CN116863486A - 金融凭证信息录入处理方法、装置、设备、介质和产品 - Google Patents
金融凭证信息录入处理方法、装置、设备、介质和产品 Download PDFInfo
- Publication number
- CN116863486A CN116863486A CN202310857056.8A CN202310857056A CN116863486A CN 116863486 A CN116863486 A CN 116863486A CN 202310857056 A CN202310857056 A CN 202310857056A CN 116863486 A CN116863486 A CN 116863486A
- Authority
- CN
- China
- Prior art keywords
- text information
- information
- semantic recognition
- user
- financial document
- 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 claims abstract description 18
- 238000012795 verification Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000008439 repair process Effects 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007592 spray painting technique Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/146—Aligning or centring of the image pick-up or image-field
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Character Discrimination (AREA)
Abstract
本申请涉及一种金融凭证信息录入处理方法、装置、设备、介质和产品,涉及金融科技领域。该方法包括:获取对金融凭证图像进行识别得到的第一文本信息;使用凭证语义识别模型对第一文本信息进行校验修复处理得到第二文本信息;根据用户的反馈结果,判断用户是否同意第二文本信息;若同意,将第二文本信息录入金融凭证信息系统;若不同意,获取用户提供的第三文本信息,将其录入金融凭证信息系统;统计表示同意和表示不同意的反馈结果的数量;当判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据目标第三文本信息调整凭证语义识别模型。采用本方法能够提高对金融凭证信息录入处理的准确性和可靠性。
Description
技术领域
本申请涉及金融科技领域,特别是涉及一种金融凭证信息录入处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
目前的金融业务办理过程中,通常需要用户填写并提供实体的金融凭证或者是其图像,金融机构一般会将用户提供的金融凭证中的信息录入至系统,进而可以更好地对业务信息进行记录管理。而随着图像识别技术的发展,金融凭证的信息录入工作也逐渐从人工录入转向图像识别录入。
然而,目前的基于图像识别的金融凭证录入方式只能够依赖对图像进行直接识别的结果,无法对识别出错或者是填写出错的信息进行判断,容易产生无效信息,额外增加了人工检查的工作量。
发明内容
基于此,有必要针对上述技术问题,提供一种金融凭证信息录入处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种金融凭证信息录入处理方法。所述方法包括:
获取对金融凭证图像进行识别得到的第一文本信息;
使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息;
根据用户对所述第二文本信息的反馈结果,判断所述用户是否同意所述第二文本信息;
若同意,则将所述第二文本信息录入金融凭证信息系统;若不同意,则获取所述用户提供的第三文本信息,及将所述第三文本信息录入所述金融凭证信息系统;
在获取所述用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量;
当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型。
在其中一个实施例中,上述步骤使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息,包括:使用所述凭证语义识别模型,判断所述第一文本信息的字段类型,根据所述字段类型,使用对应的语义识别规则校验所述第一文本信息,得到校验结果;若所述校验结果表示所述第一文本信息未通过校验,则对所述第一文本信息进行修复处理。
在其中一个实施例中,上述步骤若所述校验结果表示所述第一文本信息未通过校验,则对所述第一文本信息进行修复处理,包括:若所述校验结果表示所述第一文本信息未通过校验且存在缺失内容,则根据所述对应的语义识别规则,补全所述缺失内容;若所述校验结果表示所述第一文本信息未通过校验且存在错误内容,则根据所述对应的语义识别规则,修改所述错误内容。
在其中一个实施例中,上述步骤根据所述目标第三文本信息调整所述凭证语义识别模型,包括:根据所述第一文本信息的字段类型,使用所述目标第三文本信息调整与所述字段类型相对应的语义识别规则。
在其中一个实施例中,上述方法还包括:根据金融凭证涉及的各字段类型,获取每个字段类型的更新参考信息;根据所述更新参考信息调整所述凭证语义识别模型中与所述字段类型相对应的语义识别规则。
在其中一个实施例中,上述步骤当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型,包括:当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件时,获取所述第三文本信息集合中的各第三文本信息的数量;当所述第三文本信息集合中存在数量满足目标认定条件的第三文本信息时,将所述数量满足目标认定条件的第三文本信息作为所述目标第三文本信息。
第二方面,本申请还提供了一种金融凭证信息录入处理装置。所述装置包括:
识别模块,用于获取对金融凭证图像进行识别得到的第一文本信息;
校验修复模块,用于使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息;
反馈获取模块,用于根据用户对所述第二文本信息的反馈结果,判断所述用户是否同意所述第二文本信息;
录入模块,用于若同意,则将所述第二文本信息录入金融凭证信息系统;若不同意,则获取所述用户提供的第三文本信息,及将所述第三文本信息录入所述金融凭证信息系统;
统计模块,用于在获取所述用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量;
调整模块,用于当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取对金融凭证图像进行识别得到的第一文本信息;
使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息;
根据用户对所述第二文本信息的反馈结果,判断所述用户是否同意所述第二文本信息;
若同意,则将所述第二文本信息录入金融凭证信息系统;若不同意,则获取所述用户提供的第三文本信息,及将所述第三文本信息录入所述金融凭证信息系统;
在获取所述用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量;
当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取对金融凭证图像进行识别得到的第一文本信息;
使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息;
根据用户对所述第二文本信息的反馈结果,判断所述用户是否同意所述第二文本信息;
若同意,则将所述第二文本信息录入金融凭证信息系统;若不同意,则获取所述用户提供的第三文本信息,及将所述第三文本信息录入所述金融凭证信息系统;
在获取所述用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量;
当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取对金融凭证图像进行识别得到的第一文本信息;
使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息;
根据用户对所述第二文本信息的反馈结果,判断所述用户是否同意所述第二文本信息;
若同意,则将所述第二文本信息录入金融凭证信息系统;若不同意,则获取所述用户提供的第三文本信息,及将所述第三文本信息录入所述金融凭证信息系统;
在获取所述用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量;
当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型。
上述金融凭证信息录入处理方法、装置、计算机设备、存储介质和计算机程序产品,通过对金融凭证图像进行识别得到第一文本信息,然后利用凭证语义识别模型对第一文本信息进行校验修复处理,得到第二文本信息,再进一步地根据用户的反馈结果确定最终录入系统的信息,并根据用户反馈结构的统计情况,使用目标第三文本信息对凭证语义识别模型进行表征。本申请针对金融凭证图像的识别结构,首先使用凭证语义识别模型进行校验修复处理,其可以对金融凭证中填写出错的内容或者是识别出错的内容进行自动校验和修正,得到能够体现正确内容的第二文本信息,该过程可以降低目前的录入方法中需要对识别结果进行人工检查的工作量,而在得到第二文本信息后,根据用户对第二文本信息的反馈确定最终录入至系统中的文本信息内容,则可以进一步保证录入至系统中的文本信息内容的准确性。进一步地,本申请中对用户的反馈结果进行统计,当其中第一反馈结果和第二反馈结果的数量满足模型调整条件,且存在各用户共识的目标第三文本信息时,对凭证语义识别模型进行调整,其能够使凭证语义识别模型的处理结果更接近于各用户对正确内容的共识,可以避免少数的干扰内容对凭证语义识别模型造成影响,从而可以提高对金融凭证信息进行录入处理的可靠性。
附图说明
图1为一个实施例中金融凭证信息录入处理方法的应用环境图;
图2为一个实施例中金融凭证信息录入处理方法的流程示意图;
图3为另一个实施例中执行金融凭证信息录入处理方法的金融凭证信息录入处理系统的结构示意图;
图4为一个实施例中金融凭证信息录入处理装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的金融凭证信息录入处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中服务器104可以对金融凭证图像进行识别得到第一文本信息,并使用凭证语义识别模型对文本信息进行修复,得到第二文本信息,并将其传输至终端102;终端102可以向用户展示第二文本信息并将用户的反馈结果传输至服务器104;服务器104可以根据用户的反馈结果确定录入金融凭证信息系统的文本信息,并根据对用户反馈结果的分析对凭证语义识别模型进行调整。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种金融凭证信息录入处理方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤S201,获取对金融凭证图像进行识别得到的第一文本信息。
具体地,金融凭证图像可以是对用户提供的实体金融凭证拍摄后得到的照片,也可以是对实体金融凭证进行扫描得到的图片。使用光学字符识别等方法对金融凭证图像进行识别,即可得到对应于图像中的字符的第一文本信息。
步骤S202,使用凭证语义识别模型对第一文本信息进行校验修复处理,得到第二文本信息。
具体地,凭证语义识别模型可以是经过预训练的文字处理模型,其针对第一文本信息,可以判断其中的文字内容是否符合金融凭证的内容填写要求,例如对于地址内容,是否存在缺失或者是与现实地名不符等。若文字内容中存在不符合要求的部分,则根据预置的修复规则对该部分内容进行修复,得到第二文本信息。而若文字内容整体均符合要求,则将第一文本信息作为第二文本信息。
步骤S203,根据用户对第二文本信息的反馈结果,判断用户是否同意第二文本信息。
具体地,在步骤S202中得到第二文本信息后,本步骤中可以通过终端102向用户展示第二文本信息,并收集用户对第二文本信息的反馈结果,终端102可以将该反馈结果传输至服务器104。示例性地,终端102在向用户展示第二文本信息后,可以向用户展示反馈结果输入引导信息,引导用户对第二文本信息进行确认,并输入同意或不同意的反馈结果,根据用户的反馈结果,即可判断用户是否同意第二文本信息。
步骤S204,若同意,则将第二文本信息录入金融凭证信息系统;若不同意,则获取用户提供的第三文本信息,及将第三文本信息录入金融凭证信息系统。
具体地,金融凭证信息系统用于存储金融业务中产生的金融凭证的相关信息。在本步骤中,若用户的反馈结果体现用户同意第二文本信息,则可将第二文本信息作为最终确定的对应于该金融凭证的正确文本信息,并将其录入至金融凭证信息系统中。
而若用户的反馈结果体现用户不同意第二文本信息,则可以获取用户提供的认为能够正确反映金融凭证中应该填写的内容的第三文本信息,并以第三文本信息作为最终确定的对应于该金融凭证的正确文本信息,并将其录入至金融凭证信息系统中。示例性地,在用户的反馈结果体现用户不同意第二文本信息的情况下,可以向用户展示引导信息,引导用户输入其认为正确的第三文本信息。
步骤S205,在获取用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量。
具体地,在获取用户的反馈结果后,可以结合以往的多次金融凭证信息录入处理过程中获取的用户反馈结果,分别统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量。
步骤S206,当根据第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据目标第三文本信息调整凭证语义识别模型。
具体地,本步骤中首先根据第一反馈结果和第二反馈结果的数量判断当前情况是否满足模型调整条件,当判断满足模型调整条件后,再进一步从各用户输入的第三文本信息所形成的第三文本信息集合中查询是否存在各用户共识的目标第三文本信息,当存在时,根据目标第三文本信息调整凭证语义识别模型。
示例性地,模型调整条件可以包括预设的数量阈值和比例阈值,当第二反馈结果的数量大于数量阈值,且第二反馈结果的数量在第一反馈结果、第二反馈结果数量之和中的占比大于比例阈值时,可认为有足够多的用户不同意凭证语义识别模型输出的结果,因此可判断当前情况已经满足模型调整条件。进一步地,对于第三文本信息集合,可以对其中的各种第三文本信息内容进行分析以判断是否存在各用户共识的目标第三文本信息,当存在时,即可利用目标第三文本信息调整凭证语义识别模型,使其在后续进行金融凭证信息录入处理时可以输出能令多数用户认可的文本信息。
上述金融凭证信息录入处理方法中,通过对金融凭证图像进行识别得到第一文本信息,然后利用凭证语义识别模型对第一文本信息进行校验修复处理,得到第二文本信息,再进一步地根据用户的反馈结果确定最终录入系统的信息,并根据用户反馈结构的统计情况,使用目标第三文本信息对凭证语义识别模型进行表征。本申请针对金融凭证图像的识别结构,首先使用凭证语义识别模型进行校验修复处理,其可以对金融凭证中填写出错的内容或者是识别出错的内容进行自动校验和修正,得到能够体现正确内容的第二文本信息,该过程可以降低目前的录入方法中需要对识别结果进行人工检查的工作量,而在得到第二文本信息后,根据用户对第二文本信息的反馈确定最终录入至系统中的文本信息内容,则可以进一步保证录入至系统中的文本信息内容的准确性。进一步地,本申请中对用户的反馈结果进行统计,当其中第一反馈结果和第二反馈结果的数量满足模型调整条件,且存在各用户共识的目标第三文本信息时,对凭证语义识别模型进行调整,其能够使凭证语义识别模型的处理结果更接近于各用户对正确内容的共识,可以避免少数的干扰内容对凭证语义识别模型造成影响,从而可以提高对金融凭证信息进行录入处理的可靠性。
在一个实施例中,上述步骤S202,使用凭证语义识别模型对第一文本信息进行校验修复处理,得到第二文本信息,包括:使用凭证语义识别模型,判断第一文本信息的字段类型,根据字段类型,使用对应的语义识别规则校验第一文本信息,得到校验结果;若校验结果表示第一文本信息未通过校验,则对第一文本信息进行修复处理。
具体地,在金融业务中,不同的金融凭证可能包含不同类型的文本信息,例如地址字段、经营范围字段等。本实施例中,凭证语义识别模型根据金融凭证中可能出现的不同字段类型,预设了不同的语义识别规则。
其中,对于由金融凭证图像进行识别得到的第一文本信息,凭证语义识别模型先判断其对应的字段类型,然后再使用该字段类型对应的语义识别规则对第一文本信息的内容进行校验,判断第一文本信息是否符合金融凭证中对应字段类型的填写要求,当第一文本信息符合要求时,输出表示通过校验的校验结果,否则,输出未通过校验的校验结果。进一步地,当校验结果表示第一文本信息未通过校验时,凭证语义识别模型则根据该字段类型对应的语义识别规则对第一文本信息进行修复处理,得到第二文本信息。
示例性地,当第一文本信息为“B市C区”时,凭证语义识别模型判断其字段类型为地址字段,并使用地址字段对应的语义识别规则对第一文本信息进行校验。其中,根据金融凭证的信息填写要求,地址字段对应的语义识别规则可以是要求文本信息中同时填写省、市、区等地址信息,并存储有现实中的省、市、区、邮编等地址信息。由于第一文本信息中不包含省份信息,因此凭证语义识别模型输出未通过校验的校验结果,并进一步地根据预存的现实中的地址信息,对第一文本信息进行修复,输出内容为“A省B市C区”的第二文本信息。
可以理解的是,当一个金融凭证中存在多个不同字段的文本信息时,凭证语义识别模型可以分别将每个字段的文本信息作为第一文本信息,对其进行字段类型判断并进一步使用对应的语义识别规则对第一文本信息进行校正修复处理,得到第二文本信息。
本实施例通过针对金融凭证中可能出现的不同字段类型的第一文本信息,使用不同的语义识别规则对其进行校验和修复处理,其可以更有针对性地对文本内容进行检查和修正,有助于提高金融凭证信息录入处理的准确率。
在一个实施例中,上述步骤中的,若校验结果表示第一文本信息未通过校验,则对第一文本信息进行修复处理,包括:若校验结果表示第一文本信息未通过校验且存在缺失内容,则根据对应的语义识别规则,补全缺失内容;若校验结果表示第一文本信息未通过校验且存在错误内容,则根据对应的语义识别规则,修改错误内容。
具体地,对第一文本信息进行校验时,针对未通过校验的第一文本信息,凭证语义识别模型可同时获取未通过校验的原因,并将其在校验结果中一并输出。
其中,在用户漏填部分信息或者是识别中无法识别部分文字等情况下,第一文本信息未通过校验的原因为存在缺失内容,此时凭证语义识别模型可以根据第一文本信息所属的字段类型对应的语义识别规则中预存的字段信息,根据第一文本信息中已有的内容判断其关联的内容,并进而对缺失内容进行补全。例如,对于内容为“B市C区”的第一文本信息,凭证语义识别模型可根据地址字段对应的语义识别规则,判断其未通过校验的原因为存在缺失内容。进一步地,根据第一文本信息中已存在的文字内容,可判断其关联内容为“A省”,并进而将其补全为“A省B市C区”,得到第二文本信息。
而对于用户对部分信息填写出错,或者是文字识别有误等情况,第一文本信息未通过校验的原因为存在错误内容,此时凭证语义识别模型可以根据第一文本信息所属的字段类型对应的语义识别规则中预存的字段信息,根据第一文本信息中整体内容判断该错误内容最有可能对应的正确内容,并进一步对错误内容进行修改。例如,对于内容为“A省S市C区”的第一文本信息,凭证语义识别模型可根据地址字段对应的语义识别规则中存储的现实地址信息,判断“A省S市”并不是现实存在的地址,因此第一文本信息因为存在错误内容而未通过校验。进一步地,凭证语义识别模型根据第一文本信息的整体内容以及语义识别规则中存储的现实地址信息,可得出第一文本信息最有可能对应的正确内容是“A省B市C区”,因此可对第一文本信息进行修改,得到第二文本信息。
本实施例对第一文本信息未通过校验的原因进行了区分,针对存在缺失内容的情况进行补全处理,针对存在错误内容的情况进行修改处理,其可以有助于得到更准确的第二文本信息,避免因为不恰当的修复处理过程带来的新的错误。
在一个实施例中,上述步骤中的根据目标第三文本信息调整凭证语义识别模型,包括:根据第一文本信息的字段类型,使用目标第三文本信息调整与字段类型相对应的语义识别规则。
具体地,考虑到凭证语义识别模型中根据金融凭证中可能出现的不同字段类型,预设了不同的语义识别规则,并根据第一文本信息的字段类型使用对应的语义识别规则进行校验修复处理的情况,本实施例中针对第一文本信息所属的字段类型,分别对用户的反馈结果进行统计,并进一步地使用在该字段类型对应的第三文本信息集合中确定的目标第三文本信息调整对应的语义识别规则。
示例性地,对于地址字段和经营范围字段,可以针对每个字段类型,分别对用户的第一反馈结果和第二反馈结果的数量进行统计,并根据用户提供的第三文本信息分别形成对应于地址字段的第三文本信息集合和对应于经营范围字段的第三文本信息集合。其中,当某个字段类型对应的第一反馈结果和第二反馈结果的数量满足模型调整条件时,将该字段类型对应的语义识别规则标记为“TRUE”。进一步地,对于标记为“TRUE”的语义识别规则,可以在其对应的第三文本信息集合中判断是否存在各用户共识的目标第三文本信息,当存在时,则根据目标第三文本信息对该语义识别规则进行调整。
本实施例针对不同字段类型的语义识别规则,对相应的用户反馈结果进行统计,并根据对应字段类型的目标第三文本信息调整对应的语义识别规则,其可实现对凭证语义识别模型更有针对性的调整,而避免对不相关的语义识别规则的调整,可以有效提高对凭证语义识别模型的调整效率。
在一个实施例中,上述方法还包括:根据金融凭证涉及的各字段类型,获取每个字段类型的更新参考信息;根据更新参考信息调整凭证语义识别模型中与字段类型相对应的语义识别规则。
具体地,本实施例中除了根据用户的反馈结果对凭证语义识别模型进行调整外,还可根据每个字段类型的更新参考信息对该字段类型对应的语义识别规则进行调整。其中,上述更新参考信息可以是针对金融凭证中可能出现的不同字段类型,从具有一定公信力渠道获取的可反映该字段类型中可能出现的正确内容的信息。例如,对于地址字段和经营范围字段,更新参考信息分别可以是由政府部门公告的行政区划信息以及经营范围规范表述目录。本实施例中可以根据预设的周期间隔获取对应于每个字段类型的新的更新参考信息,并检查是否存在更新参考信息与语义识别规则中存储的信息有出入的字段类型,若存在,则根据更新参考信息调整该字段类型对应的语义识别规则。
本实施例针对每个字段类型对应的语义识别规则,获取其对应的更新参考信息,并根据更新参考信息调整语义识别规则,可以使语义识别规则及时适应于现实中的地址、经营范围等信息的修改,从而调整对第一文本信息的校验和修复处理过程,提高处理的准确率。
在一个实施例中,上述步骤S206中,当根据第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据目标第三文本信息调整凭证语义识别模型,包括:当根据第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件时,获取第三文本信息集合中的各第三文本信息的数量;当第三文本信息集合中存在数量满足目标认定条件的第三文本信息时,将数量满足目标认定条件的第三文本信息作为目标第三文本信息。
本实施例中通过对第三文本信息集合中的各第三文本信息的数量进行统计分析以确定目标第三文本信息。具体地,当根据第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件时,对第三文本信息集合中具有相同内容的第三文本信息的数量分别进行累加,得到各第三文本信息的数量。
进一步地,为了使目标认定条件可以更好地反映各用户的共识,本实施例中的目标认定条件可以包括一预设的目标数量阈值,当第三文本信息集合中存在数量大于目标数量阈值的第三文本信息时,可从中选取数量最多的第三文本信息作为目标第三文本信息,并根据目标第三文本信息调整凭证语义识别模型。示例性地,在第三文本信息集合中存在“电脑图文设计、制作、喷绘”、“电脑图文设计、制作、喷会”、“电脑图文设计、制作、喷涂”等几种不同的第三文本信息,其数量分别为2000、1100、1600,当目标认定条件中包含的目标数量阈值为1500时,则可从“电脑图文设计、制作、喷绘”、“电脑图文设计、制作、喷会”中选择数量最大的“电脑图文设计、制作、喷绘”作为目标第三文本信息。
本实施例通过设置与第三文本信息数量相关的目标认定条件,根据数量关系对目标第三文本信息进行认定,其可以更客观地得到能够反映大部分用户共识的目标第三文本信息,使用该目标第三文本信息对凭证语义识别模型进行调整,可以使模型得到更准确的处理结果。
为了进一步阐述本申请的金融凭证信息录入处理方法,以下通过详细的实施例对其进行说明。
示例性地,本实施例中的金融凭证信息录入处理方法可以通过如图3所示的金融凭证信息录入处理系统执行。其中,该金融凭证信息录入处理系统包括模型设置装置301、数据处理装置302、用户通知推送装置303、自优化装置304。
其中,模型设置装置301包括预设置单元和自优化单元。预设置单元用于根据金融凭证中涉及的字段类型,在凭证语义识别模型中预设对应于各字段类型的语义识别规则。自优化单元用于根据用户的反馈结果,使用各用户共识的目标第三文本信息对凭证语义识别模型中对应的语义识别规则进行调整,以及根据每个字段类型获取其更新参考信息,根据更新参考信息调整对应的语义识别规则。示例性地,针对金融凭证中可能出现的地址字段和经营范围字段,模型设置装置301可以分别根据由政府部门公告的行政区划信息以及经营范围规范表述目录,预设对应的语义识别规则,然后根据周期性获取的更新参考信息以及用户的反馈信息,对每个字段类型对应的语义识别规则进行调整。
数据处理装置302包括数据获取单元和校验修复单元。其中数据获取单元用于获取对金融凭证图像进行识别得到的第一文本信息,校正修复单元用于使用凭证语义识别模型,先对第一文本信息的字段类型进行判断,然后根据模型设置装置301中设置的语义识别规则对第一文本信息进行校验,当校验结果表示第一文本信息未通过校验时,根据对应的语义识别规则,对缺失内容进行补全,并对错误内容进行修改,得到第二文本信息。
示例性地,在金融凭证中存在地址字段“B市C区”以及经营范围字段“电子图文设计、制作、喷会、快递服务、包装盒的设计、制造、产品包装开发设计等”,校正修复单元将每个字段作为一个第一文本信息,对其字段类型进行判断。然后针对“B市C区”,使用地址字段对应的语义识别规则进行校验,得到其缺失省份信息未通过校验的结果后,根据语义识别规则中存储的现实地址信息,将其补全为“A省B市C区”。而针对“电子图文设计、制作、喷会、快递服务、包装盒的设计、制造、产品包装开发设计等”,使用经营范围字段对应的语义识别规则进行校验,得到其存在错误内容未通过校验的结果后,根据语义识别规则中存储经营范围规范表述目录,将其修改为“电脑图文设计、制作、喷绘、快递服务、包装盒的设计、制作、产品包装开发等”。
用户通知推送装置303包括数据获取单元和用户推送单元,其中数据获取单元用于获取数据处理装置302得到的第二文本信息,用户推送单元用于将第二文本信息通过终端向用户展示,并收集用户对第二文本信息的反馈结果。
自优化装置304包括自优化录入单元和自优化调整单元。其中,自优化录入单元用于根据用户对第二文本信息的反馈结果,判断用户是否同意第二文本信息。当用户同意时,将第二文本信息录入金融凭证信息系统;当用户不同意时,进一步获取用户提供的第三文本信息,将第三文本信息录入金融凭证信息系统。自优化调整单元用于在获取用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量,当根据第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,将目标第三文本信息传送至模型设置装置301。
其中上述系统的各装置中每一项处理的具体处理方式可参考前述实施例中的描述,此处不再赘述。
本实施例中,通过对用户提供的实体金融凭证信息进行识别得到第一文本信息,利用预设有不同字段类型对应的语义识别规则的凭证语义识别模型对第一文本信息进行处理,得到第二文本信息,然后根据用户的反馈结果确定录入至金融凭证信息系统中的文本信息;再根据对用户反馈结果进行统计后得到的目标第三文本信息以及更新参考信息,不断地对凭证语义识别模型进行调整。其可以通过对凭证语义识别模型的循环调整,有效提升模型对文本信息处理的精准度,提高对金融凭证信息录入处理的效率和准确率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的金融凭证信息录入处理方法的金融凭证信息录入处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个金融凭证信息录入处理装置实施例中的具体限定可以参见上文中对于金融凭证信息录入处理方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种金融凭证信息录入处理装置400,包括:
识别模块401,用于获取对金融凭证图像进行识别得到的第一文本信息;
校验修复模块402,用于使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息;
反馈获取模块403,用于根据用户对所述第二文本信息的反馈结果,判断所述用户是否同意所述第二文本信息;
录入模块404,用于若同意,则将所述第二文本信息录入金融凭证信息系统;若不同意,则获取所述用户提供的第三文本信息,及将所述第三文本信息录入所述金融凭证信息系统;
统计模块405,用于在获取所述用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量;
调整模块406,用于当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型。
在一个实施例中,校验修复模块402,还用于使用所述凭证语义识别模型,判断所述第一文本信息的字段类型,根据所述字段类型,使用对应的语义识别规则校验所述第一文本信息,得到校验结果;若所述校验结果表示所述第一文本信息未通过校验,则对所述第一文本信息进行修复处理。
在一个实施例中,校验修复模块402,还用于若所述校验结果表示所述第一文本信息未通过校验且存在缺失内容,则根据所述对应的语义识别规则,补全所述缺失内容;若所述校验结果表示所述第一文本信息未通过校验且存在错误内容,则根据所述对应的语义识别规则,修改所述错误内容。
在一个实施例中,调整模块406,还用于根据所述第一文本信息的字段类型,使用所述目标第三文本信息调整与所述字段类型相对应的语义识别规则。
在一个实施例中,调整模块406,还用于根据金融凭证涉及的各字段类型,获取每个字段类型的更新参考信息;根据所述更新参考信息调整所述凭证语义识别模型中与所述字段类型相对应的语义识别规则。
在一个实施例中,调整模块406,还用于当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件时,获取所述第三文本信息集合中的各第三文本信息的数量;当所述第三文本信息集合中存在数量满足目标认定条件的第三文本信息时,将所述数量满足目标认定条件的第三文本信息作为所述目标第三文本信息。
上述金融凭证信息录入处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储第一文本信息、第二文本信息、第三文本信息、凭证语义识别模型的语义识别规则等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种金融凭证信息录入处理方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种金融凭证信息录入处理方法,其特征在于,所述方法包括:
获取对金融凭证图像进行识别得到的第一文本信息;
使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息;
根据用户对所述第二文本信息的反馈结果,判断所述用户是否同意所述第二文本信息;
若同意,则将所述第二文本信息录入金融凭证信息系统;若不同意,则获取所述用户提供的第三文本信息,及将所述第三文本信息录入所述金融凭证信息系统;
在获取所述用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量;
当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型。
2.根据权利要求1所述的方法,其特征在于,所述使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息,包括:
使用所述凭证语义识别模型,判断所述第一文本信息的字段类型,根据所述字段类型,使用对应的语义识别规则校验所述第一文本信息,得到校验结果;
若所述校验结果表示所述第一文本信息未通过校验,则对所述第一文本信息进行修复处理。
3.根据权利要求2所述的方法,其特征在于,所述若所述校验结果表示所述第一文本信息未通过校验,则对所述第一文本信息进行修复处理,包括:
若所述校验结果表示所述第一文本信息未通过校验且存在缺失内容,则根据所述对应的语义识别规则,补全所述缺失内容;
若所述校验结果表示所述第一文本信息未通过校验且存在错误内容,则根据所述对应的语义识别规则,修改所述错误内容。
4.根据权利要求2所述的方法,其特征在于,所述根据所述目标第三文本信息调整所述凭证语义识别模型,包括:
根据所述第一文本信息的字段类型,使用所述目标第三文本信息调整与所述字段类型相对应的语义识别规则。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据金融凭证涉及的各字段类型,获取每个字段类型的更新参考信息;根据所述更新参考信息调整所述凭证语义识别模型中与所述字段类型相对应的语义识别规则。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型,包括:
当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件时,获取所述第三文本信息集合中的各第三文本信息的数量;
当所述第三文本信息集合中存在数量满足目标认定条件的第三文本信息时,将所述数量满足目标认定条件的第三文本信息作为所述目标第三文本信息。
7.一种金融凭证信息录入处理装置,其特征在于,所述装置包括:
识别模块,用于获取对金融凭证图像进行识别得到的第一文本信息;
校验修复模块,用于使用凭证语义识别模型对所述第一文本信息进行校验修复处理,得到第二文本信息;
反馈获取模块,用于根据用户对所述第二文本信息的反馈结果,判断所述用户是否同意所述第二文本信息;
录入模块,用于若同意,则将所述第二文本信息录入金融凭证信息系统;若不同意,则获取所述用户提供的第三文本信息,及将所述第三文本信息录入所述金融凭证信息系统;
统计模块,用于在获取所述用户的反馈结果后,统计表示同意的第一反馈结果和表示不同意的第二反馈结果的数量;
调整模块,用于当根据所述第一反馈结果和第二反馈结果的数量判断当前满足模型调整条件且第三文本信息集合中存在各用户共识的目标第三文本信息时,根据所述目标第三文本信息调整所述凭证语义识别模型。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,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至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310857056.8A CN116863486A (zh) | 2023-07-13 | 2023-07-13 | 金融凭证信息录入处理方法、装置、设备、介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310857056.8A CN116863486A (zh) | 2023-07-13 | 2023-07-13 | 金融凭证信息录入处理方法、装置、设备、介质和产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116863486A true CN116863486A (zh) | 2023-10-10 |
Family
ID=88224805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310857056.8A Pending CN116863486A (zh) | 2023-07-13 | 2023-07-13 | 金融凭证信息录入处理方法、装置、设备、介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116863486A (zh) |
-
2023
- 2023-07-13 CN CN202310857056.8A patent/CN116863486A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110121727B (zh) | 一种为智能合同提供经证实、可审计和不可变输入的方法和系统 | |
CN109474578B (zh) | 报文消息校验方法、装置、计算机设备和存储介质 | |
CN108876213B (zh) | 基于区块链的产品管理方法、装置、介质及电子设备 | |
CN111581210A (zh) | 数据的导入方法及系统 | |
CN109165209B (zh) | 数据库中对象类型的数据校验方法、装置、设备及介质 | |
CN111562965A (zh) | 基于决策树的页面数据校验方法和装置 | |
CN114443503A (zh) | 测试用例的生成方法、装置、计算机设备、存储介质 | |
CN107357588B (zh) | 目标代码生成方法及装置 | |
CN113434542B (zh) | 数据关系识别方法、装置、电子设备及存储介质 | |
CN111796907A (zh) | 基于检核脚本的数据检核方法、装置、电子设备以及介质 | |
CN112214456B (zh) | 一种房产数据处理方法、装置和电子设备 | |
CN112613288B (zh) | 结算单生成方法、装置、计算机设备和存储介质 | |
CN111639903A (zh) | 一种针对架构变更的评审处理方法及相关设备 | |
EP3779755A1 (en) | A computer-implemented method for cross-chain-interoperability | |
CN116863486A (zh) | 金融凭证信息录入处理方法、装置、设备、介质和产品 | |
CN111241082B (zh) | 数据修正方法及装置 | |
CN114490415A (zh) | 业务测试方法、计算机设备、存储介质和计算机程序产品 | |
CN113434734A (zh) | 一种生成文件、读取文件的方法、装置、设备及存储介质 | |
WO2020215542A1 (zh) | 信息通知方法、装置、计算机设备及存储介质 | |
CN113158988A (zh) | 财务报表处理方法、装置以及计算机可读存储介质 | |
CN117171185B (zh) | 基于工业标识的物流数据变更方法及相关设备 | |
CN112148355B (zh) | 一种基于深度学习的系统差分升级方法及装置 | |
CN116881164A (zh) | 金融信息系统中测试数据的校验修正方法、装置和设备 | |
CN116881163A (zh) | 金融信息系统中测试数据的生成处理方法、装置和设备 | |
CN117194260A (zh) | 测试报文生成方法、电子设备和存储介质 |
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 |