CN113450152A - 基于文本识别技术的购物反馈方法 - Google Patents
基于文本识别技术的购物反馈方法 Download PDFInfo
- Publication number
- CN113450152A CN113450152A CN202110749208.3A CN202110749208A CN113450152A CN 113450152 A CN113450152 A CN 113450152A CN 202110749208 A CN202110749208 A CN 202110749208A CN 113450152 A CN113450152 A CN 113450152A
- Authority
- CN
- China
- Prior art keywords
- consumption
- suspicious
- shopping
- details
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000000694 effects Effects 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 12
- 230000008030 elimination Effects 0.000 claims description 9
- 238000003379 elimination reaction Methods 0.000 claims description 9
- 102100032202 Cornulin Human genes 0.000 claims description 3
- 101000920981 Homo sapiens Cornulin Proteins 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 abstract description 2
- 238000004220 aggregation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- WSNMPAVSZJSIMT-UHFFFAOYSA-N COc1c(C)c2COC(=O)c2c(O)c1CC(O)C1(C)CCC(=O)O1 Chemical compound COc1c(C)c2COC(=O)c2c(O)c1CC(O)C1(C)CCC(=O)O1 WSNMPAVSZJSIMT-UHFFFAOYSA-N 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于文本识别技术的购物反馈方法，本发明属于识别技术领域，包括获取消费者的消费数据，提取购物数据内的购物信息，对购物信息进行匹配度判定，若匹配度大于预设阈值时，则向购物信息对应消费者进行反馈，解决了人工审核、返现的方法需要大量的人力成本、存在执行效率低，出错率高，主观性大的问题，同时通过网上营销也可以方便用户，避免线下聚集带来的风险。
Description
技术领域
本发明属于识别技术领域，具体是基于文本识别技术的购物反馈方法。
背景技术
产品生产厂家经常会开展各种营销活动来吸引或刺激消费者购买商品，其中购物优惠是一种常见的营销手段和方法，具有很好的营销效果。为了更好的执行此类营销活动，产品生产厂家会委托单一或有限的几个营销公司开展此类营销活动，在此类营销活动执行中，营销公司需要雇佣大量的工作人员对终端消费者通过app或微信小程序等上传的购物票据，包括纸质票据、电子票据进行审核，票据满足预设要求后通过微信红包形式执行返现或发送优惠券的形式返利给终端消费者，目前传统的人工审核、返现的方法需要大量的人力成本、存在执行效率低，出错率高，主观性大的问题。
发明内容
本发明的目的在于提供基于文本识别技术的购物反馈方法，用于解决传统的人工审核、返现的方法需要大量的人力成本、存在执行效率低，出错率高，主观性大的问题。
本发明的目的可以通过以下技术方案实现：
基于文本识别技术的购物反馈方法，包括：
步骤一：获取消费者的消费数据；
步骤二：提取购物数据内的购物信息；
步骤三：将购物信息输入至判断模型内进行匹配度判定，若匹配度大于预设阈值时，则向购物信息对应消费者进行反馈；
其中，匹配度判定包括：
获取消费数据内的消费时间节点，若消费时间节点属于预设时间段时，获取消费数据内的消费明细，对消费明细进行特征类甄别，并获取特征类别码，若特征类别码属于预设特征类别码时，将对应的消费明细保留，反之，将消费明细剔除；
将保留的消费明细按照时间节点进行排列，并按照时间节点填充入预设活动表内，当填充入预设活动表内的消费明细未出现重复时，则对应的消费明细匹配度大于预设阈值；
当填充入预设活动表内的消费明细出现重复时，将对应的消费明细标记为可疑消费明细，获取可疑消费明细对应的消费数据及消费者，并将其标记为可疑消费数据及可疑消费者；
获取可疑消费数据内的可疑消费明细占比，当可疑消费明细占比均超过阈值时，则进行位置分析，并得出位置吻合度，挑选位置吻合度最高的可疑消费明细为认证消费明细，剔除剩余重复的可疑消费明细；
当可疑消费明细占比未超过阈值时，挑选可疑消费明细占比最小的为认证消费明细，并剔除剩余重复的可疑消费明细。
进一步的，所述进行位置分析包括：
获取可疑消费数据对应消费时间节点下可疑消费者的第一坐标与消费终端的第二坐标，获取第一坐标与第二坐标之间的距离；
其中，
位置吻合度通过公式位置吻合度
得出。
进一步的，所述对消费明细进行特征类甄别，并获取特征类别码包括：
提取消费明细对应的物品编码，并对物品编码的特征码和属性码进行分割，其中，特征码对应特征类甄别，属性码对应特征类别码。
进一步的，所述提取购物数据内的购物信息包括：
对消费数据进行文字检测，并识别文字检测内的文字，并输出为字符串。
进一步的，所述文字检测采用DBNet。
进一步的，所述识别文字检测内的文字采用CRNN+CTC结构。
进一步的，所述消费数据包括纸质购物小票的图片和电子购物小票中至少一种。
进一步的，所述判断模型包括获取单元、甄别单元、重复剔除单元及判定单元；
其中，
获取单元用于获取消费数据,并将消费数据发送至甄别单元进行特征类甄别，将满足甄别的消费数据发送至重复剔除单元进行重复剔除，剩余消费数据发送至判定单元，进行判定。
与现有技术相比，本发明的有益效果是：
通过获取消费者的消费数据，提取购物数据内的购物信息，对购物信息进行匹配度判定，若匹配度大于预设阈值时，则向购物信息对应消费者进行反馈，解决了人工审核、返现的方法需要大量的人力成本、存在执行效率低，出错率高，主观性大的问题，同时通过网上营销也可以方便用户，避免线下聚集带来的风险。
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附图。
图1为本发明原理框图；
图2为本发明文字检测原理框图；
图3为本发明文字识别原理框图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
因此，在下述附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。
传统的，在营销领域，产品生产厂家经常会开展各种营销活动来吸引或刺激消费者购买商品，其中购物优惠是一种常见的营销手段和方法，具有很好的营销效果。为了更好的执行此类营销活动，产品生产厂家会委托单一或有限的几个营销公司开展此类营销活动，在此类营销活动执行中，营销公司需要雇佣大量的工作人员对终端消费者通过app或微信小程序等上传的购物票据，包括纸质票据、电子票据进行审核，票据满足预设要求后通过微信红包形式执行返现或发送优惠券的形式返利给终端消费者，目前传统的人工审核、返现的方法需要大量的人力成本、存在执行效率低，出错率高，主观性大的问题。
基于上述描述，本发明实施例提出一种如图1所示的基于文本识别技术的购物反馈方法，包括：
步骤一：获取消费者的消费数据；
步骤二：提取购物数据内的购物信息；
步骤三：对购物信息进行匹配度判定，若匹配度大于预设阈值时，则向购物信息对应消费者进行反馈，具体的，反馈包括红包返现、购物券返现及抵扣券返现中任一种。
其中，匹配度判定包括：
获取消费数据内的消费时间节点，若消费时间节点属于预设时间段时，获取消费数据内的消费明细，对消费明细进行特征类甄别，并获取特征类别码，若特征类别码属于预设特征类别码时，将对应的消费明细保留，反之，将消费明细剔除；
将保留的消费明细按照时间节点进行排列，并按照时间节点填充入预设活动表内，当填充入预设活动表内的消费明细未出现重复时，则对应的消费明细匹配度大于预设阈值；
当填充入预设活动表内的消费明细出现重复时，将对应的消费明细标记为可疑消费明细，获取可疑消费明细对应的消费数据及消费者，并将其标记为可疑消费数据及可疑消费者；
获取可疑消费数据内的可疑消费明细占比，当可疑消费明细占比均超过阈值时，则进行位置分析，并得出位置吻合度，挑选位置吻合度最高的可疑消费明细为认证消费明细，剔除剩余重复的可疑消费明细；
当可疑消费明细占比未超过阈值时，挑选可疑消费明细占比最小的为认证消费明细，并剔除剩余重复的可疑消费明细。
下面结合具体实施例对上述方案进行进一步阐述；
实施例
预先在微信小程序或任意系统平台上开发一个收集终端，用于收集消费者的消费数据，其中，消费数据包括纸质购物小票的图片和电子购物小票，当消费数据为纸质购物小票时，消费者使用收集终端拍摄自己获得的购物凭证，上传图片到服务器内进行存储，考虑到拍摄中存在的模糊、抖动等情况会严重影响图像质量的问题，同时在收集终端内设置有图像质量检测功能，保证上传的图片都可以提取购物数据内的购物信息，当消费数据为电子购物小票时，通过用户授权获取服务商提供的电子购物小票；
当获取到消费者的消费数据后，对消费数据进行文字检测，并识别文字检测内的文字，并输出为字符串，其中，如图2-3所示，文字检测采用DBNet，识别文字检测内的文字采用CRNN+CTC结构；
将购物信息输入至判断模型内进行匹配度判定，若匹配度大于预设阈值时，则向购物信息对应消费者进行反馈，更具体的说，判断模型包括获取单元、甄别单元、重复剔除单元及判定单元；
其中，获取单元用于获取消费数据,并将消费数据发送至甄别单元进行特征类甄别，将满足甄别的消费数据发送至重复剔除单元进行重复剔除，剩余消费数据发送至判定单元，进行判定，更具体的说，获取消费数据内的消费时间节点，若消费时间节点属于预设时间段时，获取消费数据内的消费明细，对消费明细进行特征类甄别，并获取特征类别码，若特征类别码属于预设特征类别码时，将对应的消费明细保留，反之，将消费明细剔除；
例如，消费者在6月29日完成购买行为，预设的设时间段为5月15日到6月15日，则消费时间节点不属于预设时间段，不进行反馈；若预设的设时间段为5月15日到7月15日，则消费时间节点属于预设时间段，此时，提取消费数据内的物品编码，并对物品编码的特征码和属性码进行分割，其中，特征码对应特征类甄别，属性码对应特征类别码；其中，物品编码包括包括标准版商品条码(EAN—13条码)和缩短版商品条码(EAN—8条码)，其中，标准版商品条码所表示的代码由13位数字组成，结构如下：
结构一：X13X12X11X10X9X8X7X6X5X4X3X2X1，其中：X13……X7厂商识别代码；X6……X2表示商品项目代码；X1校验码。
结构二：X13X12X11X10X9X8X7X6X5X4X3X2X1。其中：X13……X6厂商识别代码；X5……X2表示商品项目代码；X1校验码。当X13X12X11为690、691时，其代码结构同结构一；当X13X12X11为692时，其代码结构同结构二。
缩短版商品条码由8位数字组成，结构如下：
X8X7X6X5X4X3X2X1；其中：X8X7X6：其含义同标准版商品条码的X13X12X11；X5X4X3X。
若特征类别码属于预设特征类别码时，将对应的消费明细保留，反之，将消费明细剔除，这样可以剔除不属于营销活动的商标，减少了审核数据量，减轻处理服务器的压力。
将保留的消费明细按照时间节点进行排列，并按照时间节点填充入预设活动表内，当填充入预设活动表内的消费明细未出现重复时，则对应的消费明细匹配度大于预设阈值；当填充入预设活动表内的消费明细出现重复时，将对应的消费明细标记为可疑消费明细，获取可疑消费明细对应的消费数据及消费者，并将其标记为可疑消费数据及可疑消费者，通过查询是否存在重复的消费明细，可以避免人为仿造消费数据进行欺诈，同时也可以通过重复编码的批次查询市场上是否存在仿冒产品。
当出现可疑消费明细时，获取可疑消费数据内的可疑消费明细占比，当可疑消费明细占比未超过阈值时，挑选可疑消费明细占比最小的为认证消费明细，并剔除剩余重复的可疑消费明细继续进行匹配度判定；其中，可疑消费明细占比为重复的消费明细与保留的消费明细的比值；
当可疑消费明细占比均超过阈值时，则进行位置分析，并得出位置吻合度，挑选位置吻合度最高的可疑消费明细为认证消费明细，剔除剩余重复的可疑消费明细；
具体的，获取可疑消费数据对应消费时间节点下可疑消费者的第一坐标与消费终端的第二坐标，获取第一坐标与第二坐标之间的距离；
其中，位置吻合度通过公式位置吻合度
得出，消费终端为消费者结账时商店的结账终端。
通过判断可疑消费者与消费终端的位置，可以推断那个可疑消费者是真实的，那个是伪造的，提升安全性。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义；以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.基于文本识别技术的购物反馈方法，其特征在于，包括：
步骤一：获取消费者的消费数据；
步骤二：提取购物数据内的购物信息；
步骤三：将购物信息输入至判断模型内进行匹配度判定，若匹配度大于预设阈值时，则向购物信息对应消费者进行反馈；
其中，匹配度判定包括：
获取消费数据内的消费时间节点，若消费时间节点属于预设时间段时，获取消费数据内的消费明细，对消费明细进行特征类甄别，并获取特征类别码，若特征类别码属于预设特征类别码时，将对应的消费明细保留，反之，将消费明细剔除；
将保留的消费明细按照时间节点进行排列，并按照时间节点填充入预设活动表内，当填充入预设活动表内的消费明细未出现重复时，则对应的消费明细匹配度大于预设阈值；
当填充入预设活动表内的消费明细出现重复时，将对应的消费明细标记为可疑消费明细，获取可疑消费明细对应的消费数据及消费者，并将其标记为可疑消费数据及可疑消费者；
获取可疑消费数据内的可疑消费明细占比，当可疑消费明细占比均超过阈值时，则进行位置分析，并得出位置吻合度，挑选位置吻合度最高的可疑消费明细为认证消费明细，剔除剩余重复的可疑消费明细；
当可疑消费明细占比未超过阈值时，挑选可疑消费明细占比最小的为认证消费明细，并剔除剩余重复的可疑消费明细。
2.根据权利要求1所述的基于文本识别技术的购物反馈方法，其特征在于，所述进行位置分析包括：
获取可疑消费数据对应消费时间节点下可疑消费者的第一坐标与消费终端的第二坐标，获取第一坐标与第二坐标之间的距离；
其中，
位置吻合度通过公式
得出。
3.根据权利要求2所述的基于文本识别技术的购物反馈方法，其特征在于，所述对消费明细进行特征类甄别，并获取特征类别码包括：
提取消费明细对应的物品编码，并对物品编码的特征码和属性码进行分割，其中，特征码对应特征类甄别，属性码对应特征类别码。
4.根据权利要求1所述的基于文本识别技术的购物反馈方法，其特征在于，所述提取购物数据内的购物信息包括：
对消费数据进行文字检测，并识别文字检测内的文字，并输出为字符串。
5.根据权利要求4所述的基于文本识别技术的购物反馈方法，其特征在于，所述文字检测采用DBNet。
6.根据权利要求4所述的基于文本识别技术的购物反馈方法，其特征在于，所述识别文字检测内的文字采用CRNN+CTC结构。
7.根据权利要求1所述的基于文本识别技术的购物反馈方法，其特征在于，所述消费数据包括纸质购物小票的图片和电子购物小票中至少一种。
8.根据权利要求1所述的基于文本识别技术的购物反馈方法，其特征在于，所述判断模型包括获取单元、甄别单元、重复剔除单元及判定单元；
其中，
获取单元用于获取消费数据,并将消费数据发送至甄别单元进行特征类甄别，将满足甄别的消费数据发送至重复剔除单元进行重复剔除，剩余消费数据发送至判定单元，进行判定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110749208.3A CN113450152A (zh) | 2021-07-01 | 2021-07-01 | 基于文本识别技术的购物反馈方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110749208.3A CN113450152A (zh) | 2021-07-01 | 2021-07-01 | 基于文本识别技术的购物反馈方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113450152A true CN113450152A (zh) | 2021-09-28 |
Family
ID=77814872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110749208.3A Pending CN113450152A (zh) | 2021-07-01 | 2021-07-01 | 基于文本识别技术的购物反馈方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113450152A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308564A (zh) * | 2008-07-03 | 2008-11-19 | 中国工商银行股份有限公司 | 一种按揭贷款信息监控方法及系统 |
| CN107507018A (zh) * | 2017-07-25 | 2017-12-22 | 广州智选网络科技有限公司 | 一种基于图像识别技术的核销方法、存储设备及移动终端 |
| CN110245658A (zh) * | 2019-05-21 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 一种票据识别方法、装置、存储介质和服务器 |
| CN110706111A (zh) * | 2019-10-15 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 可疑交易账户的识别方法、装置、存储介质和服务器 |
| CN110705994A (zh) * | 2019-10-10 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 一种风险用户检测方法及装置 |
| CN110992048A (zh) * | 2019-11-29 | 2020-04-10 | 中国联合网络通信集团有限公司 | 一种交易欺诈判定方法及装置 |
| CN111768546A (zh) * | 2020-06-30 | 2020-10-13 | 新奥（中国）燃气投资有限公司 | 对异常企业发票自动预警的方法、装置及系统 |
-
2021
- 2021-07-01 CN CN202110749208.3A patent/CN113450152A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308564A (zh) * | 2008-07-03 | 2008-11-19 | 中国工商银行股份有限公司 | 一种按揭贷款信息监控方法及系统 |
| CN107507018A (zh) * | 2017-07-25 | 2017-12-22 | 广州智选网络科技有限公司 | 一种基于图像识别技术的核销方法、存储设备及移动终端 |
| CN110245658A (zh) * | 2019-05-21 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 一种票据识别方法、装置、存储介质和服务器 |
| CN110705994A (zh) * | 2019-10-10 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 一种风险用户检测方法及装置 |
| CN110706111A (zh) * | 2019-10-15 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 可疑交易账户的识别方法、装置、存储介质和服务器 |
| CN110992048A (zh) * | 2019-11-29 | 2020-04-10 | 中国联合网络通信集团有限公司 | 一种交易欺诈判定方法及装置 |
| CN111768546A (zh) * | 2020-06-30 | 2020-10-13 | 新奥（中国）燃气投资有限公司 | 对异常企业发票自动预警的方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107463945B (zh) | 一种基于深度匹配网络的商品种类识别方法 | |
| KR20200119385A (ko) | 인공지능 감정 시스템, 인공지능 감정 방법 및 기록 매체 | |
| CN104296852A (zh) | 果蔬商品的自助称量方法及装置 | |
| CN104616389B (zh) | 印章识别方法和装置 | |
| CN108509458B (zh) | 一种业务对象识别方法及装置 | |
| CN108647761A (zh) | 一种无人售货货柜系统及其商品管理方法 | |
| CN110472939A (zh) | 一种供应链业务单据自动校验装置、系统及方法 | |
| CN107451833A (zh) | 订单数据的处理方法和处理装置 | |
| CN103345692B (zh) | 数据处理系统、服务器装置以及数据处理方法 | |
| CN111881901A (zh) | 截图内容检测方法、设备及计算机可读存储介质 | |
| CN107844923A (zh) | 一种erp管理系统及方法 | |
| CN113282779A (zh) | 图像搜索方法、装置、设备 | |
| CN110458644A (zh) | 一种信息处理方法及相关设备 | |
| WO2020179055A1 (ja) | 証憑解析装置、会計処理システム、証憑解析方法、証憑解析プログラム | |
| CN110119980A (zh) | 一种用于信贷的反欺诈方法、装置、系统和记录介质 | |
| CN107305677A (zh) | 产品信息推送方法和装置 | |
| CN106339906A (zh) | 一种基于电子商务的导购系统推广方法 | |
| CN108198038A (zh) | 智能货架系统及基于其的自助收银超市 | |
| JP2021179968A (ja) | 電子データ判定システム、電子データ判定装置、電子データ判定方法、電子データ判定プログラム | |
| CN113450152A (zh) | 基于文本识别技术的购物反馈方法 | |
| Artaud et al. | Receipt dataset for fraud detection | |
| CN111428725A (zh) | 数据结构化处理方法、装置和电子设备 | |
| CN110968670A (zh) | 一种流行商品的属性获取方法、装置、设备及存储介质 | |
| JP2005007791A (ja) | 電子ペン用帳票、データ収集システム及びプログラム | |
| CN116186543A (zh) | 一种基于图像识别的财务数据处理系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210928 |
|
| RJ01 | Rejection of invention patent application after publication |