CN112766391B - 一种制作单据的方法、系统、设备及介质 - Google Patents
一种制作单据的方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN112766391B CN112766391B CN202110103439.7A CN202110103439A CN112766391B CN 112766391 B CN112766391 B CN 112766391B CN 202110103439 A CN202110103439 A CN 202110103439A CN 112766391 B CN112766391 B CN 112766391B
- Authority
- CN
- China
- Prior art keywords
- data
- bill
- mapping
- mapping relation
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013507 mapping Methods 0.000 claims abstract description 85
- 230000004044 response Effects 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 27
- 238000002790 cross-validation Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012843 least square support vector machine Methods 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种制作单据的方法、系统、设备和存储介质，方法包括：对制单数据进行分类以确定用于参照的申请数据；根据所述申请数据获取映射关系，并根据所述映射关系将所述申请数据映射到对应的单据字段；根据映射关系计算每个单据字段对应的映射值以及映射值的可信度，并判断是否每个单据字段的可信度均大于阈值；以及响应于每个单据字段的可信度均大于阈值，根据当前的映射关系制作单据。本发明降低了制单复杂度，提高了制单效率，并提高了数据可信度和完整性。
Description
技术领域
本发明涉及计算机应用领域，更具体地，特别是指一种制作单据的方法、系统、计算机设备及可读介质。
背景技术
ERP财务系统是一套管理采购、供应、生成、报账等工作的系统，随着企业的发展壮大，系统中需要处理以上内容的单据变得复杂和多样性，对制单人的要求日益提高，可参照申请范围变大因而选择变得困难，不同参照申请计算逻辑复杂且不统一，且如果把隐藏信息都放到后续节点填写会进一步加大审核人员的负担，因此如何实现智能快速参照申请填报制单，完善隐藏信息填报是亟待解决和优化的问题。
发明内容
有鉴于此，本发明实施例的目的在于提出一种制作单据的方法、系统、计算机设备及计算机可读存储介质，通过对参照过程进行分拆，先使用传统支持向量机方法根据单据类型和初始其他数据分类出可以参照的申请数据，然后使用最小二乘支持向量机得出申请数据和制单单据的映射关系以及非线性映射值，在确认可参考申请数据的同时完成数据对应，提高制单效率。
基于上述目的，本发明实施例的一方面提供了一种制作单据的方法，包括如下步骤：对制单数据进行分类以确定用于参照的申请数据；根据所述申请数据获取映射关系，并根据所述映射关系将所述申请数据映射到对应的单据字段；根据所述映射关系计算每个单据字段对应的映射值以及所述映射值的可信度，并判断是否每个单据字段的可信度均大于阈值；以及响应于每个单据字段的可信度均大于阈值，根据当前的映射关系制作单据。
在一些实施方式中，所述对制单数据进行分类以确定用于参照的申请数据包括：将制单人、摘要、费用项目和上传影像作为主支持向量，根据所述主支持向量对制单数据进行分类。
在一些实施方式中，所述对制单数据进行分类以确定用于参照的申请数据包括：输入历史数据建立模型，并根据分类后的制单数据对所述模型进行交叉验证以判断所述模型是否可用。
在一些实施方式中，所述根据当前的映射关系制作单据包括：响应于所述模型可用，基于所述模型根据当前的映射关系制作单据。
本发明实施例的另一方面，还提供了一种制作单据系统，包括：分类模块，配置用于对制单数据进行分类以确定用于参照的申请数据；映射模块，配置用于根据所述申请数据获取映射关系，并根据所述映射关系将所述申请数据映射到对应的单据字段；计算模块，配置用于根据所述映射关系计算每个单据字段对应的映射值以及所述映射值的可信度，并判断是否每个单据字段的可信度均大于阈值；以及执行模块，配置用于响应于每个单据字段的可信度均大于阈值，根据当前的映射关系制作单据。
在一些实施方式中，所述分类模块配置用于：将制单人、摘要、费用项目和上传影像作为主支持向量，根据所述主支持向量对制单数据进行分类。
在一些实施方式中，所述分类模块配置用于：输入历史数据建立模型，并根据分类后的制单数据对所述模型进行交叉验证以判断所述模型是否可用。
在一些实施方式中，所述执行模块配置用于：响应于所述模型可用，基于所述模型根据当前的映射关系制作单据。
本发明实施例的又一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现如上方法的步骤。
本发明实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
本发明具有以下有益技术效果：通过对参照过程进行分拆，先使用传统支持向量机方法根据单据类型和初始其他数据分类出可以参照的申请数据，然后使用最小二乘支持向量机得出申请数据和制单单据的映射关系以及非线性映射值，在确认可参考申请数据的同时完成数据对应，提高制单效率。
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实施例。
图1为本发明提供的制作单据的方法的实施例的示意图；
图2为本发明提供的制作单据的计算机设备的实施例的硬件结构示意图；
图3为本发明提供的制作单据的计算机存储介质的实施例的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
基于上述目的，本发明实施例的第一个方面，提出了一种制作单据的方法的实施例。图1示出的是本发明提供的制作单据的方法的实施例的示意图。如图1所示，本发明实施例包括如下步骤：
S1、对制单数据进行分类以确定用于参照的申请数据；
S2、根据申请数据获取映射关系，并根据映射关系将申请数据映射到对应的单据字段；
S3、根据所述映射关系计算每个单据字段对应的映射值以及所述映射值的可信度，并判断是否每个单据字段的可信度均大于阈值；以及
S4、响应于每个单据字段的可信度均大于阈值，根据当前的映射关系制作单据。
对制单数据进行分类以确定用于参照的申请数据。单据发起人、单据类型以及上传的影像不同都会导致单据可以参照的申请数据不同，使用传统支持向量机方法对制单数据进行分类以确定可以参照的申请数据。优化参照选择和参照数据的准确性可以降低后续处理的复杂度，因为分类为低维度线性可分，依赖数据线性相对较小所以仅使用简单支持向量机对制单数据进行分类。
首先确认支持向量内容：单据来源-BillSource、单据类型-BillType、报账人-Employee、费用项目-Bussniess、影像类型-ImageType、发票分类-InvoiceType、摘要-Exm、单据日期-BillDate。定义对分类结果交叉验证测试的结果可接受值为Lowerconfidencelimit，定义分类模型支持向量可以输入对应Mapper类：SupportModelMapper。
在一些实施方式中，所述对制单数据进行分类以确定用于参照的申请数据包括：将制单人、摘要、费用项目和上传影像作为主支持向量，根据所述主支持向量对制单数据进行分类。
在一些实施方式中，所述对制单数据进行分类以确定用于参照的申请数据包括：输入历史数据建立模型，并根据分类后的制单数据对所述模型进行交叉验证以判断所述模型是否可用。
根据单据分类确定对应参照申请分类模型，进一步提高分类准确度。将制单人、摘要、费用项目、上传影像等数据作为主支持向量。根据支持向量对识别结果的影响大小对不同单据分类下的支持向量进行提取和剔除，提高分类模型的识别效率。对所有提取的向量数据进行标定归一处理，尤其是文本信息进行归纳。
根据申请数据获取映射关系，并根据映射关系将申请数据映射到对应的单据字段。采用最小二乘支持向量机根据参照申请数据自动映射到制单单据字段并且根据映射关系计算映射值。定义单据所有可能需要智能参照字段为输出字段OutInfoMap，定义申请数据全量关键数据为支持向量SupportInfoMap，定义对回归赋值结果交叉验证测试的结果接受寻优误差CanErrorRate，定义支持向量剔除影响率CanDeleteSupportRate。
字段映射以及值可能为线性关系，训练数据较多，引入最小二乘支持向量机方法，增快对模型的训练速度。使用种群算法优化模型的参数，采用交叉和模拟退火方法对结果进行验证，提高模型的可信度。直接赋值映射字段值，自动计算出字段值数据，无需公式或者其他数据转换工具。
建立最小二乘支持向量机的运行框架包括：对所有提取的向量数据进行标准化处理，保证数据的标准可用；给定种群算法迭代次数和种群规模，确认适应度函数；选取LSSVM算法训练模型，内核为高斯内核RBF，设置算法类型为Classification；确定初始的惩罚因子、核函数，建模后通过交叉验证以及模拟退火验证得到ErrorRate；计算支持向量的影响率，将影响率低于CanDeleteSupportRate的支持向量进行剔除；将来源数据输入到训练好的模型得到输出结果。
计算每个单据字段对应的映射值的可信度，并判断是否每个单据字段的可信度均大于阈值。响应于每个单据字段的可信度均大于阈值，根据当前的映射关系制作单据。在一些实施方式中，所述根据当前的映射关系制作单据包括：响应于所述模型可用，基于所述模型根据当前的映射关系制作单据。对不同可信度的值采用不用颜色进行标记，对相对不高的可信度数据着重显示参照支持向量以便制单人确认数据是否正确。
相对于传统的人工确认参照申请数据，手动确认映射关系并根据个人标准以及历史被审批经验等数据计算出字段值，本发明实施例采用智能分类确认可参照数据，参照后自动获取映射关系以及回归出映射后值数据，同时对不同字段自动映射值的可信度进行计算，对不同可信度的值采用不用颜色进行标记，对相对较不高可信度数据显示参照支持向量以便制单人确认数据是否正确。降低制单复杂度且提高制单效率的同时，提高数据可信度和完整性。
需要特别指出的是，上述制作单据的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减，因此，这些合理的排列组合变换之于制作单据的方法也应当属于本发明的保护范围，并且不应将本发明的保护范围局限在实施例之上。
基于上述目的，本发明实施例的第二个方面，提出了一种制作单据的系统，包括：分类模块，配置用于对制单数据进行分类以确定用于参照的申请数据；映射模块，配置用于根据所述申请数据获取映射关系，并根据所述映射关系将所述申请数据映射到对应的单据字段；计算模块，配置用于根据所述映射关系计算每个单据字段对应的映射值以及所述映射值的可信度，并判断是否每个单据字段的可信度均大于阈值；以及执行模块，配置用于响应于每个单据字段的可信度均大于阈值，根据当前的映射关系制作单据。
在一些实施方式中，所述分类模块配置用于：将制单人、摘要、费用项目和上传影像作为主支持向量，根据所述主支持向量对制单数据进行分类。
在一些实施方式中，所述分类模块配置用于：输入历史数据建立模型，并根据分类后的制单数据对所述模型进行交叉验证以判断所述模型是否可用。
在一些实施方式中，所述执行模块配置用于：响应于所述模型可用，基于所述模型根据当前的映射关系制作单据。
基于上述目的，本发明实施例的第三个方面，提出了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：S1、对制单数据进行分类以确定用于参照的申请数据；S2、根据申请数据获取映射关系，并根据映射关系将申请数据映射到对应的单据字段；S3、根据所述映射关系计算每个单据字段对应的映射值以及所述映射值的可信度，并判断是否每个单据字段的可信度均大于阈值；以及S4、响应于每个单据字段的可信度均大于阈值，根据当前的映射关系制作单据。
在一些实施方式中，所述对制单数据进行分类以确定用于参照的申请数据包括：将制单人、摘要、费用项目和上传影像作为主支持向量，根据所述主支持向量对制单数据进行分类。
在一些实施方式中，所述对制单数据进行分类以确定用于参照的申请数据包括：输入历史数据建立模型，并根据分类后的制单数据对所述模型进行交叉验证以判断所述模型是否可用。
在一些实施方式中，所述根据当前的映射关系制作单据包括：响应于所述模型可用，基于所述模型根据当前的映射关系制作单据。
如图2所示，为本发明提供的上述制作单据的计算机设备的一个实施例的硬件结构示意图。
以如图2所示的装置为例，在该装置中包括一个处理器201以及一个存储器202，并还可以包括：输入装置203和输出装置204。
处理器201、存储器202、输入装置203和输出装置204可以通过总线或者其他方式连接，图2中以通过总线连接为例。
存储器202作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的制作单据的方法对应的程序指令/模块。处理器201通过运行存储在存储器202中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的制作单据的方法。
存储器202可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据制作单据的方法的使用所创建的数据等。此外，存储器202可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器202可选包括相对于处理器201远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置203可接收输入的用户名和密码等信息。输出装置204可包括显示屏等显示设备。
一个或者多个制作单据的方法对应的程序指令/模块存储在存储器202中，当被处理器201执行时，执行上述任意方法实施例中的制作单据的方法。
执行上述制作单据的方法的计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时执行如上方法的计算机程序。
如图3所示，为本发明提供的上述制作单据的计算机存储介质的一个实施例的示意图。以如图3所示的计算机存储介质为例，计算机可读存储介质3存储有被处理器执行时执行如上方法的计算机程序31。
最后需要说明的是，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，可以通过计算机程序来指令相关硬件来完成，制作单据的方法的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，程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种制作单据的方法，其特征在于，包括以下步骤：
使用传统支持向量机方法对制单数据进行分类以确定用于参照的申请数据；
采用最小二乘支持向量机方法，根据所述申请数据获取映射关系，并根据所述映射关系将所述申请数据映射到对应的单据字段并根据所述映射关系计算每个单据字段对应的映射值；
计算每个单据字段对应的所述映射值的可信度，并判断是否每个单据字段的可信度均大于阈值；以及
响应于每个单据字段的可信度均大于阈值，根据当前的映射关系制作单据。
2.根据权利要求1所述的方法，其特征在于，所述对制单数据进行分类以确定用于参照的申请数据包括：
将制单人、摘要、费用项目和上传影像作为主支持向量，根据所述主支持向量对制单数据进行分类。
3.根据权利要求2所述的方法，其特征在于，所述对制单数据进行分类以确定用于参照的申请数据包括：
输入历史数据建立模型，并根据分类后的制单数据对所述模型进行交叉验证以判断所述模型是否可用。
4.根据权利要求3所述的方法，其特征在于，所述根据当前的映射关系制作单据包括：
响应于所述模型可用，基于所述模型根据当前的映射关系制作单据。
5.一种制作单据的系统，其特征在于，包括：
分类模块，配置用于使用传统支持向量机方法对制单数据进行分类以确定用于参照的申请数据；
映射模块，配置用于采用最小二乘支持向量机方法，根据所述申请数据获取映射关系，并根据所述映射关系将所述申请数据映射到对应的单据字段根据所述映射关系计算每个单据字段对应的映射值；
计算模块，配置用于计算每个单据字段对应的所述映射值的可信度，并判断是否每个单据字段的可信度均大于阈值；以及
执行模块，配置用于响应于每个单据字段的可信度均大于阈值，根据当前的映射关系制作单据。
6.根据权利要求5所述的系统，其特征在于，所述分类模块配置用于：
将制单人、摘要、费用项目和上传影像作为主支持向量，根据所述主支持向量对制单数据进行分类。
7.根据权利要求6所述的系统，其特征在于，所述分类模块配置用于：
输入历史数据建立模型，并根据分类后的制单数据对所述模型进行交叉验证以判断所述模型是否可用。
8.根据权利要求7所述的系统，其特征在于，所述执行模块配置用于：
响应于所述模型可用，基于所述模型根据当前的映射关系制作单据。
9.一种计算机设备，其特征在于，包括：
至少一个处理器；以及
存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现权利要求1-4任意一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-4任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110103439.7A CN112766391B (zh) | 2021-01-26 | 2021-01-26 | 一种制作单据的方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110103439.7A CN112766391B (zh) | 2021-01-26 | 2021-01-26 | 一种制作单据的方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112766391A CN112766391A (zh) | 2021-05-07 |
| CN112766391B true CN112766391B (zh) | 2023-02-21 |
Family
ID=75705735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110103439.7A Active CN112766391B (zh) | 2021-01-26 | 2021-01-26 | 一种制作单据的方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112766391B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005076900A2 (en) * | 2004-02-06 | 2005-08-25 | Ubmatrix, Inc. | Data and metadata linking form mechanism and method |
| CN101369329A (zh) * | 2008-10-13 | 2009-02-18 | 金蝶软件（中国）有限公司 | 一种在erp系统中关联单据的方法及装置 |
| CN102456188A (zh) * | 2010-11-03 | 2012-05-16 | 昆山华岳软件有限公司 | 一种数据管理系统及其设计方法 |
| US20180285982A1 (en) * | 2017-03-28 | 2018-10-04 | Intuit Inc. | Automated field-mapping of account names for form population |
| CN111325247A (zh) * | 2020-02-10 | 2020-06-23 | 山东浪潮通软信息科技有限公司 | 一种基于最小二乘支持向量机的智能稽核的实现方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109325102B (zh) * | 2018-09-19 | 2021-02-19 | 金蝶软件（中国）有限公司 | 一种识别非法单据的方法以及识别装置 |
| CN110675054B (zh) * | 2019-09-23 | 2022-08-23 | 金蝶蝶金云计算有限公司 | 一种erp系统中数据处理方法、数据处理系统及相关设备 |
-
2021
- 2021-01-26 CN CN202110103439.7A patent/CN112766391B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005076900A2 (en) * | 2004-02-06 | 2005-08-25 | Ubmatrix, Inc. | Data and metadata linking form mechanism and method |
| CN101369329A (zh) * | 2008-10-13 | 2009-02-18 | 金蝶软件（中国）有限公司 | 一种在erp系统中关联单据的方法及装置 |
| CN102456188A (zh) * | 2010-11-03 | 2012-05-16 | 昆山华岳软件有限公司 | 一种数据管理系统及其设计方法 |
| US20180285982A1 (en) * | 2017-03-28 | 2018-10-04 | Intuit Inc. | Automated field-mapping of account names for form population |
| CN111325247A (zh) * | 2020-02-10 | 2020-06-23 | 山东浪潮通软信息科技有限公司 | 一种基于最小二乘支持向量机的智能稽核的实现方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112766391A (zh) | 2021-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102061987B1 (ko) | 위험 평가 방법 및 시스템 | |
| WO2019095782A1 (zh) | 一种数据样本标签处理方法及装置 | |
| US9251046B2 (en) | Method and system for generating and processing black box test cases | |
| US9037549B2 (en) | System and method for testing data at a data warehouse | |
| CN112884092B (zh) | Ai模型生成方法、电子设备及存储介质 | |
| CN111401722B (zh) | 智能决策方法和智能决策系统 | |
| CN110020381A (zh) | 基于配置文件的校验方法、装置、设备和计算机存储介质 | |
| CN106951925A (zh) | 数据处理方法、装置、服务器及系统 | |
| CN111815169B (zh) | 业务审批参数配置方法及装置 | |
| CN107909466A (zh) | 客户关系网络展示方法、装置、设备及可读存储介质 | |
| CN110069279B (zh) | 一种直流控制保护程序的校验方法、装置及存储介质 | |
| CN110287316A (zh) | 一种告警分类方法、装置、电子设备及存储介质 | |
| US20160335551A1 (en) | Optimization of fraud detection strategies | |
| WO2021012894A1 (zh) | 获取神经网络测试报告的方法、装置、设备和存储介质 | |
| CN107291775A (zh) | 错误样本的修复语料生成方法和装置 | |
| CN112948575A (zh) | 文本数据处理方法、装置和计算机可读存储介质 | |
| CN111522736A (zh) | 一种软件缺陷预测方法、装置、电子设备及计算机存储介质 | |
| CN113821296A (zh) | 可视化界面生成方法、电子设备及存储介质 | |
| CN113360300A (zh) | 接口调用链路生成方法、装置、设备及可读存储介质 | |
| CN112766391B (zh) | 一种制作单据的方法、系统、设备及介质 | |
| CN112416800A (zh) | 智能合约的测试方法、装置、设备及存储介质 | |
| CN112862345A (zh) | 隐患质检方法、装置、电子设备及存储介质 | |
| US20160019564A1 (en) | Evaluating device readiness | |
| CN109119157A (zh) | 一种婴幼儿发育的预测方法和系统 | |
| CN112783762B (zh) | 软件质量的评估方法、装置及服务器 |
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 |