CN117474699A - 一种差错单的处理方法和系统、电子设备、存储介质 - Google Patents
一种差错单的处理方法和系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN117474699A CN117474699A CN202311530887.0A CN202311530887A CN117474699A CN 117474699 A CN117474699 A CN 117474699A CN 202311530887 A CN202311530887 A CN 202311530887A CN 117474699 A CN117474699 A CN 117474699A
- Authority
- CN
- China
- Prior art keywords
- error
- list
- current
- error list
- current error
- 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 4
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 19
- 238000004891 communication Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000012790 confirmation Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000003203 everyday effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000011176 pooling Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000012550 audit Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种差错单的处理方法和系统、电子设备、存储介质,该方法包括:获取认定岗人员处理的当前差错单;依据当前差错单,在历史差错单中进行匹配,匹配成功得到当前差错单的关联单;依据关联单的差错信息,确定当前差错单的差错信息;差错信息包括差错原因类别和差错原因描述中的至少一个;实现依据关联单自动填写当前差错单的差错信息,减少差错单在流转过程中因认定岗将差错信息填写错误而造成不必要的退单,减少人工填写和分析的时间,也减轻审核人员的处理压力,提高差错单流转效率、降低沟通成本、提高处理时效和准确率。
Description
技术领域
本发明属于数据处理技术领域,更具体的说,尤其涉及一种差错单的处理方法和系统、电子设备、存储介质。
背景技术
账务一致性平台中,十分重视差错单的处理时效,这关系到账务能否快速平账,出现的差错是否及时修改等。每一差错单的流程都需要从认定岗开始处理最后到服务岗审核进行关单,如果某一岗位填写有误或调账失败会造成退单,从头开始流转,增加差错单处理时间,影响处理效率。其中,造成退单最多的情况就是认定岗人员填写的原因类别错误,影响统计分析,这时审核人员就需要不断和认定岗人员沟通了解差错情况,最后退回并选择一个最符合该差错原因类别的类别。
目前,需要认定岗人员凭经验来确定差错原因类别,而人工确定存在着效率低和准确率低的问题,造成退单情况多,进而增加了许多不必要的沟通成本,也对当前差错单的处理时效造成不小的影响。
发明内容
有鉴于此,本发明的目的在于提供一种差错单的处理方法和系统、电子设备、存储介质,用于提高差错单流转效率、降低沟通成本、提高处理时效和准确率。
本申请第一方面公开了一种差错单的处理方法,包括:
获取认定岗人员处理的当前差错单;
依据所述当前差错单,在历史差错单中进行匹配,匹配成功得到所述当前差错单的关联单;
依据所述关联单的差错信息,确定所述当前差错单的差错信息;所述差错信息包括差错原因类别和差错原因描述中的至少一个。
可选的,所述依据所述当前差错单,在历史差错单中进行匹配,匹配成功得到所述当前差错单的关联单,包括:
获取所述当前差错单的差错类型;
依据所述当前差错单的差错类型,在所述历史差错单中筛选与所述当前差错单的差错类型一致的历史差错单,得到历史差错单集合;
依据所述当前差错单的差错类型对应的关联查找规则,在所述历史差错单集合中确定所述当前差错单的关联单。
可选的,所述依据所述当前差错单的差错类型对应的关联查找规则,在所述历史差错单集合中确定所述当前差错单的关联单,包括:
若所述当前差错单的差错类型为总分不平,则将所述历史差错单集合中,与所述当前差错单的创建日期相差一天内且总账关键字相同的历史差错单,作为所述当前差错单的关联单。
可选的,所述依据所述当前差错单的差错类型对应的关联查找规则,在所述历史差错单集合中确定所述当前差错单的关联单,包括:
若所述当前差错单的差错类型为跨组件不平,则将所述历史差错单集合中,与所述当前差错单的交易流水号相同的历史差错单,作为所述当前差错单的关联单。
可选的,所述依据所述当前差错单的差错类型对应的关联查找规则,在所述历史差错单集合中确定所述当前差错单的关联单,包括:
若所述当前差错单的差错类型不为总分不平和跨组件不平,则将所述历史差错单集合中,与所述当前差错单的创建日期相差五天内且差错类型以及首责组件相同的历史差错单,作为所述当前差错单的关联单。
可选的,所述依据所述当前差错单,在历史差错单中进行匹配之后,若匹配失败,则还包括:
获取所述认定岗人员填写的差错原因描述;
调用原因推荐模型,依据所述差错原因描述确定差错原因类别。
可选的,所述依据所述当前差错单,在历史差错单中进行匹配之后,若匹配失败,则还包括:
获取所述认定岗人员填写的关联单号;
查询所述关联单号对应的历史差错单;
将所述关联单号对应的历史差错单的差错信息,推荐给所述认定岗人员;
在所述认定岗人员选择所述关联单号对应的历史差错单的差错信息时,将所述关联单号对应的历史差错单的差错信息,作为所述当前差错单的差错信息。
本申请第二方面公开了一种差错单的处理系统,包括:
获取模块,用于获取认定岗人员处理的当前差错单;
关联查找模块,用于依据所述当前差错单,在历史差错单中进行匹配,匹配成功得到所述当前差错单的关联单;
填充模块,用于依据所述关联单的差错信息,确定所述当前差错单的差错信息;所述差错信息包括差错原因类别和差错原因描述中的至少一个。
本申请第三方面公开了一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
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如本申请第一方面中任一项所述的差错单的处理方法。
本申请第四方面公开了一种存储介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现如本申请第一方面中任一项所述的差错单的处理方法。
从上述技术方案可知,本发明提供的一种差错单的处理方法,包括:获取认定岗人员处理的当前差错单;依据当前差错单,在历史差错单中进行匹配,匹配成功得到当前差错单的关联单;依据关联单的差错信息,确定当前差错单的差错信息;差错信息包括差错原因类别和差错原因描述中的至少一个;实现依据关联单自动填写当前差错单的差错信息,减少差错单在流转过程中因认定岗将差错信息填写错误而造成不必要的退单,减少人工填写和分析的时间,也减轻审核人员的处理压力,提高差错单流转效率、降低沟通成本、提高处理时效和准确率。
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是本发明实施例提供的一种差错单的处理方法的流程图;
图2是本发明实施例提供的另一种差错单的处理方法的流程图;
图3是本发明实施例提供的一种差错单的处理系统的示意图;
图4是本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
术语解释:
组件:是由一组具有特定业务与功能用途,并存在业务内在联系和相关性的应用服务所组成的集合。可以调用来自其它组件或外部的服务进行组件间的协作。
会计引擎:可以按照统一的会计核算规则,基于交易信息自动产生会计分录,满足会计准则执行和信息披露要求的处理模块。它可以接收所有组件的交易流水异步产生会计分录,每日以一定频率向总账传送数据。
总账:接收会计引擎及各组件数据,按照不同维度汇总加工形成总账数据,并提供总分核对、会计信息质量监控和报表生成等功能。
总分核对:每日会将各组件发送的科目余额(也叫分户账金额)和总账各科目余额进行核对,以确认账务的正确和完整。
需要说明的是,账务一致性平台主要处理流程:(1)系统自动创建差错单;(2)认定岗分析差错,确认首责组件(直接负责该差错的组件)、填写差错原因描述,选择差错原因类别、制定调账方案;(3)审核岗审核调账方案,跟进调账流程,判断账务是否平账;(4)服务岗二次检查差错明细和处理结果,审核原因类别的选择和原因描述是否匹配且符合该账务问题,审核通过后进行关单。
认定岗在处理差错单的过程中,其中一步是填写差错原因描述和差错原因类别,具体描述该差错单生成的原因是因为操作不当还是程序有漏洞等造成了账务上的不一致。为了方便日后统计整体账务不平数据,明晰是哪类问题出现较多,生成报表,从而有针对性地进行改进和优化。
账务一致性平台将产生差错的原因分为8个类别:业务操作问题、客户操作问题、应用问题、第三方问题、基础设施问题、技术操作问题、业务需求不足和其他。认定岗在填写完原因描述后,需要在这九个类别中选择一个和该问题最匹配的原因类别。其中“其他”一类是除上述细类情况之外的原因造成的账务不平,只有在原因十分复杂不好判断具体哪类时才会选择。差错单流转到最后一个岗位服务岗时,需要根据认定岗填写的原因描述文字匹配其选择的原因类别,若是描述和类别不匹配,或者可以选择具体类别却选了“其他”,会造成退单,每一次退单都会重新从认定岗开始流程,增加各个岗位工作量,影响效率。
基于此,本申请实施例提供了一种差错单的处理方法,用于解决现有技术中需要认定岗人员凭经验来确定差错原因类别,而人工确定存在着效率低和准确率低的问题,造成退单情况多,进而增加了许多不必要的沟通成本,也对当前差错单的处理时效造成不小的影响。
参见图1,该差错单的处理方法,包括:
S101、获取认定岗人员处理的当前差错单。
该差错单为账务一致性平台进行对账务一致性时存在差错的单子,例如账务一致性平台进行对账务一致性时发现存在跨组件不平、总分不平、引擎入账失败等情况的单子时,将该单子作为差错单。
需要说明的是,账务一致性平台是由于系统或操作等原因导致的涉及账务的错账数据接收、分析、处理的营运管理类平台。
系统产生差错单后,该差错单会流转到认定岗处,由认定岗人员进行处理。
一般情况下,差错单包括多种信息,比如差错类型、交易流水号、首责组件等,其具体内容此处不做具体限定,视实际情况而定即可,均在本申请的保护范围内。
S102、依据当前差错单,在历史差错单中进行匹配,匹配成功得到当前差错单的关联单。
需要说明的是,该历史差错单为已经完成处理后的差错单,也即,已经经过认定岗、审核岗和服务岗进行处理,且确认完成处理的差错单。
具体的匹配过程可以是依据当前差错单的信息进行匹配,例如依据当前差错单的差错类型、交易流水号、首责组件等,当然也可以是其他匹配方法,此处不做具体限定,视实际情况而定即可,均在本申请的保护范围内。
匹配成功则可以得到当前差错单的关联单,若匹配不成功则无法基于本步骤获取当前差错单的关联单。当然本步骤无法获取关联单也无需人工逐填写差错原因类别。
认定岗人员在处理某一单差错单时,若有与该差错单相关联的单据,那么该差错单的原因描述和原因类别可以和关联单保持一致。
由于产生差错的原因需要时间解决,所以一般某次产生的某个差错会造成至少两单差错单,进而可以通过匹配关联单的方式,来减少认定岗确定差错信息的工作量、省去人工操作的步骤,防止出现填错的情况。
需要说明的是,认定岗人员是来自不同组件的开发人员,当出现差错单时,首先要确定这个差错是怎么产生的,有什么影响,开发人员内部还会通过其他平台结合对账务一致性平台一起找出差错原因和调账方案(对账务一致性平台只是展示了其中一部分差错明细,认定岗手里有更详细的数据),此时认定岗人员也会大致清楚这个差错会不会有其他关联单。
但是,因为差错单是平台自动建单,如果有差错一定会有差错单出现,就是可能历史差错单太多不好找,当认定岗逐一处理差错单时,认定岗通过差错单展示的数据是能识别出来这单就是同一差错的关联单,从而执行和关联单相同的处理。有时单子多时间跨度大,认定岗填写的原因描述等可能和关联单不同,会造成退单。所以本申请提供了系统查找的方式,确定关联单,省去人工逐一查找的步骤,提高速率的同时提高准确率。
S103、依据关联单的差错信息,确定当前差错单的差错信息。
其中,差错信息包括差错原因类别和差错原因描述中的至少一个。
也就是说,可以将关联单的差错信息填写到当前差错单中,无需认定岗人工确定差错信息,避免人工判断准确性低的问题。
具体的,可以根据关联单的差错原因填写当前差错单的差错原因类别,可以根据关联单的差错原因描述填写当前关联单的差错原因描述。
差错原因类别可以包括:业务操作问题、客户操作问题、应用问题、第三方问题、基础设施问题、技术操作问题、业务需求不足和其他这8大类,当然也可以包括其他类别,此处不再一一赘述,视实际情况而定即可,均在本申请的保护范围内。
为了提高差错统计的正确性、严谨性,对于认定岗填写差错原因的审查更加严格,退单次数也不断增加。目前账务一致性平台对于差错原因的退单情况大多为:原因类别误选、错选和乱选“其他”,为了减少此类情况的发生,提高处理速度,降低风险。本申请提供了差错单的处理方法解决上述问题。
在本实施例中,获取认定岗人员处理的当前差错单;依据当前差错单,在历史差错单中进行匹配,匹配成功得到当前差错单的关联单;依据关联单的差错信息,确定当前差错单的差错信息;差错信息包括差错原因类别和差错原因描述中的至少一个;实现依据关联单自动填写当前差错单的差错信息,减少差错单在流转过程中因认定岗将差错信息填写错误而造成不必要的退单,减少人工填写和分析的时间,也减轻审核人员的处理压力,提高差错单流转效率、降低沟通成本、提高处理时效和准确率。
可选的,参见图2,上述步骤S102依据当前差错单,在历史差错单中进行匹配,匹配成功得到当前差错单的关联单,包括:
S201、获取当前差错单的差错类型。
需要说明的是,差错类型可以包括:跨组件不平、引擎入账失败、总分不平、总账入账失败等,此处不做具体限定。
差错单的差错类型是在系统根据差错数据创建的,也即生成差错单时自动生成的,因此,本步骤可以对差错单的信息进行提取,得到该差错类型;当然也不排除采用其他方式来获取该差错类型。
需要说明的是,每一差错单的页面上会展示单号、差错类型、创建日期、首责组件、差错明细等。每种差错类型都会展示不同维度的差错明细。
S202、依据当前差错单的差错类型,在历史差错单中筛选与当前差错单的差错类型一致的历史差错单,得到历史差错单集合。
也就是说,将历史差错单中与当前差错单的差错类型一致的单子,均放入该历史差错单集合中,以构建该差错类型的历史差错单集合。
例如,当前差错单的差错类型为:跨组件不平,则获取差错类型为跨组件不平的所有历史差错单,构建该跨组件不平的历史差错单集合。其他差错类型同理,此处不再一一赘述。
S203、依据当前差错单的差错类型对应的关联查找规则,在历史差错单集合中确定当前差错单的关联单。
为加快筛选速度,可以先在历史差错单中筛选差错类型,再根据相应的关联查找规则查找关联单。
需要说明的是,因为不同差错类型的差错单,其明细数据展示的维度不同。
例如,调账产生的跨组件不平的差错单包括:全局事件跟踪号、子交易序号、会计日期、多实体标识、服务种类、单笔交易标识、账户机构编号、币种代码、科目发生方向代码、自然科目编号、明细分录交易发生额、对公客户类型代码、总账来源编号、集团内往来机构编号。
连续几天的总分不平的差错单包括:会计日期、机构编号、总账责任中心编号、自然科目标号、总账期限代码、总账客户类型代码、集团内来往机构编号、总账来源编号、区域类别代码、备用总账段编号、币种代码、账套编号、总账科目余额、分账户余额、引擎变式编号、多实体标识。
引擎入账失败的差错单包括:全局事件跟踪号、交易接入模式类别代码、交易流水数据来源描述、会计日期、入账日期、子交易序号、服务种类、错误返回码、错误信息、交易机构编号、交易人员编号、交易服务编号、多实体标识、会计平账套号。
因此,不同的差错类型对应的关联查找规则不同,进而采用相应的关联查找规则,在历史差错单集合中确定对应的关联单。
下面以跨组件不平、总分不平、以及其他类型对依据当前差错单的差错类型对应的关联查找规则,在历史差错单集合中确定当前差错单的关联单的具体过程进行说明:
(1)若当前差错单的差错类型为总分不平,则将历史差错单集合中,与当前差错单的创建日期相差一天内且总账关键字相同的历史差错单,作为当前差错单的关联单。
总分不平是指每日日切时,总账会计科目的余额与分户账汇总的余额金额不等,如果产生一个总分不平的差错,那么直到调账成功前每天都会产生金额相同的一个总分不平单,也即总分不平的差错单。这些差错单的差错原因相同,因此认定岗在处理总分不平单时,可以在差错单创建日期相差1天内,查找明细数据中总账关键字相同的差错单作为关联单,认定岗可以直接选择和关联单相同的原因描述和原因类别,自动填写,检查无误后提交流转到下一岗位。
总账关键字是总分不平单的差错明细中的某些字段项,包括会计日期、机构编号、总账责任中心编号、自然科目编号、总账来源编号、币种代码、总账科目余额、分户账余额、多实体标识等字段。如果是同一差错的关联单,这些差错单的字段是相同的,因此可以依据这些字段来确定关联单。
(2)若当前差错单的差错类型为跨组件不平,则将历史差错单集合中,与当前差错单的交易流水号相同的历史差错单,作为当前差错单的关联单。
跨组件不平是指需要两个不同组件合作处理的交易,由于某种原因其中一个组件未能记账成功,形成单边账务的差错。跨组件不平的差错单会有对应调账差错单,又称跨组件不平单,跨组件不平的差错单中两单的明细数据中交易流水号是同一个。因此当前处理单据为跨组件不平单时,可以将其中的交易流水号与历史差错单集合中的差据进行比对,若找到交易流水号一致差错单的则认为其是当前差错单的关联单,自动填写与其相同的原因描述和原因类别,检查无误后提交流转到下一岗位。
(3)若当前差错单的差错类型不为总分不平和跨组件不平,则将历史差错单集合中,与当前差错单的创建日期相差五天内且差错类型以及首责组件相同的历史差错单,作为当前差错单的关联单。
其他差错类型的关联单,会在历史单据中查找和该单创建日期相差5天内、首责组件和差错类型相同的历史差错单作为关联单,此时可以将该关联单展示给认定岗参考,由认定岗来确定是否填写相同的差错信息。若认定岗判断其是关联单,自动填充关联单的原因描述和原因类型到当前差错单上,检查无误后流转到下一岗位。
除了总分不平和跨组件不平的差错类型可以是引擎与组件不一致、引擎入账失败、总账入账失败等。
以当前差错单的差错类型为引擎与组件不一致为例进行说明,查找出来的关联单的差错类型需为引擎与组件不一致;其他差错类型同理。
按照差错类别和明细数据查找差错单的关联单,根据差错单的不同特征,建立不同查找规则,对查找到的关联单直接复制其原因描述,省去人工填写的步骤。重点对总分不平、跨组件不平这两种差错进行筛选和查找,使得查找更加全面准确。
可选的,依据当前差错单,在历史差错单中进行匹配之后,若匹配失败,则还包括:
获取认定岗人员填写的差错原因描述;调用原因推荐模型,依据差错原因描述确定差错原因类别。
也就是说,若依据上述关联查找规则找不到关联单或者认定岗人员点击不认为是关联单,则需要认定岗人员手动填写差错原因描述,填写后调用原因推荐模型对差错原因类型进行智能分类,确定当前差错单的差错原因类别。
具体的,本申请可以是采用深度学习TextCNN(Text Convolutional NeuralNetwork,文本卷积神经网络)算法对认定岗填写的原因描述文字进行智能分类,将预测出的类别推荐给认定岗进行参考和选择。
其中,文本分类是自然语言处理NLP中的最基础的一个任务,很多场景中都涉及到,比如:垃圾过滤,情感分析,话题分类等,核心方法为首先提取分类数据的特征,然后选择最优的匹配,从而分类。最早的文本分类是用基于知识的方法,构建规则完成文本分类,随着机器学习、深度学习地快速发展,现在越来越多的采用深度学习来做文本分类。
原因推荐模型的具体过程可以是:
1)进行数据预处理。
数据预处理的方式依次执行去重,分局和分词,以及词向量化等,当然也可以包括其他,此处不再一一赘述。
将账务一致性平台中所有已关单的历史差错单的差错信息导出,将差错原因描述部分作为文本输入,选择的差错原因类别作为分类标签。对账务一致性平台中原因类别包括“其他”有8个,但由于“其他”一类是根据描述无法准确判断出具体哪类时才会选择,为防止这一类的原因描述干扰分类模型准确率,训练时将这类的数据剔除,只训练剩下7个类别,因此该分类模型的最终输出结果为7种分类。通过去重、分句分词等预处理后,以7:2:1比例划分训练集、验证集和测试集。
2)构建TextCNN模型并训练。
使用word2vec(产生词向量的相关模型)对所有的词元信息进行编码操作,生成词嵌入矩阵。接着定义嵌入层、卷积层、池化层作为模型整体架构,使用全连接层输出概率分布,并通过softmax函数输出模型预测的类别概率数组。最后定义模型训练的学习率、迭代次数、Adam优化器、交叉熵损失函数等构建训练模型,训练后保存最好结果时的模型参数,部署到原因推荐模块进行使用。
其中,TextCNN是一种用于文本多分类的深度学习算法。它通过数个卷积运算和池化操作,提取文本特征,能够有效地处理文本数据。TextCNN模型的架构如下:(1)嵌入层,输入文本数据,将每个词以词向量的形式表示,堆叠形成二维矩阵;(2)卷积层,提取文本的局部特征。设定卷积核为二维数据,长为自定义,宽为词向量的维度,可设置多个卷积核,这样能够表达词的上下文信息;(3)池化层,将卷积层输出的特征进行池化处理,得到一组大小相等的特征向量;(4)全连接层,将提取的特征进行全连接处理,将特征映射到分类类别标签;(5)输出层,最后通过softmax函数输出模型预测的类别概率,使得每个类别的概率范围在[0,1]且相加和为1,模型选择概率最大的标签作为最终预测的分类结果。
3)原因类别预测并推荐。
当关联查找模块找不到关联单或认定岗需要手动填写原因描述时,调用原因推荐模块,将写好的原因描述作为样本输入到模型中进行预测分类,会输出长度为8、数值在0-1之间且相加和为1的概率数组。这里定义最小分类概率阈值为0.5,若输出的数组中有概率大于0.5的,则将该标签的类别作为最终类别,推荐给认定岗进行选择;若输出数组中的所有概率都小于0.5,说明分类结果不明显无法准确推荐,可能是原因较为复杂或以前从未出现过类似账务问题,这时原因推荐模块就会建议认定岗仔细判断或建议选择“其他”。
4)模型的持续改进。
当一个差错单经过一系列流程最终被服务岗审核通过后,原因推荐模块会将该条数据作为新样本加入到模型中进行增量训练。这样模型可以在不断获取新数据的情况下进行学习和更新,以适应不断变化的数据分布和模式,不断优化其性能。
认定岗开始处理一单差错单,到了需要填写原因描述和原因类别时,点击“智能填写差错原因”按钮,进入装置。首先调用关联查找按照制定的关联查找规则进行查找,若找到关联单则展示出相关信息,供认定岗判断:认定岗如果认为其是关联单,装置会自动将原因描述和原因类型填成和关联单相同的内容,省去手动填写步骤;若关联查找模块没有找到或认定岗不认为是关联单,可以手动输入自己认为的关联单号或直接输入原因描述。当该单的原因描述栏位是手动填写时,输入完成后装置开始调用原因推荐模块,将描述文本输入到训练好的文本分类模型中进行分类,输出除“其他”外8个类别的分类概率数组,代表模型预测该文本属于哪类的概率,若数组中有大于阈值0.5的数值,说明分类结果可信,可以直接推荐给认定岗选择并提交;若数组中8个数都小于0.5,说明结果不明显,这时显示“无法做出准确推荐,请具体分析或选择‘其他’”,需要认定岗自己分析选择,同时在流转到后面岗位时也进行提醒,以提醒下一岗位这一单既没有关联单,差错原因还比较复杂,原因类型是认定岗自己手动选择的,没有参考依据,需要重视一下。
使用深度学习算法辅助选择原因类别。构建TextCNN深度学习算法模型,对原因描述文本进行多分类学习,以达到智能推荐原因类别的效果。同时由于差错单每天都在不断增加,将新单信息加入到模型中实时更新、持续改进,使模型更加精进,可以有效减少因理解差异导致的原因类别错误选择和选“其他”的情况,减少退单的几率,提升差错单流转效率。
可选的,依据当前差错单,在历史差错单中进行匹配之后,若匹配失败,则还包括:
获取认定岗人员填写的关联单号;查询关联单号对应的历史差错单;将关联单号对应的历史差错单的差错信息,推荐给认定岗人员;在认定岗人员选择关联单号对应的历史差错单的差错信息时,将关联单号对应的历史差错单的差错信息,作为当前差错单的差错信息。
也就是说,在进行步骤S102的关联查找时,没有找到关联单或认定岗不认为是关联单,可以手动输入自己认为的关联单号。进而通过该关联单号查找对应的差错单信息,认定岗人员可以是根据该差错单信息进行判断是否为关联单,若认为是关联单时,认定岗人员点击确认按钮,系统自动将改关联单号对应的差错信息填充至该当前差错单的差错信息。
本申请另一实施例提供了一种差错单的处理系统。
参见图3,该差错单的处理系统,包括:
获取模块101,用于获取认定岗人员处理的当前差错单。
关联查找模块102,用于依据当前差错单,在历史差错单中进行匹配,匹配成功得到当前差错单的关联单。
填充模块103,用于依据关联单的差错信息,确定当前差错单的差错信息;差错信息包括差错原因类别和差错原因描述中的至少一个。
差错单的处理系统还包括原因推荐模块,该原因推荐模块用于获取认定岗人员填写的差错原因描述;依据差错原因描述确定差错原因类别。
也即,首先通过关联查找模块102找到所有单据中与之有相同原因描述和类别的直接关联单,自动填写提交,减少这类单据因马虎或忘记而误填的几率;若是没有查到关联单,则需要认定岗先填好原因描述,然后调用原因推荐模块,通过深度学习分类算法输出和该描述最匹配的原因类别,给认定岗一个选择参考,减少因理解偏差造成错填和选择“其他”的情况。
通过关联查找模块102和原因推荐模块协同配合,实现智能填写和推荐的作用。
上述各个模块的具体工作过程和原理,详情参见上述实施例提供的差错单的处理方法,此处不再一一赘述,视实际情况而定即可,均在本申请的保护范围内。
在本实施例中,获取模块101获取认定岗人员处理的当前差错单;关联查找模块102依据当前差错单,在历史差错单中进行匹配,匹配成功得到当前差错单的关联单;填充模块103依据关联单的差错信息,确定当前差错单的差错信息;差错信息包括差错原因类别和差错原因描述中的至少一个;实现依据关联单自动填写当前差错单的差错信息,减少差错单在流转过程中因认定岗将差错信息填写错误而造成不必要的退单,减少人工填写和分析的时间,也减轻审核人员的处理压力,提高差错单流转效率、降低沟通成本、提高处理时效和准确率。
本申请另一实施例提供了一种存储介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现如上述实施例中任意一项的差错单的处理方法。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
需要说明的是,本公开上述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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
本发明另一实施例提供了一种电子设备,如图4所示,包括:
一个或多个处理器201。
存储装置202,其上存储有一个或多个程序。
当一个或多个程序被一个或多个处理器201执行时,使得一个或多个处理器201实现如上述实施例中任意一项的差错单的处理方法。
特别地,根据本公开的实施例,上文参考流程图描述的过程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,其包括承载在非暂态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。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
本说明书中的各个实施例中记载的特征可以相互替换或者组合,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种差错单的处理方法,其特征在于,包括:
获取认定岗人员处理的当前差错单;
依据所述当前差错单,在历史差错单中进行匹配,匹配成功得到所述当前差错单的关联单;
依据所述关联单的差错信息,确定所述当前差错单的差错信息;所述差错信息包括差错原因类别和差错原因描述中的至少一个。
2.根据权利要求1所述的差错单的处理方法,其特征在于,所述依据所述当前差错单,在历史差错单中进行匹配,匹配成功得到所述当前差错单的关联单,包括:
获取所述当前差错单的差错类型;
依据所述当前差错单的差错类型,在所述历史差错单中筛选与所述当前差错单的差错类型一致的历史差错单,得到历史差错单集合;
依据所述当前差错单的差错类型对应的关联查找规则,在所述历史差错单集合中确定所述当前差错单的关联单。
3.根据权利要求2所述的差错单的处理方法,其特征在于,所述依据所述当前差错单的差错类型对应的关联查找规则,在所述历史差错单集合中确定所述当前差错单的关联单,包括:
若所述当前差错单的差错类型为总分不平,则将所述历史差错单集合中,与所述当前差错单的创建日期相差一天内且总账关键字相同的历史差错单,作为所述当前差错单的关联单。
4.根据权利要求2所述的差错单的处理方法,其特征在于,所述依据所述当前差错单的差错类型对应的关联查找规则,在所述历史差错单集合中确定所述当前差错单的关联单,包括:
若所述当前差错单的差错类型为跨组件不平,则将所述历史差错单集合中,与所述当前差错单的交易流水号相同的历史差错单,作为所述当前差错单的关联单。
5.根据权利要求2所述的差错单的处理方法,其特征在于,所述依据所述当前差错单的差错类型对应的关联查找规则,在所述历史差错单集合中确定所述当前差错单的关联单,包括:
若所述当前差错单的差错类型不为总分不平和跨组件不平,则将所述历史差错单集合中,与所述当前差错单的创建日期相差五天内且差错类型以及首责组件相同的历史差错单,作为所述当前差错单的关联单。
6.根据权利要求1所述的差错单的处理方法,其特征在于,所述依据所述当前差错单,在历史差错单中进行匹配之后,若匹配失败,则还包括:
获取所述认定岗人员填写的差错原因描述;
调用原因推荐模型,依据所述差错原因描述确定差错原因类别。
7.根据权利要求1所述的差错单的处理方法,其特征在于,所述依据所述当前差错单,在历史差错单中进行匹配之后,若匹配失败,则还包括:
获取所述认定岗人员填写的关联单号;
查询所述关联单号对应的历史差错单;
将所述关联单号对应的历史差错单的差错信息,推荐给所述认定岗人员;
在所述认定岗人员选择所述关联单号对应的历史差错单的差错信息时,将所述关联单号对应的历史差错单的差错信息,作为所述当前差错单的差错信息。
8.一种差错单的处理系统,其特征在于,包括:
获取模块,用于获取认定岗人员处理的当前差错单;
关联查找模块,用于依据所述当前差错单,在历史差错单中进行匹配,匹配成功得到所述当前差错单的关联单;
填充模块,用于依据所述关联单的差错信息,确定所述当前差错单的差错信息;所述差错信息包括差错原因类别和差错原因描述中的至少一个。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
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如权利要求1-7中任一项所述的差错单的处理方法。
10.一种存储介质,其特征在于,其上存储有计算机程序,其中,计算机程序被处理器执行时实现如权利要求1-7中任一项所述的差错单的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311530887.0A CN117474699A (zh) | 2023-11-16 | 2023-11-16 | 一种差错单的处理方法和系统、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311530887.0A CN117474699A (zh) | 2023-11-16 | 2023-11-16 | 一种差错单的处理方法和系统、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117474699A true CN117474699A (zh) | 2024-01-30 |
Family
ID=89627394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311530887.0A Pending CN117474699A (zh) | 2023-11-16 | 2023-11-16 | 一种差错单的处理方法和系统、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117474699A (zh) |
-
2023
- 2023-11-16 CN CN202311530887.0A patent/CN117474699A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108089843B (zh) | 一种智能化的银行企业级需求管理系统 | |
US11526579B1 (en) | System and methods for performing automatic data aggregation | |
US10402163B2 (en) | Intelligent data extraction | |
US11170179B2 (en) | Systems and methods for natural language processing of structured documents | |
US11372896B2 (en) | Method and apparatus for grouping data records | |
CN103294592B (zh) | 利用用户工具交互来自动分析其服务交付中的缺陷的方法与系统 | |
US11250513B2 (en) | Computer implemented system for generating assurance related planning process and documents for an entity and method thereof | |
CN110852881B (zh) | 风险账户识别方法、装置、电子设备及介质 | |
US11610271B1 (en) | Transaction data processing systems and methods | |
CN115547466B (zh) | 基于大数据的医疗机构登记评审系统及其方法 | |
CN111241161A (zh) | 发票信息挖掘方法、装置、计算机设备及存储介质 | |
CN115204886A (zh) | 账户识别的方法、装置、电子设备和存储介质 | |
Candaş et al. | Automating coordination efforts for reviewing construction contracts with multilabel text classification | |
CN117474699A (zh) | 一种差错单的处理方法和系统、电子设备、存储介质 | |
CN114741501A (zh) | 舆情预警方法、装置、可读存储介质及电子设备 | |
US20200327319A1 (en) | Agency Notice Processing System | |
CN112380321A (zh) | 基于票据知识图谱的主次数据库分配方法及相关设备 | |
RU2777958C2 (ru) | Система администрирования транзакций с ии | |
CN117882081A (zh) | 包括自动评估核单证据的技术的ai增强审计平台 | |
CN117371940A (zh) | 一种金融信创管理全息智能化控制方法及系统 | |
CN117973846A (zh) | 基于产业链的企业风险预测方法和系统 | |
WO2023121848A1 (en) | Deduplication of accounts using account data collision detected by machine learning models | |
WO2024043795A1 (en) | Methods, systems and computer-readable media for training document type prediction models, and use thereof for creating accounting records | |
CN115423529A (zh) | 经营状态分析方法及装置 | |
CN117891862A (zh) | 业财数据转换方法、装置、电子设备及存储介质 |
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 |