输入信息和所述第二输入信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息、所述第二输入信息和用来标识发票类别的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一发票信息的类别信息;根据所述第一发票的类别信息,对所述第一发票信息进行分类;获得第一打印指令;根据所述第一打印指令,按照分类后的所述第一发票进行分类批量打印。达到了快速高效开具各类发票,并能够分类批量打印发票,优化发票打印管理系统的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种纸质发票分类批量打印方法,其中,所述方法包括:
获得第一发票信息的发票类型信息;
将所述第一发票信息的发票类型信息作为第一输入信息;
获得所述第一发票信息的购货方企业类型信息;
将所述第一发票信息的购货方企业类型信息作为第二输入信息;
将所述第一输入信息和所述第二输入信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息、所述第二输入信息和用来标识发票类别的标识信息;
获得所述训练模型的输出信息,其中,所述输出信息包括所述第一发票信息的类别信息;
根据所述第一发票的类别信息,对所述第一发票信息进行分类;
获得第一打印指令;
根据所述第一打印指令,按照分类后的所述第一发票进行分类批量打印。
2.如权利要求1所述的方法,其中,所述获得第一打印指令之前,包括:
获得所述第一发票的发票金额信息;
获得预定金额等级信息;
将所述分类后的所述第一发票信息,根据所述发票金额信息和所述预定金额等级信息,对所述第一发票进行二次分类,获得所述第一打印指令。
3.如权利要求1所述的方法,其中,所述方法包括:
根据所述第一发票的类别信息,获得第一类别发票信息、第二类别发票信息、直到第N类别发票信息;
根据所述第一类别发票信息生成第一验证码,其中,所述第一验证码是与所述第一类别发票信息一一对应的;
根据所述第二类别发票信息和第一验证码生成第二验证码;以此类推,根据所述第N类别发票信息和第N-1验证码生成第N验证码,其中,N为大于1的自然数;
将所有发票的类别信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
4.如权利要求3所述的方法,其中,所述方法包括:
将所述第N发票的类别信息和第N验证码作为第N区块;
获得所述第N区块记录时间,所述第N区块记录时间表示第N区块需要记录的时间;
根据所述第N区块记录时间,获得所述M台设备中运力最快的第一设备;
将第N区块的记录权发送给所述第一设备。
5.如权利要求3所述的方法,其中,所述方法包括:
获得所述第一类别发票信息的第一排序信息;
根据所述第一排序信息,获得第一排位信息、第二排位信息、直到第N排位信息;
将所述第一排位信息、第二排位信息、直到第N排位信息进行第一区块链存储。
6.如权利要求5所述的方法,其中,所述方法包括:
获得预定时间阈值;
获得第一存储时长信息,所述第一存储时长信息为所述第一区块链存储的时长信息;
判断所述第一存储时长信息是否超过所述预定时间阈值;
如果所述第一存储时长信息超过所述预定时间阈值,获得第一排序指令;
根据所述第一排序指令,对所述第一类别发票信息进行重排,获得第二排序信息。
7.如权利要求6所述的方法,其中,所述方法包括:
根据所述第二排序信息,获得第一重排信息、第二重排信息、直到第N重排信息,其中,所述第二排序信息与所述第一排序信息不同;
将所述第一重排信息、第二重排信息、直到第N重排信息进行第一区块链存储。
8.一种纸质发票分类批量打印系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一发票信息的发票类型信息;
第一操作单元,所述第一操作单元用于将所述第一发票信息的发票类型信息作为第一输入信息;
第二获得单元,所述第二获得单元用于获得所述第一发票信息的购货方企业类型信息;
第二操作单元,所述第二操作单元用于将所述第一发票信息的购货方企业类型信息作为第二输入信息;
第三获得单元,所述第三获得单元用于获得所述第一发票信息的购货方企业类型信息;
第一输入单元,所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息、所述第二输入信息和用来标识发票类别的标识信息;
第四获得单元,所述第四获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一发票信息的类别信息;
第一分类单元,所述第一分类单元用于根据所述第一发票的类别信息,对所述第一发票信息进行分类;
第五获得单元,所述第五获得单元用于获得第一打印指令;
第一打印单元,所述第一打印单元用于根据所述第一打印指令,按照分类后的所述第一发票进行分类批量打印。
9.一种纸质发票分类批量打印系统,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,其中,所述处理器执行程序时实现权利要求1-7任一项所述方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242626.5A CN112099739B (zh) | 2020-11-10 | 2020-11-10 | 一种纸质发票分类批量打印方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242626.5A CN112099739B (zh) | 2020-11-10 | 2020-11-10 | 一种纸质发票分类批量打印方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112099739A true CN112099739A (zh) | 2020-12-18 |
CN112099739B CN112099739B (zh) | 2021-02-23 |
Family
ID=73785140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011242626.5A Active CN112099739B (zh) | 2020-11-10 | 2020-11-10 | 一种纸质发票分类批量打印方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112099739B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117725102A (zh) * | 2024-02-07 | 2024-03-19 | 深圳标普云科技有限公司 | 一种基于人工智能的数电票管理方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200019767A1 (en) * | 2018-07-12 | 2020-01-16 | KnowledgeLake, Inc. | Document classification system |
CN110866119A (zh) * | 2019-11-14 | 2020-03-06 | 腾讯科技(深圳)有限公司 | 一种文章质量的确定方法、装置、电子设备及存储介质 |
CN110874407A (zh) * | 2018-08-14 | 2020-03-10 | 中国软件与技术服务股份有限公司 | 一种增值税发票商品和服务税收分类编码识别及纠错方法 |
CN111125420A (zh) * | 2019-12-25 | 2020-05-08 | 腾讯科技(深圳)有限公司 | 基于人工智能的对象推荐方法、装置及电子设备 |
CN111639181A (zh) * | 2020-04-30 | 2020-09-08 | 深圳壹账通智能科技有限公司 | 基于分类模型的论文分类方法、装置、电子设备及介质 |
CN111652278A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 用户行为检测方法、装置、电子设备及介质 |
CN111696636A (zh) * | 2020-05-15 | 2020-09-22 | 平安科技(深圳)有限公司 | 一种基于深度神经网络的数据处理方法及装置 |
-
2020
- 2020-11-10 CN CN202011242626.5A patent/CN112099739B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200019767A1 (en) * | 2018-07-12 | 2020-01-16 | KnowledgeLake, Inc. | Document classification system |
CN110874407A (zh) * | 2018-08-14 | 2020-03-10 | 中国软件与技术服务股份有限公司 | 一种增值税发票商品和服务税收分类编码识别及纠错方法 |
CN110866119A (zh) * | 2019-11-14 | 2020-03-06 | 腾讯科技(深圳)有限公司 | 一种文章质量的确定方法、装置、电子设备及存储介质 |
CN111125420A (zh) * | 2019-12-25 | 2020-05-08 | 腾讯科技(深圳)有限公司 | 基于人工智能的对象推荐方法、装置及电子设备 |
CN111639181A (zh) * | 2020-04-30 | 2020-09-08 | 深圳壹账通智能科技有限公司 | 基于分类模型的论文分类方法、装置、电子设备及介质 |
CN111652278A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 用户行为检测方法、装置、电子设备及介质 |
CN111696636A (zh) * | 2020-05-15 | 2020-09-22 | 平安科技(深圳)有限公司 | 一种基于深度神经网络的数据处理方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117725102A (zh) * | 2024-02-07 | 2024-03-19 | 深圳标普云科技有限公司 | 一种基于人工智能的数电票管理方法及系统 |
CN117725102B (zh) * | 2024-02-07 | 2024-04-26 | 深圳标普云科技有限公司 | 一种基于人工智能的数电票管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112099739B (zh) | 2021-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766534B (zh) | 数据对帐 | |
US10121071B2 (en) | Document verification system | |
CN108876213B (zh) | 基于区块链的产品管理方法、装置、介质及电子设备 | |
CN110852881B (zh) | 风险账户识别方法、装置、电子设备及介质 | |
Halibas et al. | Determining the intervening effects of exploratory data analysis and feature engineering in telecoms customer churn modelling | |
CN113205415B (zh) | 基于rpa和区块链技术的财务流程自动化方法和系统 | |
CN112053164A (zh) | 一种基于区块链的电子商务数据处理方法及系统 | |
CN112099739B (zh) | 一种纸质发票分类批量打印方法及系统 | |
CN113688923A (zh) | 订单异常智能检测方法、装置、电子设备及存储介质 | |
CN112667612A (zh) | 一种数据质量检核方法、装置、电子设备及存储介质 | |
Morisaki et al. | Defect data analysis based on extended association rule mining | |
Aytug ̄ et al. | A framework and a simulation generator for kanban-controlled manufacturing systems | |
CN109947797B (zh) | 一种数据检查装置及方法 | |
CN113313211A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN112652351A (zh) | 硬件状态检测方法、装置、计算机设备及存储介质 | |
Cai et al. | Stochastic scheduling subject to machine breakdowns: The preemptive‐repeat model with discounted reward and other criteria | |
CN110503567A (zh) | 数据校验方法、设备、存储介质及装置 | |
CN113535806A (zh) | 一种基于区块链的电力数据处理方法及装置 | |
CN115358894A (zh) | 一种知识产权生命周期托管管理方法、装置、设备及介质 | |
CN112487780A (zh) | 一种订单数据排版优化方法及系统 | |
CN111652281B (zh) | 信息数据的分类方法、装置及可读存储介质 | |
CN108320180A (zh) | 工程造价审计系统 | |
CN106600392A (zh) | 一种文件处理方法及装置 | |
CN110008218A (zh) | 基于云计算的数据储存整理分类系统 | |
US11922352B1 (en) | System and method for risk tracking |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220112 Address after: 550081 No. 1349, 12 / F, building 10, phase I, Guizhou Financial City, No. 55, Changling North Road, Changling street, guanshanhu District, Guiyang City, Guizhou Province Patentee after: Guizhou Yingxiang Technology Information Technology Co.,Ltd. Address before: 100086 room 3106, 31 / F, block a, 2 Zhongguancun South Street, Haidian District, Beijing Patentee before: ELE-CLOUD INFORMATION TECHNOLOGY CO.,LTD. |