CN116976547A - 一种财务报告分析处理方法、系统、装置及介质 - Google Patents
一种财务报告分析处理方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN116976547A CN116976547A CN202310724308.XA CN202310724308A CN116976547A CN 116976547 A CN116976547 A CN 116976547A CN 202310724308 A CN202310724308 A CN 202310724308A CN 116976547 A CN116976547 A CN 116976547A
- Authority
- CN
- China
- Prior art keywords
- information
- report data
- point
- time
- stability
- 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
- 238000004458 analytical method Methods 0.000 title claims description 41
- 238000003672 processing method Methods 0.000 title claims description 24
- 230000008859 change Effects 0.000 claims abstract description 121
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 230000006641 stabilisation Effects 0.000 claims description 12
- 238000011105 stabilization Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 description 19
- 230000008569 process Effects 0.000 description 13
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000000087 stabilizing effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06Q40/125—Finance or payroll
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Debugging And Monitoring (AREA)
Abstract
本说明书实施例提供一种财务报告分析处理方法、系统、装置和介质，该方法包括：获取对应于第一时间点的报告数据；基于报告数据，生成与第一时间点相对应的报告数据中的第一稳定信息，第一稳定信息是表示报告数据中一个或多个稳定元素的第一状态；基于报告数据，生成与第一时间点相对应的报告数据中的第一变化信息，第一变化信息是表示报告数据中一个或多个变化元素的第一状态；以及基于第一稳定信息和第一变化信息，使用目标估计模型估计报告数据中在目标时间点的目标状态。
Description
技术领域
本说明书涉及分析技术领域，特别涉及财务报告分析处理方法、系统、装置及介质。
背景技术
，随着财经市场的发展，财务报表越来越完善，从之前的文字记录到现在的电子档记录，从之前简单的条目到现在越来越丰富的条目，并且可能会出现财务报表数据丢失的情况。另一方面由于财务报表涉及较为繁多的数字以及计算公式，目前使用人工或者计算机对财务报告进行处理。但是无论那种处理方式，缺乏对财务报表中异常情况的判别与感知。
因此，希望提供一种财务报告分析处理方法，可以基于残缺数据进行分析，并且可以提高数据处理能力，进一步提高对财务报表的异常情况进行预测，为用户提供正确的预警和引导。
发明内容
本说明书提供一种财务报告分析处理方法，可以基于残缺数据进行分析，并且可以提高数据处理能力，进一步提高对财务报表的异常情况进行预测，为用户提供正确的预警和引导。
本说明书一个或多个实施例提供一种财务报告分析处理方法、系统、装置和介质，该方法包括：获取对应于第一时间点的报告数据；基于报告数据，生成与第一时间点相对应的报告数据中的第一稳定信息，第一稳定信息是表示报告数据中一个或多个稳定元素的第一状态；基于报告数据，生成与第一时间点相对应的报告数据中的第一变化信息，第一变化信息是表示报告数据中一个或多个变化元素的第一状态；以及基于第一稳定信息和第一变化信息，使用目标估计模型估计报告数据中在目标时间点的目标状态。
本说明书一个或多个实施例提供一种财务报告分析处理系统，其特征在于，该系统包括：获取模块，用于获取对应于第一时间点的报告数据；变化信息确定模块，用于基于报告数据，生成与第一时间点相对应的报告数据中的第一稳定信息，第一稳定信息是表示报告数据中一个或多个稳定元素的第一状态；稳定信息确定模块，用于基于报告数据，生成与第一时间点相对应的报告数据中的第一变化信息，第一变化信息是表示报告数据中一个或多个变化元素的第一状态；以及目标确定模块，用于基于第一稳定信息和第一变化信息，使用目标估计模型估计报告数据中在目标时间点的目标状。
本说明书一个或多个实施例提供一种财务报告分析处理装置，该装置包括至少一个处理器以及至少一个存储器；该至少一个存储器用于存储计算机指令；该至少一个处理器用于执行该计算机指令中的至少部分指令以实现如上述的财务报告分析处理方法。
本说明书一个或多个实施例提供一种计算机可读存储介质，该存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如上述的财务报告分析处理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的财务报告分析处理系统的应用场景示意图；
图2是根据本说明书一些实施例所示的财务报告分析处理系统的示例性模块图；
图3是根据本说明书一些实施例所示的财务报告分析处理方法的示例性流程图；
图4是根据本申请的一些实施例的用于生成报告数据中第一稳定信息的示例性过程的流程图；
图5是根据本申请的一些实施例的用于生成报告数据中第一变化信息的示例性过程的流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言报告数据中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的财务报告分析处理系统的应用场景示意图。
本说明书中一些实施例中的财务报告分析处理系统可以应用于各种财务报告的提取，基于残缺数据进一步确定当前时间点对应的完整的财务报告，并进一步基于该财务报告对未来的公司可能面临的危险进行预测。
如图1所示，本说明书实施例所涉及财务报告分析处理方法的应用场景100中可以包括处理器110、用户终端120、存储器130和网络140。
处理器110可以指具有计算能力的系统，可以包括各种计算机，比如处理器、个人计算机，也可以是由多台计算机以各种结构连接组成的计算平台。在一些实施例中，处理器110可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、跨云、多云等其中一种或几种的组合。
处理器110可以执行程序指令。处理器可以包括各种常见的通用中央处理器，图形处理器，微处理器，特殊应用集成电路，或其他类型的集成电路。存储介质可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。
在一些实施例中，处理器110可以获取对应于第一时间点的报告数据；基于报告数据，生成与第一时间点相对应的报告数据中的第一稳定信息，第一稳定信息是表示报告数据中一个或多个稳定元素的第一状态；基于报告数据，生成与第一时间点相对应的报告数据中的第一变化信息，第一变化信息是表示报告数据中一个或多个变化元素的第一状态；以及基于第一稳定信息和第一变化信息，使用目标估计模型估计报告数据中在目标时间点的目标状态。
用户终端120可以提供处理器与用户交互的通道。在一些实施例中，用户终端120可以是移动设备、平板计算机、膝上型计算机、台式计算机等其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中，用户可以通过用户终端120输入报告数据。在一些实施例中，用户终端120可以通过网络140和财务报告分析处理方法的应用场景100中的其他组件(例如，处理器110、存储器130)传输相关的信息和数据。在一些实施例中，处理器110可以将第一稳定信息发送到用户终端120和/或存储设备。用户可以通过用户终端120查看目标状态。
存储器130可以存储数据、指令和/或任何其他信息。在一些实施例中，存储器130可以存储从处理器110处获得的数据。例如，存储器可以存储获得的第一稳定信息、第一变化信息等。在一些实施例中，存储器130可以存储处理器110可以执行或使用的数据和/或指令，以执行本说明书中描述的示例性方法。在一些实施例中，存储器130可包括大容量存储器、可移除存储器、易失性读写存储器、只读存储器(ROM)等其中一种或几种的组合。在一些实施例中，存储器130可以通过云平台实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、跨云、多云等其中一种或几种的组合。在一些实施例中，存储器130可以是处理器110的一部分，也可以是独立的，与处理器110直接或间接相连。
网络140可以包括能够促进财务报告分析处理方法的应用场景100中的组件的信息和/或数据交换的任何合适的网络。在一些实施例中，财务报告分析处理方法的应用场景100中的一个或多个组件(例如，处理器110、存储器130等)之间可以通过网络140交换信息和/或数据。网络140可以包括公共网络(如互联网)、私人网络(例如，局域网、广域网等)等其中一种或几种组合。例如，网络140可以包括有线网络、光纤网络、电信网络、局域网、无线局域网、ZigBeTM网络、近场通信(NFC)网络等其中一种或几种的组合。在一些实施例中，网络140可以包括一个或多个网络接入点。例如，网络140可以包括有线和/或无线网络接入点，例如基站和/或因特网交换点，通过该接入点，财务报告分析处理方法的应用场景100中的一个或多个组件可以连接网络140以交换数据和/或信息。
应当注意财务报告分析处理方法的应用场景100仅仅是为了说明的目的而提供的，并不意图限制本申请的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，财务报告分析处理方法的应用场景100可以在其它设备上实现类似或不同的功能。然而，这些变化和修改不会背离本申请的范围。
图2是根据本申请的一些实施例所示的财务报告分析处理系统的示例性模块图。
在一些实施例中，财务报告分析处理系统200可以包括获取模块210、变化信息确定模块220、稳定信息确定模块230和目标确定模块240。
在一些实施例中，财务报告分析处理系统可以包括获取模块210，该获取模块210用于获取对应于第一时间点的报告数据。
在一些实施例中，财务报告分析处理系统可以包括变化信息确定模块220，用于基于报告数据，生成与第一时间点相对应的报告数据中的第一稳定信息，第一稳定信息是表示报告数据中一个或多个稳定元素的第一状态。
在一些实施例中，变化信息确定模块220包括子变化模块，该子变化模块用于，包括：获取与第二时间点相对应的报告数据中的第二状态的第二变化信息；基于报告数据生成与报告数据中的更新信息；基于第二变化信息，生成在第一时间点的报告数据的估计状态的估计变化信息；以及基于更新信息和估计变化信息，生成与第一时间点相对应的报告数据中的第一状态的第一变化信息，其中第一变化信息是表示报告数据中一个或多个变化元素的第一状态。
在一些实施例中，财务报告分析处理系统可以包括稳定信息确定模块230，用于基于报告数据，生成与第一时间点相对应的报告数据中的第一变化信息，第一变化信息是表示报告数据中一个或多个变化元素的第一状态。
在一些实施例中，稳定信息确定模块230包括子稳定模块，该子稳定模块可以用于：获取与第二时间点相对应的报告数据中的第二状态的第二稳定信息；生成与第一时间点相对应的报告数据中的第一状态的第一整体参考信息，其中第一整体参考信息包括与第一时间点时的报告数据中的变化信息和与第一时间点时的报告数据中的稳定信息；以及通过稳定更新模型，将第一整体参考信息与第二稳定信息进行整合来生成第一稳定信息。
在一些实施例中，财务报告分析处理系统可以包括目标确定模块240，用于基于第一稳定信息和第一变化信息，使用目标估计模型估计报告数据中在目标时间点的目标状态。
在一些实施例中，目标时间点晚于第一时间点，并且报告数据中的目标状态包括在报告数据中是否有可能发生异常情况，进一步提高对财务报表的异常情况进行感知，为用户提供正确的预警和引导。
图3是根据本申请的一些实施例的财务报告分析处理方法的示例性过程的流程图。在一些实施例中，过程300可以由处理器执行。流程300包括以下步骤：
步骤310，获取对应于第一时间点的报告数据。
报告数据可以指与财务有关的报告数据。报告数据可以包括财务报表和基于财务报表后生成的相关分析报告。稳定元素可以指在一段时间内报告数据中变化值小于变化阈值的元素。稳定元素可以包括在一段时间内报告数据中变化值小于或等于变化阈值的汉字和数值，例如，公司名称，再例如，公司统一代码对应的数值。第一稳定信息可以包括稳定元素相关联的信息。变化元素可以指在一段时间内报告数据中变化值大于变化阈值的元素。变化元素可以包括在一段时间内报告数据中变化值大于变化阈值的汉字和数值。例如，在报告数据中新增加的条目，或者相同条目下对应数值变化值较大的元素。变化阈值可以人工确定。在一些实施例中，稳定元素和变化元素可以通过同类型的报告数据中比较进行获取。
在一些实施例中，报告数据可以包含图像数据，该图像数据包括一个或多个元素在不同时间点的数值。
在一些实施例中，处理器可以通过传感器获取报告数据。传感器可以包括球型摄像机、单目摄像机、双目摄像机、多视角摄像机、深度摄像机、黑白摄像机、彩色摄像机等，或其任何组合。在一些实施例中，报告数据中包含有稳定元素和变化元素。在一些实施例中，至少两个传感器中的至少两个可以被配置为获取与报告数据中的不同部分关联的数据。在一些实施例中，由至少两个传感器中的每个传感器检测到的报告数据中的一部分可以与由至少两个传感器中的另一个传感器检测到的报告数据中的一部分重叠。在一些实施例中，至少一个传感器检测到的报告数据中的一部分与至少两个传感器中任何其他传感器检测到的报告数据中的一部分没有重叠区域。结果，在报告数据中可能存在被至少两个传感器中的任何一个都检测不到的未检测部分。在一些实施例中，至少两个传感器中的至少两个可以被配置为以不同的时间间隔获取与报告数据中或其一部分相关联的数据。至少两个传感器中的至少两个传感器可以异步地将获取的报告数据发送到处理器。由于损坏、丢失或者无法获取全部报告数据，因此，本说明书中第一时间点的报告数据可能会有缺失部分。其中，缺失部分包括上述未检测部分。
第一时间点可以是任意的时间点。例如，第一时间可以是当前时间点。
步骤320，基于报告数据，生成与第一时间点相对应的报告数据中的第一稳定信息。
第一稳定信息可以指示报告数据中一个或多个稳定元素的第一状态有关的信息。如本文所用，信息可以指表示与报告数据的状态的表示形式。例如，信息可以是三维(3D)向量的形式，包括位置、对应的数值等。第一状态可以指与第一时间点对应的报告数据的状态。第一稳定信息可以指与第一状态对应的报告数据中一个或多个稳定元素的状态的表示形式。例如，稳定信息可以是与状态对应的一个或多个稳定元素的三维向量。
在一些实施例中，处理器可以获取与第二时间点相对应的报告数据中的第二状态的第二稳定信息；生成与第一时间点相对应的报告数据中的第一状态的第一整体参考信息，其中第一整体参考信息包括与第一时间点时的报告数据中的变化信息和与所述第一时间点时的报告数据中的稳定信息；以及通过稳定更新模型，将第一整体参考信息与第二稳定信息进行整合来生成第一稳定信息。关于生成第一稳定信息的详细内容可以参见本说明书图4及其相关描述。
步骤330，基于报告数据，生成与第一时间点相对应的报告数据中的第一变化信息。
第一变化信息是表示报告数据中一个或多个变化元素的第一状态有关的信息。第一变化信息可以指与第一状态对应的报告数据中一个或多个变化元素的状态的表示形式。例如，变化信息可以是与状态对应的一个或多个变化元素的三维向量。
在一些实施例中，处理器可以获取与第二时间点相对应的报告数据中的第二状态的第二变化信息；基于报告数据生成与报告数据中的更新信息；基于第二变化信息，在第一时间点生成报告数据中的估计状态的估计变化信息；以及基于更新信息和估计变化信息，生成与第一时间点相对应的报告数据中的第一状态的第一变化信息。关于第一变化信息的生成的更多细节可以参见本申请的图5及其描述。
步骤340，基于第一稳定信息和第一变化信息，使用目标估计模型估计报告数据中在目标时间点的目标状态。目标时间点可能与第一时间点和第二时间点不同。例如，第一时间点可能晚于第二时间点，而目标时间点可能是将来的时间点。目标状态可能是报告数据中的未来状态。例如，目标状态可以包括在目标时间点是否可能出现异常情况。目标状态可以包括是否可能在目标时间点时存在异常情况(即，异常情况可能在目标时间点之前或目标时间点时发生)。又例如，目标状态可能包括目标时间点是否可能出现异常情况。作为又一个示例，目标状态可以进一步包括与异常情况有关的信息，例如一个或多个异常元素的数值，异常情况的分类(例如，突然变大的异常情况、突然变小的异常情况)等。
备选地，第二时间点可以晚于第一时间点，并且目标时间点是可以早于第一时间点的先前时间点。目标状态可以包括在目标时间点是否可能发生了异常情况。
在一些实施例中，处理器可以通过融合第一稳定信息和第一变化信息来生成与第一时间点相对应的报告数据中的第一状态的联合整体信息。例如，处理器可以使用编码器(例如，卷积网络模型)将第一稳定信息和第一变化信息分别转换为一个或多个特征向量。可以通过融合与第一稳定信息和第一变化信息相对应的特征向量来生成联合整体信息。例如，联合整体信息可以采用一个或多个联合特征向量的形式。可以使用目标估计模型估计报告数据中在目标时间点的目标状态。
在一些实施例中，目标估计模型可能包含一个或多个算法，用于估计报告数据中两个元素之间是否可能发生异常变化。例如，一个或多个算法可以指导处理器基于在两个或多个时间点与报告数据中相关联的数据(例如，图像数据)来估计每个元素的变化规律。在一些实施例中，目标估计模型可能是训练好的的神经网络模型。处理器可以通过目标估计模型基于联合整体信息确定目标概率。目标概率可能是报告数据中目标时间点时可能发生异常情况的概率。在一些实施例中，目标估计模型的输入第一稳定信息和第一变化信息，输出可以包括目标时间点时报告数据中可能发生异常情况的目标概率。在一些实施例中，响应于确定出目标概率超出了概率阈值，处理器可以进一步估计在目标时间点报告数据中可能发生异常情况。
在一些实施例中，处理器可以通过与一个或多个历史样本报告数据中相关联的训练数据训练初始目标估计模型来生成目标估计模型。例如，训练数据可以包括在不同时间点与一个或多个样本报告数据中相关联的样本联合整体信息。训练数据可以进一步包括相应的标签，每个标签表示在某个时间点是否出现异常情况。在一些实施例中，报告数据中的目标状态可以包括报告数据中的未被一个或多个传感器中的任何一个检测到的未检测部分的目标状态。
在一些实施例中，处理器可以进一步使与异常情况有关的警报被生成。例如，处理器可以将编码与异常情况有关的信息的信号发送到用户终端。用户终端可以生成警报以通知用户在目标时间点可能出现异常情况。警报可以以文本消息、语音消息、图形消息、警报声音等或其任何组合的形式生成，并在用户终端中显示。在一些实施例中，处理器可以进一步生成关于异常情况的建议性信息。
通过本说明书的一些实施例，可以确定当前时间点的报告数据中的确实部分，并且基于当前时间点的报告数据确定未来的时间点发生的异常情况，便于及早进行预防，确定调整后的公司策略。
图4是根据本申请的一些实施例的用于生成报告数据中第一稳定信息的示例性过程的流程图。在一些实施例中，流程400可以由处理器执行。流程400可以包括以下步骤：
在410中，获取与第二时间点相对应的报告数据中的第二状态的第二稳定信息。
第二时间点可以指获取报告数据的早于第一时间点的时间点。第二状态可以指与第二时间点相对应的报告数据的状态。第二稳定信息可以指与第二状态对应的报告数据的状态的表示形式。例如，稳定信息可以是与状态对应的稳定元素的相关信息的三维表示形式。
在一些实施例中，处理器可以通过稳定更新模型随时间更新报告数据中的稳定信息，以获取不同时间点的报告数据中稳定信息。在一些实施例中，如果满足更新条件，则可以更新稳定信息。例如，更新条件可以包括自第二时间点以来已经从预设数量的传感器接收到与报告数据中相关联的一个或多个数据集。附加地或替代地，更新条件可以包括自第二时间点以来已经接收到与报告数据中相关联的一个或多个与预设数目的参考时间点相对应的数据集。更新条件可以是控制更新稳定信息模型的频率，这可以减少更新期间产生的噪声(与使用从一个或多个传感器中的至少一个接收的每组报告数据进行更新的稳定信息模型相比)。参考时间点可以人工设置，并且在第二时间点和第一时间点之间。在一些实施例中，处理器可以通过一个或多个初始稳定信息来确定第二静态全局表示。初始稳定信息可以人工或者机器初始设定。
步骤420，生成与第一时间点相对应的报告数据中的第一状态的第一整体参考信息。
第一整体参考信息可以包括在第一时间点与报告数据中的一个或多个稳定元素关联的稳定信息，以及在第一时间点与报告数据中的一个或多个稳定元素关联的变化信息。
在一些实施例中，处理器可以生成与第一时间点相对应的报告数据中的第一状态的第一整体参考信息。在一些实施例中，处理器可以通过参考更新模型随时间更新报告数据中的整体参考信息，以获取不同时间点的报告数据中相关的整体参考信息。参考更新模型可以是机器学习模块，例如，RNN模型。在一些实施例中，处理器可以基于第二时间点的报告数据通过参考更新模型确定第一整体参考信息。
在一些实施例中，由于具有缺失部分，第一时间点的报告数据可能对应于报告数据中的一部分。处理器可以在第一时间点处获取第一时间点的报告数据，并在第一时间点之前即在第二时间点时获取报告数据中的第二个整体参考信息。在一些实施例中，处理器可以通过更新第二整体参考信息的与第一时间点的报告数据中相对应的部分来生成第一整体参考信息。
示例性地，在接收到第一时间点的报告数据后，处理器可以对报告数据执行特征提取，通过卷积神经网络以获取表示与报告数据(图像)的一个或多个特征向量，进一步地，处理器可以进一步对一个或多个特征向量进行反投影以确定与报告数据中相对应的第二稳定信息的部分，进一步地，可以使用编码器将一个或多个特征向量转换为报告数据中的一部分的三维(3D)向量。在一些实施例中，处理器可以旋转3D向量并将其与第二个整体参考信息对齐。在一些实施例中，处理器可以基于3D向量及其与第二整体参考信息之间的配准来确定第二整体参考信息。处理器可以通过参考更新模型基于报告数据中的一部分的3D向量来更新第二整体参考信息，进一步来确定第一整体参考信息。
步骤430，通过稳定更新模型，将第一整体参考信息与第二稳定信息进行整合来生成第一稳定信息。
在一些实施例中，处理器可以通过稳定更新模型将第一整体参考信息与第二稳定信息进行整合，生成第一稳定信息。在一些实施例中，稳定更新模型可以包括一个或多个数据处理算法。例如，稳定更新模型可以根据加权平均算法将处理器引导至第二稳定信息和第一整体参考信息的融合数据。在一些实施例中，稳定更新模型可能是训练好的的机器学习模型。例如，稳定更新模型可以是RNN模型。在一些实施例中，可以在将第一整体参考信息与第二稳定信息整合之后，抑制与第一时间点处的报告数据中相关的变化信息。因此，第一稳定信息可以专注于与报告数据中一个或多个稳定元素相关的稳定信息。
图5是根据本申请的一些实施例的用于生成报告数据中第一变化信息的示例性过程的流程图。在一些实施例中，流程500可以由处理器执行，流程500包括以下步骤：
步骤510，获取与第二时间点相对应的报告数据中的第二状态的第二变化信息。
第二时间点可能早于第一时间点。第二变化信息可以指与第二状态对应的报告数据的状态的表示形式。例如，变化信息可以是与状态对应的变化元素的相关信息的三维表示形式。
在一些实施例中，处理器可以使用变化更新模型随时间更新报告数据中的变化信息，以获取不同时间点的报告数据的变化信息。在一些实施例中，如果满足更新条件，处理器可以更新变化信息。其中，变化更新模型及其更新条件的详细信息可以参见图4中稳定更新模型及其更新条件的详细内容。
在一些实施例中，处理器可以基于一个或多个初始变化信息通过变化更新模型确定第二变化信息。初始变化信息可以人工或者机器初始设定。
步骤520，基于报告数据生成与报告数据中的更新信息。
更新信息可以用来表示第二时间一个或多个变化元素的状态与第二时间一个或多个变化元素的状态之间的差异。在一些实施例中，更新信息可以通过将第一时间点的第一整体参考信息与第二时间点的第二整体参考信息确定。在一些实施例中，更新信息可以采用3D向量表示。又例如，更新信息可以由一个或多个特征向量表示。
步骤530，基于第二变化信息，在第一时间点生成报告数据的估计状态的估计变化信息。
在一些实施例中，处理器可以基于第二变化信息，生成在第一时间点的报告数据的估计状态的估计变化信息。在一些实施例中，处理器可以基于第二变化信息来生成报告数据的第一状态的估计变化信息。在一些实施例中，报告数据中至少一个或多个变化元素的一部分可能会在从第二时间点到第一时间点的时间段内变化。估计变化信息可以指示在第一时间点报告数据中一个或多个变化元素的估计状态。估计变化信息可以指在第一时间点报告数据中一个或多个变化元素的估计状态的表示形式。
当仅接收具有缺失部分的报告数据时，处理器可以更新与报告数据的一部分相对应的第二变化信息的一部分，并通过估计来更新报告数据的其余部分的变化信息，得到估计变化信息。在一些实施例中，处理器可以确定第二时间点和第一时间点之间的时间差，进一步地，处理器可以通过变化估计模型基于时间差来生成估计变化信息。在一些实施例中，变化更新模型可以包括一个或多个数据处理算法。例如，变化更新模型可以根据加权平均算法将处理器引导到第二变化信息和更新信息的融合数据(例如，点值、特征向量)。在一些实施例中，变化估计模型可以是训练好的的机器学习模型，用于为估计变化信息生成一个或多个估计的特征向量。一个或多个估计的特征向量可以进一步转换为估计变化信息，例如，通过变化估计模型中的一个或多个反卷积层。
步骤540，基于更新信息和估计变化信息，生成与第一时间点相对应的报告数据中的第一状态的第一变化信息。
在一些实施例中，处理器可以通过变化更新模型整合更新信息和估计变化信息来生成第一变化信息。在一些实施例中，变化更新模型可以包括一个或多个数据处理算法。例如，变化更新模型可以根据加权平均算法将处理器引导到第二变化信息和更新信息的融合数据(例如，点值、特征向量)。变化更新模型可以是机器学习模型，例如，变化更新模型可以是RNN模型。在一些实施例中，处理器可以从存储设备获取经训练的变化更新模型。在一些实施例中，处理器可以通过训练数据训练变化更新模型来获取变化更新模型。例如，训练数据可以包括在不同时间点的至少两个估计变化信息样本，用于响应更新信息的至少两个表示样本以及一个或多个标签。一个或多个标签可能包含不同时间点的变化信息样本。在用于训练变化更新模型之前，训练数据可以由用户检查和/或修改。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同数值两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的处理器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种财务报告分析处理方法，其特征在于，所述方法包括：
获取对应于第一时间点的报告数据；
基于所述报告数据，生成与所述第一时间点相对应的所述报告数据中的第一稳定信息，所述第一稳定信息是表示所述报告数据中一个或多个稳定元素的第一状态有关的信息；
基于所述报告数据，生成与所述第一时间点相对应的所述报告数据中的第一变化信息，所述第一变化信息是表示所述报告数据中一个或多个变化元素的第一状态有关的信息；以及
基于所述第一稳定信息和所述第一变化信息，使用目标估计模型估计所述报告数据中在所述目标时间点的目标状态。
2.根据权利要求1所述的财务报告分析处理方法，其特征在于，所述基于所述报告数据，生成与所述第一时间点相对应的所述报告数据中的第一稳定信息，包括：
获取与第二时间点相对应的所述报告数据中的第二状态的第二稳定信息；
生成与所述第一时间点相对应的所述报告数据中的所述第一状态的第一整体参考信息，其中所述第一整体参考信息包括与所述第一时间点时的所述报告数据中的变化信息和与所述第一时间点时的所述报告数据中的稳定信息；以及
通过稳定更新模型，将所述第一整体参考信息与所述第二稳定信息进行整合来生成所述第一稳定信息。
3.根据权利要求1所述的财务报告分析处理方法，其特征在于，所述基于所述报告数据，生成与所述第一时间点相对应的所述报告数据中的第一变化信息，包括：
获取与第二时间点相对应的所述报告数据中的第二状态的第二变化信息；
基于所述报告数据生成与所述报告数据中的更新信息；
基于所述第二变化信息，在所述第一时间点生成所述报告数据中的估计状态的估计变化信息；以及
基于所述更新信息和所述估计变化信息，生成与所述第一时间点相对应的所述报告数据中的第一状态的所述第一变化信息。
4.根据权利要求1所述的财务报告分析处理方法，其特征在于，所述目标时间点晚于所述第一时间点，并且所述报告数据中的所述目标状态包括在所述报告数据中是否有可能发生异常情况。
5.一种财务报告分析处理系统，其特征在于，所述系统包括：
获取模块，用于获取对应于第一时间点的报告数据；
变化信息确定模块，用于基于所述报告数据，生成与所述第一时间点相对应的所述报告数据中的第一稳定信息，所述第一稳定信息是表示所述报告数据中一个或多个稳定元素的第一状态；
稳定信息确定模块，用于基于所述报告数据，生成与所述第一时间点相对应的所述报告数据中的第一变化信息，所述第一变化信息是表示所述报告数据中一个或多个变化元素的第一状态；以及
目标确定模块，用于基于所述第一稳定信息和所述第一变化信息，使用目标估计模型估计所述报告数据中在所述目标时间点的目标状态。
6.根据权利要求5所述的财务报告分析处理方法，其特征在于，所述稳定信息确定模块包括子稳定模块，所述子稳定模块用于：
获取与第二时间点相对应的所述报告数据中的第二状态的第二稳定信息；
生成与所述第一时间点相对应的所述报告数据中的所述第一状态的第一整体参考信息，其中所述第一整体参考信息包括与所述第一时间点时的所述报告数据中的变化信息和与所述第一时间点时的所述报告数据中的稳定信息；以及
通过稳定更新模型，将所述第一整体参考信息与所述第二稳定信息进行整合来生成所述第一稳定信息。
7.根据权利要求5所述的财务报告分析处理方法，其特征在于，所述变化信息确定模块包括子变化模块，所述子变化模块用于，包括：
获取与第二时间点相对应的所述报告数据中的第二状态的第二变化信息；
基于所述报告数据生成与所述报告数据中的更新信息；
基于所述第二变化信息，在所述第一时间点生成所述报告数据中的估计状态的估计变化信息；以及
基于所述更新信息和所述估计变化信息，生成与所述第一时间点相对应的所述报告数据中的第一状态的所述第一变化信息。
8.根据权利要求5所述的财务报告分析处理方法，其特征在于，所述目标时间点晚于所述第一时间点，并且所述报告数据中的所述目标状态包括在所述报告数据中是否有可能发生异常情况。
9.一种财务报告分析处理装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；
所述至少一个存储器用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1至4中任一项所述的财务报告分析处理方法。
10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1至4中任一项所述的财务报告分析处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310724308.XA CN116976547A (zh) | 2023-06-19 | 2023-06-19 | 一种财务报告分析处理方法、系统、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310724308.XA CN116976547A (zh) | 2023-06-19 | 2023-06-19 | 一种财务报告分析处理方法、系统、装置及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116976547A true CN116976547A (zh) | 2023-10-31 |
Family
ID=88482342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310724308.XA Pending CN116976547A (zh) | 2023-06-19 | 2023-06-19 | 一种财务报告分析处理方法、系统、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116976547A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110222336A (zh) * | 2019-05-22 | 2019-09-10 | 深圳壹账通智能科技有限公司 | 财务报告分析方法、装置、计算机设备和存储介质 |
| CN110490720A (zh) * | 2019-07-08 | 2019-11-22 | 深圳壹账通智能科技有限公司 | 财务数据分析预警方法、装置、计算机设备和存储介质 |
| CN111222577A (zh) * | 2019-12-11 | 2020-06-02 | 上海联影智能医疗科技有限公司 | 态势感知的系统和方法 |
| CN112419030A (zh) * | 2020-11-30 | 2021-02-26 | 北京安九信息技术有限公司 | 财务舞弊风险评估的方法、系统及设备 |
| CN113239099A (zh) * | 2020-01-22 | 2021-08-10 | 普立有限公司 | 预测财务报告产生系统及其计算机程序产品 |
| CN115169779A (zh) * | 2022-05-12 | 2022-10-11 | 国家电投集团内蒙古能源有限公司 | 一种企业安全风险预警预测系统及方法 |
| CN115965483A (zh) * | 2022-08-11 | 2023-04-14 | 江苏新基健智能化科技有限公司 | 一种基于大数据的财务管理系统 |
-
2023
- 2023-06-19 CN CN202310724308.XA patent/CN116976547A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110222336A (zh) * | 2019-05-22 | 2019-09-10 | 深圳壹账通智能科技有限公司 | 财务报告分析方法、装置、计算机设备和存储介质 |
| CN110490720A (zh) * | 2019-07-08 | 2019-11-22 | 深圳壹账通智能科技有限公司 | 财务数据分析预警方法、装置、计算机设备和存储介质 |
| CN111222577A (zh) * | 2019-12-11 | 2020-06-02 | 上海联影智能医疗科技有限公司 | 态势感知的系统和方法 |
| CN113239099A (zh) * | 2020-01-22 | 2021-08-10 | 普立有限公司 | 预测财务报告产生系统及其计算机程序产品 |
| CN112419030A (zh) * | 2020-11-30 | 2021-02-26 | 北京安九信息技术有限公司 | 财务舞弊风险评估的方法、系统及设备 |
| CN115169779A (zh) * | 2022-05-12 | 2022-10-11 | 国家电投集团内蒙古能源有限公司 | 一种企业安全风险预警预测系统及方法 |
| CN115965483A (zh) * | 2022-08-11 | 2023-04-14 | 江苏新基健智能化科技有限公司 | 一种基于大数据的财务管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3579153A1 (en) | Learned model provision method and learned model provision device | |
| US20190295240A1 (en) | Image quality scorer machine | |
| US10379717B2 (en) | Device based visualization and analysis of multivariate data | |
| US20230267730A1 (en) | Image abnormality detection model training | |
| WO2023071121A1 (zh) | 一种基于多模型融合的目标检测方法、装置、设备及介质 | |
| KR102322773B1 (ko) | 전극편의 버를 검출하기 위한 방법 및 장치 | |
| CN112949710A (zh) | 一种图像的聚类方法和装置 | |
| KR20170024777A (ko) | 스미싱 메시지 판별장치 및 스미싱 메시지 판별방법 | |
| CN113379813A (zh) | 深度估计模型的训练方法、装置、电子设备及存储介质 | |
| JP2017167624A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| CN110674834A (zh) | 地理围栏识别方法、装置、设备和计算机可读存储介质 | |
| CN117671303B (zh) | 基于孪生网络的立体测距隐患预警方法及系统 | |
| CN114565955A (zh) | 人脸属性识别模型训练、社区人员监控方法、装置、设备 | |
| CN114332457A (zh) | 图像实例分割模型训练、图像实例分割方法和装置 | |
| US11527091B2 (en) | Analyzing apparatus, control method, and program | |
| CN116976547A (zh) | 一种财务报告分析处理方法、系统、装置及介质 | |
| CN115208938B (zh) | 用户行为管控方法及装置、计算机可读存储介质 | |
| KR101891992B1 (ko) | 증강현실에서 사례의 추론, 분류, 결정 기반 군용 장비의 정비를 지원하는 서버, 방법 및 웨어러블 디바이스 | |
| CN115934179A (zh) | 业务功能控制方法及设备 | |
| EP4207006A1 (en) | Model generation program, model generation method, and model generation device | |
| CN117176368A (zh) | 终端侧的隐私风险评估方法及装置、介质、电子设备 | |
| CN110502715B (zh) | 点击概率的预测方法及装置 | |
| CN114510627A (zh) | 对象推送方法、装置、电子设备及存储介质 | |
| CN111835541B (zh) | 一种流量识别模型老化检测方法、装置、设备及系统 | |
| CN114330090A (zh) | 一种缺陷检测方法、装置、计算机设备和存储介质 |
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 |