CN118229441A - 一种基于智能关联图谱的电子凭证数据应用方法及系统 - Google Patents

一种基于智能关联图谱的电子凭证数据应用方法及系统 Download PDF

Info

Publication number
CN118229441A
CN118229441A CN202410661530.4A CN202410661530A CN118229441A CN 118229441 A CN118229441 A CN 118229441A CN 202410661530 A CN202410661530 A CN 202410661530A CN 118229441 A CN118229441 A CN 118229441A
Authority
CN
China
Prior art keywords
map
data
association
electronic certificate
entity
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.)
Granted
Application number
CN202410661530.4A
Other languages
English (en)
Other versions
CN118229441B (zh
Inventor
范玉平
涂震
魏强
高岐
陈瑞兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Micro Blog Technology Co ltd
Original Assignee
Jiangxi Micro Blog Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangxi Micro Blog Technology Co ltd filed Critical Jiangxi Micro Blog Technology Co ltd
Priority to CN202410661530.4A priority Critical patent/CN118229441B/zh
Publication of CN118229441A publication Critical patent/CN118229441A/zh
Application granted granted Critical
Publication of CN118229441B publication Critical patent/CN118229441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0455—Auto-encoder networks; Encoder-decoder networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据处理技术领域，提出一种基于智能关联图谱的电子凭证数据应用方法及系统；包括获取电子凭证数据，并将电子凭证数据录入在财务系统中；提取所述电子凭证数据并形成图谱节点；将所述图谱节点输入预设的关联图谱中形成重构的关联图谱；计算图谱节点和原始图谱节点之间的关联值；若其关联值大于预设值，则所述电子凭证数据可以录入在原始图谱节点对应的报表中，通过智能关联图谱可以帮助系统自动化处理数据，提高数据处理效率，减少人工干预，从而优化业务流程和提升工作效率，同时将电子凭证数据转化成图谱节点的形式，方便用户直观地查看各实体之间的关系和依赖，有利于数据的理解和分析，更容易发现数据之间的联系。

Description

一种基于智能关联图谱的电子凭证数据应用方法及系统
技术领域
本发明涉及数据处理技术领域，特别涉及一种基于智能关联图谱的电子凭证数据应用方法及系统。
背景技术
电子会计凭证包括电子发票、铁路电子客票、航空运输电子行程单、电子非税缴款文书等凭证，电子银行回单和电子银行对账单等银行出具的单据，各企业员工可以使用电子凭证在财务系统进行报销、入账、对账等相关事项；目前，员工在使用电子凭证处理相关事项时，通常需要手动下载电子凭证，再由员工将电子凭证中的信息填写为表格、单据等财务文件，再将财务文件和电子凭证共同上传至企业财务系统。例如，从银行、第三方机构或提供电子凭证的官方平台等下载电子凭证，再填写报表、报销单等财务文件后，将财务文件与电子凭证上传至自家公司的财务系统，在现有技术中，需要员工自行进行填写上传，同时在编辑不同财务文件时，财务人员仍需要将数据进行整合调整，导致人工效率低下；
公开号为：CN110503537A的中国专利公开了一种财务记账数据智能匹配方法及系统，用于对原始信息内容的训练和预测匹配，包括词语特征提取模块、发票特征提取模块、科目特征提取模块、注意力网络模块和全连接网络层模块，所述原始信息内容将信息传送到词语特征提取模块中，所述原始信息内容包括原始票据信息和公司科目信息；使用财务系统中所获取的原始发票凭证与科目信息，并利用深度神经网络进行训练学习来实现智能匹配，所述词语特征提取模块与发票特征提取模块数据连接，所述词语特征提取模块与科目特征提取模块数据连接；仅仅采用语义进行匹配难以保证其匹配准确度。为此，本发明提出一种基于智能关联图谱的电子凭证数据应用方法及系统。
发明内容
本发明针对现有技术中存在的技术问题，提供一种基于智能关联图谱的电子凭证数据应用方法及系统。
本发明解决上述技术问题的技术方案如下：一种基于智能关联图谱的电子凭证数据应用方法包括以下步骤：
S1：获取电子凭证数据，并将电子凭证数据录入在财务系统中；
S2：提取所述电子凭证数据并形成图谱节点；
S3：将所述图谱节点输入预设的关联图谱中形成重构的关联图谱；
S4：计算图谱节点和原始图谱节点之间的关联值；
S5：若其关联值大于预设值，则所述电子凭证数据录入在原始图谱节点对应的报表中。
进一步的，所述的一种基于智能关联图谱的电子凭证数据应用方法，所述获取电子凭证数据包括通过OCR识别对纸质票据进行数据采集，并生成对应的电子凭证数据。
进一步的，所述的一种基于智能关联图谱的电子凭证数据应用方法，对所述电子凭证数据进行提取包括：
获取所述电子凭证中的文本数据，将文本数据输入编码器中：
对于一个输入的文本数据S，编码器对文本数据中每一个单词的特征表示为；
；
；
其中是第n个单词的输入表示包括单词的词嵌入、位置嵌入和分段嵌入的相加和，/>表示第n个单词的隐藏状态；
用编码器分别学习单词中关于主实体和客实体的特征信息：
；
；
其中，和/>分别表示输入文本数据中的第n个关于主实体和客实体的特征表示，/>和/>分别表示主实体和客实体感知过程中的训练参数，/>和/>是主实体和客实体感知过程中的偏置项。
进一步的，所述的一种基于智能关联图谱的电子凭证数据应用方法，通过注意力机制对于不同单词进行分类：
对于第n个单词关于主实体的特征表示和第m个单词关于客实体的特征表示，计算单词对的分数向量：
；
其中，和/>分别表示可训练的参数，/>表示两个特征信息拼接，b是偏置项；在得到分数向量后，根据与定义的关系集合来预测类别：
；
k表示第k种关系，表示在第k种关系下的类别分布概率；
综合得到编码器中对于所述电子凭证数据的提取：
；
其中，N表示单词总数，K是关系总数，表示单词对在第k种关系下的类别，log是取对数操作。
进一步的，所述的一种基于智能关联图谱的电子凭证数据应用方法，其所述将所述图谱节点输入预设的关联图谱中形成重构的关联图谱步骤中，重构的关联图谱中图谱节点的单条属性信息包括：
；
其中，和/>分别是实体/>的属性和属性值，/>和/>是将/>和/>映射到统一向量空间的映射向量；通过聚合函数将所有属性值融合，得到实体/>的属性信息表示：
；
AGG是聚合函数，表示实体/>所有属性值集合。
进一步的，所述的一种基于智能关联图谱的电子凭证数据应用方法，所述计算图谱节点和原始图谱节点之间的关联值步骤中包括：
将图谱节点采用三元组进行表示：，原始图谱节点设为：/>：
；
其中，I是属性值关联值，p表示属性值集合，表示实体/>与/>共享的属性值，/>是实体/>和/>共享的属性值，/>是一个集合中元素的个数。
一种基于智能关联图谱的电子凭证数据应用系统，应用于上述的一种基于智能关联图谱的电子凭证数据应用方法，所述系统包括：
获取单元：获取电子凭证数据，并将电子凭证数据录入在财务系统中；
提取单元：提取所述电子凭证数据并形成图谱节点；
输入单元：将所述图谱节点输入预设的关联图谱中形成重构的关联图谱；
计算单元：计算图谱节点和原始图谱节点之间的关联值；
判断单元：若其关联值大于预设值，则所述电子凭证数据录入在原始图谱节点对应的报表中。
本发明的有益效果是：
自动化处理：通过提取算法和关联图谱技术，实现对电子凭证数据的自动化处理和管理，减少了人工干预和操作，提高了效率和准确性；
数据关系可视化：将电子凭证数据转化成图谱节点的形式，方便用户直观地查看各实体之间的关系和依赖，有利于数据的理解和分析，更容易发现数据之间的联系；
通过关联值匹配的方式，自动将电子凭证数据录入相关报表中，节省了人工录入和验证的时间，同时防止了数据录入错误和遗漏。
附图说明
图1为本发明基于智能关联图谱的电子凭证数据应用方法的流程示意图；
图2为本发明基于智能关联图谱的电子凭证数据应用系统示意图。
图3为本发明实施例中关联图谱的示意图；
图4为本发明实施例中关联图谱的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
在本申请的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请的描述中，术语“例如”一词用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
一种基于智能关联图谱的电子凭证数据应用方法包括以下步骤：
S1：获取电子凭证数据，并将电子凭证数据录入在财务系统中；具体的：电子凭证数据包括发票、收据、合同等各种财务凭证，这些电子凭证数据保存在财务系统中，并在财务系统中得到应用。
S2：提取所述电子凭证数据并形成图谱节点；具体的：在电子凭证数据中，图谱节点可以表示不同的实体，比如账户、交易、日期等，而这些实体的属性可以包括账户余额、交易金额、日期时间等；通过将这些实体和属性以图谱节点的形式组织起来，可以更清晰地展现它们之间的关系和依赖，从而更好地进行数据分析和应用。
S3：将所述图谱节点输入预设的关联图谱中形成重构的关联图谱；具体的：在财务系统中原始的关联图谱在接收新的电子凭证数据后，电子凭证数据与原始的关联图谱生成新的图谱部分。
S4：计算图谱节点和原始图谱节点之间的关联值；具体的：根据关联值来表示电子凭证数据中的实体与原始图谱节点之间的关联性，并判断二者是否有归属关系。
S5：若其关联值大于预设值，则所述电子凭证数据录入在原始图谱节点对应的报表中。
在本实施例中，预设的关联图谱是财务系统中各种财务数据之间的关联图谱，其根据不同属性和不同实体之间的关联图谱是不同的，同时在财务系统中根据各层次的数据，其关联图谱的细分程度不同，在财务系统中录入新的电子凭证数据后，关联图谱会发生改变，并根据不同层次的关系插入至关联图谱中，如图3和图4所示。
在一个具体的实施例中，财务系统中录入了一张电子报销发票包括发票号、日期、金额以及商品名称等信息，系统利用提取算法，将电子发票的各项信息分解成关键词和实体，并形成图谱节点。例如，发票号作为一个节点，日期作为一个节点，金额和商品名称分别作为节点，它们之间建立联系表示它们之间的关系，将发票的主实体作为实体输入到预设的关联图谱中，系统重新组织这些节点的联系，形成一个更为结构化的关联图谱，如果系统需要制成一个当月报销表时，根据时间的关联图谱计算电子发票节点与当月报销表中节点之间的关联值，判断其是否与当月的报销表关联，若计算出的关联值符合预设的匹配标准，系统就可以自动将这张电子报销发票匹配到当月报销表中，并根据图谱关系填充金额、商品名称等信息，以完成报表的自动生成；财务系统可以更快速、准确地将电子发票数据和报销表数据进行匹配，实现了财务数据的自动化处理和管理，提高了工作效率和准确性。
在本实施例中，所述获取电子凭证数据包括通过OCR识别对纸质票据进行数据采集，并生成对应的电子凭证数据，在此电子凭证数据不仅仅包括通过线上获取的电子数据，还可以通过现有的OCR识别技术将纸质的电子凭证直接输入至财务系统中，在此对纸质票据的识别和数据提取为现有技术。
在一个实施例中，对所述电子凭证数据进行提取包括：
获取所述电子凭证中的文本数据，将文本数据输入编码器中，在此编码器采用BERT预训练语言模型来进行文本数据的分类，BERT是一个文本表示模型，通过多层双向Ttansformer构成；
对于一个输入的文本数据S，编码器对文本数据中每一个单词的特征表示为；
；
；
其中是第n个单词的输入表示包括单词的词嵌入、位置嵌入和分段嵌入的相加和，/>表示第n个单词的隐藏状态；
用编码器分别学习单词中关于主实体和客实体的特征信息，其中编码器中包括两个多层感知机即主实体感知机和客实体感知机分别实现对主实体和客实体的学习：
；
；
其中，和/>分别表示输入文本数据中的第n个关于主实体和客实体的特征表示，/>和/>分别表示主实体和客实体感知过程中的训练参数，/>和/>是主实体和客实体感知过程中的偏置项。
在此通过Biaffine注意力机制对于不同单词进行分类：
对于第n个单词关于主实体的特征表示和第m个单词关于客实体的特征表示，计算单词对的分数向量：
；
其中，和/>分别表示可训练的参数，/>表示两个特征信息拼接，b是偏置项；在得到分数向量后，根据与定义的关系集合来预测类别：
；
k表示第k种关系，表示在第k种关系下的类别分布概率；
综合得到编码器中对于所述电子凭证数据的提取：
；
其中，N表示单词总数，K是关系总数，表示单词对在第k种关系下的类别，log是取对数操作。
在具体的实施例中，假设有一张电子发票包含以下信息：发票号为GHI789，日期为2022年11月1日，总金额为3000元，收购的商品名称为办公家具，那么这张发票涉及到公司的采购费用，其类别的具体分析过程为：系统从电子发票中获取其文本数据，并根据编码器对文本数据进行处理，编码器对每个单词和数字进行特征识别，并主实体感知机和客实体感知机将学习提取商品种类和金额的特征信息，比如从“办公家具”中提取商品种类，从对应金额中提取采购费用，从而实现对电子发票中图谱节点的提取。
在一个实施例中，其所述将所述图谱节点输入预设的关联图谱中形成重构的关联图谱步骤中，重构的关联图谱中图谱节点的单条属性信息包括：
；
其中，和/>分别是实体/>的属性和属性值，/>和/>是将/>和映射到统一向量空间的映射向量；通过聚合函数将所有属性值融合，得到实体/>的属性信息表示：
；
AGG是聚合函数，表示实体/>所有属性值集合。
所述计算图谱节点和原始图谱节点之间的关联值步骤中包括：
将图谱节点采用三元组进行表示：，原始图谱节点设为：/>：
；
其中，I是属性值关联值，p表示属性值集合，表示实体/>与/>共享的属性值，/>是实体/>和/>共享的属性值，/>是一个集合中元素的个数。
一种基于智能关联图谱的电子凭证数据应用系统，应用于上述的一种基于智能关联图谱的电子凭证数据应用方法，所述系统包括：
获取单元：获取电子凭证数据，并将电子凭证数据录入在财务系统中；
提取单元：提取所述电子凭证数据并形成图谱节点；
输入单元：将所述图谱节点输入预设的关联图谱中形成重构的关联图谱；
计算单元：计算图谱节点和原始图谱节点之间的关联值；
判断单元：若其关联值大于预设值，则所述电子凭证数据录入在原始图谱节点对应的报表中。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (6)

1.一种基于智能关联图谱的电子凭证数据应用方法，其特征在于，包括以下步骤：
S1：获取电子凭证数据，并将电子凭证数据录入在财务系统中；
S2：提取所述电子凭证数据并形成图谱节点；
S3：将所述图谱节点输入预设的关联图谱中形成重构的关联图谱；
S4：计算图谱节点和原始图谱节点之间的关联值；
S5：若其关联值大于预设值，则所述电子凭证数据录入在原始图谱节点对应的报表中；
对所述电子凭证数据进行提取包括：
获取所述电子凭证中的文本数据，将文本数据输入编码器中：
对于一个输入的文本数据S，编码器对文本数据中每一个单词的特征表示为；
；
；
其中是第n个单词的输入表示包括单词的词嵌入、位置嵌入和分段嵌入的相加和，表示第n个单词的隐藏状态；
用编码器分别学习单词中关于主实体和客实体的特征信息：
；
；
其中，和/>分别表示输入文本数据中的第n个关于主实体和客实体的特征表示，和/>分别表示主实体和客实体感知过程中的训练参数，/>和/>是主实体和客实体感知过程中的偏置项。
2.根据权利要求1所述的一种基于智能关联图谱的电子凭证数据应用方法，其特征在于，所述获取电子凭证数据包括通过OCR识别对纸质票据进行数据采集，并生成对应的电子凭证数据。
3.根据权利要求1所述的一种基于智能关联图谱的电子凭证数据应用方法，其特征在于，通过注意力机制对于不同单词进行分类：
对于第n个单词关于主实体的特征表示和第m个单词关于客实体的特征表示，计算单词对的分数向量：
；
其中，和/>分别表示可训练的参数，/>表示两个特征信息拼接，b是偏置项；在得到分数向量后，根据与定义的关系集合来预测类别：
；
k表示第k种关系，表示在第k种关系下的类别分布概率；
综合得到编码器中对于所述电子凭证数据的提取：
；
其中，N表示单词总数，K是关系总数，表示单词对在第k种关系下的类别，log是取对数操作。
4.根据权利要求1所述的一种基于智能关联图谱的电子凭证数据应用方法，其特征在于，所述将所述图谱节点输入预设的关联图谱中形成重构的关联图谱步骤中，重构的关联图谱中图谱节点的单条属性信息包括：
；
其中，和/>分别是实体/>的属性和属性值，/>和/>是将/>和/>映射到统一向量空间的映射向量；通过聚合函数将所有属性值融合，得到实体/>的属性信息表示：
；
AGG是聚合函数，表示实体/>所有属性值集合。
5.根据权利要求4所述的一种基于智能关联图谱的电子凭证数据应用方法，其特征在于，所述计算图谱节点和原始图谱节点之间的关联值步骤中包括：
将图谱节点采用三元组进行表示：，原始图谱节点设为：/>：
；
其中，I是属性值关联值，p表示属性值集合，表示实体/>与/>共享的属性值，/>是实体/>和/>共享的属性值，/>是一个集合中元素的个数。
6.一种基于智能关联图谱的电子凭证数据应用系统，其特征在于，应用于权利要求1-5任一项所述的一种基于智能关联图谱的电子凭证数据应用方法，所述系统包括：
获取单元：获取电子凭证数据，并将电子凭证数据录入在财务系统中；
提取单元：提取所述电子凭证数据并形成图谱节点；
输入单元：将所述图谱节点输入预设的关联图谱中形成重构的关联图谱；
计算单元：计算图谱节点和原始图谱节点之间的关联值；
判断单元：若其关联值大于预设值，则所述电子凭证数据录入在原始图谱节点对应的报表中。
CN202410661530.4A 2024-05-27 2024-05-27 一种基于智能关联图谱的电子凭证数据应用方法及系统 Active CN118229441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410661530.4A CN118229441B (zh) 2024-05-27 2024-05-27 一种基于智能关联图谱的电子凭证数据应用方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410661530.4A CN118229441B (zh) 2024-05-27 2024-05-27 一种基于智能关联图谱的电子凭证数据应用方法及系统

Publications (2)

Publication Number Publication Date
CN118229441A true CN118229441A (zh) 2024-06-21
CN118229441B CN118229441B (zh) 2024-08-23

Family

ID=91501291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410661530.4A Active CN118229441B (zh) 2024-05-27 2024-05-27 一种基于智能关联图谱的电子凭证数据应用方法及系统

Country Status (1)

Country Link
CN (1) CN118229441B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110078058A1 (en) * 2009-09-29 2011-03-31 Sap Ag Customizable marketing project interfaces
CN110046978A (zh) * 2019-03-19 2019-07-23 上海大学 智能报销方法
EP3570221A1 (en) * 2018-05-15 2019-11-20 Hitachi, Ltd. Neural networks for discovering latent factors from data
CN110956254A (zh) * 2019-11-12 2020-04-03 浙江工业大学 一种基于动态知识表示学习的案件推理方法
US20200175559A1 (en) * 2018-12-04 2020-06-04 Sap Se Representing sets of entitites for matching problems
US20210241072A1 (en) * 2020-02-03 2021-08-05 Intuit Inc. Systems and methods of business categorization and service recommendation
CN114840633A (zh) * 2022-06-08 2022-08-02 浙江华巽科技有限公司 一种基于异构关联子图的关键词生成方法
CN116340545A (zh) * 2023-04-17 2023-06-27 北京航空航天大学 基于图谱关联与融合的数字资源组件多维映射系统及方法
CN116932777A (zh) * 2023-07-19 2023-10-24 浙江大学 基于Transformer的多模态知识图谱动态自适应对齐方法
CN117057939A (zh) * 2023-08-14 2023-11-14 江苏新致智慧科技有限公司 电子凭证管理方法、装置、交互系统、设备及存储介质
CN117726472A (zh) * 2023-12-29 2024-03-19 深圳卫医通信息科技有限公司 一种基于自动化生成会计凭证的系统
WO2024066045A1 (zh) * 2022-09-27 2024-04-04 深圳先进技术研究院 保函信息提取与价值预测方法、系统、终端及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110078058A1 (en) * 2009-09-29 2011-03-31 Sap Ag Customizable marketing project interfaces
EP3570221A1 (en) * 2018-05-15 2019-11-20 Hitachi, Ltd. Neural networks for discovering latent factors from data
US20200175559A1 (en) * 2018-12-04 2020-06-04 Sap Se Representing sets of entitites for matching problems
CN110046978A (zh) * 2019-03-19 2019-07-23 上海大学 智能报销方法
CN110956254A (zh) * 2019-11-12 2020-04-03 浙江工业大学 一种基于动态知识表示学习的案件推理方法
US20210241072A1 (en) * 2020-02-03 2021-08-05 Intuit Inc. Systems and methods of business categorization and service recommendation
CN114840633A (zh) * 2022-06-08 2022-08-02 浙江华巽科技有限公司 一种基于异构关联子图的关键词生成方法
WO2024066045A1 (zh) * 2022-09-27 2024-04-04 深圳先进技术研究院 保函信息提取与价值预测方法、系统、终端及存储介质
CN116340545A (zh) * 2023-04-17 2023-06-27 北京航空航天大学 基于图谱关联与融合的数字资源组件多维映射系统及方法
CN116932777A (zh) * 2023-07-19 2023-10-24 浙江大学 基于Transformer的多模态知识图谱动态自适应对齐方法
CN117057939A (zh) * 2023-08-14 2023-11-14 江苏新致智慧科技有限公司 电子凭证管理方法、装置、交互系统、设备及存储介质
CN117726472A (zh) * 2023-12-29 2024-03-19 深圳卫医通信息科技有限公司 一种基于自动化生成会计凭证的系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程清洁等: "基于会计档案的知识图谱研究与应用", 财会学习, no. 9, 25 March 2023 (2023-03-25) *

Also Published As

Publication number Publication date
CN118229441B (zh) 2024-08-23

Similar Documents

Publication Publication Date Title
US11710332B2 (en) Electronic document data extraction
US11720615B2 (en) Self-executing protocol generation from natural language text
US11568284B2 (en) System and method for determining a structured representation of a form document utilizing multiple machine learning models
US20130232043A1 (en) Systems and Methods of Processing and Classifying a Financial Transaction
CN110909226A (zh) 金融类文档信息处理方法、装置、电子设备及存储介质
WO2023279039A1 (en) Ai-augmented auditing platform including techniques for applying a composable assurance integrity framework
CN112150298B (zh) 数据处理方法、系统、设备及可读介质
US20190139147A1 (en) Accuracy and speed of automatically processing records in an automated environment
US11610271B1 (en) Transaction data processing systems and methods
CN109784158A (zh) 凭证管理控制方法、装置、计算机设备及存储介质
WO2019008766A1 (ja) 証憑処理システムおよび証憑処理プログラム
CN111523298A (zh) 记账凭证的生成方法及装置
CN113657985A (zh) 一种财务凭证自动化分录记账方法及记账系统
CN118229441B (zh) 一种基于智能关联图谱的电子凭证数据应用方法及系统
CN115525739B (zh) 供应链金融智能查重方法、装置、设备及介质
CN109635289A (zh) 词条分类方法及审计信息抽取方法
CN107248112A (zh) 基于xbrl的财务云审单和记账规则公式设计器
CN113888143B (zh) 一种对账单数据处理方法、装置及存储介质
CN117455699A (zh) 一种基于机器学习实现自动识别记账算法模型
WO2024205581A1 (en) Ai-augmented composable and configurable microservices for determining a roll forward amount
CN116757842A (zh) 交易分类方法、装置、设备以及存储介质
CN118134657A (zh) 一种基于运单号自动获取理赔信息的免证理赔方法
TWM632101U (zh) 人工智慧電子發票加值中心自動入帳整合系統
CN118260300A (zh) 数据状态更新方法、装置、计算机设备和存储介质
CN117251799A (zh) 一种财务凭证处理方法、装置、计算机设备及存储介质

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
GR01 Patent grant
GR01 Patent grant