WO2018110522A1 - 会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム - Google Patents

会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム Download PDF

Info

Publication number
WO2018110522A1
WO2018110522A1 PCT/JP2017/044476 JP2017044476W WO2018110522A1 WO 2018110522 A1 WO2018110522 A1 WO 2018110522A1 JP 2017044476 W JP2017044476 W JP 2017044476W WO 2018110522 A1 WO2018110522 A1 WO 2018110522A1
Authority
WO
WIPO (PCT)
Prior art keywords
journal
data
accounting
accounting processing
account item
Prior art date
Application number
PCT/JP2017/044476
Other languages
English (en)
French (fr)
Inventor
松田顕
藤武将人
福田紀之
森啓太郎
Original Assignee
ファーストアカウンティング株式会社
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 ファーストアカウンティング株式会社 filed Critical ファーストアカウンティング株式会社
Publication of WO2018110522A1 publication Critical patent/WO2018110522A1/ja

Links

Images

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

Definitions

  • the present invention relates to an accounting processing apparatus, an accounting processing system, an accounting processing method, and an accounting processing program that take in voucher information such as receipts and receipts and automatically make journal entries.
  • Patent Document 1 For registered users who own accounting software, refer to the past history of the registered user and extract journals of transactions described in vouchers and similar transactions, and use frequency Suggest recommended journals accordingly. On the other hand, for unregistered users, a journal with the largest number of users of all users (a large number of individuals and companies nationwide) is presented to the user as a recommended journal. In addition, in Patent Document 1, when a new journal is generated or a journal is corrected on the user side, the database used for journaling is updated by the learning means, so that the result of the journal is increased as each user uses it. Optimized.
  • the account item may change depending on the user's business type and transaction status.
  • the account item may change depending on the transaction status such as the business partner, date, and amount.
  • Patent Documents 1 and 2 optimization is performed only for individual users by performing learning based on the history information of individual users. It is not possible to improve the accuracy of journal entries for registered users, journal entries for unregistered business partners, and journal entries based on general reasoning in Patent Document 2.
  • journal based on the number of users of all users for non-registered users in Patent Document 1, not all users have accounting expertise, and inaccurate journals are included. If learning including such an inaccurate journal is performed, the accuracy of the journal may be reduced.
  • the present invention has been made to solve such problems, and an object of the present invention is to provide an accounting processing apparatus, an accounting processing system, and an accounting processing method capable of improving journaling accuracy in automatic journal entry from a voucher. And providing an accounting program.
  • the accounting processing apparatus is an accounting processing apparatus that performs automatic journalizing, and at least a date, a customer, an amount of money, a description, and at least a size of the voucher from image data of the voucher.
  • a journal determination unit that generates journal data in which an account item is selected.
  • the accounting processing apparatus is an accounting processing apparatus that performs automatic journalizing, and extracts at least a date, a supplier, an amount, a description, and a journal element including a graphic described in the voucher from image data of the voucher.
  • the journal entry element necessary for selecting the account item for each account item is determined from the journal analysis tendency of the journal entry AI that has learned to select the account item corresponding to the journal element by machine learning in advance.
  • a journal determination unit that generates journal data by selecting an account item for the journal elements set and extracted by the image analysis unit based on the set criteria.
  • each journal element includes at least one of a date database corresponding to the date of the journal element, a customer database corresponding to the business partner of the journal element, and a summary database corresponding to the description of the journal element.
  • One or more classification databases that store the set classification information and one or more classification information corresponding to the journal elements from the classification database are assigned to the journal elements extracted by the image analysis unit. And a data adding unit to be sent to the journal determination unit.
  • the data assigning unit may assign a classification that is classified stepwise according to the magnitude of the amount of money for the journal element.
  • a journalizing element extracted by the image analysis unit may be digitized and vectorized, and sent to the journal determination unit.
  • the journal data generated by the journal determination unit may further include an erroneous determination detection unit that detects an erroneous determination of the journal content.
  • journal element may include information on a transaction source, and the journal AI may learn in advance a journal for selecting an account item for the journal element including the transaction source by machine learning.
  • the image analysis unit also extracts journal elements from the number set to identify the company described in the voucher, and the classification database includes classification information based on the number set to identify the company.
  • the data granting unit detects a number set for identifying a corresponding company from the classification database for a journal element having a number set for specifying the company, and Classification information corresponding to the number set to identify the item may be given.
  • the journal determination unit determines a journal element necessary for selecting the account item for each account item from the journal tendency of the journal entry AI learned to select the account item corresponding to the journal element by machine learning in advance.
  • the accounting processing apparatus according to claim 1, wherein the journal data is generated by selecting an account item based on the set determination criterion for the journal element.
  • the above-described accounting processing device, a reading device capable of reading the voucher as image data, and the accounting processing device are connected via a communication network. And an information terminal capable of transmitting image data read by the reading device to the accounting processing device and receiving journal data generated by the accounting processing device.
  • the information terminal is capable of correcting the received journal data and feeding back the corrected journal data to the accounting processing device, and the journal determination unit of the accounting processing device is based on the fed-back corrected journal data. AI may be further learned.
  • a plurality of information terminals are connected to the accounting processing apparatus via the communication network, and information terminals capable of feeding back the corrected journal data are limited to specific information terminals.
  • the accounting method is an accounting method in which automatic journalization is performed by a computer, and includes at least a date, a supplier, an amount of money, a description, and the voucher image data. Extracted in the image analysis step by an image analysis step for extracting journal elements including an appearance including at least a size and a color, and a journal AI that has previously learned to select an account item corresponding to the journal element by machine learning. A journal determination step of generating journal data in which an account item for the journal element is selected.
  • the accounting method according to the present invention is an accounting method in which automatic journalizing is performed by a computer, and includes at least a date, a supplier, an amount, a description, and From the image analysis process for extracting journal elements including the graphic described in the voucher and the journal entry trend of the journal entry AI that has been learned in advance to select an account item corresponding to the journal element by machine learning, the corresponding account item for each account item
  • the journal elements necessary for selecting the journal are set as judgment criteria, and the journal data is generated by selecting an account item based on the set judgment criteria for the journal elements extracted in the image analysis process.
  • a journal entry determination step is an accounting method in which automatic journalizing is performed by a computer, and includes at least a date, a supplier, an amount, a description, and From the image analysis process for extracting journal elements including the graphic described in the voucher and the journal entry trend of the journal entry AI that has been learned in advance to select an account item corresponding to the journal element by machine learning, the corresponding account item for each account item
  • journal elements extracted in the image analysis step at least a date database corresponding to the date of the journal element, a supplier database corresponding to the business partner of the journal element, and a description of the journal element
  • a data adding step of adding one or more classification information corresponding to the journal element from one or more classification databases storing the classification information set corresponding to each journal element, including any of the summary databases May be.
  • the journal element amount may be assigned a stepwise classification according to the amount of money.
  • a journalizing element extracted in the image analysis step may be digitized and vectorized, and a digitizing / vectorizing step for proceeding to the journal determining step may be provided.
  • journal data generated in the journal determination process may include an erroneous determination detection process for detecting an erroneous determination of the journal contents.
  • journal element may include information on a transaction source, and the journal AI may previously learn a journal for selecting an account item for the journal element including the transaction source by machine learning.
  • journal elements are also extracted from numbers set to identify the company described in the voucher, and classification information based on the number set to identify the company is stored in the classification database.
  • the data granting step for the journal element of the number set for specifying the company, the number set for specifying the corresponding company is detected from the classification database, and the company Classification information corresponding to the number set to identify the item may be given.
  • journal element necessary for selecting the account item is determined for each account item from the journal tendency of the journal entry AI learned to select the account item corresponding to the journal element by machine learning in advance. It may be set as a determination criterion, and journal data may be generated by selecting an account item for the journal element based on the set determination criterion.
  • the accounting processing program causes a computer to execute the above-described journal processing method.
  • FIG. 1 is a system configuration diagram showing an accounting processing system including an accounting processing apparatus according to an embodiment of the present invention.
  • the accounting processing system includes various devices on the user side and accounting processing devices on the accounting processing service provider side via a communication network 1 such as the Internet or VPN (Virtual Private Network). 10 are connected to each other.
  • a communication network 1 such as the Internet or VPN (Virtual Private Network). 10 are connected to each other.
  • the accounting processing apparatus 10 can be connected to a plurality of users via the communication network 1.
  • the user is, for example, an expert such as a tax accountant and an accountant, or a corporation or an individual who directly performs accounting processing, and includes at least a reading device 2 and an information terminal 3.
  • the reading device 2 is an optical device such as a scanner or a camera, for example, and is a device that can capture a voucher as image data.
  • voucher in this embodiment and claims refers to receipts, receipts, other receipts, invoices, invoices, documents for proof of financial transfer, IC cards such as electronic money, etc. Also includes transaction information.
  • the information terminal 3 is a portable terminal such as a personal computer (hereinafter referred to as a PC), a smartphone, a tablet PC, and a mobile phone, and is a terminal capable of displaying at least web information.
  • a PC personal computer
  • smartphone a smartphone
  • tablet PC a tablet PC
  • mobile phone a terminal capable of displaying at least web information.
  • the user can acquire the image data of the voucher by the reading device 2 and transmit it to the accounting processing device 10 by the information terminal 3 and can receive information from the accounting processing device 10.
  • the reading device 2 and the information terminal 3 are shown as separate bodies, but the reading device 2 and the information terminal 3 may be integrated like a mobile terminal with a camera.
  • the accounting processing service provider is a business operator that provides accounting processing service by so-called cloud computing, and is a person who manages the accounting processing apparatus 10.
  • the accounting processing apparatus 10 has one or a plurality of servers that execute a journalizing process based on a program, and functionally mainly includes an image analyzing unit 11, a data adding unit 12, a numerical / vectorizing unit 13, and a journal determining unit. 14 and an erroneous determination detection unit 15. Further, the accounting processing apparatus 10 has a database (hereinafter, referred to as DB) in which various information is stored, and specifically has a classification DB group 16.
  • DB database
  • the image analysis unit 11 has a function of receiving image data of a voucher sent from a user and extracting information (unformatted data) that is a journal element from the image data.
  • Journal elements include, for example, date, amount, business partner, description (including proviso and product name), business source (including address), and numbers, letters, and figures (for example, logo marks, seals, and other companies) corresponding to these.
  • the identifiable pattern) and the appearance of the voucher are extracted by OCR or an image analysis function.
  • the numbers before and after the letters “Year”, “Month”, “Day” and “/” are extracted.
  • the numbers before and after the symbol “ ⁇ ” and “Yen” are extracted.
  • the characters before and after the letters “corporation” and “(stock)”, logo marks, telephone numbers, and voucher appearance are extracted.
  • the character following the “but” character is extracted.
  • the character preceding the character “sama” is extracted.
  • the transaction source when there is no address description such as a receipt, the user who has transmitted the image data may be the transaction source, or the company that is the customer of the user is set in advance and the user The image data transmitted from may be set as the trading company.
  • journal elements are not limited to this, and numbers, characters, and figures used for extracting journal elements are not limited thereto.
  • the voucher indicates the quantity of the purchased item
  • the quantity may be included as a journal element
  • the information such as the name and number of people present is indicated, May be included as a journal element.
  • you may extract the number (corporate number, establishment number) set in order to identify each company.
  • the unformatted data of the journal elements extracted in this way by the image analysis unit is sent to the data adding unit 12 in a state in which it is not arranged until which data corresponds to which journal element at this time.
  • the data assigning unit 12 is connected to the classification DB group 16 and assigns the classification information corresponding to each journal element stored in the classification DB group 16 to the unformatted data, so that the formatted data of the journal element is obtained. It has a function to generate.
  • the classification DB group 16 includes a date DB group 20 corresponding to the date of the journal element and a transaction corresponding to the business partner. It has a destination DB group 21, a summary DB group 22 corresponding to the summary, and a transaction source DB group 23 corresponding to the transaction source.
  • the date DB group 20 has a holiday DB 20a in which holiday information is stored, a day DB 20b in which day information is stored, and a season DB 20c in which four season information is stored.
  • the supplier DB group 21 is classified according to the type of business of the company, and has, for example, a food and drink DB 21a, a traffic DB 21b, a retail DB 21c, and the like.
  • the summary DB group 33 is classified according to the types of products and services (services), and includes, for example, a food DB 22a, a pharmaceutical DB 22b, an electronic device DB 22c, a daily goods DB 22d, a book DB 22e, and the like.
  • the transaction source DB group 23 is classified according to user information contracted with a service provider as a transaction source, and includes, for example, a user business DB 23a, an address DB 23b, an employee number DB 23c, and the like.
  • the DB is not limited to this, and various DBs exist depending on the journal elements.
  • a logo mark DB storing a company logo mark (graphic)
  • an appearance DB storing a characteristic voucher appearance according to the type of business, a company name and a type of business corresponding to the corporate number, etc.
  • a stored corporate number DB or the like may be provided.
  • the data adding unit 12 converts the unformatted data corresponding to the date from the date DB group 21 and the unformatted data corresponding to the supplier from the supplier DB group 21 to the unformatted data corresponding to the summary.
  • the corresponding classification data is detected from the transaction source DB group 23, and one or a plurality of classification data is assigned.
  • unformatted data corresponding to monetary amounts for example, 0 to 5,000 yen, 5,001 to 10,000 yen, 10,001 to 200,000 yen 200,001 yen, etc., are assigned in stages according to the amount of money. To do.
  • the digitizing / vectorizing unit 13 converts the shaped data to which the classification data corresponding to the journal element is assigned by the data adding unit 12 into vector data suitable for the journal.
  • the shaped data is data composed of characters and numbers, which is digitized into a data format that can be easily recognized by the journal entry determination unit, and vectorized to generate vector data.
  • the journal determining unit 14 has a journal AI (Artificial Intelligence), and generates journal data from the vector data of journal elements by the journal AI.
  • the journal entry AI is an AI specialized in journal entries learned by using specialist journals such as tax accountants and high-precision journal data carried out in the past as teacher data.
  • FIG. 3 a system configuration diagram showing a learning system for forming the journal entry AI is shown.
  • the learning system 30 shown in the figure includes one or a plurality of servers (computers), and functionally includes a numerical / vectorization unit 31, a learning unit 32, and a learned model DB 33. Then, journal element data based on the voucher information and the corresponding journal data are input to the learning system 30. As the combination of the journal element data and the journal data to be input, highly accurate data previously journalized by a specialist or a company is used.
  • the digitization / vectorization unit 31 converts the journal element data and journal data input into vector data in the same manner as the vectorization of the journal processing apparatus.
  • the learning unit 32 learns the relationship between combinations of vectorized journal element data and journal data, thereby determining the journal element data in a composite manner, and outputting journal data in which an appropriate account item is selected.
  • a journal entry AI is formed.
  • journal entries AI formed by the learning unit 32 are stored.
  • the journal AI is not limited to one.
  • the journal AI optimized for the user business type or the user alone is formed. May be. Thereby, it is possible to realize a journal with higher accuracy for the user.
  • the journal entry AI formed in this way is characterized by the journal element that is the key to determine the account item among the journal elements such as business partner, date, amount, description, and transaction source, depending on the account item.
  • the account item is selected based on the journal element that is a feature point.
  • journal entry determination can be improved, and efficient journal entry determination can be performed using the minimum necessary elements for account item selection.
  • priority may be set between feature points.
  • journal determination unit 14 uses the journal AI formed as described above to select an appropriate account item for the journal element that is vector data and outputs it as journal data. If the journal element is a journal element that cannot be journaled by the journal entry AI, journal data that does not correspond to the account item is output.
  • the erroneous determination detection unit 15 has a function of detecting an erroneous determination on the journal data generated by the journal determination unit 14. For example, an abnormality determination value is set for a journal element or account item, and an erroneous determination is made based on whether or not the abnormality determination value is exceeded.
  • the misjudgment detection unit 15 regards it as abnormal.
  • the misjudgment detection unit 15 provides data for displaying an abnormality different from the normal time, such as displaying in red for example, in order to prompt the user to confirm the possibility of erroneous determination for the journal data that has detected an abnormality.
  • the added completed journal data is transmitted to the user.
  • journal data is fed back to the accounting processing apparatus 10.
  • the fed-back corrected journal data is digitized and vectorized by the digitizing / vectorizing unit 13 and used for further learning of the journal AI by the journal judging unit 14.
  • users who can perform feedback may be limited to tax accountants and accountant professional users. That is, only the specific information terminal 3 has a feedback function, or the accounting processing apparatus 10 is set to accept only the feedback from the specific information terminal 3.
  • FIG. 4 shows a flowchart showing an automatic journalizing routine (accounting method) in the accounting system configured as described above.
  • (E) shows an example of each data structure, and will be described below with reference to the flowchart of FIG. 4 with reference to FIG.
  • step S 1 of the automatic journalizing routine the user scans a voucher such as a receipt by the reading device 2 to convert it into image data, and transmits it to the accounting processing device 10 via the information terminal 3.
  • step S2 the image analysis unit 11 of the accounting processing device 10 generates unformatted data as shown in FIG. 5A in which journal elements are extracted from the received image data (image analysis step).
  • step S3 the data assigning unit 12 assigns classification information to the unshaped data based on the information of the classification DB group 16, and generates shaped data as shown in FIG. 5B (data providing step).
  • step S4 the digitizing / vectorizing unit 13 digitizes and vectorizes (digitizes) the shaped data to generate vector data as shown in FIG. 5C (numericalizing / vectorizing step).
  • step S5 the journal determination unit 14 determines whether or not an appropriate account item can be generated from the vector data of the journal elements by the journal AI, that is, whether the journal is possible. If the determination result is true (Yes), that is, if the journal entry by the journal entry AI is possible, the process proceeds to step S6.
  • step S6 the journal determination unit 14 generates journal data as shown in FIG. 5D by the journal AI (journal determination step).
  • step S7 the misjudgment detection unit 15 judges whether or not there is a misjudgment in the journal data (erroneous judgment detection step). If the determination result is true (Yes), and if the journal data is abnormal, the process proceeds to step S8.
  • step S8 completed journal data to which misjudgment data indicating that the journal data is abnormal is added, and the process proceeds to step S9. If the determination result in step S7 is false (No), that is, if there is no abnormality in the journal data, the completed journal data is generated as it is, and the process proceeds to step S8.
  • the completed journal data in this case may be completed journal data provided with data indicating that there is no abnormality in the journal data, as shown in FIG. 5E, for example.
  • step S9 the completed journal data is transmitted from the accounting processing apparatus 10 to the user.
  • step S10 the accounting processing apparatus 10 determines whether or not there is a correction feedback from the user for the completed journal data transmitted in step S9. If the determination result is false (No), that is, if there is no correction feedback, the routine ends. On the other hand, if the determination result is true (Yes), that is, if the journal is corrected by the user, the process proceeds to step S11.
  • step S11 after the fed-back corrected journal data is converted into vector data by the digitizing / vectorizing unit 13, the journal determining unit 14 learns the journal AI based on the vector data and ends the routine.
  • step S5 if the journal entry by the journal AI is impossible due to an unprecedented journal element, the determination result is false (No), and the process proceeds to step S12.
  • step S12 the journal determination unit 14 generates journal data that does not correspond to the account item and transmits it to the user.
  • step S13 since the account item is not applicable, manual journaling is performed by the user, and the result is fed back to the accounting processing apparatus 10.
  • step S10 the manually journaled corrected journal data is learned for the journal AI based on the fed-back new journal information.
  • the voucher journal elements are extracted by the image analysis unit 11, and the classification information corresponding to the journal elements is added from the classification DB group 16 by the data adding unit 12.
  • the journalizing element is digitized and vectorized by the conversion / vectorization unit 13
  • the journal data is generated by selecting the account item by using the journal entry AI in which the journal determination unit 14 has previously learned the journal by machine learning. Yes.
  • the journal entry AI is an AI specialized for journals learned using highly accurate journal data as teacher data.
  • the journal entry elements of the voucher are judged in a complex manner, and an accurate account item is recorded. Will be selected.
  • the journal element (unformatted data) extracted by image analysis is given classification information according to the journal element by the data adding unit 12, thereby improving the accuracy of the journal element information, and then the journal determining unit 14.
  • the journal accuracy in can be improved.
  • the oil company classification is given to the business partner, and the transaction is performed according to the characteristics of the determination of the account item of the vehicle transportation expenses in the journal entry AI. If the destination is set, the account item “vehicle transportation expense” is selected from the name of the supplier.
  • journal entry AI will be immediately available if the customer is set as a feature of the account item judgment. “Office supplies costs” can be selected.
  • journal AI is the characteristic of the judgment of the account item for the receipt that purchased the computer
  • the transaction source is a general company and the cost is 100,000 yen or less
  • construction equipment is selected.
  • journal elements are digitized and vectorized and then journalized by the journal AI, the calculation processing by the journal AI can be simplified and the calculation speed can be improved.
  • journal data generated by the journal AI is not necessarily correct, the accuracy can be further improved by detecting the erroneous determination of the journal data by the erroneous determination detection unit 15.
  • journal entry AI is “ Whereas the account item “meeting fee” or “welfare expense” is selected, “purchase” is selected when the transaction source is a restaurant that provides drinks to customers.
  • the image analysis unit 11 extracts the voucher logo mark (figure) and the appearance of the voucher, and the data adding unit 12 adds data of journal elements such as business partners based on the logo mark and the appearance of the receipt. Therefore, even when the business partner is not specified as a character in the voucher, it can be extracted as a journal element.
  • the accuracy of the journal AI can be further improved by feeding back the corrected journal data to the journal AI and further learning.
  • this feedback journal data feedback can be limited to tax accountants and accountant professional users, thereby preventing a reduction in accuracy due to learning an incorrect journal.
  • journal entry AI that has been machine-learned in advance for journal entries is directly used by the journal decision unit 14, but the journal decision unit selects account items corresponding to journal elements in advance through machine learning.
  • the journal elements necessary for selecting the account item are set as judgment criteria for each account item based on the journal entry trend of the journal entry AI that has been learned, and the extracted journal elements are accounted based on the set judgment criteria.
  • Journal data may be generated by selecting a subject.
  • journal entry AI instead of using the journal entry AI directly in the journal entry judgment section, analyze the journal tendency learned by the journal entry AI, and extract the journal elements (feature points) necessary for the judgment of the account item for each account item. Then, a journal determination program is created and the program is applied to the journal determination unit.
  • the accounting apparatus 10 assigns the classification data to the journal elements extracted by the image analysis unit 11 by the data adding unit 12, thereby further improving the journal accuracy in the journal determination unit 14.
  • the journal entry extracted by the image analysis unit without the data adding unit may be directly determined by the journal determination unit. In this case as well, as indicated by the dotted line in FIG. 1, it is preferable to determine the journal by the journal determination unit after digitizing and vectorizing the journal elements extracted by the image analysis unit.

Abstract

会計処理装置１０は、画像解析部１１により証憑の仕訳要素を抽出し、データ付与部１２により分類ＤＢ群１６から仕訳要素に対応した分類情報を付与して、数値化・ベクトル化部１３により仕訳要素をベクトル化した上で、仕訳判定部１４にて予め機械学習により仕訳を学習させた仕訳ＡＩによって、勘定科目を選定させて仕訳データを生成する。

Description

会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム
　本発明は領収書やレシートのような証憑の情報を取り込んで自動的に仕訳を行う会計処理装置、会計処理システム、会計処理方法、及び会計処理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、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、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で電子化した取引の情報を、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では、マッピングテーブルに、勘定科目と商品グループとを１対とし、その対での仕訳処理人数を記憶している。また上記特許文献２では一般推論において、仕訳の一要素である「摘要」に対し、当該摘要の判断に使用される文言等が記憶された一般データベースを用いて勘定科目を判断している。
　しかしながら、実際には商品や摘要から勘定科目を１対に設定することは困難である。例えば、証憑に商品（摘要）が「ノート」と記載されていても、ユーザが一般的な企業であれば勘定科目は「事務用品費」となり、ユーザが小売店であると勘定科目は「仕入」となる。つまり、同じ商品（摘要）であっても、ユーザの業種や取引状況によって勘定科目が変化する場合がある。また、同じ商品の取引であっても、取引先、日付、金額のような取引の状況に応じて勘定科目が変化する場合がある。
　これに対して、特許文献１、２では、ユーザ個々の履歴情報に基づき学習を行っていくことで、個々のユーザに対してのみの最適化を図っているが、これでは特許文献１における非登録ユーザへの仕訳や非登録の取引先の仕訳、特許文献２における一般推論による仕訳の精度についての向上は図られない。
　また、特許文献１の非登録ユーザに対する全ユーザの使用人数に基づく仕訳では、全ユーザが会計における専門性を有しているとは限らず、不正確な仕訳も含まれる。このような不正確な仕訳も含めて学習すると、却って仕訳の精度が低下するというおそれもある。
　また、証憑は、発行元に応じてその外観や記載内容は異なっており、ＯＣＲによって仕訳に必要な要素を全て正確に読み取るのも困難であり、手書きの文字や会社ロゴなどを読み取ることは、上記の従来型の方式での技術的な改善では不可能である。
　以上のようなことから、証憑からの自動仕訳における仕訳精度は未だに十分とはいえない。
　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、証憑からの自動仕訳における仕訳精度を向上させることのできる会計処理装置、会計処理システム、会計処理方法、及び会計処理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、本発明に係る会計処理装置では、自動仕訳を行う会計処理装置であって、証憑の画像データから少なくとも日付、取引先、金額、摘要、及び前記証憑の少なくとも大きさ、色を含む外観を含む仕訳要素を抽出する画像解析部と、予め機械学習により仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩによって、前記画像解析部により抽出された仕訳要素に対する勘定科目を選定した仕訳データを生成する仕訳判定部と、を備える。
　又は、本発明に係る会計処理装置は、自動仕訳を行う会計処理装置であって、証憑の画像データから少なくとも日付、取引先、金額、摘要、及び前記証憑に記載の図形を含む仕訳要素を抽出する画像解析部と、予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩの仕訳傾向から、勘定科目ごとに当該勘定科目の選定に必要な仕訳要素を判断基準として設定し、前記画像解析部により抽出された前記仕訳要素に対して、前記設定された判断基準に基づいて勘定科目を選定して仕訳データを生成する仕訳判定部と、を備える。
　さらに、少なくとも前記仕訳要素の日付に対応した日付データベース、前記仕訳要素の取引先に対応した取引先データベース、前記仕訳要素の摘要に対応した摘要データベースのいずれかを含む、各仕訳要素に対応して設定された分類情報を記憶する１又は複数の分類データベースと、前記画像解析部により抽出された仕訳要素に対して、前記分類データベースから当該仕訳要素に対応した１又は複数の分類情報を付与して前記仕訳判定部に送るデータ付与部と、を備えてもよい。
　また、前記データ付与部は、前記仕訳要素の金額に対しては金額の大小に応じて段階的に区分けした分類を付与してもよい。
　さらに、前記画像解析部により抽出された仕訳要素を、数値化及びベクトル化して、前記仕訳判定部に送る数値化・ベクトル化部を備えてもよい。
　さらに、前記仕訳判定部により生成された仕訳データについて、仕訳内容の誤判定を検出する誤判定検知部を備えてもよい。
　また、前記仕訳要素としては取引元に関する情報も含まれ、前記仕訳ＡＩは、予め機械学習により前記取引元を含む仕訳要素に対して、勘定科目を選定する仕訳を学習してもよい。
　また、前記画像解析部は証憑に記載の企業を特定するために設定された番号からも仕訳要素を抽出し、前記分類データベースには、企業を特定するために設定された番号に基づく分類情報が記憶されており、前記データ付与部は、前記企業を特定するために設定された番号の仕訳要素について、前記分類データベースから該当する企業を特定するために設定された番号を検出して、当該企業を特定するために設定された番号に応じた分類情報を付与してもよい。
　前記仕訳判定部は、前記予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩの仕訳傾向から、勘定科目ごとに当該勘定科目の選定に必要な仕訳要素を判断基準として設定し、前記仕訳要素に対して、前記設定された判断基準に基づいて勘定科目を選定して仕訳データを生成する請求項１から８のいずれか一項に記載の会計処理装置。
　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では、上述した会計処理装置と、前記証憑を画像データとして読み取り可能な読取装置と、前記会計処理装置と通信網を介して接続され、前記読取装置により読み取った画像データを前記会計処理装置に送信可能であるとともに、前記会計処理装置にて生成された仕訳データを受信可能な情報端末とを備える。
　前記情報端末は、受信した仕訳データを修正し、修正した仕訳データを前記会計処理装置にフィードバック可能であり、前記会計処理装置の前記仕訳判定部は、フィードバックされた修正した仕訳データに基づき前記仕訳ＡＩをさらに学習させてもよい。
　また、前記会計処理装置には複数の情報端末が前記通信網を介して接続されており、前記修正した仕訳データをフィードバック可能な情報端末は、特定の情報端末に限定されている。
　上記した目的を達成するために、本発明に係る会計処理方法では、コンピュータにより自動仕訳を行う会計処理方法であって、証憑の画像データから少なくとも日付、取引先、金額、摘要、及び前記証憑の少なくとも大きさ、色を含む外観を含む仕訳要素を抽出する画像解析工程と、予め機械学習により仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩによって、前記画像解析工程にて抽出された仕訳要素に対する勘定科目を選定した仕訳データを生成する仕訳判定工程と、を備える。
　又は、上記した目的を達成するために、本発明に係る会計処理方法では、コンピュータにより自動仕訳を行う会計処理方法であって、証憑の画像データから少なくとも日付、取引先、金額、摘要、及び前記証憑に記載の図形を含む仕訳要素を抽出する画像解析工程と、予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩの仕訳傾向から、勘定科目ごとに当該勘定科目の選定に必要な仕訳要素を判断基準として設定し、前記画像解析工程にて抽出された前記仕訳要素に対して、前記設定された判断基準に基づいて勘定科目を選定して仕訳データを生成する仕訳判定工程と、を備える。
　さらに、前記画像解析工程にて抽出された仕訳要素に対して、少なくとも前記仕訳要素の日付に対応した日付データベース、前記仕訳要素の取引先に対応した取引先データベース、前記仕訳要素の摘要に対応した摘要データベースのいずれかを含む、各仕訳要素に対応して設定された分類情報を記憶する１又は複数の分類データベースから当該仕訳要素に対応した１又は複数の分類情報を付与するデータ付与工程を備えてもよい。
　また、前記データ付与工程では、前記仕訳要素の金額に対しては金額の大小に応じて段階的に区分けした分類を付与してもよい。
　さらに、前記画像解析工程にて抽出された仕訳要素を、数値化及びベクトル化して、前記仕訳判定工程に進む数値化・ベクトル化工程を備えてもよい。
　さらに、前記仕訳判定工程にて生成された仕訳データについて、仕訳内容の誤判定を検出する誤判定検知工程を備えてもよい。
　また、前記仕訳要素としては取引元に関する情報も含まれ、前記仕訳ＡＩは、予め機械学習により前記取引元を含む仕訳要素に対して、勘定科目を選定する仕訳を学習していてもよい。
　また、前記画像解析工程では証憑に記載の企業を特定するために設定された番号からも仕訳要素を抽出し、前記分類データベースには、企業を特定するために設定された番号に基づく分類情報が記憶されており、前記データ付与工程では、前記企業を特定するために設定された番号の仕訳要素について、前記分類データベースから該当する企業を特定するために設定された番号を検出して、当該企業を特定するために設定された番号に応じた分類情報を付与してもよい。
　また、前記仕訳判定工程では、前記予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩの仕訳傾向から、勘定科目ごとに当該勘定科目の選定に必要な仕訳要素を判断基準として設定し、前記仕訳要素に対して、前記設定された判断基準に基づいて勘定科目を選定して仕訳データを生成してもよい。
　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プログラムでは、コンピュータに、上述の仕訳処理方法を実行させる。
　上記手段を用いる本発明によれば、証憑からの自動仕訳における仕訳精度を向上させることができる。
本発明の一実施形態に係る会計処理システムを示すシステム構成図である。 分類データベース群の構成例を示す説明図である。 仕訳ＡＩを形成するための学習システムを示すシステム構成図である。 本実施形態に係る会計処理システムにおける自動仕訳制御ルーチンを表したフローチャートである。 データ構成例（ａ）～（ｅ）を示す説明図である。
　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会計処理装置を含む会計処理システムを示すシステム構成図である。
　図１に示すように、本実施形態に係る会計処理システムは、インターネット、ＶＰＮ（Virtual Private Network）等の通信網１を介して、ユーザ側の各種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１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２と情報端末３を備えている。
　読取装置２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、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３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２により証憑の画像データを取得して、情報端末３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２と情報端末３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２と情報端末３とが一体であってもよい。
　一方、会計処理サービス提供者は、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又は複数のサーバを有し、機能的には主に画像解析部１１、データ付与部１２、数値化・ベクトル化部１３、仕訳判定部１４、誤判定検知部１５を有している。また、会計処理装置１０は、各種情報が記憶されたデータベース（以下、ＤＢと表記する）を有しており、具体的には分類ＤＢ群１６を有している。
　画像解析部１１は、ユーザから送られる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となる情報（未整形データ）を抽出する機能を有している。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（例えば領収書の大きさ、色）をＯＣＲや画像解析機能により抽出する。
　例えば日付については、「年」「月」「日」という文字や「／」等の記号の前後の数字を抽出する。金額については「￥」の記号や「円」という文字の前後の数字を抽出する。また、取引先名については、「株式会社」「（株）」の文字の前後の文字や、ロゴマーク、電話番号、証憑の外観を抽出する。摘要については、「但」の文字に続く文字を抽出する。取引元については、「様」の文字の前にある文字を抽出する。
　ここで、取引先については、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、取引先名を取得する。また、取引元については、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を取引元としてもよいし、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を取引元とするようにしてもよい。
　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。
　このように画像解析部にて抽出された仕訳要素の未整形データは、この時点ではどのデータがどの仕訳要素に対応するかまで整理されていない状態でデータ付与部１２に送られる。
　データ付与部１２は、分類ＤＢ群１６と接続されており、当該分類ＤＢ群１６に記憶されている各仕訳要素に対応した分類情報を未整形データに付与することで、仕訳要素の整形データを生成する機能を有している。
　ここで図２を参照すると分類ＤＢ群１６の構成例が示されており、同図に示すように分類ＤＢ群１６は、仕訳要素の日付に対応した日付ＤＢ群２０、取引先に対応した取引先ＤＢ群２１、摘要に対応した摘要ＤＢ群２２、取引元に対応した取引元ＤＢ群２３を有している。
　日付ＤＢ群２０は、祝祭日情報が記憶された祝祭日ＤＢ２０ａ、曜日情報が記憶された曜日ＤＢ２０ｂ、四季情報が記憶された季節ＤＢ２０ｃを有している。取引先ＤＢ群２１は、企業の業種等で分類分けされており、例えば飲食ＤＢ２１ａ、交通ＤＢ２１ｂ、小売ＤＢ２１ｃ、等を有している。摘要ＤＢ群３３は、商品、役務（サービス）の種類に応じて分類分けされており、例えば食品ＤＢ２２ａ、医薬品ＤＢ２２ｂ、電子機器ＤＢ２２ｃ、日用品ＤＢ２２ｄ、書籍ＤＢ２２ｅ、等を有している。取引元ＤＢ群２３は、取引元となる、サービス提供者と契約しているユーザ情報に応じて分類分けされており、例えばユーザの業種ＤＢ２３ａ、住所ＤＢ２３ｂ、従業員数ＤＢ２３ｃ等を有している。なお、ＤＢはこれに限られるものではなく、仕訳要素に応じて種々存在するものとする。例えば、取引先ＤＢ群２１として、企業のロゴマーク（図形）を記憶したロゴマークＤＢや、業種に応じて特徴のある証憑の外観を記憶した外観ＤＢ、法人番号に応じた企業名や業種を記憶した法人番号ＤＢ等を備えてもよい。
　データ付与部１２は、日付に対応する未整形データに対しては日付ＤＢ群２１から、取引先に対応する未整形データに対しては取引先ＤＢ群２１から、摘要に対応する未整形データに対しては摘要ＤＢ群２２から、取引元に対応する未整形データに対しては取引元ＤＢ群２３から、それぞれ対応する分類データを検出して、１又は複数の分類データを付与する。
　なお、金額に対応する未整形データに対しては、例えば0～5,000円、5,001円～10,000円、10,001円～200,000円200,001円～等、金額の大小に応じて段階的に区分けした分類を付与する。
　数値化・ベクトル化部１３は、データ付与部１２にて仕訳要素に対応する分類データが付与された整形済データに対して、仕訳に適したベクトルデータに変換する。整形済データは、文字や数字からなるデータであり、これを仕訳判定部にて認識しやすいデータ形式に数値化し、ベクトル化することでベクトルデータを生成する。
　仕訳判定部１４は、仕訳ＡＩ（Artificial Intelligence）を有しており、当該仕訳ＡＩにより仕訳要素のベクトルデータから仕訳データを生成する。仕訳ＡＩは、税理士等の専門家や各企業が過去に実施した精度の高い仕訳データを教師データとして学習を行った仕訳に特化したＡＩである。
　詳しくは、図３を参照すると上記仕訳ＡＩを形成するための学習システムを示すシステム構成図が示されている。
　同図に示す学習システム３０は、１又は複数のサーバ（コンピュータ）からなり、機能的には数値化・ベクトル化部３１、学習部３２、学習済モデルＤＢ３３を有している。そして、当該学習システム３０には、証憑の情報に基づく仕訳要素データと、それに対応する仕訳データが入力される。この入力される仕訳要素データと仕訳データとの組み合わせは、過去に専門家や企業により仕訳された正確性の高いデータが用いられる。
　数値化・ベクトル化部３１は、上記仕訳処理装置のベクトル化と同様に入力された仕訳要素データ及び仕訳データをベクトルデータに変換する。
　学習部３２は、ベクトル化された仕訳要素データと仕訳データとの組み合わせの関係性を学習することで、仕訳要素データを複合的に判断し、適切な勘定科目が選択された仕訳データを出力する仕訳ＡＩを形成する。
　学習済モデルＤＢ３３には、学習部３２にて形成された仕訳ＡＩが記憶されている。仕訳ＡＩは１つに限られず、例えばユーザの業種やユーザ単体に特化した仕訳要素データと仕訳データを入力して学習させることで、ユーザの業種やユーザ単体に最適化された仕訳ＡＩを形成してもよい。これにより、ユーザにとってより精度の高い仕訳を実現できる。
　このように形成された仕訳ＡＩは、勘定科目に応じて、取引先、日付、金額、摘要、取引元等の仕訳要素のうち、その勘定科目を決定するのにポイントとなる仕訳要素を特徴点として見出し、特徴点である仕訳要素に基づき勘定科目を選定する。
　例えば、接待交際費の勘定科目であれば取引先と取引元とを特徴点としたり、旅費交通費であれば取引元情報を特徴点としたり、事務用品費であれば取引元と摘要を特徴点としたりと、勘定科目に応じて１又は複数の特徴点が設定されることとなる。これにより、仕訳判定の精度を向上できる上、勘定科目の選定に必要最小限な要素を使って効率的な仕訳判定を行える。なお、複数の特徴点が設定される場合には、特徴点間で優先度を設定してもよい。
　図１に戻り、仕訳判定部１４は、上述のように形成された仕訳ＡＩを用いて、ベクトルデータである仕訳要素に対して妥当な勘定科目を選択し、仕訳データとして出力する。なお、仕訳ＡＩによって仕訳できないような仕訳要素であった場合には、勘定科目の該当なしとする仕訳データを出力する。
　誤判定検知部１５は、仕訳判定部１４にて生成された仕訳データについての誤判定を検知する機能を有している。これは、例えば仕訳要素や勘定科目に対して異常判定値が設定されており、当該異常判定値を超えないか否かにより誤判定を行う。当該異常判定値は統計的に設定され、例えば正規分布を作成し、±１σ（＝68.27％）、±２σ（95.45％）、±３σ（99.73％）等の、所定のσ値又は所定値に対応した値に設定する。
　例えば、画像解析が不正確であるなどして、摘要が「コーヒー」であるのに対して、金額が「10円」、「100,000円」等であったり、勘定科目として「旅費交通費」が選択されたり等、特異な数値や勘定科目の選択がなされた場合には、誤判定検知部１５は異常とみなす。
　誤判定検知部１５は、異常を検知した仕訳データについては、ユーザに誤判定である可能性を示して確認を促すべく、例えば赤字表示にする等、正常時と異なる異常表示を行うようデータを付加した完成仕訳データをユーザに送信する。
　そして、ユーザが最終仕訳データを確認し、当該最終仕訳データに対して修正を行ったり、新たな仕訳を生成したりした場合には、それらの情報が会計処理装置１０にフィードバックされる。フィードバックされた修正仕訳データは、数値化・ベクトル化部１３にて数値化及びベクトル化されて、仕訳判定部１４にて仕訳ＡＩの更なる学習に用いられる。なお、フィードバックによる仕訳ＡＩの学習精度を維持すべく、フィードバックを行えるユーザを税理士や会計士の専門家ユーザに限定するようにしてもよい。つまり、特定の情報端末３にのみフィードバックの機能を持たせたり、会計処理装置１０が特定の情報端末３からのフィードバックのみを受け付けるよう設定したりする。
　続いて図４、図５を参照すると、図４には以上のように構成された会計処理システムにおける自動仕訳ルーチン（会計処理方法）を表したフローチャートが示されており、図５（ａ）～（ｅ）には、それぞれのデータ構成例が示されており、以下、図５を参照しつつ図４のフローチャートに沿って説明する。
　まず、自動仕訳ルーチンのステップＳ１では、ユーザが読取装置２により領収書等の証憑をスキャンして画像データ化し、情報端末３を介して会計処理装置１０に送信する。
　続くステップＳ２では、会計処理装置１０の画像解析部１１が、受信した画像データから仕訳要素を抽出した図５（ａ）に示すような未整形データを生成する（画像解析工程）。
　ステップＳ３では、データ付与部１２が未整形データに対し、分類ＤＢ群１６の情報に基づき分類情報を付与して、図５（ｂ）に示すような整形データを生成する（データ付与工程）。
　ステップＳ４では、数値化・ベクトル化部１３が整形データを数値化及びベクトル化（数値化）して図５（ｃ）に示すようなベクトルデータを生成する（数値化・ベクトル化工程）。
　ステップＳ５では、仕訳判定部１４において、仕訳ＡＩにより仕訳要素のベクトルデータから適切な勘定科目を生成可能か、即ち仕訳が可能であるか否かを判別する。当該判別結果が真（Ｙｅｓ）である場合、即ち仕訳ＡＩによる仕訳が可能である場合は、ステップＳ６に進む。
　ステップＳ６では、仕訳判定部１４において、仕訳ＡＩにより図５（ｄ）に示すような仕訳データを生成する（仕訳判定工程）。
　次のステップＳ７では、誤判定検知部１５が仕訳データに誤判定があるか否かを判定する（誤判定検知工程）。当該判別結果が真（Ｙｅｓ）である場合、仕訳データに異常がある場合はステップＳ８に進む。
　ステップＳ８では、仕訳データに異常があることを示す誤判定データを付与した完成仕訳データを生成して、ステップＳ９に進む。また、上記ステップＳ７の判別結果が偽（Ｎｏ）であった場合、即ち仕訳データに異常がなかった場合は、仕訳データそのままである完成仕訳データを生成してステップＳ８に進む。なお、この場合の完成仕訳データは、例えば図５（ｅ）に示すように、仕訳データに対して異常がないことを示すデータを付与した完成仕訳データとしてもよい。
　ステップＳ９では、会計処理装置１０から完成仕訳データをユーザに送信する。
　ステップＳ１０では、会計処理装置１０は、上記ステップＳ９において送信した完成仕訳データに対して、ユーザによる修正フィードバックがあるか否かを判別する。当該判別結果が偽（Ｎｏ）である場合、即ち修正フィードバックがなければ当該ルーチンを終了する。一方、当該判別結果が真（Ｙｅｓ）である場合、即ちユーザにより仕訳が修正された場合には、ステップＳ１１に進む。
　ステップＳ１１では、フィードバックされた修正仕訳データを数値化・ベクトル化部１３にてベクトルデータとした後、仕訳判定部１４にて当該ベクトルデータに基づき仕訳ＡＩを学習させ、当該ルーチンを終了する。
　また、上記ステップＳ５において、前例のない仕訳要素等で、仕訳ＡＩによる仕訳が不可能である場合には、判別結果は偽（Ｎｏ）となり、ステップＳ１２に進む。
　ステップＳ１２では、仕訳判定部１４にて勘定科目を該当なしとした仕訳データを生成し、ユーザに送信する。
　続くステップＳ１３において、勘定科目が該当なしなのでユーザにより手動仕訳が行われ、その結果が会計処理装置１０にフィードバックされる。そして、ステップＳ１０にて、この手動仕訳された修正仕訳データは、そのフィードバックされた新たな仕訳情報に基づき仕訳ＡＩの学習が行われる。
　以上のように、本実施形態における仕訳処理システムでは、画像解析部１１により証憑の仕訳要素を抽出し、データ付与部１２により分類ＤＢ群１６から仕訳要素に対応した分類情報を付与して、数値化・ベクトル化部１３により仕訳要素を数値化及びベクトル化した上で、仕訳判定部１４にて予め機械学習により仕訳を学習させた仕訳ＡＩによって、勘定科目を選定させて仕訳データを生成している。
　仕訳ＡＩは、精度の高い仕訳データを教師データとして学習を行った仕訳に特化したＡＩであり、このような仕訳ＡＩを用いることで証憑の仕訳要素は複合的に判断され、正確な勘定科目が選定されることとなる。
　また、特に画像解析により抽出した仕訳要素（未整形データ）は、データ付与部１２により仕訳要素に応じた分類情報を付与することで、仕訳要素の情報の確度が向上し、その後仕訳判定部１４における仕訳精度を向上させることができる。
　これにより例えば、領収書の文字やロゴから石油会社の会社名が抽出されていれば、取引先に石油会社の分類が付与され、仕訳ＡＩにおいて車両交通費の勘定科目の判断の特徴点に取引先が設定されていれば、当該取引先名から「車両交通費」という勘定科目を選定する。
　また、文具店当の専門ショップの場合は、領収書の取引先として「Ａ文具店」など記載されていれば、仕訳ＡＩは勘定科目の判断の特徴点に取引先が設定されていれば即座に「事務用品費」を選定可能である。
　また、家電量販店で「ＵＳＢメモリ」という商品を購入した領収書に対して、通常であれば「事務用品費」となるケースが多いところ、摘要に「贈答用」等の文字が記載されそれを抽出され、贈答用の分類が付与されていると、仕訳ＡＩにおいて接待交際費の勘定科目の特徴点に摘要が設定されていれば、当該摘要から「接待交際費」という勘定科目を選定可能である。
　他にも、コンピュータを購入した領収書に対し、仕訳ＡＩが金額と取引元とが勘定科目の判断の特徴点となっているとすると、取引元が一般企業で費用が１０万円以下の場合「事務用品費」又は「消耗品費」という勘定科目を選定するのに対し、取引元が一般企業で１０万円より高額の場合「工具備品」を選定することなる。
　また、仕訳要素は数値化及びベクトル化した上で仕訳ＡＩによる仕訳を行うことから、仕訳ＡＩによる演算処理を簡略化し、演算速度を向上させることができる。
　さらに、仕訳ＡＩにより生成された仕訳データも必ずしも正しいとは限らないことから、誤判定検知部１５にて仕訳データの誤判定検知を行うことで、より精度を向上させることができる。
　また、仕訳要素として取引元を含めていることから、ユーザの業種等に応じた勘定科目が選定されることとなる。
　これにより、例えば、スーパーマーケットでの飲み物を購入した領収書に対し、仕訳ＡＩにおいて取引元が勘定科目の判断の特徴点をなっているとすると、仕訳ＡＩは取引元が一般企業である場合は「会議費」又は「福利厚生費」という勘定科目を選定するのに対し、取引元が飲み物を顧客に提供する飲食店である場合には「仕入高」を選定することになる。
　また、書籍の購入の場合に、取引先と数量と取引元が特徴点として設定されていれば、取引先が書店の場合で数量が１などと少ない場合は「新聞図書費」、取引先が書籍問屋で数量が多い場合で取引元が一般企業であれば「広告宣伝費」、この取引元が書店であれば「仕入高」等、取引元の業種を考慮した複合的な判断で勘定科目を選定することができる。
　さらに、画像解析部１１において、証憑のロゴマーク（図形）や証憑の外観も抽出し、データ付与部１２にて、当該ロゴマークや領収の外観により取引先等の仕訳要素のデータ付与も行っていることで、証憑に取引先が文字として明記されていない場合等にも仕訳要素として抽出することができる。
　これにより、例えば、コーヒーショップのレシート等を仕訳する場合、レシート上段のロゴマークから取引先を抽出し、コーヒーショップ＝打ち合わせ判断し「会議費」を選定可能である。
　また、例えば居酒屋特有の色付き手書き領収書や、航空会社、鉄道機関等の特有の領収書等は、その領収書の外観からその業種の分類情報が付与され、そこから「接待交際費」、「旅費交通費」を選定するということも可能となる。
　さらに、法人番号を抽出することで取引先を正確に判別することができるようになる。
　また、ユーザ側で仕訳データを修正した場合には、その修正仕訳データを仕訳ＡＩにフィードバックして、さらに学習させることで、仕訳ＡＩの精度をより向上させていくことができる。
　特に、この修正仕訳データのフィードバックは税理士や会計士の専門家ユーザに限定することで、不正確な仕訳を学習することによる精度低下を防ぐことができる。
　このようなことから、本実施形態における会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラムによれば、証憑からの自動仕訳における仕訳精度を向上させることができる。
　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、予め仕訳について機械学習した仕訳ＡＩを仕訳判定部１４にて直接的に用いているが、仕訳判定部は、予め機械学習により仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩの仕訳傾向から、勘定科目ごとに当該勘定科目の選定に必要な仕訳要素を判断基準として設定し、抽出された仕訳要素に対して、この設定された判断基準に基づいて勘定科目を選定して仕訳データを生成してもよい。
　これはつまり、仕訳ＡＩを直接仕訳判定部に用いるのではなく、仕訳ＡＩにより学習した仕訳傾向を解析して、勘定科目ごとに、当該勘定科目の判断に必要な仕訳要素（特徴点）を抜き出して仕訳判定のプログラムを作成し、当該プログラムを仕訳判定部に適用する。
　このように、会計処理装置として仕訳ＡＩを直接的に組み込まずに、仕訳ＡＩから見出された仕訳の傾向のみを活用することで、簡易に十分な仕訳精度の会計処理装置を実現させることができる。
　また、上記実施形態では、会計処理装置１０は、データ付与部１２により画像解析部１１で抽出した仕訳要素に分類データを付与しており、これにより仕訳判定部１４における仕訳精度の更なる向上を図っているがデータ付与部を備えずに画像解析部で抽出した仕訳要素を直接仕訳判定部にて仕訳判定を行ってもよい。なおこの場合も、図１にて点線で示したように、画像解析部で抽出した仕訳要素を数値化及びベクトル化した上で、仕訳判定部で仕訳を判定するのが好ましい。
　１　通信網
　２　読取装置
　３　情報端末
　１１　画像解析部
　１２　データ付与部
　１３　数値化・ベクトル化部
　１４　仕訳判定部
　１５　誤判定検知部
　１６　分類ＤＢ群
 

Claims (22)

  1. 　自動仕訳を行う会計処理装置であって、
    　証憑の画像データから少なくとも日付、取引先、金額、摘要、及び前記証憑の少なくとも大きさ、色を含む外観を含む仕訳要素を抽出する画像解析部と、
    　予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩによって、前記画像解析部により抽出された仕訳要素に対する勘定科目を選定した仕訳データを生成する仕訳判定部と、
    を備える会計処理装置。
  2. 　自動仕訳を行う会計処理装置であって、
    　証憑の画像データから少なくとも日付、取引先、金額、摘要、及び前記証憑に記載の図形を含む仕訳要素を抽出する画像解析部と、
    　予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩによって、前記画像解析部により抽出された仕訳要素に対する勘定科目を選定した仕訳データを生成する仕訳判定部と、
    を備える会計処理装置。
  3. 　さらに、少なくとも前記仕訳要素の日付に対応した日付データベース、前記仕訳要素の取引先に対応した取引先データベース、前記仕訳要素の摘要に対応した摘要データベースのいずれかを含む、各仕訳要素に対応して設定された分類情報を記憶する１又は複数の分類データベースと、
    　前記画像解析部により抽出された仕訳要素に対して、前記分類データベースから当該仕訳要素に対応した１又は複数の分類情報を付与して前記仕訳判定部に送るデータ付与部と、を備える請求項１又は２記載の会計処理装置。
  4. 　前記データ付与部は、前記仕訳要素の金額に対しては金額の大小に応じて段階的に区分けした分類を付与する請求項３に記載の会計処理装置。
  5. 　さらに、前記画像解析部により抽出された仕訳要素を、数値化及びベクトル化して、前記仕訳判定部に送る数値化・ベクトル化部を備える請求項１から４のいずれか一項に記載の会計処理装置。
  6. 　さらに、前記仕訳判定部により生成された仕訳データについて、仕訳内容の誤判定を検出する誤判定検知部を備える請求項１から５のいずれか一項に記載の会計処理装置。
  7. 　前記仕訳要素としては取引元に関する情報も含まれ、
    　前記仕訳ＡＩは、予め機械学習により前記取引元を含む仕訳要素に対して、勘定科目を選定する仕訳を学習している請求項１から６のいずれか一項に記載の会計処理装置。
  8. 　前記画像解析部は証憑に記載の企業を特定するために設定された番号からも仕訳要素を抽出し、
    　前記分類データベースには、企業を特定するために設定された番号に基づく分類情報が記憶されており、
    　前記データ付与部は、前記企業を特定するために設定された番号の仕訳要素について、前記分類データベースから該当する企業を特定するために設定された番号を検出して、当該企業を特定するために設定された番号に応じた分類情報を付与する請求項３に記載の会計処理装置。
  9. 　前記仕訳判定部は、前記予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩの仕訳傾向から、勘定科目ごとに当該勘定科目の選定に必要な仕訳要素を判断基準として設定し、前記仕訳要素に対して、前記設定された判断基準に基づいて勘定科目を選定して仕訳データを生成する請求項１から８のいずれか一項に記載の会計処理装置。
  10. 　請求項１から９のいずれか一項に記載の会計処理装置と、
    　前記証憑を画像データとして読み取り可能な読取装置と、
    　前記会計処理装置と通信網を介して接続され、前記読取装置により読み取った画像データを前記会計処理装置に送信可能であるとともに、前記会計処理装置にて生成された仕訳データを受信可能な情報端末とを備える会計処理システム。
  11. 　前記情報端末は、受信した仕訳データを修正し、修正した仕訳データを前記会計処理装置にフィードバック可能であり、
    　前記会計処理装置の前記仕訳判定部は、フィードバックされた修正した仕訳データに基づき前記仕訳ＡＩをさらに学習させる請求項１０記載の会計処理システム。
  12. 　前記会計処理装置には複数の情報端末が前記通信網を介して接続されており、
    　前記修正した仕訳データをフィードバック可能な情報端末は、特定の情報端末に限定されている請求項１１記載の会計処理システム。
  13. 　コンピュータにより自動仕訳を行う会計処理方法であって、
    　証憑の画像データから少なくとも日付、取引先、金額、摘要、及び前記証憑の少なくとも大きさ、色を含む外観を含む仕訳要素を抽出する画像解析工程と、
    　予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩによって、前記画像解析工程にて抽出された仕訳要素に対する勘定科目を選定した仕訳データを生成する仕訳判定工程と、
    を備える会計処理方法。
  14. 　コンピュータにより自動仕訳を行う会計処理方法であって、
    　証憑の画像データから少なくとも日付、取引先、金額、摘要、及び前記証憑に記載の図形を含む仕訳要素を抽出する画像解析工程と、
    　予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩによって、前記画像解析工程にて抽出された仕訳要素に対する勘定科目を選定した仕訳データを生成する仕訳判定工程と、
    を備える会計処理方法。
  15. 　さらに、前記画像解析工程にて抽出された仕訳要素に対して、少なくとも前記仕訳要素の日付に対応した日付データベース、前記仕訳要素の取引先に対応した取引先データベース、前記仕訳要素の摘要に対応した摘要データベースのいずれかを含む、各仕訳要素に対応して設定された分類情報を記憶する１又は複数の分類データベースから、前記仕訳要素に対応した１又は複数の分類情報を付与するデータ付与工程を備える請求項１３又は１４に記載の会計処理方法。
  16. 　前記データ付与工程では、前記仕訳要素の金額に対しては金額の大小に応じて段階的に区分けした分類を付与する請求項１５に記載の会計処理方法。
  17. 　さらに、前記画像解析工程にて抽出された仕訳要素を、数値化及びベクトル化して、前記仕訳判定工程に進む数値化・ベクトル化工程を備える請求項１３から１６のいずれか一項に記載の会計処理方法。
  18. 　さらに、前記仕訳判定工程にて生成された仕訳データについて、仕訳内容の誤判定を検出する誤判定検知工程を備える請求項１３から１７のいずれか一項に記載の会計処理方法。
  19. 　前記仕訳要素としては取引元に関する情報も含まれ、
    　前記仕訳ＡＩは、予め機械学習により前記取引元を含む仕訳要素に対して、勘定科目を選定する仕訳を学習している請求項１３から１８のいずれか一項に記載の会計処理方法。
  20. 　前記画像解析工程では証憑に記載の企業を特定するために設定された番号からも仕訳要素を抽出し、
    　前記分類データベースには、企業を特定するために設定された番号に基づく分類情報が記憶されており、
    　前記データ付与工程では、前記企業を特定するために設定された番号の仕訳要素について、前記分類データベースから該当する企業を特定するために設定された番号を検出して、当該企業を特定するために設定された番号に応じた分類情報を付与する請求項１５に記載の会計処理方法。
  21. 　前記仕訳判定工程では、前記予め機械学習により前記仕訳要素に対応した勘定科目を選定することを学習した仕訳ＡＩの仕訳傾向から、勘定科目ごとに当該勘定科目の選定に必要な仕訳要素を判断基準として設定し、前記仕訳要素に対して、前記設定された判断基準に基づいて勘定科目を選定して仕訳データを生成する請求項１３から２０のいずれか一項に記載の会計処理方法。
  22. 　コンピュータに、請求項１３から２１のいずれか一項に記載の会計処理方法を実行させるための会計処理プログラム。
     
PCT/JP2017/044476 2016-12-16 2017-12-12 会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム WO2018110522A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016244741A JP6165957B1 (ja) 2016-12-16 2016-12-16 会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム
JP2016-244741 2016-12-16

Publications (1)

Publication Number Publication Date
WO2018110522A1 true WO2018110522A1 (ja) 2018-06-21

Family

ID=59351300

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/044476 WO2018110522A1 (ja) 2016-12-16 2017-12-12 会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム

Country Status (2)

Country Link
JP (1) JP6165957B1 (ja)
WO (1) WO2018110522A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021033902A (ja) * 2019-08-29 2021-03-01 株式会社経理バンク 情報処理装置、情報処理方法及びコンピュータプログラム
JP6929487B1 (ja) * 2021-02-18 2021-09-01 ファーストアカウンティング株式会社 データ処理装置、データ処理方法及びプログラム

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6357621B1 (ja) * 2017-12-20 2018-07-18 株式会社日本デジタル研究所 会計処理装置、会計処理システム、会計処理方法及びプログラム
JP6409115B1 (ja) * 2017-12-26 2018-10-17 アーバン・コーポレーション株式会社 自動仕訳サーバおよび自動仕訳プログラム
WO2019146117A1 (ja) * 2018-01-29 2019-08-01 ファーストアカウンティング株式会社 仕訳要素解析装置、会計処理装置、仕訳要素解析方法、仕訳要素解析プログラム
JP6981671B2 (ja) * 2018-01-29 2021-12-15 ファーストアカウンティング株式会社 仕訳要素解析装置、会計処理装置、仕訳要素解析方法、仕訳要素解析プログラム
JP7210920B2 (ja) * 2018-07-23 2023-01-24 富士フイルムビジネスイノベーション株式会社 情報処理装置およびプログラム
JP6581281B1 (ja) * 2018-12-13 2019-09-25 フリー株式会社 帳簿作成支援サーバ、情報処理端末、帳簿作成支援システム、帳簿作成支援方法及び帳簿作成支援プログラム
JP6683377B1 (ja) * 2018-12-26 2020-04-22 ファーストアカウンティング株式会社 書類分類システム、書類分類装置、書類分類方法、書類分類プログラム
JP6512653B1 (ja) * 2019-01-23 2019-05-15 株式会社ＯｓｉｄＯｒｉ 取引明細情報管理装置、取引明細情報管理方法および取引明細情報管理プログラム
JPWO2020255361A1 (ja) * 2019-06-20 2021-09-13 ファーストアカウンティング株式会社 会計処理システム、会計処理方法、会計処理プログラム
JP2021005137A (ja) * 2019-06-25 2021-01-14 株式会社スキャる 自動仕訳を行うシステムおよび方法
JP6895632B1 (ja) * 2020-04-07 2021-06-30 株式会社日本デジタル研究所 会計処理装置、会計処理システム、会計処理方法及びプログラム
JP7448801B2 (ja) 2020-04-13 2024-03-13 弥生株式会社 情報処理装置及びプログラム
WO2022102065A1 (ja) * 2020-11-12 2022-05-19 ファーストアカウンティング株式会社 データ処理装置、データ処理方法及びプログラム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006092092A (ja) * 2004-09-22 2006-04-06 Japan Research Institute Ltd 学校法人会計システム及び学校法人会計システム用プログラム
JP2014235484A (ja) * 2013-05-31 2014-12-15 弥生株式会社 クラウドコンピューティングによる仕訳解析サービスを提供する仕訳解析センターシステム
US20150012399A1 (en) * 2013-03-14 2015-01-08 Bill.Com, Inc. System and Method for Enhanced Access and Control for Modification of Auto-Learned Conflict Resolution and Related Rule and Value Replacements
US20160078566A1 (en) * 2014-09-14 2016-03-17 SpringAhead, Inc. Adaptive expense processing and management
JP2016181062A (ja) * 2015-03-23 2016-10-13 Kddi株式会社 投稿文から投稿者のプロフィール項目を分析する投稿者分析装置、プログラム及び方法
WO2016186137A1 (ja) * 2015-05-18 2016-11-24 株式会社スキャる 会計支援システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9449347B2 (en) * 2011-01-14 2016-09-20 Abukai, Inc. Method and apparatus for processing receipts
JP5936284B2 (ja) * 2014-07-14 2016-06-22 フリー株式会社 会計処理装置、会計処理方法及び会計処理プログラム
JP6409495B2 (ja) * 2014-10-22 2018-10-24 富士通株式会社 証憑確認制御プログラム、証憑確認制御方法、および証憑確認制御装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006092092A (ja) * 2004-09-22 2006-04-06 Japan Research Institute Ltd 学校法人会計システム及び学校法人会計システム用プログラム
US20150012399A1 (en) * 2013-03-14 2015-01-08 Bill.Com, Inc. System and Method for Enhanced Access and Control for Modification of Auto-Learned Conflict Resolution and Related Rule and Value Replacements
JP2014235484A (ja) * 2013-05-31 2014-12-15 弥生株式会社 クラウドコンピューティングによる仕訳解析サービスを提供する仕訳解析センターシステム
US20160078566A1 (en) * 2014-09-14 2016-03-17 SpringAhead, Inc. Adaptive expense processing and management
JP2016181062A (ja) * 2015-03-23 2016-10-13 Kddi株式会社 投稿文から投稿者のプロフィール項目を分析する投稿者分析装置、プログラム及び方法
WO2016186137A1 (ja) * 2015-05-18 2016-11-24 株式会社スキャる 会計支援システム

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021033902A (ja) * 2019-08-29 2021-03-01 株式会社経理バンク 情報処理装置、情報処理方法及びコンピュータプログラム
JP6929487B1 (ja) * 2021-02-18 2021-09-01 ファーストアカウンティング株式会社 データ処理装置、データ処理方法及びプログラム
WO2022176100A1 (ja) * 2021-02-18 2022-08-25 ファーストアカウンティング株式会社 データ処理装置、データ処理方法及びプログラム

Also Published As

Publication number Publication date
JP2018097813A (ja) 2018-06-21
JP6165957B1 (ja) 2017-07-19

Similar Documents

Publication Publication Date Title
JP6165957B1 (ja) 会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム
JP6307745B2 (ja) 会計処理システム
JP6342583B1 (ja) 自動仕訳装置、会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム
CN110648211B (zh) 数据验证
JP6261808B1 (ja) 会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム
JP6528070B2 (ja) 記帳システム
JP6263831B1 (ja) 会計処理システム及び会計処理方法
US20160110763A1 (en) Extracting product purchase information from electronic messages
WO2020179055A1 (ja) 証憑解析装置、会計処理システム、証憑解析方法、証憑解析プログラム
WO2019146117A1 (ja) 仕訳要素解析装置、会計処理装置、仕訳要素解析方法、仕訳要素解析プログラム
JP2018173935A (ja) 会計処理システム
JP6161229B1 (ja) 自動仕訳システムおよび自動仕訳プログラム
WO2016064679A1 (en) Extracting product purchase information from electronic messages
JP6732325B1 (ja) 会計処理システム、会計処理方法、会計処理プログラム
JP6895632B1 (ja) 会計処理装置、会計処理システム、会計処理方法及びプログラム
JP6402397B1 (ja) 会計処理装置、会計処理方法、会計処理プログラム
JP2012141737A (ja) Ｆａｘｏｃｒ装置およびｆａｘｏｃｒプログラム
JP2018190064A (ja) 会計処理システム
JP6810306B1 (ja) データ処理装置、データ処理方法及びプログラム
JP6981671B2 (ja) 仕訳要素解析装置、会計処理装置、仕訳要素解析方法、仕訳要素解析プログラム
JP6612962B1 (ja) 電子データ判定システム、電子データ判定装置、電子データ判定方法、電子データ判定プログラム
JP6650638B1 (ja) 購入履歴管理装置
JP2018142301A (ja) 会計処理装置、会計処理システム、会計処理方法、及び会計処理プログラム
JP6835382B1 (ja) 電子データ判定システム、電子データ判定装置、電子データ判定方法、電子データ判定プログラム
WO2020255361A1 (ja) 会計処理システム、会計処理方法、会計処理プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17879792

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17879792

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP