CN113781190A - 账单数据的处理方法、系统、计算机系统和介质 - Google Patents
账单数据的处理方法、系统、计算机系统和介质 Download PDFInfo
- Publication number
- CN113781190A CN113781190A CN202110045374.5A CN202110045374A CN113781190A CN 113781190 A CN113781190 A CN 113781190A CN 202110045374 A CN202110045374 A CN 202110045374A CN 113781190 A CN113781190 A CN 113781190A
- Authority
- CN
- China
- Prior art keywords
- difference
- tie
- reconciliation
- network model
- account
- 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
- 238000003672 processing method Methods 0.000 title description 11
- 238000012545 processing Methods 0.000 claims abstract description 129
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000002596 correlated effect Effects 0.000 claims abstract description 7
- 238000005728 strengthening Methods 0.000 claims description 41
- 238000005457 optimization Methods 0.000 claims description 7
- 230000003313 weakening effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 description 18
- 238000004590 computer program Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000015654 memory Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000002787 reinforcement Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical class CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
-
- 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
- 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)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Technology Law (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种账单数据的处理方法,包括:通过对账网络模型对输入账单数据执行对账操作,以生成差异状态,差异状态用于表征输入账单数据与目标账单数据的差异,通过平账网络模型对差异状态执行平账操作,以确定差异处理结果,平账操作是基于平账策略,针对对账网络模型生成的差异状态确定的,基于差异状态和差异处理结果,确定奖励策略,奖励策略与差异处理结果正向相关,以及基于奖励策略,优化平账策略,以使得输入账单数据匹配于目标账单数据。此外,本公开还提供了一种账单数据的处理系统、计算机系统和计算机可读介质。
Description
技术领域
本公开涉及机器学习领域,更具体地,涉及一种账单数据的处理方法、系统、计算机系统和介质。
背景技术
随着网络技术的不断发展和智能终端的普及,通过终端应用进行线上或线下支付成为当前金融支付领域的重要方式。而在互联网行业中只要涉及到支付,必然会存在账单数据的对账需求,对账处理是支付体系中最重要的一环,也是保障交易、资金安全的最后一道防线。
相关技术也提供了一些传统的对账解决方案,例如通过对账系统的处理方案,主要由获取账单、预处理账单、对账处理和平账处理等四个模块组成,其中对账处理和平账处理是对账系统的主要功能模块。对账处理模块的主要功能是展示交易账单和支付账单数据,简单的比对金额,人工轧账,而平账处理模块的主要功能是在账单出现长款、短款等问题时进行人工平账操作。
但是,相关技术提供的对账解决方案,在对账和平账处理中依旧需要依赖大量人力、导致耗时长,无法实现高效办公,使得对账方法已经远远不能满足移动互联网和移动智能终端的迅猛发展,且目前企业对账普遍需要专业性较高的会记等人员支撑,且人工对账不可避免的会存在疏漏。
发明内容
有鉴于此,为了克服相关技术中存在的上述问题,提高对账效率,本公开提供了一种账单数据的处理方法、系统、计算机系统和计算机可读介质。
本公开的一个方面提供了一种账单数据的处理方法,包括:通过对账网络模型对输入账单数据执行对账操作,以生成差异状态,上述差异状态用于表征上述输入账单数据与目标账单数据的差异,通过平账网络模型对上述差异状态执行平账操作,以确定差异处理结果,上述平账操作是基于平账策略,针对上述对账网络模型生成的上述差异状态确定的,基于上述差异状态和上述差异处理结果,确定奖励策略,上述奖励策略与上述差异处理结果正向相关,以及基于上述奖励策略,优化上述平账策略,以使得上述输入账单数据匹配于上述目标账单数据。
根据本公开的实施例,上述基于上述差异状态和上述差异处理结果,确定奖励策略包括:基于上述差异状态和上述差异处理结果,确定是否发送强化信号,上述强化信号用于指示对上述平账操作执行强化操作,以及若发送,则基于上述强化信号,确定奖励策略,上述奖励策略用于表征上述强化操作的增强程度或减弱程度。
根据本公开的实施例,上述方法还包括:在上述奖励策略表征上述强化操作被持续增强的情况下,获取预设折扣率,上述预设折扣率用于降低上述增强程度,以及基于上述折扣率,更新上述奖励策略。
根据本公开的实施例,上述通过对账网络模型对输入账单数据执行对账操作,以生成差异状态包括:获取初始账单数据,上述初始账单数据未被执行过对账操作和平账操作,对上述初始账单数据执行处理操作,以获得初始账单状态,以及通过上述对账网络模型按照预设对账维度对上述初始账单状态执行对账操作,以生成差异状态。
根据本公开的实施例,上述通过对账网络模型对输入账单数据执行对账操作,以生成差异状态包括:接收上述平账网络模型发送的差异处理结果,基于上述差异处理结果,获取中间账单状态,以及通过上述对账网络模型按照预设对账维度对上述中间账单状态执行对账操作,以生成差异状态。
根据本公开的实施例,上述对账操作包括:用于进行账证核对的对账操作,用于进行账账核对的对账操作,以及用于进行账实核对的对账操作。
本公开的一个方面提供了一种账单数据的处理系统,包括:生成模块,用于通过对账网络模型对输入账单数据执行对账操作,以生成差异状态,上述差异状态用于表征上述输入账单数据与目标账单数据的差异,执行模块,用于通过平账网络模型对上述差异状态执行平账操作,以确定差异处理结果,上述平账操作是基于平账策略,针对上述对账网络模型生成的上述差异状态确定的,确定模块,用于基于上述差异状态和上述差异处理结果,确定奖励策略,上述奖励策略与上述差异处理结果正向相关,以及优化模块,用于基于上述奖励策略,优化上述平账策略,以使得上述输入账单数据匹配于上述目标账单数据。
根据本公开的实施例,上述确定模块包括:发送子模块,用于基于上述差异状态和上述差异处理结果,确定是否发送强化信号,上述强化信号用于指示对上述平账操作执行强化操作,以及确定子模块,用于若发送,则基于上述强化信号,确定奖励策略,上述奖励策略用于表征上述强化操作的增强程度或减弱程度。
根据本公开的实施例,上述确定模块还包括:第一获取子模块,用于在上述奖励策略表征上述强化操作被持续增强的情况下,获取预设折扣率,上述预设折扣率用于降低上述增强程度,以及更新子模块,用于基于上述折扣率,更新上述奖励策略。
根据本公开的实施例,上述生成模块包括:第二获取子模块,用于获取初始账单数据,上述初始账单数据未被执行过对账操作和平账操作,第一获得子模块,用于对上述初始账单数据执行处理操作,以获得初始账单状态,以及第一生成子模块,用于通过上述对账网络模型按照预设对账维度对上述初始账单状态执行对账操作,以生成差异状态。
根据本公开的实施例,上述生成模块包括:接收子模块,用于接收上述平账网络模型发送的差异处理结果,第三获取子模块,用于基于上述差异处理结果,获取中间账单状态,以及第二生成子模块,用于通过上述对账网络模型按照预设对账维度对上述中间账单状态执行对账操作,以生成差异状态。
根据本公开的实施例,上述对账操作包括:用于进行账证核对的对账操作,用于进行账账核对的对账操作,以及用于进行账实核对的对账操作。
本公开的另一方面提供了一种计算机系统,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述任一项的方法。
本公开的另一方面提供了一种计算机可读介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现上述任一项的方法。
本公开的实施例提供的账单数据的处理方法,利用对账网络模型和平账网络模型之间的交互,实现账单数据处理的自动学习。具体地,通过对账网络模型生成用于表征输入账单数据与目标账单数据差异的差异状态,通过平账网络模型基于平账策略,处理该差异状态,并在处理正确的情况下,奖励平账网络模型,通过学习模拟人工对账操作以及平账操作,至少可以部分克服相关技术中对账单数据的处理效率低下的问题,并因此达到提高处理效率的效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了可以应用本公开实施例的账单数据的处理方法及其系统的示例性系统架构;
图2示意性示出了根据本公开实施例的账单数据的处理方法的流程图;
图3示意性示出了根据本公开实施例的账单数据的处理方法的模型原理图;
图4示意性示出了根据本公开另一实施例的账单数据的处理方法的流程图;
图5示意性示出了根据本公开实施例的账单数据的处理系统的框图;以及
图6示意性示出了根据本公开实施例的适于实现账单数据的处理方法及其系统的计算机系统的框图。
在附图中,相同或对应的标号表示相同或对应的部分。
应该注意的是,附图并未按比例绘制,并且出于说明目的,在整个附图中类似结构或功能的元素通常用类似的附图标记来表示。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解,实质上任意表示两个或更多可选项目的转折连词和/或短语,无论是在说明书、权利要求书还是附图中,都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如,短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。
本公开通过对账网络模型对输入账单数据执行对账操作,以生成差异状态,差异状态用于表征输入账单数据与目标账单数据的差异;通过平账网络模型对差异状态执行平账操作,以确定差异处理结果,平账操作是基于平账策略,针对对账网络模型生成的差异状态确定的;基于差异状态和差异处理结果,确定奖励策略,奖励策略与差异处理结果正向相关;以及基于奖励策略,优化平账策略,以使得输入账单数据匹配于目标账单数据。
基于上述处理方法,利用对账网络模型和平账网络模型之间的交互,实现账单数据处理的自动学习。具体地,通过对账网络模型生成用于表征输入账单数据与目标账单数据差异的差异状态,通过平账网络模型基于平账策略,处理该差异状态,并在处理正确的情况下,奖励平账网络模型,通过学习模拟人工对账操作以及平账操作,至少可以部分克服相关技术中对账单数据的处理效率低下的问题,并因此达到提高处理效率的效果。
图1示意性示出了可以应用本公开实施例的账单数据的处理方法及其系统的示例性系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息或数据等)反馈给终端设备。
需要说明的是,本公开提供的账单数据的处理方法一般可以由终端设备101、102或103执行。相应地,本公开提供的账单数据的处理系统一般可以设置于服务器105中。本公开提供的账单数据的处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的其他服务器执行。相应地,本公开提供的账单数据的处理系统也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的其他服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的账单数据的处理方法的流程图。如图2所示,该方法可以包括操作S210~操作S240。
在操作S210,通过对账网络模型对输入账单数据执行对账操作,以生成差异状态。在本公开中,差异状态用于表征输入账单数据与目标账单数据的差异。
根据本公开的实施例,差异状态包括但不限于长款,短款。长款表示实有现金多于账上现金,短款表示实有现金少于账上现金。例如,针对外部对账,当有一笔银行方的订单状态为充值成功,而我方充值失败,即银行多结算了对应订单的金额给我方,那么对于我方而言,此账单的差异状态为长款订单。反之,当有一笔银行方的订单状态为充值失败,而我方充值成功,即银行方少结算了对应订单的金额给我方,那么对于我方而言,此账单的差异状态为短款订单。
具体实施时,可以在同一账单范围内,将账单数据与目标账单数据进行逐条比对,来生成差异状态,可以利用高维向量的形式对存在差异的状态进行标记,以标识对账结果,然后对账网络模型可以将生成的差异状态传递给平账网络模型。
在操作S220,通过平账网络模型对差异状态执行平账操作,以确定差异处理结果。在本公开中,平账操作是基于平账策略,针对对账网络模型生成的差异状态确定的。
根据本公开的实施例,平账网络模型在接收到对账网络模型发送的差异状态之后,可以对该差异状态进行修复,得出差异处理结果。需要说明的是,对该差异状态进行的修复可以是部分修复,也可以是全面修复。
在操作S230,基于差异状态和差异处理结果,确定奖励策略。在本公开中,奖励策略与差异处理结果正向相关。
在操作S240,基于奖励策略,优化平账策略,以使得输入账单数据匹配于目标账单数据。
根据本公开的实施例,平账网络模型通过与平账网络模型的交互和反馈,不断进行学习,优化其奖励策略。具体实施时,平账网络模型观察获得对账网络模型感知到的差异状态,根据一定策略,针对该差异状态确定要采取的平账操作(行为或动作)。这样的操作作用于对账网络模型,会改变该差异状态,得到差异处理结果,在处理正确的情况下,同时确定一个奖励策略反馈给平账网络模型。平账网络模型根据获得的奖励策略得知之前的平账操作正确,进而优化平账策略。通过反复不断的观察差异状态,确定平账操作、接收反馈、优化平账策略,最终目标是能够学习到一个策略,使得获得的奖励累积最大化。
通过本公开的实施例,利用对账网络模型和平账网络模型之间的交互,实现账单数据处理的自动学习。具体地,通过对账网络模型生成用于表征输入账单数据与目标账单数据差异的差异状态,通过平账网络模型基于平账策略,处理该差异状态,并在处理正确的情况下,奖励平账网络模型,通过学习模拟人工对账操作以及平账操作,至少可以部分克服相关技术中对账单数据的处理效率低下的问题,并因此达到提高处理效率的效果。
深度学习具有较强的感知能力,可以从环境中获取目标观测信息,提供当前环境下的状态信息,但是缺乏一定的决策能力。而强化学习具有决策能力,可以将当前状态映射到相应动作,基于预期回报评判动作价值,但是对感知问题束手无策。将深度学习的感知能力和强化学习的决策能力相结合的深度强化学习,优势互补,是一种更接近人类思维方式的人工智能方法,可以为复杂系统的感知决策问题提供解决思路。本公开利用深度强化学习(Deep Reinforcement Learning,DRL)的算法思想,通过学习模拟人工对账、平账操作,以期提供一种智能对账的解决方案。DRL是一种端对端(end-to-end)的感知与控制系统,具有很强的通用性。其学习过程可以描述为:在每个时刻智能体(Agent)与环境(Enviroment)交互得到一个高维度的观察,并感知观察,以得到具体的状态特征表示。基于预期回报来评价各动作的价值函数,并通过某种策略将当前状态映射为相应的动作。环境(Enviroment)对此动作做出反应,并得到下一个观察。通过不断循环以上过程,最终可以得到实现目标的最优策略。
图3示意性示出了根据本公开实施例的账单数据的处理方法的模型原理图。如图3所示,本公开实施例的账单数据的处理方法基于深度强化学习的算法思想实现激励学习。“对账网络模型310”相当于环境(Enviroment),“平账网络模型320”相当于智能体(Agent),“差异状态”相当于“对账网络模型310”的状态信息,“处理差异”相当于将当前状态映射到相应动作。
在具体实施对账单数据的处理任务时,“平账网络模型320”处在“对账网络模型”中,首先“平账网络模型320”与“对账网络模型310”进行交互,产生“差异状态”,该差异状态为“平账网络模型320”对当前“对账网络模型310”的感知,由“平账网络模型320”处理差异,以获得的“差异处理结果”,同时根据差异处理结果可以给出奖励策略,“平账网络模型320”只能通过平账操作的动作来影响“对账网络模型310”,当“平账网络模型320”执行一个动作后,会使得“对账网络模型310”按某种转移概率而转移到另一个状态,经过数次迭代后,如此循环下去,“平账网络模型320”和“对账网络模型310”不断交互产生更多新的“差异处理结果”,“平账网络模型320”就会学习到完成该处理任务所需要的平账操作的平账策略。
根据本公开的实施例,对账网络模型310可以包括对账模块和奖励模块。其中,对账模块用于首先对数据进行预处理,将获取到的账单数据整理、筛除异常订单,包括错订单数据、空订单数据等,得到账单状态为初始状态,然后将订单作为对账维度,以订单维度为最小对账单位进行逐一比对,并记录差异类型,归属差异状态,接着将差异状态传递到平账网络模型,最后获取平账网络模型传递的处理结果,进行下一次对账操作。奖励模块,用于获取平账网络模型传递的处理结果,将初始状态和处理结果对比,决策是否发送强化信号,若处理结果优于初始状态,则发送强化信号。
根据本公开的实施例,平账网络模型320可以包括平账模块和兴奋模块。其中,平账模块用于获取对账模块传递来的账单差异状态,执行平账操作,并根据兴奋模块传递来的兴奋值,调整平账操作。兴奋模块用于接收奖励模块传递来的强化信号,并根据强化信号调整平账操作的执行概率,并在某项平账操作持续增强时,通过折扣率降低增强的强度。
本公开实施例的账单数据的处理方法的模型可以用公式表示为:M<BS,BD,P,R,d>。其中,BS∈{BS1,BS2…BSn}表示账单状态,BD∈{BD1,BD2…BDn}表示平账操作,P∈[0,1]表示兴奋度,R表示奖励函数,d∈[0,1]表示折扣率。
最优状态值公式可以表示为:
最优状态-操作值公式可以表示为:
损失函数可以表示为:
L(q)=E[(qtarget-qm)2] (3)
其中,损失函数用于表征目标状态与任意状态之间的差值。
训练过程中,对某次平账操作来说,当前账单状态只与上一账单状态以及上一次平账操作有关。具体地,对第t次平账操作来说,当前账单状态BSt只与上一账单状态BSt-1以及上一次平账操作BDt-1有关。因此,在某个阶段(episode∈[1,M])内,以某次平账操作(t∈[1,T])为例,将整个训练过程描述如下:
步骤1.1依据公式(1)可以得出平账操作BDt为增益最大时的解;
步骤1.2依据公式(2)可以得出最优状态-操作值函数qt,令yt=qt;
步骤1.3依据公式(3)可以得出q的损失函数L;
步骤1.4反馈此时得出的奖励Rt+1;
步骤1.5重复执行上述步骤1.1-1.4,直至得出此阶段(episode∈[1,M])内的最优解。
作为一种可选的实施例,基于差异状态和差异处理结果,确定奖励策略包括:基于差异状态和差异处理结果,确定是否发送强化信号,强化信号用于指示对平账操作执行强化操作;以及若发送,则基于强化信号,确定奖励策略,奖励策略用于表征强化操作的增强程度或减弱程度。
根据本公开的实施例,获取平账网络模型的差异处理结果,将处理前的差异状态和处理后的差异状态进行对比,根据对比结果可以确定是否需要发送强化信号。若对比结果表明处理后的差异状态优于处理前的差异状态,则表明处理后的差异状态更接近于最终对账结果,此时则确定发送强化信号。若对比结果表明处理前的差异状态优于处理后的差异状态,则表明处理前的差异状态更接近于最终对账结果,此时确定不发送强化信号。需要说明的是,本公开中的强化信号为一种正向结果的强化信号,即在处理结果为正向结果的情况下,加强平账操作,在处理结果为负向结果的情况下,减弱平账操作。奖励策略用于表征加强程度和减弱程度。
通过本公开的实施例,基于强化信号,确定用于表征强化操作的增强程度或减弱程度的奖励策略,可以实现对平账操作的自动调整,提高账单数据的处理效率。
作为一种可选的实施例,方法还包括:在奖励策略表征强化操作被持续增强的情况下,获取预设折扣率,预设折扣率用于降低增强程度;以及基于折扣率,更新奖励策略。
根据本公开的实施例,接收奖励模块发送的强化信号signal,并据此增加或降低平账操作中每项操作的执行概率,在某项平账操作持续增强时,需要根据预设折扣率来降低对平账操作进行增强的强度,可以避免平账操作过度强化,导致差异处理结果异常。
在本公开中,在未执行对账操作和平账操作之前,输入账单数据就是未被执行过对账操作和平账操作的初始账单数据。而在执行对账操作和平账操作之后,输入账单数据就是被平账网络模型执行过平账操作的中间账单状态,该中间账单状态对应于平账网络模型发送的差异处理结果。
作为一种可选的实施例,通过对账网络模型对输入账单数据执行对账操作,以生成差异状态包括:获取初始账单数据,初始账单数据未被执行过对账操作和平账操作;对初始账单数据执行处理操作,以获得初始账单状态;以及通过对账网络模型按照预设对账维度对初始账单状态执行对账操作,以生成差异状态。
根据本公开的实施例,对原始账单数据需要进行数据预处理。具体实施时,可以将获取到的原始账单数据进行数据整理,以筛除错订单数据,空订单数据等异常订单数据,得到的账单状态为初始账单状态。预设对账维度可以是订单维度,在获得初始账单状态之后,可以以订单维度为最小对账单位进行逐一比对,并记录差异类型,归属差异状态以生成差异状态,并将生成的差异状态传递到平账网络模型,以便于平账网络模型进行下一次对账操作。
作为一种可选的实施例,通过对账网络模型对输入账单数据执行对账操作,以生成差异状态包括:接收平账网络模型发送的差异处理结果;基于差异处理结果,获取中间账单状态;以及通过对账网络模型按照预设对账维度对中间账单状态执行对账操作,以生成差异状态。
根据本公开的实施例,预设对账维度可以是订单维度,在获得中间账单状态之后,可以以订单维度为最小对账单位进行逐一比对,并记录差异类型,归属差异状态以生成差异状态,并将生成的差异状态传递到平账网络模型。
通过预设对账维度对输入账单数据进行对账操作,可以给平账网络模型的平账操作提供数据支撑,利于差异状态的处理操作。
作为一种可选的实施例,对账操作包括:用于进行账证核对的对账操作;用于进行账账核对的对账操作;以及用于进行账实核对的对账操作。在本公开中,账证核对(billevidence,be)表示账簿数据与凭证数据之间的核对,账账核对(bill bill,bb)表示账簿数据与实有数目之间的核对,账实核对(bill practicality,bp)表示多个账簿数据相互之间的核对。
前述对账和平账操作可以描述为:平账网络模块中的对账模块以订单为对账维度执行对账操作,可以得到账单状态。
步骤2.1在执行第一次对账操作之后,得到的账单状态为初始状态BS0,可以表示为:
BS0=((unbe,bb,bp),(be,unbb,bp),(be,bb,unbp),...)
其中,账单状态中记录有核对三种类型后得到的账单差异,某类对账不符可以用un-表示。具体地,可以用unbe表示账证对账不符,可以用unbb表示账账对账不符,可以用unbp表示账实对账不符。
步骤2.2平账网络模块接收对账模块发送的初始状态BS0之后,由公式(1)可以得出最优平账操作BD0,可以表示为:
BD0=((dobe,bb,bp),(be,bb,bp),(be,bb,dobp),...)
其中,执行最优平账操作BD0后修复了初始状态BS0中的部分账单差异,修复后得到BS′0。在最优平账操作BD0中,可以用do-表示执行平账操作。具体地,可以用dobe表示对账证对账不符执行平账操作,可以用dobb表示对账账对账不符执行平账操作,可以用dobp表示对账实对账不符执行平账操作。
步骤2.3由公式(2)得出BS′0,若BS′0较优于BS0,则给出奖励R0,可以表示为:
R0=((r0,0,0),(0,0,0),(0,0,r0),...)
其中,r0∈(0,1),且为递减的奖励。
步骤2.3依据公式(3)计算损失函数L。
步骤2.4对账模块接收平账模块发送的BS′0,再次执行对账操作得到BS1。
步骤2.5重复执行步骤2.1~2.4,直至得到预期结果。
图4示意性示出了根据本公开另一实施例的账单数据的处理方法的流程图。
如图4所示,该方法可以包括操作S410~操作S490。
在操作S410,获取账单数据。
在操作S420,账单数据预处理,包括操作S421,筛除异常订单。
在操作S430,以订单维度进行逐一比对。
在操作S440,获得账单状态BS。
在操作S450,处理差异BD。
在操作S460,得到账单状态BS′。
在操作S470,检测BS′是否优于BS。若是,则执行操作S480。
在操作S480,发送强化信号。
在操作S490,强化BD。
图5示意性示出了根据本公开实施例的账单数据的处理系统的框图。如图5所示,该账单数据的处理系统可以包括生成模块510、执行模块520、确定模块530以及优化模块540。
生成模块510,用于通过对账网络模型对输入账单数据执行对账操作,以生成差异状态,所述差异状态用于表征所述输入账单数据与目标账单数据的差异。可选地,生成模块510例如可以用于执行图2描述的操作S210,在此不再赘述。
执行模块520,用于通过平账网络模型对所述差异状态执行平账操作,以确定差异处理结果,所述平账操作是基于平账策略,针对所述对账网络模型生成的所述差异状态确定的。可选地,执行模块520例如可以用于执行图2描述的操作S220,在此不再赘述。
确定模块530,用于基于所述差异状态和所述差异处理结果,确定奖励策略,所述奖励策略与所述差异处理结果正向相关。可选地,确定模块530例如可以用于执行图2描述的操作S230,在此不再赘述。
优化模块540,用于基于所述奖励策略,优化所述平账策略,以使得所述输入账单数据匹配于所述目标账单数据。可选地,优化模块540例如可以用于执行图2描述的操作S240,在此不再赘述。
作为一种可选的实施例,确定模块包括:发送子模块,用于基于差异状态和差异处理结果,确定是否发送强化信号,强化信号用于指示对平账操作执行强化操作;以及确定子模块,用于若发送,则基于强化信号,确定奖励策略,奖励策略用于表征强化操作的增强程度或减弱程度。
作为一种可选的实施例,确定模块还包括:第一获取子模块,用于在奖励策略表征强化操作被持续增强的情况下,获取预设折扣率,预设折扣率用于降低增强程度;以及更新子模块,用于基于折扣率,更新奖励策略。
作为一种可选的实施例,生成模块包括:第二获取子模块,用于获取初始账单数据,初始账单数据未被执行过对账操作和平账操作;第一获得子模块,用于对初始账单数据执行处理操作,以获得初始账单状态;以及第一生成子模块,用于通过对账网络模型按照预设对账维度对初始账单状态执行对账操作,以生成差异状态。
作为一种可选的实施例,生成模块包括:接收子模块,用于接收平账网络模型发送的差异处理结果;第三获取子模块,用于基于差异处理结果,获取中间账单状态;以及第二生成子模块,用于通过对账网络模型按照预设对账维度对中间账单状态执行对账操作,以生成差异状态。
作为一种可选的实施例,对账操作包括:用于进行账证核对的对账操作;用于进行账账核对的对账操作;以及用于进行账实核对的对账操作。
需要说明的是,账单数据的处理系统部分实施例中各模块的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与账单数据的处理方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似,在此不再赘述。
根据本公开的实施例的模块、子模块、单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FNGA)、可编程逻辑阵列(NLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,生成模块、执行模块、确定模块、优化模块、发送子模块、确定子模块、第一获取子模块、更新子模块、第二获取子模块、第一获得子模块、第一生成子模块、接收子模块、第三获取子模块以及第二生成子模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,生成模块、执行模块、确定模块、优化模块、发送子模块、确定子模块、第一获取子模块、更新子模块、第二获取子模块、第一获得子模块、第一生成子模块、接收子模块、第三获取子模块以及第二生成子模块中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FNGA)、可编程逻辑阵列(NLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,生成模块、执行模块、确定模块、优化模块、发送子模块、确定子模块、第一获取子模块、更新子模块、第二获取子模块、第一获得子模块、第一生成子模块、接收子模块、第三获取子模块以及第二生成子模块中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示意性示出了根据本公开实施例的适于实现账单数据的处理方法及其系统的计算机系统的框图。图6示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,根据本公开实施例的计算机系统600包括处理器60l,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行如上描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有系统600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行以上描述的账单数据的处理方法的各种操作。需要注意,程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在一个或多个存储器中的程序来执行以上描述的账单数据的处理方法的各种操作。
根据本公开的实施例,系统600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。系统600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分601。包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607。包括硬盘等的存储部分608。以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
根据本公开的实施例,上文参考流程图描述的账单数据的处理方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。根据本公开的实施例,计算机可读介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的。也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备执行账单数据的处理方法。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (14)
1.一种账单数据的处理方法,包括:
通过对账网络模型对输入账单数据执行对账操作,以生成差异状态,所述差异状态用于表征所述输入账单数据与目标账单数据的差异;
通过平账网络模型对所述差异状态执行平账操作,以确定差异处理结果,所述平账操作是基于平账策略,针对所述对账网络模型生成的所述差异状态确定的;
基于所述差异状态和所述差异处理结果,确定奖励策略,所述奖励策略与所述差异处理结果正向相关;以及
基于所述奖励策略,优化所述平账策略,以使得所述输入账单数据匹配于所述目标账单数据。
2.根据权利要求1所述的方法,其中,所述基于所述差异状态和所述差异处理结果,确定奖励策略包括:
基于所述差异状态和所述差异处理结果,确定是否发送强化信号,所述强化信号用于指示对所述平账操作执行强化操作;以及
若发送,则基于所述强化信号,确定奖励策略,所述奖励策略用于表征所述强化操作的增强程度或减弱程度。
3.根据权利要求2所述的方法,其中,所述方法还包括:
在所述奖励策略表征所述强化操作被持续增强的情况下,获取预设折扣率,所述预设折扣率用于降低所述增强程度;以及
基于所述折扣率,更新所述奖励策略。
4.根据权利要求1所述的方法,其中,所述通过对账网络模型对输入账单数据执行对账操作,以生成差异状态包括:
获取初始账单数据,所述初始账单数据未被执行过对账操作和平账操作;
对所述初始账单数据执行处理操作,以获得初始账单状态;以及
通过所述对账网络模型按照预设对账维度对所述初始账单状态执行对账操作,以生成差异状态。
5.根据权利要求1所述的方法,其中,所述通过对账网络模型对输入账单数据执行对账操作,以生成差异状态包括:
接收所述平账网络模型发送的差异处理结果;
基于所述差异处理结果,获取中间账单状态;以及
通过所述对账网络模型按照预设对账维度对所述中间账单状态执行对账操作,以生成差异状态。
6.根据权利要求1所述的方法,其中,所述对账操作包括:
用于进行账证核对的对账操作;
用于进行账账核对的对账操作;以及
用于进行账实核对的对账操作。
7.一种账单数据的处理系统,包括:
生成模块,用于通过对账网络模型对输入账单数据执行对账操作,以生成差异状态,所述差异状态用于表征所述输入账单数据与目标账单数据的差异;
执行模块,用于通过平账网络模型对所述差异状态执行平账操作,以确定差异处理结果,所述平账操作是基于平账策略,针对所述对账网络模型生成的所述差异状态确定的;
确定模块,用于基于所述差异状态和所述差异处理结果,确定奖励策略,所述奖励策略与所述差异处理结果正向相关;以及
优化模块,用于基于所述奖励策略,优化所述平账策略,以使得所述输入账单数据匹配于所述目标账单数据。
8.根据权利要求7所述的系统,其中,所述确定模块包括:
发送子模块,用于基于所述差异状态和所述差异处理结果,确定是否发送强化信号,所述强化信号用于指示对所述平账操作执行强化操作;以及
确定子模块,用于若发送,则基于所述强化信号,确定奖励策略,所述奖励策略用于表征所述强化操作的增强程度或减弱程度。
9.根据权利要求8所述的系统,其中,所述确定模块还包括:
第一获取子模块,用于在所述奖励策略表征所述强化操作被持续增强的情况下,获取预设折扣率,所述预设折扣率用于降低所述增强程度;以及
更新子模块,用于基于所述折扣率,更新所述奖励策略。
10.根据权利要求7所述的系统,其中,所述生成模块包括:
第二获取子模块,用于获取初始账单数据,所述初始账单数据未被执行过对账操作和平账操作;
第一获得子模块,用于对所述初始账单数据执行处理操作,以获得初始账单状态;以及
第一生成子模块,用于通过所述对账网络模型按照预设对账维度对所述初始账单状态执行对账操作,以生成差异状态。
11.根据权利要求7所述的系统,其中,所述生成模块包括:
接收子模块,用于接收所述平账网络模型发送的差异处理结果;
第三获取子模块,用于基于所述差异处理结果,获取中间账单状态;以及
第二生成子模块,用于通过所述对账网络模型按照预设对账维度对所述中间账单状态执行对账操作,以生成差异状态。
12.根据权利要求7所述的系统,其中,所述对账操作包括:
用于进行账证核对的对账操作;
用于进行账账核对的对账操作;以及
用于进行账实核对的对账操作。
13.一种计算机系统,包括:
一个或多个处理器;以及
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至6中任一项所述的方法。
14.一种计算机可读介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110045374.5A CN113781190A (zh) | 2021-01-13 | 2021-01-13 | 账单数据的处理方法、系统、计算机系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110045374.5A CN113781190A (zh) | 2021-01-13 | 2021-01-13 | 账单数据的处理方法、系统、计算机系统和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113781190A true CN113781190A (zh) | 2021-12-10 |
Family
ID=78835402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110045374.5A Pending CN113781190A (zh) | 2021-01-13 | 2021-01-13 | 账单数据的处理方法、系统、计算机系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781190A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205000A (zh) * | 2022-06-27 | 2022-10-18 | 深圳市数帝网络科技有限公司 | 对账方法、对账终端及对账系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295637A (zh) * | 2016-07-29 | 2017-01-04 | 电子科技大学 | 一种基于深度学习与强化学习的车辆识别方法 |
US9569736B1 (en) * | 2015-09-16 | 2017-02-14 | Siemens Healthcare Gmbh | Intelligent medical image landmark detection |
CN106448670A (zh) * | 2016-10-21 | 2017-02-22 | 竹间智能科技(上海)有限公司 | 基于深度学习和强化学习的自动回复对话系统 |
CN106970615A (zh) * | 2017-03-21 | 2017-07-21 | 西北工业大学 | 一种深度强化学习的实时在线路径规划方法 |
CN107798109A (zh) * | 2017-11-01 | 2018-03-13 | 深圳市牛鼎丰科技有限公司 | 对账清算的方法、装置、计算机设备及存储介质 |
CN108376363A (zh) * | 2018-02-13 | 2018-08-07 | 平安科技(深圳)有限公司 | 一种对账差异处理方法和系统 |
CN108848561A (zh) * | 2018-04-11 | 2018-11-20 | 湖北工业大学 | 一种基于深度强化学习的异构蜂窝网络联合优化方法 |
CN109685634A (zh) * | 2018-09-11 | 2019-04-26 | 深圳平安财富宝投资咨询有限公司 | 支付对账方法、设备、存储介质及装置 |
CN109711976A (zh) * | 2018-11-27 | 2019-05-03 | 平安科技(深圳)有限公司 | 账单数据处理方法、装置、计算机可读存储介质及服务器 |
CN110060140A (zh) * | 2019-03-15 | 2019-07-26 | 深圳壹账通智能科技有限公司 | 海量数据对账方法、装置、介质和计算机设备 |
US20190236458A1 (en) * | 2018-01-31 | 2019-08-01 | Royal Bank Of Canada | Interactive reinforcement learning with dynamic reuse of prior knowledge |
CN110119844A (zh) * | 2019-05-08 | 2019-08-13 | 中国科学院自动化研究所 | 引入情绪调控机制的机器人运动决策方法、系统、装置 |
CN110738477A (zh) * | 2019-08-22 | 2020-01-31 | 威富通科技有限公司 | 一种对账方法、装置、计算机设备及存储介质 |
CN111401556A (zh) * | 2020-04-22 | 2020-07-10 | 清华大学深圳国际研究生院 | 一种对抗式模仿学习中奖励函数的选择方法 |
CN112186799A (zh) * | 2020-09-22 | 2021-01-05 | 中国电力科学研究院有限公司 | 基于深度强化学习的分布式能源系统自治控制方法及系统 |
-
2021
- 2021-01-13 CN CN202110045374.5A patent/CN113781190A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9569736B1 (en) * | 2015-09-16 | 2017-02-14 | Siemens Healthcare Gmbh | Intelligent medical image landmark detection |
CN106295637A (zh) * | 2016-07-29 | 2017-01-04 | 电子科技大学 | 一种基于深度学习与强化学习的车辆识别方法 |
CN106448670A (zh) * | 2016-10-21 | 2017-02-22 | 竹间智能科技(上海)有限公司 | 基于深度学习和强化学习的自动回复对话系统 |
CN106970615A (zh) * | 2017-03-21 | 2017-07-21 | 西北工业大学 | 一种深度强化学习的实时在线路径规划方法 |
CN107798109A (zh) * | 2017-11-01 | 2018-03-13 | 深圳市牛鼎丰科技有限公司 | 对账清算的方法、装置、计算机设备及存储介质 |
US20190236458A1 (en) * | 2018-01-31 | 2019-08-01 | Royal Bank Of Canada | Interactive reinforcement learning with dynamic reuse of prior knowledge |
CN108376363A (zh) * | 2018-02-13 | 2018-08-07 | 平安科技(深圳)有限公司 | 一种对账差异处理方法和系统 |
CN108848561A (zh) * | 2018-04-11 | 2018-11-20 | 湖北工业大学 | 一种基于深度强化学习的异构蜂窝网络联合优化方法 |
CN109685634A (zh) * | 2018-09-11 | 2019-04-26 | 深圳平安财富宝投资咨询有限公司 | 支付对账方法、设备、存储介质及装置 |
CN109711976A (zh) * | 2018-11-27 | 2019-05-03 | 平安科技(深圳)有限公司 | 账单数据处理方法、装置、计算机可读存储介质及服务器 |
CN110060140A (zh) * | 2019-03-15 | 2019-07-26 | 深圳壹账通智能科技有限公司 | 海量数据对账方法、装置、介质和计算机设备 |
CN110119844A (zh) * | 2019-05-08 | 2019-08-13 | 中国科学院自动化研究所 | 引入情绪调控机制的机器人运动决策方法、系统、装置 |
CN110738477A (zh) * | 2019-08-22 | 2020-01-31 | 威富通科技有限公司 | 一种对账方法、装置、计算机设备及存储介质 |
CN111401556A (zh) * | 2020-04-22 | 2020-07-10 | 清华大学深圳国际研究生院 | 一种对抗式模仿学习中奖励函数的选择方法 |
CN112186799A (zh) * | 2020-09-22 | 2021-01-05 | 中国电力科学研究院有限公司 | 基于深度强化学习的分布式能源系统自治控制方法及系统 |
Non-Patent Citations (1)
Title |
---|
MATHEW, A等: ""Intelligent Residential Energy Management System Using Deep Reinforcement Learning"", 《IEEE SYSTEMS JOURNAL》, vol. 14, no. 4, pages 5362 - 5372, XP011821973, DOI: 10.1109/JSYST.2020.2996547 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205000A (zh) * | 2022-06-27 | 2022-10-18 | 深圳市数帝网络科技有限公司 | 对账方法、对账终端及对账系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11226994B2 (en) | Modifying data structures to indicate derived relationships among entity data objects | |
US11836728B2 (en) | Communicating in chat sessions using chat bots to access financial transactions | |
US20220261461A1 (en) | Secure resource management to prevent fraudulent resource access | |
CN108416668A (zh) | 贸易跟踪和应收账款融资方法、系统、设备及存储介质 | |
CN104965844A (zh) | 信息处理方法及装置 | |
CN110533419B (zh) | 基于区块链的风控模型的共享方法、装置及服务器 | |
EP3779737B1 (en) | Threshold value determination and identity verification method, threshold value determination and identity verification apparatus, electronic device, and storage medium | |
CN110401630B (zh) | 交易凭证的验证方法、装置、电子设备和介质 | |
CN104376452A (zh) | 基于国际卡支付通道管理支付成功率的系统及方法 | |
CN108229925A (zh) | 电子回单的数据匹配方法及系统 | |
CN113781190A (zh) | 账单数据的处理方法、系统、计算机系统和介质 | |
CN114358147A (zh) | 异常账户识别模型的训练方法、识别方法、装置及设备 | |
CN112162762B (zh) | 灰度发布方法、灰度发布装置和电子设备 | |
US11308552B1 (en) | Device-to-device microlending within a distributed system | |
US10949856B1 (en) | Systems and methods for adaptive learning to replicate peak performance of human decision making | |
CN113935738B (zh) | 交易数据处理方法、装置、存储介质及设备 | |
CN113052727A (zh) | 基于购房资格核验的购房推荐装置及方法 | |
US20140279399A1 (en) | System and method for matching vendors and clients | |
US20210217081A1 (en) | System and method for efficiently delivering data to target users | |
US20230033368A1 (en) | Transaction Based Authentication with Item-Level Data | |
US11803632B1 (en) | Apparatuses and methods for verified application access | |
CN117495574A (zh) | 业务处理方法、装置、电子设备和存储介质 | |
KR20220062176A (ko) | 분산원장 기반의 블록체인을 이용한 포인트 관리 방법 및 시스템 | |
CN117437041A (zh) | 交易事前风险处理方法、系统、设备和介质 | |
CN117408689A (zh) | 一种基于缴费委托代扣协议的备用账户确定方法及装置 |
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 |