JP6635563B1 - 仕訳要素解析装置、会計処理システム、仕訳要素解析方法、仕訳要素解析プログラム - Google Patents

Abstract

会計処理装置１０は、仕訳要素解析部１１において、抽出した仕訳要素に対して、金額に関する仕訳要素については検算を行ったり、複数の仕訳要素抽出ＡＩにより抽出した仕訳要素抽出結果を突合させ、不整合な仕訳要素については警告表示を付して表示する。

Description

本発明はレシート、領収書等の証憑の画像データから仕訳要素を抽出する仕訳要素解析装置、会計処理システム、仕訳要素解析方法、仕訳要素解析プログラムに関する。

従来、証憑の会計処理として、税理士や会計士、簿記担当者が証憑に記載の情報を一件一件読み取り、例えば日付、取引先、金額等の仕訳要素を帳簿に入力し、当該仕訳要素に対応した勘定科目を経験的に判断して仕訳の入力を行っていた。

このように、証憑を人間が一件一件読み取って仕訳を行うのでは作業効率が悪い上、仕訳の精度は担当者の経験に依存するところが大きく、仕訳の精度にばらつきが生じるという問題があった。

そこで、ＯＣＲ（Optical Character Reader）装置を用いて、証憑の内容を電子データとして読み取り、インターネットを介して仕訳解析センターシステムに送信するだけで、その証憑に示される簿記上の取引についての仕訳の結果をユーザが参照することが可能となるいわゆるクラウド型の会計処理システムが開発されている（特許文献１、２参照）。

詳しくは、特許文献１に記載された技術では、携帯端末等で撮影した証憑データを仕訳要素抽出手段によって解析して仕訳要素情報をテキスト形式のデータとして抽出している。そして、会計ソフトを所有する登録ユーザについては、当該登録ユーザの過去履歴を参照して証憑記載の取引と類似取引の仕訳を抽出し、その使用頻度に応じて推奨仕訳を提示する。一方、非登録ユーザについては全ユーザ（全国多数の個人や企業）の使用人数が一番多い仕訳を推奨仕訳としてユーザに提示する。また、当該特許文献１では、新たな仕訳が生じたり、ユーザ側で仕訳を修正したりした場合には、学習手段により仕訳に用いるデータベースを更新することで、各ユーザが使い込むほど仕訳の結果が最適化される。

また、特許文献２に記載された技術では、手入力またはＯＣＲ装置により取引の情報を電子化し、一般的な商取引からの推論（一般推論）、過去に入力した仕訳に類似しているものからの推論（履歴推論）、売掛金や借入金などの事前に発生した会計事象からの推論（消込推論）の３つの推論によって仕訳を行っている。

特開２０１４−２３５４８４号公報 特開２００７−３０４６４３号公報

上記特許文献１、２では、ＯＣＲ装置を用いて証憑から仕訳要素を抽出しているが、証憑の表示形式は様々であり、仕訳要素の抽出精度を高くすることは容易ではない。特に、商品価格、合計金額、税金額、預り金額、釣銭額、等の金額に関する仕訳要素を誤っていると会計上大きな問題を生じるおそれが高い。そのため、未だに抽出した仕訳要素を人手により確認する必要があり、作業効率は悪いままである。

本発明はこのような問題点を解決するためになされたもので、その目的とするところは、証憑に記載された仕訳要素の入力作業の効率を向上させるとともに、仕訳要素の抽出の精度を確保することができ、より正確な自動仕訳を実現することのできる仕訳要素解析装置、会計処理システム、仕訳要素解析方法、及び仕訳要素解析プログラムを提供することにある。

上記した目的を達成するために、本発明に係る仕訳要素解析装置は、証憑の画像データから仕訳要素を抽出可能な仕訳要素抽出部と、前記仕訳要素抽出部により抽出された仕訳要素のうち金額に関する仕訳要素にかかる関係式を用いて検算を行う検算部と、前記検算部による検算結果から前記仕訳要素抽出部により抽出された仕訳要素の整合性を判定する整合性判定部と、前記整合性判定部により不整合があると判定された場合に、前記関係式を用いて不整合な仕訳要素を自動補正する自動補正部と、を備える。

上述の仕訳要素解析装置において、前記仕訳要素抽出部は、証憑の画像データから仕訳要素を抽出するための仕訳要素抽出ＡＩを複数有し、当該複数の仕訳要素抽出ＡＩにより同一の証憑の画像データからそれぞれ仕訳要素を抽出可能であり、さらに、前記複数の仕訳要素抽出ＡＩにより抽出された仕訳要素同士を突合する突合部を備え、前記整合性判定部は、前記突合部による突合結果から前記仕訳要素抽出部により抽出された仕訳要素の整合性を判定してもよい。

また、上述の仕訳要素解析装置において、さらに、前記仕訳要素抽出部により抽出された仕訳要素から前記関係式が成立しない特定の証憑を判別し、当該特定の証憑の仕訳要素については前記検算部による検算を行わず前記突合部による突合を行うよう振り分ける振分部を備えてもよい。

また、上述の仕訳要素解析装置において、さらに、前記仕訳要素抽出部により抽出された仕訳要素の表示データを生成し、前記整合性判定部の判定結果に関係する仕訳要素については整合性に応じて異なる表示を付する仕訳要素出力部を備えてもよい。

上記した目的を達成するために、本発明に係る仕訳要素解析装置は、証憑の画像データから仕訳要素を抽出可能な仕訳要素抽出部と、前記仕訳要素抽出部により抽出された仕訳要素のうち金額に関する仕訳要素にかかる関係式を用いて検算を行う検算部と、前記検算部による検算結果から前記仕訳要素抽出部により抽出された仕訳要素の整合性を判定する整合性判定部と、前記仕訳要素抽出部により抽出された仕訳要素の表示データを生成し、前記整合性判定部の判定結果に関係する仕訳要素については整合性に応じて異なる表示を付する仕訳要素出力部と、を備えてもよい。

上記した目的を達成するために、本発明に係る仕訳要素解析装置は、証憑の画像データから仕訳要素を抽出するための仕訳要素抽出ＡＩを複数有し、当該複数の仕訳要素抽出ＡＩにより同一の証憑の画像データからそれぞれ仕訳要素を抽出可能な仕訳要素抽出部と、前記複数の仕訳要素抽出ＡＩにより抽出された仕訳要素同士を突合する突合部と、前記突合部による突合結果から前記仕訳要素抽出部により抽出された仕訳要素の整合性を判定する整合性判定部と、前記整合性判定部により不整合があると判定された場合に、前記突合結果を用いて不整合な仕訳要素を自動補正する自動補正部と、を備える。

上記した目的を達成するために、本発明に係る仕訳要素解析装置は、証憑の画像データから仕訳要素を抽出するための仕訳要素抽出ＡＩを複数有し、当該複数の仕訳要素抽出ＡＩにより同一の証憑の画像データからそれぞれ仕訳要素を抽出可能な仕訳要素抽出部と、前記複数の仕訳要素抽出ＡＩにより抽出された同内容の仕訳要素同士を突合する突合部と、前記突合部による突合結果から前記仕訳要素抽出部により抽出された仕訳要素の整合性を判定する整合性判定部と、前記仕訳要素抽出部により抽出された仕訳要素の表示データを生成し、前記整合性判定部の判定結果に関係する仕訳要素については整合性に応じて異なる表示を付する仕訳要素出力部と、を備える。

また、上記した目的を達成するために、本発明に係る会計処理システムは、上述の仕訳要素解析装置と、前記仕訳要素を確定する仕訳要素確定部と、前記仕訳要素確定部により確定された仕訳要素に基づく勘定科目を出力する仕訳部と、を備える。

また、上記した目的を達成するために、本発明に係る仕訳要素解析方法は、コンピュータにより、証憑の画像データから仕訳要素を抽出可能な仕訳要素抽出工程と、前記仕訳要素抽出工程により抽出された仕訳要素にかかる関係式を用いて検算を行う検算工程と、前記検算工程による検算結果から前記仕訳要素抽出工程により抽出された仕訳要素の整合性を判定する整合性判定工程と、前記整合性判定工程により不整合があると判定された場合に、前記関係式を用いて不整合な仕訳要素を自動補正する自動補正工程と、を実行する。

また、上記した目的を達成するために、本発明に係る仕訳要素解析方法は、コンピュータにより、証憑の画像データから仕訳要素を抽出可能な仕訳要素抽出工程と、前記仕訳要素抽出工程により抽出された仕訳要素のうち金額に関する仕訳要素にかかる関係式を用いて検算を行う検算工程と、前記検算工程による検算結果から前記仕訳要素抽出工程により抽出された仕訳要素の整合性を判定する整合性判定工程と、前記仕訳要素抽出工程により抽出された仕訳要素の表示データを生成し、前記整合性判定工程の判定結果に関係する仕訳要素については整合性に応じて異なる表示を付する仕訳要素出力工程と、を実行する。

また、上記した目的を達成するために、本発明に係る仕訳要素解析方法は、コンピュータにより、証憑の画像データから仕訳要素を抽出するための仕訳要素抽出ＡＩを複数使用し、当該複数の仕訳要素抽出ＡＩにより同一の証憑の画像データからそれぞれ仕訳要素を抽出する仕訳要素抽出工程と、前記複数の仕訳要素抽出ＡＩにより抽出された仕訳要素同士を突合する突合工程と、前記突合工程による突合結果から前記仕訳要素抽出工程により抽出された仕訳要素の整合性を判定する整合性判定工程と、前記整合性判定工程により不整合があると判定された場合に、前記突合結果を用いて不整合な仕訳要素を自動補正する自動補正工程と、を実行する。

また、上記した目的を達成するために、本発明に係る仕訳要素解析方法は、コンピュータにより、証憑の画像データから仕訳要素を抽出するための仕訳要素抽出ＡＩを複数使用し、当該複数の仕訳要素抽出ＡＩにより同一の証憑の画像データからそれぞれ仕訳要素を抽出する仕訳要素抽出工程と、前記複数の仕訳要素抽出ＡＩにより抽出された仕訳要素同士を突合する突合工程と、前記突合工程による突合結果から前記仕訳要素抽出工程により抽出された仕訳要素の整合性を判定する整合性判定工程と、前記仕訳要素抽出工程により抽出された仕訳要素の表示データを生成し、前記整合性判定工程の判定結果に関係する仕訳要素については整合性に応じて異なる表示を付する仕訳要素出力工程と、を実行する。

また、上記した目的を達成するために、仕訳要素解析プログラムでは、コンピュータに、上述の仕訳要素解析方法を実行させる。

上記手段を用いる本発明によれば、証憑に記載された仕訳要素の入力作業の効率を向上させるとともに、仕訳要素の抽出の精度を確保することができ、より正確な自動仕訳を実現することができる。

本発明の一実施形態に係る仕訳要素解析部を含む会計処理システムを示したシステム構成図である。 仕訳要素解析部により実行される仕訳要素解析の流れを示したフローチャートである。 表示部に表示される表示例である。

以下、本発明の一実施形態を図面に基づき説明する。

図１は本発明の一実施形態に係る仕訳要素解析部を含む会計処理システムを示したシステム構成図であり、同図に基づき本実施形態の構成について説明する。

図１に示すように、本実施形態に係る会計処理システム１は、インターネット、ＶＰＮ（Virtual Private Network）等の通信網２を介して、ユーザ側の各装置と会計処理サービス提供者側の会計処理装置１０とが接続されて構成されている。なお、説明の簡略化のため図１では一人のユーザのみを示しているが、会計処理装置１０は通信網２を介して複数のユーザと接続可能である。

ユーザは、例えば税理士及び会計士等の専門家であったり、直接会計処理を行う法人や個人等であり、少なくとも読取装置３と情報端末４を有している。

読取装置３は、例えばスキャナ又はカメラ等の光学機器であり、証憑を画像データとして取り込める装置である。なお、本実施形態及び特許請求の範囲における「証憑」という文言は、領収書やレシート、その他の受領書、請求書、納品書、金融機関の通帳、会計上金銭授受の証明となる書類、電子マネー等のＩＣカードによる取引情報も含むものとする。

情報端末４は、例えばパーソナルコンピュータ（以下、ＰＣという）や、スマートフォン、タブレットＰＣ、及び携帯電話のような携帯端末であり、少なくともｗｅｂ情報を表示可能な端末である。

ユーザは、読取装置３により証憑の画像データを取得して、情報端末４により会計処理装置１０に送信可能であるとともに、会計処理装置１０からの情報を受信可能である。なお、図１では読取装置３と情報端末４とが別体のように示しているが、カメラ付きの携帯端末のように読取装置３と情報端末４とが一体であってもよい。また、ユーザ自身が読取装置３を所有している必要はなく、例えば外部の読取装置により読み取った証憑の画像データをメールやｗｅｂを介して取得してもよい。

一方、会計処理サービス提供者（以下、単にサービス提供者ともいう）は、いわゆるクラウドコンピューティングにより会計処理サービスを提供する事業者であり、会計処理装置１０を管理する者である。

会計処理装置１０（会計処理システム）は、プログラムに基づき仕訳処理を実行する１又は複数のサーバ（コンピュータ）を有し、機能的には主に、証憑の画像データから仕訳要素を抽出して解析を行う仕訳要素解析部１１（仕訳要素解析装置）と、仕訳要素の解析結果を表示する表示部１２と、解析した仕訳要素を確定する仕訳要素確定部１３と、確定された仕訳要素に基づいて自動仕訳を行う仕訳部１４と、仕訳要素抽出ＡＩ及び仕訳ＡＩを生成する学習システム１５と、を有している。

さらに、仕訳要素解析部１１は、仕訳要素抽出部２０、振分部２１、検算部２２、突合部２３、整合性判定部２４、自動補正部２５、仕訳要素出力部２６とを有している。

仕訳要素抽出部２０は、ユーザから証憑の画像データを受信し、当該画像データから仕訳要素を抽出する機能を有している。具体的には、仕訳要素抽出部２０は、証憑の画像データから仕訳要素を抽出するための仕訳要素抽出ＡＩを複数有し、当該複数の仕訳要素抽出ＡＩにより同一の証憑の画像データからそれぞれ仕訳要素を抽出可能である。なお、本実施形態では第１の仕訳要素抽出ＡＩと第２の仕訳要素抽出ＡＩを用いるものとする。この複数の仕訳要素抽出ＡＩは、証憑の画像データから仕訳要素抽出する機能は共通しているが、例えば学習システム１５において学習用データが異なる等の異なる学習を行ったＡＩである。

仕訳要素抽出ＡＩは、証憑の画像データ内から仕訳要素に対応する部分（位置）を特定し、特定された部分の内容に対応する仕訳要素をテキストとして抽出する。つまり、仕訳要素抽出ＡＩは、学習システム１５において、機械学習により画像データ内から仕訳要素に対応する部分を含む領域を指定し、当該指定された部分の内容に対応する仕訳要素をテキストとして出力することを学習したＡＩである。例えば、仕訳要素抽出ＡＩは、証憑の画像データ内のおいて、日付部分、金額部分、取引先部分、摘要部分を指定し、日付部分や金額部分においては数字を認識して年月日や金額のテキストを出力し、取引先に対応する部分や摘要に対応する部分においては文字を認識して取引先や摘要のテキストを出力する。

また、仕訳要素抽出部２０は、仕訳要素抽出ＡＩにより文字や数字を認識してテキストを出力するだけでなく、例えば、ロゴマークや印影又は電話番号のみが抽出された場合には、図示しないが予め企業情報を記憶した企業情報ＤＢより検索して、又はインターネットに公開されている情報を検索することで、取引先名のテキストとして出力してもよい。また、レシート等のように宛名の記載がない場合には、画像データを送信してきたユーザ名を取引元のテキストとして出力してもよいし、ユーザの顧客である企業を予め設定しておき当該ユーザから送信された画像データはその設定された企業名を取引元のテキストとして出力してもよい。

なお、仕訳要素抽出ＡＩは、証憑の画像データ内から仕訳要素に対応する部分（位置）を特定する画像認識ＡＩと、特定された部分の内容に対応する仕訳要素をテキストとして抽出する文字認識ＡＩの２つのＡＩで構成してもよい。

仕訳要素としては、例えば日付、金額、取引先、摘要（但し書き、商品名含む）、取引元（宛名含む）があり、これらに対応する数字、文字、図形（例えばロゴマーク、印影、その他企業を特定可能な図柄）、及び証憑の外観（例えば通帳や領収書の大きさ、色）がある。

仕訳要素抽出部２０は、例えば日付については、「日付」「年」「月」「日」等の文字や「／」等の記号の前後や上下の数字部分を特定する。金額については「￥」等の記号や商品名、「金額」「預り金」「小計」「合計」「税」「お釣り」「割引」「円」「支払い」「預り」「残高」等の金額に関係する文字の前後や上下の数字部分を特定する。そして、本実施形態では金額については、例えば「合計 １０００円」「お釣り ５０円」等、金額に関係する文字や数字毎に仕訳要素を抽出する。なお、仕訳要素抽出部２０は、抽出された文字の意味についても認識可能であり、例えば「小計」は商品の価格を合算した金額である等の会計上の関係性まで特定可能である。

また、取引先については、「株式会社」「（株）」「（カ）」等の文字の前後の文字部分や、ロゴマーク、電話番号、証憑の外観を特定して、これらの情報に基づく会社名や個人名に対応する部分を特定する。摘要については、「但」等の文字に続く文字部分を特定する。取引元については、「様」等の文字の前にある文字の部分を特定する。

なお、仕訳要素はこれに限られるものではなく、また仕訳要素の抽出に用いる数字、文字、図形もこれに限られるものではない。例えば、証憑に、購入品の数量が記載されている場合には数量を仕訳要素として含めてもよいし、同席者の名前や人数等の情報が記載されている場合には、同席者及び人数を仕訳要素として含めてもよい。また、各企業を特定するために設定された番号（法人番号、事業所番号）を抽出してもよい。

仕訳要素抽出部２０と接続されている振分部２１は、抽出された仕訳要素から後述する検算部２２にて用いる関係式が成立しない特定の証憑を判別し、当該特定の証憑の仕訳要素については検算部２２による検算を行わず突合部２３による突合のみを行うよう振り分ける。

詳しくは、振分部２１は、仕訳要素抽出部２０により抽出された仕訳要素から証憑の種類を判別して、検算可能である証憑と検算不可能である証憑との振り分けを行う。具体的には、検算部２２にて用いる関係式が成立する仕訳要素を全て具備している場合には検算可能である証憑とし、当該関係式が成立しない場合には検算不可能である証憑として振り分ける。また、予め、タクシー、電車等の交通系の領収書、飲食店等の手書き領収書のように税込金額のみが記載される証憑等、商慣習上や法律上において検算部２２にて用いる関係式が成立し得ない証憑を予め図示しない記憶部等に記憶させておき、抽出された仕訳要素から判別される証憑が、登録された特定の証憑であるか否かで振り分けてもよい。

検算部２２は、抽出された仕訳要素のうち金額に関する仕訳要素にかかる関係式を用いて検算を行う機能を有している。関係式としては、例えば、お預り＝合計＋お釣り、合計（又は小計）＝税込商品金額の合計、消費税額＝（税込商品金額の合計−消費税額）×消費税率、税抜金額＝税込金額／消費税、等があり、複数の関係式からなる連立方程式から検算してもよい。関係式としては、この他にも、消費税率が商品に応じて８％、１０％と異なる場合には、消費税額＝８％対象商品合計額×０．０８＋１０％商品合計額×０．１０、という関係式を用いてもよい。このような会計に基づく関係式は、図示しない記憶部に記憶されており、検算部２２は抽出された金額に関する仕訳要素に応じて記憶部から適当な関係式を呼び出して用いる。

検算部２２における検算は、例えば抽出した仕訳要素の数値から関係式が成立するか（等式が成り立つか）を判別し、成立の有無を検算結果として出力する。特に関係式が成立しない場合には、どの式のどの要素が成り立たないか等の情報も検算結果に含める。なお、検算部２２は、複数の仕訳要素抽出ＡＩにより抽出された金額に関する仕訳要素のそれぞれについて検算を行ってもよいし、検算に使用する仕訳要素抽出ＡＩを予め一つに設定しておいたり、抽出の信頼度が高い仕訳要素を用いることとしてもよい。ここでの信頼度とは、仕訳要素抽出ＡＩの判断で確度であり、例えばパーセントで表すことが可能である、

突合部２３は、仕訳要素抽出部２０において、複数の仕訳要素抽出ＡＩにより抽出された同種の仕訳要素を突合させる。例えば、第１の仕訳要素抽出ＡＩにより抽出された合計金額の額と、第２の仕訳要素抽出ＡＩにより抽出された合計金額の額とを突合する。そして、各仕訳要素について突合して一致した仕訳要素、不一致な仕訳要素を突合結果として出力する。なお、本実施形態では、突合部２３は検算部２２と同様に、抽出された仕訳要素のうち金額に関する仕訳要素について突合を行うものとして説明するが、突合部２３において突合を行う仕訳要素は金額に関する仕訳要素に限られない。

整合性判定部２４は、検算部２２による検算結果、及び突合部２３による突合結果から、抽出された仕訳要素の整合性を判定する。なお、検算不可能な証憑に対しては突合結果のみに基づいて仕訳要素の整合性を判定する。

具体的には、整合性判定部２４は、例えば、検算結果及び突合結果から全ての仕訳要素が整合する旨、不整合な仕訳要素があるが補正可能である旨、補正も不可能な仕訳要素がある旨、等の判定結果を出力可能である。

自動補正部２５は、整合性判定部２４にて判定された不整合な仕訳要素について、検算結果又は突合結果を用いて自動補正を行う機能を有している。例えば、自動補正部２５は、検算部２２にて用いた関係式の連立方程式の成立を妨げる仕訳要素がある場合、当該仕訳要素に対して連立方程式が成立する数値に変更する。又は、自動補正部２５は、突合結果から不一致な仕訳要素がある場合、信頼度の高い仕訳要素抽出ＡＩが抽出した仕訳要素を採用して不整合箇所を変更する。

仕訳要素出力部２６は、自動補正された仕訳要素も含め、仕訳要素抽出部２０により抽出された仕訳要素を表示部１２にて表示可能な表示データとして出力する機能を有している。特に、仕訳要素出力部２６は、整合性判定部２４が判定した整合性に応じて異なる表示を付する。例えば本実施形態では、仕訳要素出力部２６は不整合な仕訳要素がなかった場合には通常表示とし、自動補正できなかった不整合な仕訳要素には第１の警告表示（赤色フラグ表示）、自動補正した不整合な仕訳要素には第２の警告表示（黄色フラグ表示）を付する。

警告表示は、通常表示と異なる表示であればよく、表示形式は特に限定されず、例えば不整合仕訳要素のテキストに下線を記載したり、文字色を異ならせたり、テキストの近くにフラグを表示する等して表現する。また、警告表示の種類も整合性に応じて複数設定してもよいし、１種類のみでもよい。

表示部１２は、例えば会計処理装置１０のディスプレイであり、仕訳要素出力部２６より出力された仕訳要素の抽出結果を示す表示データを表示する機能を有している。なお、仕訳要素出力部２６により生成される表示データは、会計処理装置１０の表示部１２だけでなく、ユーザの情報端末４に送信し、ユーザも仕訳要素の抽出結果を確認できるようにしてもよい。

次に、仕訳要素確定部１３は、サービス提供者又は仕訳要素確定用のプログラムにより、表示部１２に表示された仕訳要素を確定させる確定処理を行う。これは、例えばサービス提供者側の担当者が表示部１２に表示された仕訳要素を確認して、問題のない仕訳要素についてはそのまま確定操作を行い、問題のある仕訳要素については修正作業を行った上で確定操作を行う。ここで仕訳要素出力部２６において不整合な仕訳要素や自動補正した仕訳要素に警告表示が付されていれば、修正箇所の発見が容易となる。

仕訳部１４は、仕訳要素確定部１３により確定された仕訳要素に応じた勘定科目を出力する機能を有している。この仕訳要素に応じた勘定科目の出力は、例えば仕訳ＡＩにより行う。仕訳ＡＩは、学習システム１５において、予め機械学習により仕訳要素に対する勘定科目を出力することを学習した自動仕訳のＡＩである。当該仕訳部１４において出力された勘定科目は、仕訳要素とともに、仕訳結果としてユーザの情報端末４に送信される。

学習システム１５は、上述した仕訳要素抽出ＡＩ及び仕訳ＡＩを学習させ、学習済みのＡＩを供給する機能を有している。詳しくは、学習システム１５は、証憑の画像データと当該画像データに含まれる仕訳要素からなる学習用データに基づき機械学習（いわゆるディープラーニング）させることで、仕訳要素抽出ＡＩを生成する。また、学習システム１５は、仕訳要素と当該仕訳要素に対応する勘定科目からなる学習用データに基づき機械学習させることで、仕訳ＡＩを生成する。

このように構成された会計処理装置１０は、仕訳要素解析部１１において、抽出した仕訳要素に対して、金額に関する仕訳要素については検算を行ったり、複数の仕訳要素抽出ＡＩにより抽出した同種の仕訳要素抽出結果を突合させ、不整合な仕訳要素については警告表示を付して表示する。

ここで図２を参照すると、仕訳要素解析部１１により実行される仕訳要素解析の流れを示したフローチャートが示されており、以下同フローチャートに沿って、仕訳要素解析方法について詳しく説明する。なお、当該仕訳要素解析は、ユーザからの証憑の画像データを受信すると、解析をスタートする。

まず、ステップＳ１として、仕訳要素解析部１１は、仕訳要素抽出部２０の複数の仕訳要素抽出ＡＩにより、同一の証憑の画像データ内からそれぞれ仕訳要素を抽出する（仕訳要素抽出工程）。

ステップＳ２では、振分部２１において、抽出された仕訳要素から、予め登録されている特定の証憑ではなく、且つ抽出された仕訳要素の中の金額に関する仕訳要素から検算可能な関係式が成立するか否かを判別する。当該判別結果が真（Ｙｅｓ）である場合は、次のステップＳ３に進む。一方、当該判別結果が偽（Ｎｏ）である場合、即ち、交通系の領収書や手書き領収書等の特定の証憑である場合又は抽出された仕訳要素からでは検算可能な関係式が成立しない場合は、ステップＳ３をスキップして、ステップＳ４に進む。

ステップＳ３では、検算部２２において、金額に関する仕訳要素について会計に基づく関係式を生成し、当該関係式を用いて検算を行う（検算工程）。

ステップＳ４では、突合部２３において、複数の仕訳要素抽出ＡＩにより抽出された金額に関する同種の仕訳要素を突合する（突合工程）。

ステップＳ５では、整合性判定部２４において、ステップＳ３で検算を行っている場合はその検算結果と、ステップＳ４の突合結果から、不整合な仕訳要素があるか否かを判別する（整合性判定工程）。当該判別結果が偽（Ｎｏ）である場合、即ち検算結果も突合結果も整合している場合は、ステップＳ６に進む。

ステップＳ６では、仕訳要素出力部２６において、通常表示にて抽出した仕訳要素の表示データを生成し、表示部１２に表示して当該ルーチンを終了する。

一方、上記ステップＳ５の判別結果が偽（Ｎｏ）である場合、即ち不整合な仕訳要素がある場合はステップＳ７に進む。

ステップＳ７では、整合性判定部２４において、検算結果や突合結果から不整合な仕訳要素を特定できるか否かを判別する（整合性判定工程）。当該判別結果が偽（Ｎｏ）である場合、即ち不整合な仕訳要素が存在することは認識できるが、その仕訳要素を具体的に特定できない場合は、ステップＳ８に進む。

ステップＳ８では、仕訳要素出力部２６において、不整合な仕訳要素（この場合、金額）に第１の警告表示（例えば赤表示）を付して、その他の抽出した仕訳要素も含めた表示データを生成し、表示部１２に表示して当該ルーチンを終了する。

一方、上記ステップＳ７の判別結果が真（Ｙｅｓ）である場合、即ち不整合な仕訳要素を特定できる場合はステップＳ９に進む。

ステップＳ９では、自動補正部２５において、不整合な仕訳要素を検算結果又は突合結果を用いて正しい数値とするよう自動補正する。

そして、続くステップＳ１０では、仕訳要素出力部２６において、不整合な仕訳要素（この場合、金額）に第２の警告表示（例えば黄表示）を付して、その他の抽出した仕訳要素も含めた表示データを生成し、表示部１２に表示して当該ルーチンを終了する。

ここで図３を参照すると、表示部１２に表示される表示例が示されており、同図に基づき、具体的な仕訳要素の表示について説明する。

図３の表示例は、レシートの画像データから仕訳要素を抽出した場合の表示例であり、画面左側にスキャンされたレシートの元画像が表示され、画面右側に自動補正部２５により補正された仕訳要素を含む、仕訳要素抽出部２０により抽出された仕訳要素が表示されている。つまり図３は、図２のステップＳ９、Ｓ１０の処理を経た場合の表示例である。

詳しくは、レシートは一画像について一取引が記載されて表示される。このような場合、元画像において点線の枠で示されているように、仕訳要素抽出ＡＩは日付に対応する部分４０ａと、金額に対応する部分４１ａ１〜４１ａ５と、社名に対応する部分４２ａを特定しており、これらの拡大図４０ｂ、４１ｂ、４２ｂが読取結果に表示されている。なお、金額に対応する部分としては、「コーヒー￥５４０ 紅茶￥５４０」からなる商品金額４１ａ１、「合計￥１、０８０」からなる合計金額４１ａ２、「（消費税等８％ ￥８０）」からなる消費税額４１ａ３、「お預り￥１、１００」からなるお預り金額４１ａ４、「お釣り￥２０」からなる釣銭額４１ａ５が、それぞれ指定されている。なお、この点線は実際には表示部１２に表示されていなくてもよい。

読取結果には、対応する拡大図の上に、仕訳要素抽出ＡＩによりテキスト化された日付、金額、社名が記載されている。

具体的には、日付に対応する部分４０ａや社名に対応する部分４２ａについては、仕訳要素抽出ＡＩは読取結果において正しく仕訳要素を抽出している。

一方、金額に対応する部分４１ａ１〜４１ａ５に対しては、合計金額４１ａ２の「８」部分がかすれているため、第１の仕訳要素抽出ＡＩは読取結果において「１、０００円」と誤認識して抽出していたが、読取結果では「１０８０円」に自動補正した数値が表示され、その横には第２の警告表示４４が付されている。なお、通常表示時には、図３の第２の警告表示４４のようなフラグが表示されない、又は通常表示を示す色のフラグが表示される。一方、自動補正できない不整合があった場合には、第２の警告表示４４に代えて色違い等の第１の警告表示が付される。

ここで自動補正の手法について具体的に説明する。図３における検算結果に基づく自動補正では、図３の検算結果に示すように、お預り＝合計＋お釣り、合計＝税込商品金額−消費税、の２つの関係式を用いている。これらの関係式に抽出された金額を入れると、下記３つの式からなる連立方程式となる。
（１）お預り（１１００）＝合計（１０００）＋お釣り（２０）
（２）合計（１０００）＝税込商品金額（５４０＋５４０）
（３）消費税額（８０）＝｛税込商品金額（５４０＋５４０）−消費税額（８０）｝×消費税率（８％）

しかし、（１）式及び（２）式の等号が成り立たないため不整合があることが判別でき、この場合は計算から「合計（１０００）」が不整合であることを特定できる。さらに、合計は「１０８０」が整合する数値であることが検算結果として導かれ、この数値が読取結果として反映される。

また、図３の突合結果に示すように、第１の仕訳要素抽出ＡＩにより抽出された「合計」が「￥１、０００」であるのに対し、第２の仕訳要素抽出ＡＩにより抽出された「合計」が「￥１、０８０」である場合、これらの突合により合計金額４１ａ２の部分に不整合が生じていることが突合結果として判別でき、例えば第２の仕訳要素抽出ＡＩによる信頼度の方が第１の仕訳要素抽出ＡＩによる信頼度よりも高い場合は第２の仕訳要素抽出ＡＩの抽出結果である「￥１、０８０」に自動補正できる。

以上のように、本実施形態における会計処理システム１では、仕訳要素解析部１１において、金額に関する仕訳要素にかかる関係式を用いて検算を行い、不整合な仕訳要素については当該関係式を用いて自動補正が可能である。これにより、人手による仕訳要素の確認作業や修正作業を省くことができ、仕訳要素の入力作業を削減し、作業効率を向上させることができる。また、自動補正により不整合な仕訳要素が入力されることを削減することができ、仕訳要素の抽出の精度を確保することができる。

また、仕訳要素解析部１１は、複数の仕訳要素抽出ＡＩにより同一の証憑の画像データからそれぞれ仕訳要素を抽出し、仕訳要素同士を突合して整合性を判定し、不整合な仕訳要素については突合結果を用いて自動補正が可能である。これによっても、人手による仕訳要素の確認作業や修正作業を省くことができ、仕訳要素の入力作業において修正作業を削減し、作業効率を向上させることができる。また、自動補正により不整合な仕訳要素が入力されることを削減することができ、仕訳要素の抽出の精度を確保することができる。

さらに、仕訳要素解析部１１では、抽出した仕訳要素から関係式が成立しない特定の証憑を判別し、当該特定の証憑の仕訳要素については検算部２２による検算を行わず、突合部２３による突合のみを行うよう振り分けることで、無駄な検算を省くことができ、処理効率を向上させることができる。

また、整合性判定部２４の判定結果に関係する仕訳要素については整合性に応じて異なる表示を付することで、容易に不整合箇所や不整合度合いを把握することができ、さらなる作業効率の向上を図ることができる。

そして、仕訳要素出力部２６により出力された結果に基づいて仕訳要素を確定し、仕訳部１４よる自動仕訳を行うことで、より正確な自動仕訳を実現することができる。

以上のことから、本実施形態に係る仕訳要素解析部１１を含む会計処理装置１０は、証憑に記載された仕訳要素の入力作業の効率を向上させるとともに、仕訳要素の抽出の精度を確保することができ、より正確な自動仕訳を実現することができる。

以上で本発明の実施形態の説明を終えるが、本発明の態様はこの実施形態に限定されるものではない。

例えば、上記実施形態では、図３の表示例に基づき、証憑としてレシートの仕訳要素の抽出について説明したが、証憑の種類はこれに限られるものではない。

また、上記実施形態では、仕訳部１４において仕訳ＡＩを用いて自動仕訳を行っているが、ＡＩを用いない自動仕訳用プログラムにより仕訳を行ってもよい。

また、上記実施形態では、検算を行う場合も検算を行わない場合も、複数の仕訳要素抽出ＡＩにより抽出した同種の仕訳要素を突合させているが、検算と突合のいずれか一方のみを行うようにしてもよい。

１ 会計処理システム
２ 通信網
３ 読取装置
４ 情報端末
１０ 会計処理装置
１１ 仕訳要素解析部（仕訳要素解析装置）
１２ 表示部
１３ 仕訳要素確定部
１４ 仕訳部
１５ 学習システム
２０ 仕訳要素抽出部
２１ 振分部
２２ 検算部
２３ 突合部
２４ 整合性判定部
２５ 自動補正部
２６ 仕訳要素出力部

Claims (14)

1. 証憑の画像データから仕訳要素を抽出可能な仕訳要素抽出部と、
   予め記憶部に記憶された複数の関係式の中から、前記仕訳要素抽出部により抽出された仕訳要素のうち金額に関する仕訳要素にかかる関係式であって、金額の検算が可能な関係式を複数選択し、選択した複数の関係式を用いて検算を行う検算部と、
   前記検算部による検算結果から前記仕訳要素抽出部により抽出された仕訳要素の整合性を判定する整合性判定部と、
   を備える仕訳要素解析装置。
   
2. 前記検算部は、前記金額に関する仕訳要素として合計金額に関する仕訳要素を含み、当該合計金額にかかる関係式を複数選択し、選択した複数の関係式を用いて検算を行う請求項１記載の仕訳要素解析装置。
   
3. 証憑の画像データから仕訳要素を抽出するための仕訳要素抽出ＡＩを複数有し、当該複数の仕訳要素抽出ＡＩにより同一の証憑の画像データからそれぞれ仕訳要素を抽出可能な仕訳要素抽出部と、
   前記複数の仕訳要素抽出ＡＩにより抽出された仕訳要素同士を突合する突合部と、
   予め記憶部に記憶された複数の関係式の中から、前記仕訳要素抽出部により抽出された仕訳要素のうち金額に関する仕訳要素にかかる関係式を選択し、選択した関係式を用いて検算を行う検算部と、
   前記仕訳要素抽出部により抽出された仕訳要素から前記関係式が成立しない特定の証憑を判別し、当該特定の証憑の仕訳要素については前記検算部による検算を行わず前記突合部による突合を行うよう振り分ける振分部と、
   前記突合部による突合結果又は前記検算部による検算結果から前記仕訳要素抽出部により抽出された仕訳要素の整合性を判定する整合性判定部と、
   を備える仕訳要素解析装置。
   
4. さらに、前記整合性判定部により不整合があると判定された場合に、不整合な仕訳要素を自動補正する自動補正部を備える請求項１から３のいずれか一項に記載の仕訳要素解析装置。
   
5. さらに、前記仕訳要素抽出部により抽出された仕訳要素の表示データを生成し、前記整合性判定部の判定結果に関係する仕訳要素については整合性に応じて異なる表示を付する仕訳要素出力部を備える請求項１から４のいずれか一項に記載の仕訳要素解析装置。
   
6. 前記複数の仕訳要素抽出ＡＩは、異なった証憑の画像データを含む学習用データを用いた機械学習により生成される請求項３に記載の仕訳要素解析装置。
   
7. 請求項１から請求項６のいずれか一項に記載の仕訳要素解析装置と、
   前記仕訳要素を確定する仕訳要素確定部と、
   前記仕訳要素確定部により確定された仕訳要素に基づく勘定科目を出力する仕訳部と、を備える会計処理システム。
   
8. コンピュータが、
   証憑の画像データから仕訳要素を抽出可能な仕訳要素抽出工程と、
   予め記憶部に記憶された複数の関係式の中から、前記仕訳要素抽出工程により抽出された仕訳要素のうち金額に関する仕訳要素にかかる関係式であって、金額の検算が可能な関係式を複数選択し、選択した複数の関係式を用いて検算を行う検算工程と、
   前記検算工程による検算結果から前記仕訳要素抽出工程により抽出された仕訳要素の整合性を判定する整合性判定工程と、
   を実行する仕訳要素解析方法。
   
9. 前記検算工程は、前記金額に関する仕訳要素として合計金額に関する仕訳要素を含み、当該合計金額にかかる関係式を複数選択し、選択した複数の関係式を用いて検算を行う請求項８記載の仕訳要素解析方法。
   
10. コンピュータが、
    証憑の画像データから仕訳要素を抽出するための仕訳要素抽出ＡＩを複数使用し、当該複数の仕訳要素抽出ＡＩにより同一の証憑の画像データからそれぞれ仕訳要素を抽出する仕訳要素抽出工程と、
    前記複数の仕訳要素抽出ＡＩにより抽出された仕訳要素同士を突合する突合工程と、
    予め記憶部に記憶された複数の関係式の中から、前記仕訳要素抽出工程により抽出された仕訳要素のうち金額に関する仕訳要素にかかる関係式を選択し、選択した関係式を用いて検算を行う検算工程と、
    前記仕訳要素抽出工程により抽出された仕訳要素から前記関係式が成立しない特定の証憑を判別し、当該特定の証憑の仕訳要素については前記検算工程による検算を行わず前記突合工程による突合を行うよう振り分ける振分工程と、
    前記突合工程による突合結果又は前記検算工程による検算結果から前記仕訳要素抽出工程により抽出された仕訳要素の整合性を判定する整合性判定工程と、
    を実行する仕訳要素解析方法。
    
11. さらに、前記整合性判定工程により不整合があると判定された場合に、不整合な仕訳要素を自動補正する自動補正工程を実行する請求項８から１０のいずれか一項に記載の仕訳要素解析方法。
    
12. さらに、前記仕訳要素抽出工程により抽出された仕訳要素の表示データを生成し、前記整合性判定工程の判定結果に関係する仕訳要素については整合性に応じて異なる表示を付する仕訳要素出力工程を実行する請求項８から１０のいずれか一項に記載の仕訳要素解析方法。
    
13. 前記複数の仕訳要素抽出ＡＩは、異なった証憑の画像データを含む学習用データを用いた機械学習により生成される請求項１０に記載の仕訳要素解析方法。
    
14. コンピュータに、請求項８から１３のいずれか一項に記載の仕訳要素解析方法を実行させるための仕訳要素解析プログラム。

Images