CN113516447B - 基于计算机输出财税推理匹配结果的电子装置及方法 - Google Patents

Abstract

本发明是一种基于计算机输出财税推理匹配结果的电子装置及方法，所述电子装置包括有处理器及存储器，所述处理器包括有获取模块、推理模块及输出模块，所述存储器存储有会计法则及应用场景，获取模块从所述存储器中读取会计法则及应用场景，并将其传输给推理模块进行推理，推理得到的结果，通过输出模块输出，以便于人们准确匹配财税规则。本发明实现了财税业务场景/适用法条/目标财税数据之间具有复杂问题推理能力的规则匹配，提高了对财税政策及应用的匹配效果，提高了工作效率。

Description

基于计算机输出财税推理匹配结果的电子装置及方法

技术领域

本发明属于财税计算的技术领域，涉及一种借助人工智能匹配财税规则的方法和电子装置。

背景技术

我国的财税政策法规制定是基于业务场景描述的，通常一个财税业务场景会产生多笔会计分录，但这些会计分录的记账时间根据先后顺序，可能横跨数年的时间。例如，长期股权投资的投入，收益、处置经常会横跨多个会计年度。

同时，随着我国税制改革的不断深化，在逐步完成市场化，依法化，国际化过程中，新的财税法律、法规、规章、规范性文件逐步出台,旧法规的衔接，新法规执行要点、难点等问题随之而来。财税从业人员需要不断从新旧法规中查找具体业务场景的法规约束条件，才能在财税业务发生和处理过程中遵循相应的法规约束。

推理，是机器学习领域具有挑战性的任务，目的是使用已知的知识和推理技术对未知的输入信息作出符合策略规则的推断。机器推理的策略规则通常由经验丰富的行业内专家归纳整理。由于需要大量的专家人力来建立初始策略规则。因此，该归纳整理过程是机器推理落地应用的难点。

机器推理(Machine Reasoning)适用于确定性场景。例如确定某件事是否真实，或者是否可能发生。机器推理在常识问答、事实检测、自然语言推理、视觉常识推理、视觉问答、文档级问答、多轮语义分析等任务上有大量应用。

目前的机器推理研究主要依赖于机器算法模型输出的结果，缺乏对结果的解释性。采信和认可机器推理结论的前提，是这样的结论具有法律因果推理的解释性。现有技术中也存在一些利用机器学习模型针对特征进行回归或分类，也可以称为“预测”，然而，目前这些方法仅具备关系运算能力，但无法进行逻辑推理，无法处理同时包含命题逻辑和实体关系的复杂推理问题。特别是对财税规则的推理缺乏相应的设备及方法，无法准确匹配财税规则，需要消耗大量的人力物力，导致工作效率低下。

发明内容

基于此，因此本发明的首要目地是提供一种基于计算机输出财税推理匹配结果的电子装置及方法，该方法实现了财税业务场景/适用法条/目标财税数据之间具有复杂问题推理能力的规则匹配，提高了对财税政策及应用的匹配效果，提高了工作效率。

本发明的另一个目地在于提供一种基于计算机输出财税推理匹配结果的电子装置及方法，该电子装置及方法将通过大量无监督样本数据学习到的规则知识，做为可展现的规则图存放，并附带有匹配目标规则的输入、输出能力，解决了在财税规则推理领域现有机器推理研究结果解释性差的问题。

为实现上述目的，本发明的技术方案为：

一种基于计算机输出财税推理匹配结果的电子装置，所述电子装置包括有处理器及存储器，所述处理器包括有获取模块、推理模块及输出模块，所述存储器存储有会计法则及应用场景，获取模块从所述存储器中读取会计法则及应用场景，并将其传输给推理模块进行推理，推理得到的结果，通过输出模块输出，以便于人们准确匹配财税规则。

一种基于计算机输出财税推理匹配结果的方法，该方法通过处理器及存储器对财税数据(包括但不限于原子会计分录数据、会计法则数据、历史财务数据、财务业务场景数据)进行处理，包括下列步骤：

步骤1，建立原子会计分录数据库及会计法则数据库，

步骤2，依据原子会计分录拆分会计法规，以及根据段落语义拆分财税法规。

步骤3，将原子会计分录与历史财务数据进行关联，通过机器自动识别历史连续财务账务数据、申报数据和凭证数据提取原子会计分录；并关联多个原子会计分录，顺序组合为实际【财税业务场景规则】的方法。

步骤4，关联法条，识别出的财税业务场景，关联财税法规的某一法条到具体财税业务场景，并存储为一条【业务场景+法条规则】，输出规则推理匹配后的结果。

进一步，所述步骤3中，进一步包括有：

301、寻找业务路径，通过业务路径建立规则，

通过机器观察一户具体企业科目n的历史变动轨迹，可以找到其体现的一种已知业务路径Φ`n，并同理找出其涉及的其它业务路径Φ`m、…、Φ`t。其中且此时Φ`n+Φ`m+…+Φ`t构成一条真实的【财税业务场景规则】，其中t属于非中间科目。

302、上述步骤获得的规则允许是链，也允许链不完整，但是进行永久存储，所述链通过链表编码同步导入图存储，

借助图存储将每个非中间科目唯一存储为实体节点，新的【财税业务场景规则】关联仅用节点之间的单向边来记录(指针)。

303、建立规则库，通过匹配规则库Φ`的场景规则Φ`n+Φ`m+…+Φ`t。将引用法条Ω`与之建立关联关系并记录入图存储的单向边。

通过自然语言处理财税判例文本，识别文本中定义的引用法条Ω`，违法行为发生时间、金额和部分科目n；通过匹配Φ`识别出包含n的场景规则Φ`n+ Φ`m+…+Φ`t，将Ω`与之建立关联关系并记录入图存储的单向边；其中金额用以辅助核实科目n。

304、最终Φ`n+Φ`m+…+Φ`t与Ω`之间的关联关系构成法规规则依存关系，并进行输出。

进一步，所述电子装置先输入法条匹配场景，然后再输出场景匹配原子科目和法条，再输入原子科目匹配法条和可能的场景，然后以关联关系构建法规规则依存关系。

本发明具有以下有益效果：

1、能够自动从历史财税数据归纳、总结、存储财税业务场景。

2、自动从财税判例文本建立法规和财税业务场景之间的规则联系。

3、存储上述规则为可展现的规则图，作为规则输出的解释参考。

4、对外提供规则匹配检索服务，在常识问答、事实检测、自然语言推理、视觉常识推理、视觉问答、文档级问答、多轮语义分析等任务上提供规则输出。

附图说明

图1是企业经营财税行为输入输出示意图。

图2是财税业务场景规则提取示意图。

图3是财税业务场景规则和法规法条关联示意图。

图4是财税业务场景规则和关联法规法条规则输出示意图。

图5是规则推理电子装置示意图。

图6是在法规问答任务应用规则推理电子装置后的效果示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1所示，为现有企业经营财税行为输入输出架构，已知不同会计制度下某一类会计制度允许的所有原子分录集合为Φ，具体一户企业从注册到注销过程中会产生多个业务场景，所有业务场景的输出包含申报数据中定义的税费和部分记账凭证中定义的费用，以及最终累计在个别科目的余额来表示。

由于会计恒等式的存在，任何一个除去上述个别科目外的其它科目n必然存在一个原子分录集合为Φn满足中间科目余额从产生到转移的全部过程，通常其过程中还涉及多个其它科目{m,…,t}。通过机器观察一户具体企业科目n 的历史变动轨迹，可以找到其体现的一种已知业务路径Φ`n，并同理找出其涉及的其它业务路径Φ`m、…、Φ`t。其中且/> 此时Φ`n+Φ`m+…+Φ`t构成一条真实的【财税业务场景规则】。其中t属于非中间科目。如图2所示。

由于科目核算的独立性，上述过程可以由多次独立的单独观察科目n，m,…完成。其中已识别的【财税业务场景规则】链允许不完整，通过链表编码存储在通用计算机永久存储器内，其过程可以随时中断并在下一次观察继续完成。

由上述过程生成的链表编码需要在生成过程中同步导入图存储，其原因是避免链表编码存储的冗余性。例如，一般企业会计准则可能的链表编码存储按照6阶估算超过2.337727392e+10种组合，按照8位编码存储超过133.765PB。因此需要借助图存储将每个非中间科目唯一存储为实体节点，新的【财税业务场景规则】关联仅用节点之间的单向边来记录(指针)。

图3所示，为电子装置(又称为机器脑)识别并存储规则的示意图。

机器脑然后将生成的【财税业务场景规则】集合Φ`作为标准场景库。通过自然语言处理财税判例文本，识别文本中定义的引用法条Ω`，违法行为发生时间、金额和部分科目n。通过匹配Φ`识别出包含n的场景规则Φ`n+Φ`m+… +Φ`t。将Ω`与之建立关联关系并记录入图存储的单向边。其中金额用以辅助核实科目n。

如图4所示。最终Φ`n+Φ`m+…+Φ`t与Ω`之间的关联关系构成法规规则依存关系，并进行输出。可供下游落地应用输出各种规则。机器脑先输入法条匹配场景，然后再输出场景匹配原子科目和法条，再输入原子科目匹配法条和可能的场景。例如，输入法条《中华人民共和国增值税暂行条例实施细则》- 财政部国家税务总局令-第65号-第四条-第五项“单位或者个体工商户的下列行为，视同销售货物：将自产、委托加工的货物用于集体福利或者个人消费”，机器脑会自动提取场景、与之匹配原子科目和法条。上述法条其对应的场景包括【减少库存商品】，对应的报表项目包括【库存商品】。对应的具体财税场景为【以自产产品发放给职工】，对应的具体违法行为为【增值税-少计应税收入(计税、费依据)】，对应的具体处罚依据为《中华人民共和国税收征收管理法》-中华人民共和国主席令-第二十三号-第六十三条-第一款：“纳税人伪造、变造、隐匿、擅自销毁帐簿、记帐凭证，或者在帐簿上多列支出或者不列、少列收入，或者经税务机关通知申报而拒不申报或者进行虚假的纳税申报，不缴或者少缴应纳税款的，是偷税。对纳税人偷税的，由税务机关追缴其不缴或者少缴的税款、滞纳金，并处不缴或者少缴的税款百分之五十以上五倍以下的罚款；构成犯罪的，依法追究刑事责任”。

由此，能够提高匹配效率和准确性，减少电子设备的计算成本和时间，为人们提供更便捷的服务。

如图5所示，为本发明所实现的基于计算机输出财税推理匹配结果的电子装置，所述电子装置包括有处理器及存储器，所述处理器包括有获取模块、推理模块及输出模块，所述存储器存储有会计法则及应用场景，获取模块从所述存储器中读取会计法则及应用场景，并将其传输给推理模块进行推理，推理得到的结果，通过输出模块输出，以便于人们准确匹配财税规则，从而提高工作效率。

利用本发明解决了财税规则人工建立费时费力的问题。同时借助电子装置解决了财税法规变动频繁，财税从业者需要不断学习、查询规则的问题。机器自动生成的规则可以用自然语言向外展示，解决了在财税规则推理领域现有机器推理研究结果解释性差的问题。

本发明的电子装置。在下游任务财税知识智能问答系统中，比较使用基于财税规则的推理机器脑前后的使用效果，问答准确率由2019年的83.38％(人工建立规则)提升至92.06％，且根据机器归纳总结出的规则不断增加，准确率持续上升。如图6所示。

综上所述，本发明有益效果主要有：

1、能够自动从历史财税数据归纳、总结、存储财税业务场景。

2、自动从财税判例文本建立法规和财税业务场景之间的规则联系。

3、存储上述规则为可展现的规则图，作为规则输出的解释参考。

4、对外提供规则匹配检索服务，在常识问答、事实检测、自然语言推理、视觉常识推理、视觉问答、文档级问答、多轮语义分析等任务上提供规则输出。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于计算机输出财税推理匹配结果的电子装置，其特征在于所述电子装置包括有处理器及存储器，所述处理器包括有获取模块、推理模块及输出模块，所述存储器存储有会计法则及应用场景，获取模块从所述存储器中读取会计法则及应用场景，并将其传输给推理模块进行推理，推理得到的结果，通过输出模块输出；

基于计算机输出财税推理匹配结果的方法，该方法通过处理器及存储器对财税数据进行处理，包括下列步骤：

步骤1，建立原子会计分录数据库及会计法则数据库；

步骤2，依据原子会计分录拆分会计法规，以及根据段落语义拆分财税法规；

步骤3，将原子会计分录与历史财务数据进行关联，通过机器自动识别历史连续财务账务数据、申报数据和凭证数据提取原子会计分录；并关联多个原子会计分录，顺序组合为实际【财税业务场景规则】的方法；

所述步骤3中，进一步包括有：

301、寻找业务路径，通过业务路径建立规则；

302、上述步骤获得的规则是链，进行永久存储，所述链通过链表编码同步导入图存储；

303、通过匹配规则库Φ`的场景规则Φ`n+Φ`m+…+Φ`t；将引用法条Ω`与之建立关联关系并记录入图存储的单向边；

304、最终Φ`n+Φ`m+…+Φ`t与Ω`之间的关联关系构成法规规则依存关系，并进行输出；

所述301步骤中，通过观察一户具体企业科目n的历史变动轨迹，找到其体现的一种已知业务路径Φ`n，并同理找出其涉及的其它业务路径Φ`m、…、Φ`t；其中且此时Φ`n+Φ`m+…+Φ`t构成一条真实的【财税业务场景规则】，其中t属于非中间科目；

所述302步骤中，借助图存储将每个非中间科目唯一存储为实体节点，新的【财税业务场景规则】关联仅用节点之间的单向边来记录；

所述303步骤中，通过自然语言处理财税判例文本，识别文本中定义的引用法条Ω`，违法行为发生时间、金额和部分科目n；通过匹配Φ`识别出包含n的场景规则Φ`n+Φ`m+…+Φ`t，将Ω`与之建立关联关系并记录入图存储的单向边，其中金额用以辅助核实科目n；

所述304步骤中，所述电子装置先输入法条匹配场景，然后再输出场景匹配原子科目和法条，再输入原子科目匹配法条和可能的场景，然后以关联关系构建法规规则依存关系；

步骤4，关联法条，识别出的财税业务场景，关联财税法规的某一法条到具体财税业务场景，并存储为一条【业务场景+法条规则】，输出规则推理匹配后的结果。