KR20150097837A

KR20150097837A - 계정추천 및 전표생성을 위한 패턴생성시스템 및 그 제공방법

Info

Publication number: KR20150097837A
Application number: KR1020140017801A
Authority: KR
Inventors: 윤재구; 김정현
Original assignee: 주식회사 더존다스
Priority date: 2014-02-17
Filing date: 2014-02-17
Publication date: 2015-08-27

Abstract

세금계산서, 현금영수증 등의 거래 증빙자료를 자동으로 처리하여 해당 증빙자료에 상응하는 계정과목을 추천하고 전표 데이터를 생성하는 계정추천 및 전표생성 시스템에 이용될 수 있는 각종 패턴을 과거 회계처리내역 데이터로부터 자동 생성하는 패턴생성시스템 및 그 제공방법이 개시된다. 본 발명의 일 측면에 따르면, 계정추천 및 전표생성을 위한 패턴생성시스템으로서, 과거 회계처리내역 데이터를 저장하는 회계처리내역 DB, 상기 과거 회계처리내역 데이터에 소정의 치환규칙을 적용하여, 정제데이터를 생성하는 데이터 정제모듈, 상기 정제데이터에 포함된 개별 데이터 항목의 단위기간 별 빈도수를 산출하고, 산출된 단위기간 별 빈도수 및 미리 설정된 상기 단위기간의 가중치에 기초하여 각 개별 데이터 항목의 추천도를 산출하는 추천도 산출모듈, 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 상기 고객사의 사업자번호패턴을 생성하는 사업자번호패턴 생성모듈 및 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터로부터 단어를 추출하고, 추출된 상기 단어 및 상기 단어 각각에 상응하는 추천계정과목을 포함하는 상기 고객사의 단어패턴을 생성하는 단어패턴 생성모듈을 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템이 제공된다.

Description

계정추천 및 전표생성을 위한 패턴생성시스템 및 그 제공방법{Pattern generating system for statement data generation and account recommendation and providing method thereof}

본 발명은 계정추천 및 전표생성을 위한 패턴생성시스템 및 그 제공방법에 관한 것으로서, 보다 상세하게는 세금계산서, 현금영수증 등의 거래 증빙자료를 자동으로 처리하여 해당 증빙자료에 상응하는 계정과목을 추천하고 전표 데이터를 생성하는 계정추천 및 전표생성 시스템에 이용될 수 있는 각종 패턴을 과거 회계처리내역 데이터로부터 자동 생성하는 패턴생성시스템 및 그 제공방법에 관한 것이다.

기업에서는 재무, 생산, 재고와 같은 회사의 경영, 관리에 필요한 수많은 데이터를 취급하게 된다. 따라서, 최근 컴퓨터 기술의 발전과 함께, 기업의 경영 및 관리에 관한 업무를 위한 컴퓨터 시스템인 ERP(Enterprise Resource Planning) 솔루션 소프트웨어를 도입하는 기업이 늘어나고 있는 추세이다.

ERP 솔루션 시스템은 기업의 경영 및 관리에 관한 업무를 위한 컴퓨터 시스템으로서, 인사, 재무, 생산 등 기업의 전 부문에 걸쳐 독립적으로 운영되던 각종 관리시스템의 경영자원을 통합한 통합 시스템일 수 있다. 또한, ERP 솔루션은 기업에서의 여러 가지 자원의 흐름, 용도를 감시하며, 경영 자원을 효율적으로 운용하기 위해 경리, 영업, 재고 관리 등의 업무에 관련된 데이터를 수집하고 해석하여, 보다 나은 경영 판단을 할 수 있도록 형성될 수 있다.

과거의 통상적인 ERP 솔루션의 경우에도 영수증이나 세금계산서 등 각종 거래증빙자료를 처리하여 전표 데이터를 생성하는 기능을 제공하고 있다. 하지만 종래의 ERP 솔루션에서 제공하는 기능은 과거의 회계처리자료 혹은 전표데이터를 단순 검색하여 사용자에게 검색 결과를 제공해 주고, 사용자가 검색 결과 중에서 올바른 것을 선택함으로써 전표를 생성하는 방식, 또는 발생 빈도가 높은 거래를 분류하고 사용자가 발생 빈도가 높은 해당 거래에 대해 미리 분개를 설정한 이후 동일한 거래가 발생하면 앞서 설정한 내용에 따라 전표 데이터를 생성하는 단순한 방식이 주를 이루었다.

이러한 종래의 전표 처리방식은 단순히 과거 데이터와 정확히 일치하는 내용만을 알려주거나, 한정된 형태의 거래에 대한 획일적인 처리만이 가능하다. 하지만 기업이 취급하는 거래의 형태는 매우 다양하고 복잡하며, 종래의 전표처리 방식으로는 이와 같은 복잡하고 다양한 형태의 거래에 대한 증빙자료에 모두 대응하기에는 한계가 있다.

본 발명이 이루고자 하는 기술적 과제는 상술한 종래의 문제점을 해결하고자 하는 것으로서, 과거의 회계처리내역을 기반으로 각종 패턴을 생성함으로써, 계정추천 및 전표생성 시스템이 생성된 패턴을 기반으로 다양한 형태의 거래에 대한 증빙자료를 처리하고 전표 데이터를 생성할 수 있도록 하는 패턴생성시스템을 제공하는 것이다.

본 발명의 일 측면에 따르면, 계정추천 및 전표생성을 위한 패턴생성시스템으로서, 과거 회계처리내역 데이터를 저장하는 회계처리내역 DB, 상기 과거 회계처리내역 데이터에 소정의 치환규칙을 적용하여, 정제데이터를 생성하는 데이터 정제모듈, 상기 정제데이터에 포함된 개별 데이터 항목의 단위기간 별 빈도수를 산출하고, 산출된 단위기간 별 빈도수 및 미리 설정된 상기 단위기간의 가중치에 기초하여 각 개별 데이터 항목의 추천도를 산출하는 추천도 산출모듈, 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 상기 고객사의 사업자번호패턴을 생성하는 사업자번호패턴 생성모듈 및 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터로부터 단어를 추출하고, 추출된 상기 단어 및 상기 단어 각각에 상응하는 추천계정과목을 포함하는 상기 고객사의 단어패턴을 생성하는 단어패턴 생성모듈을 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템이 제공된다.

일 실시예에서, 상기 데이터 정제모듈은, 상기 과거 회계처리내역 데이터에 치환대상 정규식 표현에 상응하는 치환대상 문자열이 포함된 경우, 상기 치환대상 문자열을 상기 치환대상 정규식 표현에 상응하는 치환결과 정규식 표현에 의해 표현되는 치환문자열로 치환할 수 있다.

일 실시예에서, 상기 단위기간의 가중치는 상기 단위기간이 최근일수록 높은 수치로 설정될 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은, 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천과세유형 및 각 사업자번호 별 추천과세유형의 추천도를 포함하는 상기 고객사의 과세유형패턴을 생성하는 과세유형패턴 생성모듈을 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은, 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천불공사유 및 각 사업자번호 별 추천불공사유의 추천도를 포함하는 상기 고객사의 불공사유패턴을 생성하는 불공사유패턴 생성모듈을 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은, 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 원가 또는 경비와 관련된 계정과목 각각에 상응하는 추천원가경비계정 및 각 추천원가경비계정의 추천도를 포함하는 상기 고객사의 원가경비그룹패턴을 생성하는 원가경비그룹패턴 생성모듈을 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은, 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 복수의 차변계정과목, 각 차변계정과목의 결제계정인 추천대변계정과목 및 각 차변계정과목에 대한 추천대변계정과목의 추천도를 포함하는 결제계정패턴을 생성하는 결제계정패턴 생성모듈을 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은, 상기 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 공용사업자번호패턴을 생성하는 공용사업자번호패턴 생성모듈 및 상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어, 상기 단어 각각에 상응하는 추천계정과목 및 상기 단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용단어패턴을 생성하는 공용단어패턴 생성모듈을 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은, 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 통장거래 관련 정제데이터로부터 통장거래 관련단어를 추출하고, 추출된 상기 통장거래 관련단어, 상기 통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 상기 고객사의 통장거래관련단어패턴을 생성하는 통장거래관련단어패턴 생성모듈 및 상기 정제데이터 중 통장거래와 관련된 정제데이터로부터 공용통장거래 관련단어를 추출하고, 추출된 상기 공용통장거래 관련단어, 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용통장거래관련단어패턴을 생성하는 공용통장거래관련단어패턴 생성모듈을 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은, 상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어에 대한 기계학습을 수행하여 기계학습패턴을 생성하는 기계학습모듈을 더 포함할 수 있다.

본 발명의 다른 일 측면에 따르면, 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법으로서, 과거 회계처리내역 데이터를 회계처리내역 DB에 저장하는 단계, 상기 과거 회계처리내역 데이터에 소정의 치환규칙을 적용하여, 정제데이터를 생성하는 단계, 상기 정제데이터에 포함된 개별 데이터 항목의 단위기간 별 빈도수를 산출하고, 산출된 단위기간 별 빈도수 및 미리 설정된 상기 단위기간의 가중치에 기초하여 각 개별 데이터 항목의 추천도를 산출하는 단계, 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 상기 고객사의 사업자번호패턴을 생성하는 단계 및 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터로부터 단어를 추출하고, 추출된 상기 단어 및 상기 단어 각각에 상응하는 추천계정과목을 포함하는 상기 고객사의 단어패턴을 생성하는 단계를 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법이 제공된다.

일 실시예에서, 상기 정제데이터를 생성하는 단계는, 상기 과거 회계처리내역 데이터에 치환대상 정규식 표현에 상응하는 치환대상 문자열이 포함된 경우, 상기 치환대상 문자열을 상기 치환대상 정규식 표현에 상응하는 치환결과 정규식 표현에 의해 표현되는 치환문자열로 치환하는 단계를 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은, 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천과세유형 및 각 사업자번호 별 추천과세유형의 추천도를 포함하는 상기 고객사의 과세유형패턴을 생성하는 단계를 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은, 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천불공사유 및 각 사업자번호 별 추천불공사유의 추천도를 포함하는 상기 고객사의 불공사유패턴을 생성하는 단계를 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은, 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 원가 또는 경비와 관련된 계정과목 각각에 상응하는 추천원가경비계정 및 각 추천원가경비계정의 추천도를 포함하는 상기 고객사의 원가경비그룹패턴을 생성하는 단계를 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은, 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 복수의 차변계정과목, 각 차변계정과목의 결제계정인 추천대변계정과목 및 각 차변계정과목에 대한 추천대변계정과목의 추천도를 포함하는 결제계정패턴을 생성하는 단계를 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은, 상기 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 공용사업자번호패턴을 생성하는 단계 및 상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어, 상기 단어 각각에 상응하는 추천계정과목 및 상기 단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용단어패턴을 생성하는 단계를 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은, 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 통장거래 관련 정제데이터로부터 통장거래 관련단어를 추출하고, 추출된 상기 통장거래 관련단어, 상기 통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 상기 고객사의 통장거래관련단어패턴을 생성하는 단계 및 상기 정제데이터 중 통장거래와 관련된 정제데이터로부터 공용통장거래 관련단어를 추출하고, 추출된 상기 공용통장거래 관련단어, 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용통장거래관련단어패턴을 생성하는 단계를 더 포함할 수 있다.

일 실시예에서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은, 상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어에 대한 기계학습을 수행하여 기계학습패턴을 생성하는 단계를 더 포함할 수 있다.

본 발명의 다른 일 측면에 따르면, 상술한 방법을 수행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체가 제공된다.

본 발명의 다른 일 측면에 따르면, 계정추천 및 전표생성을 위한 패턴생성시스템으로서, 프로세서 및 프로그램이 저장된 메모리를 포함하되, 상기 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 계정추천 및 전표생성을 위한 패턴생성시스템이 상술한 방법을 수행하도록 하는 계정추천 및 전표생성을 위한 패턴생성시스템이 제공된다.

본 발명의 일 실시예에 따르면, 과거의 회계처리내역을 기반으로 각종 패턴을 생성함으로써, 계정추천 및 전표생성 시스템이 생성된 패턴을 기반으로 다양한 형태의 거래에 대한 증빙자료를 처리하고 전표 데이터를 생성할 수 있도록 하는 패턴생성시스템을 제공할 수 있다.

본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일 실시예에 따른 자동전표처리 시스템의 대략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 전표생성 및 계정추천을 위한 패턴생성시스템 및 상기 패턴 생성 시스템에 의해 생성되는 패턴 DB의 개략적인 구성을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 계정추천 및 전표생성시스템의 개략적인 구성을 도시한 도면이다.
도 4a 내지 도 4d는 본 발명의 일 실시예에 따른 전표데이터를 생성하는 방법을 설명하기 위한 도면이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 명세서에 있어서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터를 '전송'하는 경우에는 상기 구성요소는 상기 다른 구성요소로 직접 상기 데이터를 전송할 수도 있고, 적어도 하나의 또 다른 구성요소를 통하여 상기 데이터를 상기 다른 구성요소로 전송할 수도 있는 것을 의미한다. 반대로 어느 하나의 구성요소가 다른 구성요소로 데이터를 '직접 전송'하는 경우에는 상기 구성요소에서 다른 구성요소를 통하지 않고 상기 다른 구성요소로 상기 데이터가 전송되는 것을 의미한다.

이하, 첨부된 도면들을 참조하여 본 발명의 실시예들을 중심으로 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.

도 1은 본 발명의 일 실시예에 따른 자동전표처리 시스템의 대략적인 구성을 나타내는 도면이다. 도 1에 도시된 자동전표처리 시스템은 과거의 회계 처리 내역을 기반으로 각종 분개 패턴을 생성하고, 생성된 분개패턴을 기반으로 각종 거래에 의해 발생되는 거래 증빙데이터를 처리하여 전표를 자동을 생성하는 시스템을 의미할 수 있다.

상기 자동전표처리 시스템은 패턴생성시스템(100), 패턴 DB(200) 및 계정추천 및 전표생성 시스템(300)을 포함할 수 있다.

상기 패턴생성 시스템(100)은 소정의 회계처리내역 DB(10)에 저장된 과거의 회계처리 내역으로부터 각종 패턴을 생성하는 시스템일 수 있다.

상기 회계처리내역 DB(10)는 과거 일정 기간(예를 들어, 5개년 분)의 회계 데이터를 저장할 수 있다. 상기 회계처리내역 DB(10)는 각종 회계프로그램에 처리되거나 생성된 과거 데이터 중에서 본 발명의 기술적 사상을 구현하는데 필요한 일정 종류의 데이터를 분류하여 추출함으로써 생성될 수 있다.

상기 회계처리 내역에 저장되어 있는 과거 회계처리내역 데이터는 전표생성일자, 거래구분, 매입매출구분, 차대변구분, 계정과목명, 거래처의 사업자번호, 거래처명, 품명, 적요, 거래금액, 거래처의 업종, 거래처의 대표자명, 과세유형, 불공사유, 거래일자 등을 포함할 수 있다.

전표생성일자는 회계처리 내역 데이터에 상응하는 전표가 생성된 일자일 수 있다. 거래구분은 전자세금계산서 매입/매출, 세금계산서 매입/매출, 신용카드 매입/매출, 현금영수증 매입/매출, 통장 출급/입금 등의 구분일 수 있다. 매입매출구분은 해당 회계처리 내역 데이터가 매입인지 매출인지에 대한 구분일 수 있다. 과세유형은 과세, 면세, 영세 등일 수 있으며, 카드나 현금으로 세분화될 수 있다. 차대변구분은 해당 회계처리 내역 데이터가 차변인지 대변인지에 대한 구분일 수 있다. 계정과목명은 예를 들어, 자산, 부채, 자본, 수익, 비용 등일 수 있다. 적요는 사용자가 거래에 관해 참고할 사항을 적은 항목일 수 있다. 거래일자는 재화나 용역의 공급 시기를 의미할 수 있다.

상기 패턴생성 시스템(100)은 위와 같이 구성되는 과거 회계처리내역 데이터를 분석하여 일정한 형식을 가지는 패턴 데이터를 생성하여 패턴 DB(200)를 구성할 수 있다.

한편, 상기 계정추천 및 전표생성 시스템(300)은 전자세금계산서, 전자계산서, 신용카드 영수증, 현금영수증, 통장과 같은 거래 증빙자료를 웹사이트(20)로부터 수집하거나 종이 증빙(30)을 스캔/촬영한 후 이미지 분석하고, 상기 패턴 DB(200)를 이용하여 해당 증빙자료에 상응하는 계정을 추천하고 전표를 생성할 수 있다.

일 실시예에서, 상기 자동전표처리 시스템은 소정의 ERP 솔루션 시스템(미도시)와 연동되어 구동될 수 있다. 실시예에 따라, 상기 ERP 솔루션 시스템에 포함되어 구현될 수도 있으며, 이 경우, 상기 패턴생성시스템(100)은 상기 ERP 솔루션 시스템에 구비된 하드웨어 또는 소프트웨어, 또는 이들의 조합의 형태일 수 있다. 한편, 본 발명의 기술적 사상의 적용을 받는 ERP 솔루션 시스템은 기업의 경영 및 관리에 관한 업무를 위한 컴퓨터 시스템으로서, 인사, 재무, 생산 등 기업의 전 부문에 걸쳐 독립적으로 운영되던 각종 관리시스템의 경영자원을 통합한 통합 시스템일 수 있다. 또한, ERP 솔루션은 기업에서의 여러 가지 자원의 흐름, 용도를 감시하며, 경영 자원을 효율적으로 운용하기 위해 경리, 영업, 재고 관리 등의 업무에 관련된 데이터를 수집하고 해석하여, 보다 나은 경영 판단을 할 수 있도록 형성될 수 있다.

도 2는 본 발명의 일 실시예에 따른 전표생성 및 계정추천을 위한 패턴생성시스템(이하, '패턴 생성 시스템'이라고 함) 및 상기 패턴 생성 시스템에 의해 생성되는 패턴 DB의 개략적인 구성을 도시한 도면이다.

도 2를 참조하면, 상기 패턴생성시스템(100)은 데이터 정제모듈(120), 추천도 산출모듈(130), 사업자번호패턴 생성모듈(101), 단어패턴 생성모듈(102), 과세유형패턴 생성모듈(103), 불공사유패턴 생성모듈(104), 공용사업자번호패턴 생성모듈(105), 공용단어패턴 생성모듈(106), 원가경비그룹패턴 생성모듈(107), 결제계정패턴 생성모듈(108), 업종사업자패턴 생성모듈(109), 업종단어패턴 생성모듈(110), 통장거래관련단어패턴 생성모듈(111), 공용통장거래관련단어패턴 생성모듈(112), 기계학습패턴 생성모듈(113)을 포함할 수 있다. 본 발명의 실시예에 따라서는, 상술한 구성요소들 중 일부 구성요소는 반드시 본 발명의 구현에 필수적으로 필요한 구성요소에 해당하지 않을 수도 있으며, 또한 실시예에 따라 상기 패턴생성시스템(100)은 이보다 더 많은 구성요소를 포함할 수도 있음은 물론이다. 예를 들어 상기 패턴생성시스템(100)은 패턴생성시스템(100)에 포함된 다른 구성(예를 들면, 데이터 정제모듈(120), 추천도 산출모듈(130), 사업자번호패턴 생성모듈(101), 단어패턴 생성모듈(102), 과세유형패턴 생성모듈(103), 불공사유패턴 생성모듈(104), 공용사업자번호패턴 생성모듈(105), 공용단어패턴 생성모듈(106), 원가경비그룹패턴 생성모듈(107), 결제계정패턴 생성모듈(108), 업종사업자패턴 생성모듈(109), 업종단어패턴 생성모듈(110), 통장거래관련단어패턴 생성모듈(111), 공용통장거래관련단어패턴 생성모듈(112), 기계학습패턴 생성모듈(113) 등)의 기능 및/또는 리소스(resource)를 제어할 수 있는 제어모듈(미도시)을 더 포함할 수 있다.

한편, 상기 사업자번호패턴 생성모듈(101)은 사업자번호패턴을 생성하여 사업자번호패턴 DB(201)에 저장할 수 있고, 상기 단어패턴 생성모듈(102)은 단어패턴을 생성하여 단어패턴DB(202)에 저장할 수 있고, 과세유형패턴 생성모듈(103)은 과세유형패턴을 생성하여 과세유형패턴DB(203)에 저장할 수 있으며, 불공사유패턴 생성모듈(104)은 불공사유패턴을 생성하여 불공사유패턴DB(204)에 저장할 수 있고, 공용사업자번호패턴 생성모듈(105)은 공용사업자번호패턴을 생성하여 공용사업자번호 패턴DB(205)에 저장할 수 있고, 공용단어패턴 생성모듈(106)은 공용단어패턴을 생성하여 공용단어패턴DB(206)에 저장할 수 있다. 한편, 원가경비그룹패턴 생성모듈(107)은 원가경비그룹패턴을 생성하여 원가경비그룹패턴(207)에 저장할 수 있으며, 결제계정패턴 생성모듈(108)은 결제계정패턴을 생성하여 결저계정패턴DB(208)에 저장할 수 있다. 업종사업자패턴 생성모듈(109)은 업종사업자패턴을 생성하여 업종사업자패턴DB(209)에 저장할 수 있으며, 업종단어패턴 생성모듈(110)은 업종단어패턴을 생성하여 업종단어패턴DB(210)에 저장할 수 있다. 통장거래관련단어패턴 생성모듈(111)은 통장거래관련단어패턴을 생성하여 통장거래관련단어패턴DB(211)에 저장할 수 있고, 공용통장거래관련단어패턴 생성모듈(112)은 공용통장거래관련단어패턴을 생성하여 공용통장거래관련단어패턴DB(212)에 저장할 수 있다. 기계학습패턴 생성모듈(113)은 기계학습패턴을 생성하여 기계학습패턴DB(213)에 저장할 수 있다.

본 명세서에서 DB(DataBase)라 함은, 적어도 하나의 테이블로 구현될 수도 있으며, 상기 DB에 저장된 정보를 검색, 저장, 및 관리하기 위한 별도의 DBMS(Database Management System)을 더 포함하는 의미로 사용될 수도 있다. 또한, 링크드 리스트(linked-list), 트리(Tree), 관계형 DB의 형태 등 다양한 방식으로 구현될 수 있으며, 각각의 패턴 DB에 저장될 정보를 저장할 수 있는 모든 데이터 저장매체 및 데이터 구조를 포함하는 의미로 사용될 수 있다.

상기 패턴생성시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 필요한 하드웨어 리소스(resource) 및/또는 소프트웨어를 구비할 수 있으며, 반드시 하나의 물리적인 구성요소를 의미하거나 하나의 장치를 의미하는 것은 아니다. 즉, 상기 패턴생성시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 구비되는 하드웨어 및/또는 소프트웨어의 논리적인 결합을 의미할 수 있으며, 필요한 경우에는 서로 이격된 장치에 설치되어 각각의 기능을 수행함으로써 본 발명의 기술적 사상을 구현하기 위한 논리적인 구성들의 집합으로 구현될 수도 있다. 또한, 상기 패턴생성시스템(100)은 본 발명의 기술적 사상을 구현하기 위한 각각의 기능 또는 역할별로 별도로 구현되는 구성들의 집합을 의미할 수도 있다. 예를 들어, 상기 데이터 정제모듈(120), 추천도 산출모듈(130), 사업자번호패턴 생성모듈(101), 단어패턴 생성모듈(102), 과세유형패턴 생성모듈(103), 불공사유패턴 생성모듈(104), 공용사업자번호패턴 생성모듈(105), 공용단어패턴 생성모듈(106), 원가경비그룹패턴 생성모듈(107), 결제계정패턴 생성모듈(108), 업종사업자패턴 생성모듈(109), 업종단어패턴 생성모듈(110), 통장거래관련단어패턴 생성모듈(111), 공용통장거래관련단어패턴 생성모듈(112), 기계학습패턴 생성모듈(113)은 서로 다른 물리적 장치에 위치할 수도 있고, 동일한 물리적 장치에 위치할 수도 있다. 또한, 구현 예에 따라서는 상기 데이터 정제모듈(120), 추천도 산출모듈(130), 사업자번호패턴 생성모듈(101), 단어패턴 생성모듈(102), 과세유형패턴 생성모듈(103), 불공사유패턴 생성모듈(104), 공용사업자번호패턴 생성모듈(105), 공용단어패턴 생성모듈(106), 원가경비그룹패턴 생성모듈(107), 결제계정패턴 생성모듈(108), 업종사업자패턴 생성모듈(109), 업종단어패턴 생성모듈(110), 통장거래관련단어패턴 생성모듈(111), 공용통장거래관련단어패턴 생성모듈(112), 기계학습패턴 생성모듈(113) 등 각각의 모듈을 구성하는 세부구성들 역시 서로 다른 물리적 장치에 위치하고, 서로 다른 물리적 장치에 위치한 세부구성들이 서로 유기적으로 결합되어 각각의 모듈들이 수행하는 기능을 실현할 수도 있다.

또한, 본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 모듈은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아님은 통상의 기술자에게는 용이하게 추론될 수 있다.

상기 데이터 정제모듈(120)은 소정의 회계처리내역 DB(10)에 저장된 과거 회계처리내역 데이터에 소정의 치환규칙을 적용하여, 정제데이터를 생성할 수 있다.

상기 과거 회계처리내역 데이터 중 적어도 일부(예를 들어, 거래처명, 품명, 적요, 대표자 등)에는 패턴생성에 불필요한 정보(예를 들어, 긴 숫자나 특수문자)를 포함하고 있는 경우가 많으므로 상기 데이터 정제모듈(120)은 이러한 불필요한 정보를 제거하고 의미있는 키워드만을 남기는 작업을 수행할 수 있다.

아래 <표 1>은 치환규칙의 일 예를 나타내고 있다.

	치환대상	치환결과
전화번호	지역번호+숫자3자리+숫자4자리	전화번호
	핸드폰식별번호3자리+숫자4자리+숫자4자리	핸드폰번호
특수문자	~!@#$%^&*();:'-=_+ 등	(제거)
거래처	(주), 주), (주, (주식회사) 주식회, 주식 등	(제거)
수량사	[0-9]+[월][일][분][차] 등	(제거)
	[0-9]+[Kg][kg][L][톤][명][인][두][원][권][차] 등	(제거)
긴 숫자	15자리를 초과하는 숫자	(제거)

예를 들어, 위와 같은 치환규칙에 의해, 상기 데이터 정제모듈(120)은 (주)삼성물산을 삼성물산으로, 구리35Kg을 구리로 치환할 수 있다.

위 표 1의 치환규칙은 예시에 불과할 뿐이며, 예를 들어, 재단임을 나타내는 '(재단)'을 제거하는 치환규칙, '11월 급여' 또는 '급여 3건'을 '급여'로 치환하는 규칙 등을 더 포함할 수도 있다.

특히 위 표의 수량사 부분에 나타난 바와 같이, 상기 데이터 정제모듈(120)은 상기 과거 회계처리내역 데이터에 치환대상 정규식 표현에 상응하는 치환대상 문자열이 포함된 경우, 상기 치환대상 문자열을 상기 치환대상 정규식 표현에 상응하는 치환결과 정규식 표현에 의해 표현되는 치환문자열로 치환할 수 있다.

상기 추천도 산출모듈(130)은 상기 정제데이터에 포함된 개별 데이터 항목의 단위기간 별 빈도수를 산출하고, 산출된 단위기간 별 빈도수 및 미리 설정된 상기 단위기간의 가중치에 기초하여 각 개별 데이터 항목의 추천도를 산출할 수 있다.

일 실시예에서, 상기 개별 데이터 항목은 상기 회계처리내역DB(10)를 구성하는 각 필드일 수 있지만, 이보다 더 세분화된 항목일 수도 있다. 후자의 경우 상기 개별 데이터 항목은 사업자번호 별 계정과목, 단어 별 계정과목, 사업자번호 별 과세유형, 사업자번호 별 불공사유, 계정과목 별 원가경비계정, 차변계정과목 별 대변계정과목 등일 수 있다.

상기 단위기간은 주기적으로 월, 년 등 일정한 주기를 가지는 기간일 수 있다.

예를 들어, 상기 단위 기간이 월인 경우, 상기 추천도 산출모듈(130)은 개별 데이터 항목의 추천도 = ∑(상기 개별데이터 항목의 월 별 빈도수)ㅧ(해당 월의 가중치)로 상기 개별 데이터 항목의 추천도를 산출할 수 있다.

한편, 최근에 발생한 거래가 비교적 정확한 실정을 반영하게 되므로 상기 단위기간의 가중치는 상기 단위기간이 최근일수록 높은 수치로 설정될 수 있다. 즉, 상기 단위기간의 가중치는 현재로부터 가장 가까운 월의 경우에 가장 높은 수치로 설정될 수 있으며, 현재로부터 멀어질수록 점차 낮은 수치로 설정될 수 있다.

한편, 상기 사업자번호패턴 생성모듈(101)은 사업자번호를 기준으로 과거 회계처리 내역을 분석하여 특정 사업자번호가 어떠한 계정과목으로 처리되었는지를 분석할 수 있다. 즉, 상기 사업자번호패턴 생성모듈(101)은 상기 패턴생성시스템에 가입한 고객사 별 사업자번호패턴을 생성할 수 있다. 즉, 상기 사업자번호패턴 생성모듈(101)은 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 상기 고객사의 사업자번호패턴을 생성할 수 있다.

한편, 일 실시예에서, 상기 사업자번호패턴 생성모듈(101)은 사업자번호 및 매입/매출구분 또는 사업자번호 및 거래구분 별로 과거 회계처리내역을 분석할 수도 있다. 예를 들어, A 거래처에 대한 사업자번호로 상품매출이 발생한 경우 이를 외상매출금에 대응시킬 수 있으며, A 거래처에 대한 사업자 번호로 상품매입이 발생한 경우 이를 외상매입금에 대응시킬 수 있다.

상기 사업자번호패턴 생성모듈(101)은 본 발명의 일 실시예에 따른 자동 전표 처리 시스템 또는 패턴생성시스템(100)에 가입한 고객사 별로 사업자번호패턴을 달리 생성할 수 있다.

구현 예에 따라, 상기 사업자번호패턴은 사업자번호 및 해당 사업자번호에 상응하는 계정과목정보 이외에도 다양한 정보를 더 포함할 수 있다.

한편, 거래처가 동일한 경우에도 거래 내용에 따라 서로 다른 계정으로 회계처리되는 경우가 있을 수 있으므로 하나의 사업자번호에 대응되는 계정과목이 복수인 경우가 있을 수도 있다. 이 경우, 하나의 사업자번호에 대응되는 계정과목 각각에 대한 추천도가 서로 상이할 수 있음은 물론이다.

아래 <표 2>는 사업자번호패턴을 구성하는 컬럼의 일 예를 나타내고 있다.

컬럼명	컬럼 설명
패턴거래구분	전자세금계산서 매입/매출, 세금계산서 매입/매출, 신용카드 매입/매출, 현금영수증 매입/매출, 통장 출금/입금 등의 구분
매입매출구분	매입, 매출 구분
차대변구분	차변, 대변 구분
거래처사업자번호	거래처의 사업자번호-Key 값
계정코드	거래에 사용된 계정의 코드
금액	거래금액
개수	해당 사업자번호를 기준으로 사용된 계정코드의 개수
추천도	해당 사업자번호를 기준으로 사용된 계정코드 각각의 추천도
최근거래일자	가장 최근에 거래된 날짜
생성시간	패턴이 생성된 시간

한편, 사업자번호가 없는 거래가 발생하는 경우가 있을 수 있다. 이를 위하여, 상기 단어패턴 생성모듈(102)은 거래패턴의 근거가 될 수 있는 거래처명, 적요, 품명, 대표자명 등의 필드에서 단어를 추출하고, 해당 단어가 포함된 거래가 어떠한 계정과목으로 처리되었는지를 분석할 수 있다. 즉, 상기 단어패턴 생성모듈(102)은 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터(바람직하게는, 상기 정제데이터에 포함된 거래처명, 적요, 품명, 대표자명)로부터 단어를 추출하고, 추출된 상기 단어 및 상기 단어 각각에 상응하는 추천계정과목을 포함하는 상기 고객사의 단어패턴을 생성할 수 있다.

예를 들어, 상기 단어패턴 생성모듈(102)은 과거 회계처리내역을 분석하여 전화요금, 핸드폰요금, 국제전화료, 인터넷사용료 등의 단어가 포함된 거래의 경우 이를 통신비 계정과목에 대응시킬 수 있으며, 급여, 상여금 또는 보너스 등의 단어가 포함되는 거래의 경우 인건비 계정과목에 대응시킬 수 있다.

상기 단어패턴 생성모듈(102)은 본 발명의 일 실시예에 따른 자동 전표 처리 시스템 또는 패턴생성시스템(100)에 가입한 고객사 별로 단어패턴을 달리 생성할 수 있다.

구현 예에 따라, 상기 사업자번호패턴은 단어 및 해당 단어에 상응하는 계정과목정보 이외에도 다양한 정보를 더 포함할 수 있다.

한편, 단어가 동일한 경우에도 거래 내용에 따라 서로 다른 계정으로 회계처리되는 경우가 있을 수 있으므로 하나의 단어에 대응되는 계정과목이 복수인 경우가 있을 수도 있다. 이 경우, 하나의 단어에 대응되는 계정과목 각각에 대한 추천도가 서로 상이할 수 있음은 물론이다.

아래 <표 3>은 단어패턴을 구성하는 컬럼의 일 예를 나타내고 있다.

컬럼명	컬럼 설명
패턴거래구분	전자세금계산서 매입/매출, 세금계산서 매입/매출, 신용카드 매입/매출, 현금영수증 매입/매출, 통장 출금/입금 등의 구분
매입매출구분	매입, 매출 구분
차대변구분	차변, 대변 구분
단어	단어-Key 값
계정코드	거래에 사용된 계정의 코드
금액	거래금액
개수	해당 단어를 기준으로 사용된 계정코드의 개수
추천도	해당 단어를 기준으로 사용된 계정코드 각각의 추천도
최근거래일자	가장 최근에 거래된 날짜
생성시간	패턴이 생성된 시간

과세유형패턴 생성모듈(103)은 세금계산서, 신용카드, 현금영수증 매입의 경우, 거래처의 사업자번호 별로 과세유형을 분석하여 과세유형패턴을 생성할 수 있다. 즉, 상기 과세유형패턴 생성모듈(103)은 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천과세유형 및 각 사업자번호 별 추천과세유형의 추천도를 포함하는 상기 고객사의 과세유형패턴을 생성할 수 있다.

과세유형은 카드과세, 카드면세, 카드영세, 현금과세, 현금과세, 현금면세, 현금영세 중 적어도 하나를 포함할 수 있다.

한편, 일 실시예에서, 상기 과세유형패턴 생성모듈(103)은 사업자번호 및 매입/매출구분 또는 사업자번호 및 거래구분 별로 과거 회계처리내역을 분석할 수도 있다.

상기 과세유형패턴 생성모듈(103)은 본 발명의 일 실시예에 따른 자동 전표 처리 시스템 또는 패턴생성시스템(100)에 가입한 고객사 별로 과세유형패턴을 달리 생성할 수 있다.

구현 예에 따라, 상기 과세유형패턴은 사업자번호 및 해당 사업자번호에 상응하는 과세유형 이외에도 다양한 정보를 더 포함할 수 있다.

한편, 거래처가 동일한 경우에도 거래 내용에 따라 서로 다른 계정으로 회계처리되는 경우가 있을 수 있으므로 하나의 사업자번호에 대응되는 과세유형이 복수인 경우가 있을 수도 있다. 이 경우, 하나의 사업자번호에 대응되는 과세유형 각각에 대한 추천도가 서로 상이할 수 있음은 물론이다.

아래 <표 4>는 과세유형패턴을 구성하는 컬럼의 일 예를 나타내고 있다.

컬럼명	컬럼 설명
패턴거래구분	전자세금계산서 매입/매출, 세금계산서 매입/매출, 신용카드 매입/매출, 현금영수증 매입/매출, 통장 출금/입금 등의 구분
매입매출구분	매입, 매출 구분
차대변구분	차변, 대변 구분
거래처사업자번호	거래처의 사업자번호-Key 값
과세유형	과세, 면세, 영세 등 과세유형
개수	해당 사업자번호를 기준으로 사용된 계정코드의 개수
추천도	해당 사업자번호를 기준으로 사용된 계정코드 각각의 추천도
최근거래일자	가장 최근에 거래된 날짜
생성시간	패턴이 생성된 시간

한편, 부가가치세 신고를 할 때에 매입세액을 공제하지 않는 사유를 불공사유라 하는데, 상기 불공사유패턴 생성모듈(104)은 이러한 불공사유에 대한 패턴을 생성할 수 있다. 즉, 상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천불공사유 및 각 사업자번호 별 추천불공사유의 추천도를 포함하는 상기 고객사의 불공사유패턴을 생성할 수 있다.

예를 들어, 상기 불공사유패턴 생성모듈(104)은 사업과 직접적인 관련이 없는 지출에 대한 매입세액의 경우 '비품(유형자산매입)'이라는 불공사유에 대응시킬 수 있으며, 접대비 및 이와 유사한 비용의 지출에 관한 매입세액은 '접대비'라는 불공사유에 대응시킬 수 있다. 이와 같이 상기 불공사유패턴 생성모듈(104)은 불공제사유별로 많이 사용된 계정들 및 그에 대한 추천도를 분석하여 불공사유패턴을 생성할 수 있다.

한편, 제조나 건설 등의 사업목적을 가진 고객사의 경우 제조원가, 도급원가, 판매관리비 등의 세분화된 경비성 계정을 사용하게 되므로 계정추천의 정확도를 향상시키고, 혼동을 피하기 위하여, 상기 원가경비그룹패턴 생성모듈(107)은 혼용하고 있는 각종 원가경비계정을 제조원가, 도급원가 또는 판관비 등으로 구분하여 분석할 수 있다. 즉, 상기 원가경비그룹패턴 생성모듈은 상기 패턴생성시스템(100)에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 원가 또는 경비와 관련된 계정과목 각각에 상응하는 추천원가경비계정 및 각 추천원가경비계정의 추천도를 포함하는 상기 고객사의 원가경비그룹패턴을 생성할 수 있다. 추천원가경비계정은 제조, 도급, 판매관리 중 적어도 하나를 포함할 수 있다.

예를 들어, 상기 원가경비그룹패턴 생성모듈(107)은 '차량유지비'라는 경비성 계정과목에 대하여, 제조(추천도 10), 도급(추천도 10), 판매관리(추천도 80)과 같은 원가경비패턴을 생성할 수 있다.

한편, 일 실시예에서, 상기 원가경비그룹패턴 생성모듈(107)은 원가경비와 관련된 계정과목 및 매입/매출구분 또는 원가경비와 관련된 계정과목 및 거래구분 별로 과거 회계처리내역을 분석할 수도 있다.

또한, 구현 예에 따라, 상기 원가경비그룹패턴은 원가 또는 경비와 관련된 계정과목 각각에 상응하는 추천원가경비계정 이외에도 다양한 정보를 더 포함할 수 있다.

한편, 결제계정의 경우에는 일정한 패턴을 보일 수 있다. 예를 들어, 사업목적의 재고자산 매입은 대부분 외상매입금으로 계정처리를 하고, 신용카드 매입은 월말통장(보통예금)으로 이체 처리를 하는 등을 예로 들 수 있다. 따라서, 상기 결제계정패턴 생성모듈(108)은 각 고객사별로 어떤 계정과목을 어떠한 계정으로 결제하는지를 분석하여 패턴을 형성할 수 있다. 즉, 상기 결제계정패턴 생성모듈(108)은 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 복수의 차변계정과목, 각 차변계정과목의 결제계정인 추천대변계정과목 및 각 차변계정과목에 대한 추천대변계정과목의 추천도를 포함하는 결제계정패턴을 생성할 수 있다.

예를 들어, 상기 결제계정패턴 생성모듈(108)은 차변이 재고자산인 경우, 대변이 되는 결제계정을 '외상매입금'으로 대응하여 패턴을 형성할 수 있으며, 차량유지비의 경우 '미지급금'을 대변 결제계정에 대응하여 패턴을 형성할 수 있다.

상기 결제계정패턴 생성모듈(108)은 본 발명의 일 실시예에 따른 자동 전표 처리 시스템 또는 패턴생성시스템(100)에 가입한 고객사 별로 과세유형패턴을 달리 생성할 수 있다.

한편, 계정과목이 동일한 경우에도 거래 내용에 따라 서로 다른 결제계정으로 회계처리되는 경우가 있을 수 있으므로 하나의 차변 계정과목에 대응되는 대변이 복수인 경우가 있을 수도 있다. 이 경우, 하나의 차변 계정과목에 대응되는 차변 계정과목 각각에 대한 추천도가 서로 상이할 수 있음은 물론이다.

한편, 상기 업종사업자패턴생성모듈(109)은 앞서 사업자패턴 생성모듈(101)에 의해 생성된 사업자번호패턴을 업종 별로 구분하여 분석하고, 세분화된 패턴을 생성할 수 있으며, 상기 업종단어패턴 생성모듈(110)은 앞서 단어패턴 생성모듈(102)에 의해 생성된 단어패턴을 업종 별로 구분하여 분석하고, 세분화된 패턴을 생성할 수 있다.

한편, 통장 거래의 경우, 그 성격 상 사업자번호가 기재될 수 없으므로 예를 들어 적요 등에 기재된 단어만으로 패턴을 생성할 수 밖에 없다.

따라서, 통장거래관련단어패턴 생성모듈(111)은 상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 통장거래 관련 정제데이터로부터 통장거래 관련단어를 추출하고, 추출된 상기 통장거래 관련단어, 상기 통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 상기 고객사의 통장거래관련단어패턴을 생성할 수 있다.

그런데, 특정 통장관련 단어를 기준으로 계정처리를 명확히 할 수 있는 계정과 하나의 통장관련 단어에 여러 개의 계정이 혼용되는 경우가 있을 수 있으므로 이를 구분하여 하나의 계정으로만 처리되는 단어를 확정패턴, 여러 개의 계정으로 처리될 수 있는 단어를 비확정패턴으로 구분할 수 있다. 즉, 상기 통장거래관련단어패턴 생성모듈(111)이 특정 통장관련 단어와 2 이상의 계정과목을 매핑한 경우, 상기 특정 통장관련 단어에 대한 패턴은 비확정 패턴일 수 있으며, 특정 통장관련 단어와 하나의 계정과목을 매핑한 경우, 상기 특정 통장관련 단어에 대한 패턴은 확정 패턴일 수 있다. 예를 들어, '전화요금'이라는 단어가 '통신비' 계정과목과 매핑되어 있는 경우 이 패턴은 확정패턴일 수 있으며, '식대'라는 단어가 '복리후생비' 계정 및 '접대비' 계정과 매핑되어 있는 경우 이 패턴은 비확정패턴일 수 있다.

상기 통장거래관련단어패턴 생성모듈(111)은 본 발명의 일 실시예에 따른 자동 전표 처리 시스템 또는 패턴생성시스템(100)에 가입한 고객사 별로 과세유형패턴을 달리 생성할 수 있다.

한편, 상기 공용통장거래관련단어패턴 생성모듈(112)은 모든 고객사들에 대한 통장거래내역에서 적요 등을 분석하여 단어를 추출한 후, 각 단어 별로 처리되는 계정과목을 분석할 수 있다. 특히, 상기 공용통장거래관련단어패턴 생성모듈(112)은 모든 회사에 적용할 수 있는 일반적인 단어들 중 처리된 계정과의 정확도(추천도)가 높은 단어들을 선별하여 패턴을 생성할 수 있다. 즉, 상기 공용통장거래관련단어패턴 생성모듈(112)은 상기 정제데이터 중 통장거래와 관련된 정제데이터로부터 공용통장거래 관련단어를 추출하고, 추출된 상기 공용통장거래 관련단어, 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용통장거래관련단어패턴을 생성할 수 있다.

한편, 상기 기계학습모듈(113)은 상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어에 대한 기계학습을 수행하여 기계학습패턴을 생성할 수 있다.

상기 기계학습모듈(113)은 과거 회계처리 내역에 포함되어 있는 품명, 적요, 상호, 대표자명 등에 포함되어 있는 각종 단어를 키 값으로 하여 기계학습을 수행함으로써 정형화된 패턴을 생성할 수 있다.

일 실시예에서, 상기 기계학습모듈(113)은 SVM(Support Vector Machine) 또는 ME(Maximum Entropy) 등의 기계학습 방법을 적용하여 상기 기계학습패턴을 생성할 수 있다.

특히, 기계학습 패턴은 정확도와 신뢰도가 검증된 기계학습패턴을 생성하므로 어느 고객사에 대해서도 적용될 수 있는 패턴일 수 있으며, 신규 고객사에도 활용이 가능하다는 장점이 있다.

한편, 상기 공용사업자번호패턴 생성모듈(105)은 모든 고객사들에 대한 사업자번호를 분석하여 공용사업자번호패턴을 생성할 수 있으며, 생성된 공용사업자번호패턴은 신규 고객사 등 기존의 회계처리 내역이 존재하지 않는 고객사에 활용될 수 있다. 즉, 상기 공용사업자번호패턴 생성모듈(105)은 상기 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 공용사업자번호패턴을 생성할 수 있다.

한편, 상기 공용단어패턴 생성모듈(106)은 모든 고객사들에 대한 과거 회계처리 내역에 포함되어 있는 품명, 적요, 상호, 대표자명 등에 포함되어 있는 각종 단어 등을 분석하여 단어를 추출한 후, 각 단어 별로 처리되는 계정과목을 분석할 수 있다. 즉, 상기 공용단어패턴 생성모듈(106)은 상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어, 상기 단어 각각에 상응하는 추천계정과목 및 상기 단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용단어패턴을 생성할 수 있다.

또한, 상기 공용단어패턴 생성모듈(106)은 자주 사용되는 특수한 단어와 계정과목을 매핑할 수도 있다. 예를 들어, 차량 제조회사(예를 들어, 현대, 기아 등), 운송회사의 상호 및 브랜드를 키 값으로 하여 이를 '차량구입' 계정항목과 매핑할 수 있다.

상기 패턴 DB(200)에 저장되는 각종 패턴은 상술한 바와 같은 방법으로 생성될 수 있다.

따라서, 상기 사업자번호패턴 DB(201)는 상기 패턴생성시스템에 가입한 고객사 각각의 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 상기 고객사 각각의 사업자번호패턴을 저장할 수 있으며, 상기 단어패턴DB(202)는 상기 패턴생성시스템에 가입한 상기 고객사 각각의 과거 회계처리내역에 포함된 단어, 상기 단어 각각에 상응하는 추천계정과목 및 상기 단어 각각에 상응하는 추천계정과목을 포함하는 상기 고객사 각각의 단어패턴을 저장할 수 있다.

상기 과세유형패턴DB(203)는 상기 패턴생성시스템에 가입한 상기 고객사 각각의 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천과세유형 및 각 사업자번호 별 추천과세유형의 추천도를 포함하는 상기 고객사 각각의 과세유형패턴을 저장할 수 있다.

상기 불공사유패턴 DB(204)는 상기 패턴생성시스템에 가입한 상기 고객사 각각의 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천불공사유 및 각 사업자번호 별 추천불공사유의 추천도를 포함하는 상기 고객사 각각의 불공사유패턴을 저장할 수 있다.

상기 공용사업자번호패턴 DB (205)는 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 공용사업자번호패턴을 저장할 수 있다.

상기 공용단어패턴 DB(206)는 과거 회계처리내역에 포함된 단어, 상기 단어 각각에 상응하는 추천계정과목 및 상기 단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용단어패턴을 저장할 수 있다.

상기 원가경비그룹패턴 DB(207)는 상기 패턴생성시스템에 가입한 상기 고객사 각각의 원가 또는 경비와 관련된 계정과목 각각에 상응하는 추천원가경비계정 및 각 추천원가경비계정의 추천도를 포함하는 상기 고객사의 원가경비그룹패턴을 저장할 수 있다.

상기 결제계정패턴 DB(208)는 상기 패턴생성시스템에 가입한 고객사 각각의 복수의 차변계정과목, 각 차변계정과목의 결제계정인 추천대변계정과목 및 각 차변계정과목에 대한 추천대변계정과목의 추천도를 포함하는 상기 고객사의 결제계정패턴을 저장할 수 있다.

상기 업종사업자패턴DB(209)는 상술한 업종사업자패턴을 저장할 수 있으며, 상기 업종단어패턴DB(210)는 상술한 업종단어패턴을 저장할 수 있다.

상기 통장거래관련단어패턴 DB(211)는 상기 패턴생성시스템에 가입한 고객사 각각의 과거회계처리내역에 포함된 통장거래 관련단어, 상기 통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 상기 고객사각각의 통장거래관련단어패턴을 저장할 수 있으며, 상기 공용통장거래관련단어패턴 DB(212)는 과거회계처리내역에 포함된 공용통장거래 관련단어, 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용통장거래관련단어패턴을 저장할 수 있다.

상기 기계학습패턴DB(213)는 상술한 바와 같은 기계학습패턴을 저장할 수 있다.

위와 같은 상기 패턴 DB(200)는 추후 상기 계정추천 및 전표생성 시스템(300)에 이용될 수 있다. 즉, 상기 계정추천 및 전표생성 시스템(300)은 상기 패턴 DB(200)를 이용하여 각종 거래 증빙 자료를 처리하고 그에 상응하는 전표데이터를 생성할 수 있는데, 이하에서는 상기 계정추천 및 전표생성 시스템(300)에 관하여 도 3을 참조하여 보다 상세히 설명하기로 한다.

도 3은 본 발명의 일 실시예에 따른 계정추천 및 전표생성시스템(300)의 개략적인 구성을 도시한 도면이다.

도 3을 참조하면, 상기 계정추천 및 전표생성 시스템(300)은 스크래핑모듈(320), 이미지인식모듈(330), 추출모듈(340), 제어모듈(350), 전표데이터 생성모듈(360), 사업자번호패턴 검색모듈(301), 단어패턴 검색모듈(302), 과세유형패턴 검색모듈(303), 불공사유패턴검색모듈(304), 공용사업자번호패턴 검색모듈(305), 공용단어패턴 검색모듈(306), 원가경비그룹패턴 검색모듈(307), 결제계정패턴 검색모듈(308), 업종사업자패턴 검색모듈(309), 업종단어패턴 검색모듈(310), 통장거래관련단어패턴 검색모듈(311), 공용통장거래관련단어패턴 검색모듈(312), 기계학습패턴 검색모듈(313)을 포함할 수 있다. 본 발명의 실시예에 따라서는, 상술한 구성요소들 중 일부 구성요소는 반드시 본 발명의 구현에 필수적으로 필요한 구성요소에 해당하지 않을 수도 있으며, 또한 실시예에 따라 상기 패턴생성시스템(100)은 이보다 더 많은 구성요소를 포함할 수도 있음은 물론이다.

상기 계정추천 및 전표생성 시스템(300)은 본 발명의 기술적 사상을 구현하기 위해 필요한 하드웨어 리소스(resource) 및/또는 소프트웨어를 구비할 수 있으며, 반드시 하나의 물리적인 구성요소를 의미하거나 하나의 장치를 의미하는 것은 아니다. 즉, 상기 계정추천 및 전표생성 시스템(300)은 본 발명의 기술적 사상을 구현하기 위해 구비되는 하드웨어 및/또는 소프트웨어의 논리적인 결합을 의미할 수 있으며, 필요한 경우에는 서로 이격된 장치에 설치되어 각각의 기능을 수행함으로써 본 발명의 기술적 사상을 구현하기 위한 논리적인 구성들의 집합으로 구현될 수도 있다. 또한, 상기 계정추천 및 전표생성 시스템(300)은 본 발명의 기술적 사상을 구현하기 위한 각각의 기능 또는 역할별로 별도로 구현되는 구성들의 집합을 의미할 수도 있다. 예를 들어, 상기 스크래핑모듈(320), 이미지인식모듈(330), 추출모듈(340), 제어모듈(350), 전표데이터 생성모듈(360), 사업자번호패턴 검색모듈(301), 단어패턴 검색모듈(302), 과세유형패턴 검색모듈(303), 불공사유패턴검색모듈(304), 공용사업자번호패턴 검색모듈(305), 공용단어패턴 검색모듈(306), 원가경비그룹패턴 검색모듈(307), 결제계정패턴 검색모듈(308), 업종사업자패턴 검색모듈(309), 업종단어패턴 검색모듈(310), 통장거래관련단어패턴 검색모듈(311), 공용통장거래관련단어패턴 검색모듈(312), 기계학습패턴 검색모듈(313)은 서로 다른 물리적 장치에 위치할 수도 있고, 동일한 물리적 장치에 위치할 수도 있다. 또한, 구현 예에 따라서는 상기 스크래핑모듈(320), 이미지인식모듈(330), 추출모듈(340), 제어모듈(350), 전표데이터 생성모듈(360), 사업자번호패턴 검색모듈(301), 단어패턴 검색모듈(302), 과세유형패턴 검색모듈(303), 불공사유패턴검색모듈(304), 공용사업자번호패턴 검색모듈(305), 공용단어패턴 검색모듈(306), 원가경비그룹패턴 검색모듈(307), 결제계정패턴 검색모듈(308), 업종사업자패턴 검색모듈(309), 업종단어패턴 검색모듈(310), 통장거래관련단어패턴 검색모듈(311), 공용통장거래관련단어패턴 검색모듈(312), 기계학습패턴 검색모듈(313) 등 각각의 모듈을 구성하는 세부구성들 역시 서로 다른 물리적 장치에 위치하고, 서로 다른 물리적 장치에 위치한 세부구성들이 서로 유기적으로 결합되어 각각의 모듈들이 수행하는 기능을 실현할 수도 있다.

상기 제어모듈(350)은 계정추천 및 전표생성 시스템(300)에 포함된 다른 구성(예를 들면, 스크래핑모듈(320), 이미지인식모듈(330), 추출모듈(340), 전표데이터 생성모듈(360), 사업자번호패턴 검색모듈(301), 단어패턴 검색모듈(302), 과세유형패턴 검색모듈(303), 불공사유패턴검색모듈(304), 공용사업자번호패턴 검색모듈(305), 공용단어패턴 검색모듈(306), 원가경비그룹패턴 검색모듈(307), 결제계정패턴 검색모듈(308), 업종사업자패턴 검색모듈(309), 업종단어패턴 검색모듈(310), 통장거래관련단어패턴 검색모듈(311), 공용통장거래관련단어패턴 검색모듈(312), 기계학습패턴 검색모듈(313) 등)의 기능 및/또는 리소스(resource)를 제어할 수 있다.

상기 스크래핑모듈(320)은 소정의 웹 사이트로부터 전자세금계산서 데이터, 전자계산서 데이터, 신용카드거래내역 데이터, 현금영수증 데이터, 통장거래 데이터 중 적어도 하나를 스크래핑하여 거래 데이터를 생성할 수 있다.

한편, 스크래핑모듈(320)은 전자세금계산서, 전자계산서, 신용카드 영수증, 현금영수증, 통장과 같은 거래 증빙자료를 소정의 웹사이트(20)로부터 수집할 수 있다. 상기 웹 사이트(20)는 국세청의 e세로 사이트, 현금영수증 사이트, 각종 여신금융협회 사이트, 각종 카드사의 사이트, 각종 은행 사이트 등을 포함할 수 있다. 예를 들어, 상기 스크래핑모듈(320)은 e세로 사이트를 통해 전자세금계산서 및 전자계산서의 매입/매출 자료를 수집할 수 있으며, 국세청 현금영수증 사이트로부터 현금영수증 매입/매출, 신용카드 매입/매출 자료를 수집할 수 있으며, 여금금융협회사이트로부터 신용카드 매출자료를 수집하고, 각 카드사 사이트를 통해 신용카드 매입자료를 수집할 수 있으며, 각 은행 사이트로부터 통장 입출금 자료를 수집할 수 있다.

상기 이미지 인식모듈(330)은 세금계산서, 신용카드거래내역, 현금영수증, 통장 중 적어도 하나를 이미지 인식하여 상기 거래 데이터를 생성할 수 있다. 즉, 상기 이미지 인식모듈(330)은 세금계산서, 신용카드거래내역, 현금영수증, 통장 등과 같은 종이 증빙(30)을 스캔/촬영한 후 이미지 분석하고, 상기 종이 증빙(30)에 상응하는 거래 데이터를 생성할 수 있다.

생성된 상기 거래데이터는 사업자번호, 품명, 적요, 거래처명, 거래일자, 금액 등을 포함할 수 있으며, 상기 거래데이터가 통장관련 거래데이터인 경우, 통장 적요, 통장취급점, 통장거래방법, 거래일자, 금액 등을 포함할 수 있다.

상기 스크래핑모듈(320) 및/또는 상기 이미지 인식모듈(330)은 소정의 스케쥴러모듈(미도시)에 의해 자동으로 수집 및/또는 이미지 인식을 수행할 수 있다. 상기 스케쥴러모듈은 주기적으로(예를 들면, 매일 일정 시간이 되는 경우) 자동으로 상기 스크래핑모듈(320) 및/또는 상기 이미지 인식모듈(330)을 구동할 수 있다.

상기 추출모듈(340)은 상기 거래 데이터로부터 검색대상 사업자번호 또는 검색대상 단어 중 적어도 하나를 추출할 수 있다.

상기 계정추천 및 전표생성 시스템(300)은 추출된 상기 검색대상 사업자번호 또는 검색대상 단어에 기초하여 추천계정과목을 비롯한 전표생성에 필요한 각종 데이터를 상기 패턴 DB(200)에서 검색할 수 있다.

상기 사업자번호패턴 검색모듈(301)은 추출된 상기 검색대상 사업자번호에 상응하는 추천계정과목을 상기 사업자번호패턴 DB(201)에서 검색할 수 있다.

또한, 상기 단어패턴 검색모듈(302)은 추출된 상기 검색대상 단어에 상응하는 추천계정과목을 상기 단어패턴 DB(202)에서 검색할 수 있다.

한편, 상기 사업자번호패턴 검색모듈(301)에 의해 검색된 추천계정과목과 상기 단어패턴 검색모듈(302)에 의해 검색된 추천계정과목이 동일할 수도 있지만, 양자가 서로 상이한 경우가 있을 수 있다. 또한, 상기 사업자번호패턴 검색모듈(301)에 의해 검색된 추천계정과목 및/또는 상기 단어패턴 검색모듈(302)에 의해 검색된 추천계정과목이 각각 2 이상일 수도 있다.

이와 같이, 사업자번호패턴 검색모듈(301) 및/또는 상기 사업자번호패턴 검색모듈(301)에 의해 검색된 추천계정과목이 복수 개인 경우, 검색된 각 추천계정과목의 추천도에 의해 어느 하나가 선택될 수 있다. 즉, 상기 제어모듈(350)은 사업자번호패턴 검색모듈(301) 및/또는 상기 사업자번호패턴 검색모듈(301)에 의해 검색된 추천계정과목 중 추천도가 가장 큰 하나를 상기 거래 데이터에 상응하는 계정과목으로 결정할 수 있다.

한편, 상기 거래 데이터가 신규 고객의 데이터인 경우 혹은 기타의 이유로 사업자번호패턴 검색모듈(301)이 상기 사업자번호패턴 DB(201)로부터 상기 검색대상 사업자번호에 상응하는 추천계정과목을 검색하지 못하는 경우가 있을 수 있다. 이러한 경우, 상기 사업자번호패턴 검색모듈(301)은 상기 검색대상 사업자번호에 상응하는 추천계정과목을 상기 공용사업자번호패턴 DB(305)에서 검색할 수 있다. 마찬가지로 상기 단어패턴 검색모듈(302)이 상기 단어패턴DB(202)로부터 상기 검색대상 단어에 상응하는 추천계정과목을 검색하지 못하거나 상기 거래 데이터가 신규 고객의 데이터인 경우, 상기 검색대상 단어에 상응하는 추천계정과목을 상기 공용단어패턴 DB(306)에서 검색할 수 있다.

한편, 상기 과세유형패턴 검색모듈(303)은 상기 검색대상 사업자번호에 상응하는 추천과세유형을 상기 과세유형패턴 DB(203)에서 검색할 수 있다. 만약 2 이상의 추천과세유형이 검색된 경우, 상기 제어모듈(350)은 검색된 상기 검색대상 사업자번호에 상응하는 추천과세유형 중 추천도가 가장 큰 하나를 상기 거래 데이터에 상응하는 과세유형으로 결정할 수 있다.

상기 불공사유패턴 검색모듈(304)은 상기 검색대상 사업자번호에 상응하는 추천불공사유를 상기 불공사유패턴 DB(204)에서 검색할 수 있다. 만약 2 이상의 불공사유가 검색된 경우, 상기 제어모듈(350)은 검색된 상기 검색대상 사업자번호에 상응하는 추천불공사유 중 추천도가 가장 큰 하나를 상기 거래 데이터에 상응하는 불공사유로 결정할 수 있다.

상기 원가경비그룹패턴 검색모듈(307)은 상기 거래 데이터에 상응하는 계정과목이 원가 또는 경비와 관련된 경우, 상기 원가경비그룹패턴 DB(207)에서 상기 거래 데이터에 상응하는 계정과목에 상응하는 추천원가경비계정을 검색할 수 있다. 또한, 상기 제어모듈(350)은 검색된 상기 상기 거래 데이터에 상응하는 계정과목에 상응하는 추천원가경비계정 중 추천도가 가장 큰 하나를 상기 거래 데이터에 상응하는 원가경비계정으로 결정할 수 있다.

상기 결제계정패턴 검색모듈(308)은 상기 결제계정패턴 DB(208)에서 상기 거래 데이터에 상응하는 계정과목에 상응하는 추천대변계정과목을 검색할 수 있으며, 상기 제어모듈(350)은 검색된 상기 상기 거래 데이터에 상응하는 계정과목에 상응하는 추천대변계정과목 중 추천도가 가장 큰 하나를 상기 거래 데이터에 상응하는 대변계정과목으로 결정할 수 있다.

한편, 상기 거래데이터가 통장거래와 관련된 데이터인 경우가 있을 수 있다. 이러한 경우, 상기 통장거래관련단어패턴 검색모듈(311)은 상기 검색대상 단어에 상응하는 추천계정과목을 통장거래관련단어패턴 DB(211)에서 검색할 수 있다. 만약 통장거래관련단어패턴 DB(211)로부터 상기 검색대상 단어에 상응하는 추천계정과목을 검색하지 못하거나 상기 거래 데이터가 신규 고객의 데이터인 경우, 상기 통장거래관련단어패턴 검색모듈(311)은 상기 검색대상 단어에 상응하는 추천계정과목을 상기 공용사업자번호패턴 DB(312)에서 검색할 수 있다. 상기 제어모듈(350)은 검색된 상기 검색대상 단어에 상응하는 추천계정과목 중 추천도가 가장 큰 하나를 상기 거래 데이터에 상응하는 계정과목으로 결정할 수 있다.

상기 전표데이터 생성모듈(360)은 상술한 바와 같은 방법으로 검색된 전표 데이터 관련 정보(예를 들면, 상기 거래 데이터에 상응하는 계정과목 등)을 포함하는 전표데이터를 생성할 수 있다.

도 4a 내지 도 4d는 상기 계정추천 및 전표생성 시스템(300)이 전표데이터를 생성하는 방법을 설명하기 위한 도면이다.

도 4a는 거래증빙자료 중 하나인 카드영수증의 일 예를 도시한 도면이다. 도 4a에 도시된 바와 같은 거래증빙자료가 입력되는 경우, 상기 계정추천 및 전표생성 시스템(300)은 카드영수증을 이미지인식하여, 거래데이터를 생성할 수 있다. 생성된 거래데이터는 카드종류((주)국민은행), 거래일자(2012-05-15), 금액(4545), 부가세(455), 가맹점명(푸드(FOOD)), 사업자번호(101-81-12345) 등의 세부정보를 포함할 수 있다.

한편, 상기 계정추천 및 전표생성 시스템(300)은 상기 거래데이터 중 사업자번호를 추출하여 사업자번호패턴DB(201)에서 계정과목을 검색할 수 있으며, 가맹점명에 포함된 단어인 '푸드'를 추출하여 단어패턴DB(202)에서 계정과목을 검색할 수 있다.

도 4b는 사업자번호패턴DB(201)와 단어패턴DB(202)에서 검색한 결과를 도시한 도면이다. 도 4b를 참조하면, 상기 계정추천 및 전표생성 시스템(300)은 '복리후생비'(계정코드: 811) 및 '접대비'(계정코드: 813)을 검색할 수 있다. 이러한 두 계정 중 '복리후생비' 계정의 추천도가 가장 크므로 상기 계정추천 및 전표생성 시스템(300)은 도 4a에 도시된 바와 같은 거래증빙자료에 대한 계정과목으로 '복리후생비' 계정을 추천할 수 있다.

한편, 상기 계정추천 및 전표생성 시스템(300)은 추천된 계정과목인 '복리후생비'에 대한 대변계정을 상기 결제계정패턴DB(208)에서 검색하여 '미지급금' 계정을 대변계정으로 추천할 수 있다.

또한, 상기 계정추천 및 전표생성 시스템(300)은 전표데이터를 생성하는데 필요한 다른 세부항목을 상기 패턴DB(200)에서 더 검색할 수 있으며, 전표데이터에 포함되어야 하는 항목을 상기 거래데이터에서 추출할 수도 있다.

이와 같이 전표데이터 생성에 필요한 세부항목을 획득한 이후, 상기 계정추천 및 전표생성 시스템(300)은 도 4c 또는 도 4d에 도시된 바와 같은 전표데이터를 생성할 수 있다.

한편, 구현 예에 따라서, 상기 패턴생성시스템(100)은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 포함할 수 있다. 상기 프로세서는 싱글 코어 CPU혹은 멀티 코어 CPU를 포함할 수 있다. 메모리(11)는 고속 랜덤 액세스 메모리를 포함할 수 있고 하나 이상의 자기 디스크 저장 장치, 플래시 메모리 장치, 또는 기타 비휘발성 고체상태 메모리 장치와 같은 비휘발성 메모리를 포함할 수도 있다. 프로세서 및 기타 구성 요소에 의한 메모리로의 액세스는 메모리 컨트롤러에 의해 제어될 수 있다. 여기서, 상기 프로그램은, 프로세서에 의해 실행되는 경우, 본 실시예에 따른 패턴생성시스템(100)으로 하여금, 상술한 패턴생성시스템 제공방법을 수행하도록 할 수 있다.

한편, 본 발명의 실시예에 따른 패턴생성시스템 제공방법은 컴퓨터가 읽을 수 있는 프로그램 명령 형태로 구현되어 컴퓨터로 읽을 수 있는 기록 매체에 저장될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.

기록 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터로 읽을 수 있는 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 또한 상술한 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다.

그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims

계정추천 및 전표생성을 위한 패턴생성시스템으로서,
소정의 회계처리내역 DB에 저장된 과거 회계처리내역 데이터에 소정의 치환규칙을 적용하여, 정제데이터를 생성하는 데이터 정제모듈;
상기 정제데이터에 포함된 개별 데이터 항목의 단위기간 별 빈도수를 산출하고, 산출된 단위기간 별 빈도수 및 미리 설정된 상기 단위기간의 가중치에 기초하여 각 개별 데이터 항목의 추천도를 산출하는 추천도 산출모듈;
상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 상기 고객사의 사업자번호패턴을 생성하는 사업자번호패턴 생성모듈; 및
상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터로부터 단어를 추출하고, 추출된 상기 단어 및 상기 단어 각각에 상응하는 추천계정과목을 포함하는 상기 고객사의 단어패턴을 생성하는 단어패턴 생성모듈을 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템.
제1항에 있어서, 상기 데이터 정제모듈은,
상기 과거 회계처리내역 데이터에 치환대상 정규식 표현에 상응하는 치환대상 문자열이 포함된 경우, 상기 치환대상 문자열을 상기 치환대상 정규식 표현에 상응하는 치환결과 정규식 표현에 의해 표현되는 치환문자열로 치환하는 계정추천 및 전표생성을 위한 패턴생성시스템.
제1항에 있어서
상기 단위기간의 가중치는 상기 단위기간이 최근일수록 높은 수치로 설정되는 계정추천 및 전표생성을 위한 패턴생성시스템.
제1항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은,
상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천과세유형 및 각 사업자번호 별 추천과세유형의 추천도를 포함하는 상기 고객사의 과세유형패턴을 생성하는 과세유형패턴 생성모듈을 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템.
제1항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은,
상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천불공사유 및 각 사업자번호 별 추천불공사유의 추천도를 포함하는 상기 고객사의 불공사유패턴을 생성하는 불공사유패턴 생성모듈을 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템.
제1항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은,
상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 원가 또는 경비와 관련된 계정과목 각각에 상응하는 추천원가경비계정 및 각 추천원가경비계정의 추천도를 포함하는 상기 고객사의 원가경비그룹패턴을 생성하는 원가경비그룹패턴 생성모듈을 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템.
제1항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은,
상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 복수의 차변계정과목, 각 차변계정과목의 결제계정인 추천대변계정과목 및 각 차변계정과목에 대한 추천대변계정과목의 추천도를 포함하는 결제계정패턴을 생성하는 결제계정패턴 생성모듈을 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템.
제1항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은,
상기 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 공용사업자번호패턴을 생성하는 공용사업자번호패턴 생성모듈; 및
상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어, 상기 단어 각각에 상응하는 추천계정과목 및 상기 단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용단어패턴을 생성하는 공용단어패턴 생성모듈을 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템.
제1항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은,
상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 통장거래 관련 정제데이터로부터 통장거래 관련단어를 추출하고, 추출된 상기 통장거래 관련단어, 상기 통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 상기 고객사의 통장거래관련단어패턴을 생성하는 통장거래관련단어패턴 생성모듈; 및
상기 정제데이터 중 통장거래와 관련된 정제데이터로부터 공용통장거래 관련단어를 추출하고, 추출된 상기 공용통장거래 관련단어, 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용통장거래관련단어패턴을 생성하는 공용통장거래관련단어패턴 생성모듈을 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템.
제1항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템은,
상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어에 대한 기계학습을 수행하여 기계학습패턴을 생성하는 기계학습모듈을 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템.
계정추천 및 전표생성을 위한 패턴생성시스템 제공방법으로서,
소정의 회계처리내역 DB에 저장된 과거 회계처리내역 데이터에 소정의 치환규칙을 적용하여, 정제데이터를 생성하는 단계;
상기 정제데이터에 포함된 개별 데이터 항목의 단위기간 별 빈도수를 산출하고, 산출된 단위기간 별 빈도수 및 미리 설정된 상기 단위기간의 가중치에 기초하여 각 개별 데이터 항목의 추천도를 산출하는 단계;
상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 상기 고객사의 사업자번호패턴을 생성하는 단계; 및
상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터로부터 단어를 추출하고, 추출된 상기 단어 및 상기 단어 각각에 상응하는 추천계정과목을 포함하는 상기 고객사의 단어패턴을 생성하는 단계를 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법.
제11항에 있어서, 상기 정제데이터를 생성하는 단계는,
상기 과거 회계처리내역 데이터에 치환대상 정규식 표현에 상응하는 치환대상 문자열이 포함된 경우, 상기 치환대상 문자열을 상기 치환대상 정규식 표현에 상응하는 치환결과 정규식 표현에 의해 표현되는 치환문자열로 치환하는 단계를 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법.
제11항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은,
상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천과세유형 및 각 사업자번호 별 추천과세유형의 추천도를 포함하는 상기 고객사의 과세유형패턴을 생성하는 단계를 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법.
제11항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은,
상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천불공사유 및 각 사업자번호 별 추천불공사유의 추천도를 포함하는 상기 고객사의 불공사유패턴을 생성하는 단계를 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법.
제11항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은,
상기 패턴생성시스템에 가입한 상기 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 원가 또는 경비와 관련된 계정과목 각각에 상응하는 추천원가경비계정 및 각 추천원가경비계정의 추천도를 포함하는 상기 고객사의 원가경비그룹패턴을 생성하는 단계를 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법.
제11항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은,
상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 정제데이터에 기초하여 복수의 차변계정과목, 각 차변계정과목의 결제계정인 추천대변계정과목 및 각 차변계정과목에 대한 추천대변계정과목의 추천도를 포함하는 결제계정패턴을 생성하는 단계를 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법.
제11항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은,
상기 정제데이터에 기초하여 상기 과거 회계처리내역에 포함된 사업자번호, 각 사업자번호 별 추천계정과목 및 각 사업자번호 별 추천계정과목의 추천도를 포함하는 공용사업자번호패턴을 생성하는 단계; 및
상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어, 상기 단어 각각에 상응하는 추천계정과목 및 상기 단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용단어패턴을 생성하는 단계를 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법.
제1항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은,
상기 패턴생성시스템에 가입한 고객사 각각에 대하여, 상기 정제데이터 중 상기 고객사에 상응하는 통장거래 관련 정제데이터로부터 통장거래 관련단어를 추출하고, 추출된 상기 통장거래 관련단어, 상기 통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 상기 고객사의 통장거래관련단어패턴을 생성하는 단계; 및
상기 정제데이터 중 통장거래와 관련된 정제데이터로부터 공용통장거래 관련단어를 추출하고, 추출된 상기 공용통장거래 관련단어, 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목 및 상기 공용통장거래 관련단어 각각에 상응하는 추천계정과목의 추천도를 포함하는 공용통장거래관련단어패턴을 생성하는 단계를 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법.
제11항에 있어서, 상기 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법은,
상기 정제데이터로부터 단어를 추출하고, 추출된 상기 단어에 대한 기계학습을 수행하여 기계학습패턴을 생성하는 단계를 더 포함하는 계정추천 및 전표생성을 위한 패턴생성시스템 제공방법.
제11항 내지 제19항 중 어느 한 항에 기재된 방법을 수행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
계정추천 및 전표생성을 위한 패턴생성시스템으로서,
프로세서; 및 프로그램이 저장된 메모리를 포함하되,
상기 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 계정추천 및 전표생성을 위한 패턴생성시스템이 제11항 내지 제19항 중 어느 한 항에 기재된 방법을 수행하도록 하는 계정추천 및 전표생성을 위한 패턴생성시스템.