一种会计凭证摘要智能审核方法及系统与流程

1.本发明涉及凭证摘要技术领域，更具体的说是涉及一种会计凭证摘要智能审核方法及系统。


背景技术：

2.企业资源计划(enterprise resource planning，erp)系统中，通常会使用大量的单据来记录各种产品的一些属性信息，以供用户参考或使用。
3.凭证又称会计凭证，是指企业能够用来证明经济业务事项发生、明确经济责任并据以登记账簿、具有法律效力的书面证明。凭证可以分为两大类：原始凭证和记账凭证。原始凭证，也称之为单据，是经济业务事项发生或者完成时填写的，证明经济业务事项已经发生或者完成，以明确经济责任并用作记账原始依据的一种凭证；记账凭证，是会计人员根据审核无误的单据及有关资料，按照经济业务事项的内容和性质加以归类，并确定会计分录，作为登记会计账簿依据的会计凭证，其基本内容通常可以包括：名称、日期、编号、摘要、会计科目、借方金额、贷方金额、附单据张数、制单人、科目余额等。
4.目前，记账凭证一般都是录入员根据业务数据手工录入，对于记账凭证的审核也是基于人工审核，对于一些禁止类或复核类的记账凭证把控不严格，可能存在经济风险，同时财务管控端与sap端数据同步问题，进一步，为了能实现数据同步，数据传输中出现泄密、篡改问题也屡见不鲜。
5.因此，如何提供一种提高审核效率，同时保证数据安全的前提下保证财务管控端与sap端数据同步的会计凭证摘要智能审核方法及系统是本领域技术人员亟需解决的问题。


技术实现要素：

6.有鉴于此，本发明提供了一种会计凭证摘要智能审核方法及系统，能够提高审核效率，对于禁止类凭证无法保存凭证，弹窗提示，返回修改；对于复核类凭证，弹窗提示，返回修改或继续保存，大大提高审核效率，同时防止数据传输过程中数据篡改问题对数据进行数值化，并增加校验位保证数据安全。
7.为了实现上述目的，本发明提供如下技术方案：
8.一种会计凭证摘要智能审核方法，具体步骤包括：
9.构建摘要预警规则库，财务管控端的摘要预警规则库与sap端同步；
10.输入待处理凭证，根据所述待处理凭证进行特征提取得到凭证摘要，对所述凭证摘要基于语法规则进行划分，得到预警关键词组；
11.利用所述预警关键词组的首字对所述预警关键词组与所述摘要预警规则库内数据的敏感词组的首字进行匹配，判断待处理凭证为禁止类凭证、复核类凭证和正常类凭证；
12.针对禁止类凭证、复核类凭证传递时发出预警信息弹窗，同步将信息上传至sap端。
13.可选的，在上述的一种会计凭证摘要智能审核方法中，所述摘要预警规则库建立具体步骤如下：
14.通过获取历史数据中特征字段，对所述特征字段进行分类；
15.根据各所述特征字段的集合，分别生成与各所述特征字段的集合相对应的各子规则库；
16.按照树形结构中预设的层级顺序排列各所述子规则库，将各所述子规则库中的各所述特征字段分别作为所述树形结构的各节点，以生成所述摘要预警规则库。
17.可选的，在上述的一种会计凭证摘要智能审核方法中，根据所述待处理凭证进行特征提取得到凭证摘要具体步骤如下：
18.采集图像样本集，将所述图像样本集输入摘要提取网络进行训练，获取摘要提取模型，所述摘要提取模型包括：手写字体提取模型和印刷字体提取模型；
19.获取待识别原始凭证图像；
20.将所述待识别原始凭证图像输入所述摘要提取模型进行摘要提取，获取摘要结果；
21.将所述摘要结果输入语义标签提取模型进行语义标签提取，根据预设的损失函数，获取语义标签的真实值和预测值之间的差值，进而进行迭代训练，获取所述语义标签提取模型；获取所述摘要结果中的文本向量的语义标签；
22.根据所述语义标签，对所述文本识别结果进行更新，完成摘要提取。
23.可选的，在上述的一种会计凭证摘要智能审核方法中，利用所述预警关键词组的首字对所述预警关键词组与所述摘要预警规则库内数据的敏感词组的首字进行匹配具体步骤包括：
24.对所述关键词组的首字进行数值化，将关键词组转换成二进制数码；
25.所述二进制数码与所述摘要预警规则库内数据的敏感词组的首字转化的二进制数据进行异或运算；
26.根据运算结果判断是否匹配。
27.可选的，在上述的一种会计凭证摘要智能审核方法中，匹配过程中对二进制数码增加校验位。
28.一种会计凭证摘要智能审核系统，包括：
29.摘要预警规则库，存储摘要预警规则，其中财务管控端的摘要预警规则库与sap端同步；
30.预警关键词组模块，输入待处理凭证，根据所述待处理凭证进行特征提取得到凭证摘要，对所述凭证摘要基于语法规则进行划分，得到预警关键词组；
31.审核模块，利用所述预警关键词组的首字对所述预警关键词组与所述摘要预警规则库内数据的敏感词组的首字进行匹配，判断待处理凭证为禁止类凭证、复核类凭证和正常类凭证；
32.输出模块，针对禁止类凭证、复核类凭证传递时发出预警信息弹窗，同步将信息上传至sap端。
33.可选的，在上述的一种会计凭证摘要智能审核系统中，所述摘要预警规则库包括：
34.分类单元，通过获取历史数据中特征字段，对所述特征字段进行分类；
35.子规则单元，根据各所述特征字段的集合，分别生成与各所述特征字段的集合相对应的各子规则库；
36.规则库单元，按照树形结构中预设的层级顺序排列各所述子规则库，将各所述子规则库中的各所述特征字段分别作为所述树形结构的各节点，以生成所述摘要预警规则库。
37.可选的，在上述的一种会计凭证摘要智能审核系统中，预警关键词组模块包括：
38.采集图像样本集，将所述图像样本集输入摘要提取网络进行训练，获取摘要提取模型，所述摘要提取模型包括：手写字体提取模型和印刷字体提取模型；
39.获取待识别原始凭证图像；
40.将所述待识别原始凭证图像输入所述摘要提取模型进行摘要提取，获取摘要结果；
41.将所述摘要结果输入语义标签提取模型进行语义标签提取，根据预设的损失函数，获取语义标签的真实值和预测值之间的差值，进而进行迭代训练，获取所述语义标签提取模型；获取所述摘要结果中的文本向量的语义标签；
42.根据所述语义标签，对所述文本识别结果进行更新，完成摘要提取。
43.可选的，在上述的一种会计凭证摘要智能审核系统中，审核模块包括：
44.转化单元，对所述关键词组的首字进行数值化，将关键词组转换成二进制数码；
45.运算单元，所述二进制数码与所述摘要预警规则库内数据的敏感词组的首字转化的二进制数据进行异或运算；
46.判断单元，根据运算结果判断是否匹配。
47.可选的，在上述的一种会计凭证摘要智能审核系统中，审核模块还包括校验单元，匹配过程中对二进制数码增加校验位。
48.经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种会计凭证摘要智能审核方法及系统，能够提高审核效率，对于禁止类凭证无法保存凭证，弹窗提示，返回修改；对于复核类凭证，弹窗提示，返回修改或继续保存，大大提高审核效率，同时防止数据传输过程中数据篡改问题对数据进行数值化，并增加校验位保证数据安全。
附图说明
49.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
50.图1为本发明的方法流程图；
51.图2为本发明的财务管控端与sap端交互图；
52.图3为本发明的结构框图。
具体实施方式
53.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
54.本发明实施例公开了一种会计凭证摘要智能审核方法及系统，能够提高审核效率，对于禁止类凭证无法保存凭证，弹窗提示，返回修改；对于复核类凭证，弹窗提示，返回修改或继续保存，大大提高审核效率，同时防止数据传输过程中数据篡改问题对数据进行数值化，并增加校验位保证数据安全。
55.实施例1：
56.本实施例公开了一种会计凭证摘要智能审核方法，如图1所示，具体步骤包括：
57.构建摘要预警规则库，财务管控端的摘要预警规则库与sap端同步；
58.输入待处理凭证，根据待处理凭证进行特征提取得到凭证摘要，对凭证摘要基于语法规则进行划分，得到预警关键词组；
59.利用预警关键词组的首字对预警关键词组与摘要预警规则库内数据的敏感词组的首字进行匹配，判断待处理凭证为禁止类凭证、复核类凭证和正常类凭证；
60.针对禁止类凭证、复核类凭证传递时发出预警信息弹窗，同步将信息上传至sap端。
61.进一步，如图2所示，财务管控端，用来存储建立的摘要预警规则库，摘要预警规则可同步至sap端，此节点支持用户查看，不可修改。
62.提供同步接口给erp系统。
63.凭证输入界面、调整期凭证输入界面，在新增凭证摘要字段时读取摘要规则库里的摘要预警规则，然后校验当前凭证摘要内容。当摘要中出现“禁止类”关键字后则无法保存凭证/预制凭证，同时弹出“摘要中出现禁止类敏感信息xxx，不符合预警规则，不允许保存。”提示；当摘要中出现“复核类”关键字后则需重新确认当前凭证/预制凭证的摘要内容，弹出“摘要中出现复核类敏感信息xxx，不符合预警规则，请复核后保存。”提示，点击确认关闭弹框后方可保存当前凭证。
64.凭证审批流转过程中(针对允许修改凭证摘要的功能点)同样进行摘要预警规则校验。当摘要中出现“禁止类”关键字后则无法保存凭证/预制凭证，同时弹出“摘要中出现禁止类敏感信息xxx，不符合预警规则，不允许保存。”提示；当摘要中出现“复核类”关键字后则需重新确认当前凭证/预制凭证的摘要内容，弹出“摘要中出现复核类敏感信息xxx，不符合预警规则，请复核后保存。”提示，点击确认关闭弹框后方可保存当前凭证，进行后续流转。
65.凭证导入、调整期凭证导入功能在进行凭证导入时，读取规则库里的摘要预警规则进行凭证摘要校验，当摘要中出现“禁止类”关键字后，弹出提示“下列数据摘要中出现禁止类敏感信息xxx，不符合预警规则，不允许保存。”；此处出现复核类敏感信息的凭证摘要不进行弹窗提示。
66.针对集成凭证，新增批量校验功能，把凭证摘要按规则库的信息进行校验、过滤，然后弹框显示所有摘要不通过的(禁止类/复核类)凭证，该界面支持穿透到凭证界面进行查询修改。如果涉及禁止类敏感信息则不允许流转，复核类则允许流转。
67.为了进一步优化上述技术方案，摘要预警规则库建立具体步骤如下：
68.通过获取历史数据中特征字段，对特征字段进行分类；
69.根据各特征字段的集合，分别生成与各特征字段的集合相对应的各子规则库；
70.按照树形结构中预设的层级顺序排列各子规则库，将各子规则库中的各特征字段分别作为树形结构的各节点，以生成摘要预警规则库。
71.具体地，根据历史数据对特征字段进行分类，例如买卖凭证中分为买方凭证和卖方凭证；分别针对买方凭证和卖方凭证建立子规则库；根节点为买卖凭证对应的特征字段库；叶节点为买方凭证和卖方凭证对应的特征字段库，共同构建预警规则库。
72.为了进一步优化上述技术方案，根据待处理凭证进行特征提取得到凭证摘要具体步骤如下：
73.采集图像样本集，将图像样本集输入摘要提取网络进行训练，获取摘要提取模型，摘要提取模型包括：手写字体提取模型和印刷字体提取模型；
74.获取待识别原始凭证图像；
75.将待识别原始凭证图像输入摘要提取模型进行摘要提取，获取摘要结果；
76.将摘要结果输入语义标签提取模型进行语义标签提取，根据预设的损失函数，获取语义标签的真实值和预测值之间的差值，进而进行迭代训练，获取语义标签提取模型；获取摘要结果中的文本向量的语义标签；
77.根据语义标签，对文本识别结果进行更新，完成摘要提取。
78.为了进一步优化上述技术方案，利用预警关键词组的首字对预警关键词组与摘要预警规则库内数据的敏感词组的首字进行匹配具体步骤包括：
79.对关键词组的首字进行数值化，将关键词组转换成二进制数码；
80.二进制数码与摘要预警规则库内数据的敏感词组的首字转化的二进制数据进行异或运算；
81.根据运算结果判断是否匹配。
82.具体地，例如借款凭证，首字为：“借”，将其数值化为：111001011000000010011111；
83.进一步，摘要预警规则库内借款凭证为敏感词组，同理，“借”数值化表现形式为：111001011000000010011111；
84.二者通过异或运算，能够判断是否匹配。
85.为了进一步优化上述技术方案，匹配过程中对二进制数码增加校验位。
86.具体地，对借款凭证的数值化增加校验位例如末尾增加0或1，或者增加运算处理例如加1、减1等。
87.实施例2：
88.本实施例公开了一种会计凭证摘要智能审核系统，如图3所示，包括：
89.摘要预警规则库，存储摘要预警规则，其中财务管控端的摘要预警规则库与sap端同步；
90.预警关键词组模块，输入待处理凭证，根据待处理凭证进行特征提取得到凭证摘要，对凭证摘要基于语法规则进行划分，得到预警关键词组；
91.审核模块，利用预警关键词组的首字对预警关键词组与摘要预警规则库内数据的敏感词组的首字进行匹配，判断待处理凭证为禁止类凭证、复核类凭证和正常类凭证；
92.输出模块，针对禁止类凭证、复核类凭证传递时发出预警信息弹窗，同步将信息上
传至sap端。
93.具体地，新增凭证摘要预警规则管控菜单，同步管控的摘要预警规则给sap端，确保数据的规范性、准确性与统一性；
94.在财务管控端单边制证保存、凭证审批的流转过程建立凭证摘要校验，以弹框提示直接反映情况；
95.针对集成凭证新增批量校验凭证摘要功能，一键式过滤出包含敏感信息凭证并支持穿透到对应凭证明细进行修改查询。
96.为了进一步优化上述技术方案，摘要预警规则库包括：
97.分类单元，通过获取历史数据中特征字段，对特征字段进行分类；
98.子规则单元，根据各特征字段的集合，分别生成与各特征字段的集合相对应的各子规则库；
99.规则库单元，按照树形结构中预设的层级顺序排列各子规则库，将各子规则库中的各特征字段分别作为树形结构的各节点，以生成摘要预警规则库。
100.具体地，根据历史数据对特征字段进行分类，例如买卖凭证中分为买方凭证和卖方凭证；分别针对买方凭证和卖方凭证建立子规则库；根节点为买卖凭证对应的特征字段库；叶节点为买方凭证和卖方凭证对应的特征字段库，共同构建预警规则库。
101.为了进一步优化上述技术方案，预警关键词组模块包括：
102.采集图像样本集，将图像样本集输入摘要提取网络进行训练，获取摘要提取模型，摘要提取模型包括：手写字体提取模型和印刷字体提取模型；
103.获取待识别原始凭证图像；
104.将待识别原始凭证图像输入摘要提取模型进行摘要提取，获取摘要结果；
105.将摘要结果输入语义标签提取模型进行语义标签提取，根据预设的损失函数，获取语义标签的真实值和预测值之间的差值，进而进行迭代训练，获取语义标签提取模型；获取摘要结果中的文本向量的语义标签；
106.根据语义标签，对文本识别结果进行更新，完成摘要提取。
107.为了进一步优化上述技术方案，审核模块包括：
108.转化单元，对关键词组的首字进行数值化，将关键词组转换成二进制数码；
109.运算单元，二进制数码与摘要预警规则库内数据的敏感词组的首字转化的二进制数据进行异或运算；
110.判断单元，根据运算结果判断是否匹配。
111.具体地，例如借款凭证，首字为：“借”，将其数值化为：111001011000000010011111；
112.进一步，摘要预警规则库内借款凭证为敏感词组，同理，“借”数值化表现形式为：111001011000000010011111；
113.二者通过异或运算，能够判断是否匹配。
114.为了进一步优化上述技术方案，审核模块还包括校验单元，匹配过程中对二进制数码增加校验位。
115.具体地，对借款凭证的数值化增加校验位例如末尾增加0或1，或者增加运算处理例如加1、减1等。
116.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
117.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。