面向安全持久性内存的财务数据协同管理方法、装置

1.本发明涉及人工智能技术领域，尤其涉及一种面向安全持久性内存的财务数据协同管理方法、装置、设备及计算机可读存储介质。


背景技术：

2.财务管理是企业管理的一个组成部分，它是根据财经法规制度，按照财务管理的原则，组织企业财务活动，处理财务关系的一项经济管理工作。而目前财务数据的数据量一般都很大，并且由于财务数据的来源和时间维度都不同，因此在进行财务数据管理时通常会受数据的影响，进而导致财务数据协同管理的准确度不高，因此，亟待提出一种准确度更高的财务数据协同管理方法。


技术实现要素：

3.本发明提供一种面向安全持久性内存的财务数据协同管理方法、装置及计算机可读存储介质，其主要目的在于解决财务数据协同管理的准确度较低的问题。
4.为实现上述目的，本发明提供的一种面向安全持久性内存的财务数据协同管理方法，包括：
5.获取预设财务数据系统中的财务数据库表，按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中；
6.当接受到数据分析请求时，提取出所述内存中的财务交易数据并将所述财务交易数据表示为时间数据序列，根据所述时间数据序列构建生成财务数据网络；
7.搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离，其中，所述距离计算公式为：
8.d[(ni，mi)]＝d[t(ni)，r(mi)] d[(n
i-1
，m
i-1
)]其中，d[(ni，mi)]为路径累积距离，r为所述表征财务数据，t为所述时间数据序列，i表示第i个数据，(ni，mi)为任意选定的路径节点，(n
i-1
，m
i-1
)为任意选定的路径节点的下一个节点；
[0009]
根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行异常数据识别，得到异常数据识别结果，并根据所述异常数据识别结果将所述财务交易数据进行数据规范化，得到标准财务数据；
[0010]
在预构建的bert模型中添加奇偶句编码层，得到编码器，从获取到的transformer模型中提取解码器，组合所述编码器和所述解码器，得到待训练数据分析模型；
[0011]
利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，将所述标准财务数据输入至所述财务数据分析模型中，得到财务分析结果，并根据所述财务分析结果对所述财务交易数据进行协同管理。
[0012]
可选地，所述根据所述时间数据序列构建生成财务数据网络，包括：
[0013]
将所述时间数据序列的各个序列号在预设的二维直角坐标系中的横轴上进行标记，将预获取的表征财务数据的各个序列号在所述二维直角坐标系中的纵轴上进行标记；
[0014]
根据所述二维直角坐标系中所述横轴和所述纵轴上标记的点进行连接处理，得到多条纵横线；
[0015]
将多条所述纵横线路形成的纵横网络作为财务数据网络。
[0016]
可选地，所述利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，包括：
[0017]
获取预设的编码器学习率、解码器学习率和训练周期，将所述训练数据集输入至所述待训练数据分析模型；
[0018]
利用所述编码器及所述编码器学习率，对所述训练数据集进行特征提取，得到特征数据集；
[0019]
利用所述解码器及所述解码器学习率，预测所述特征数据集对应的业务特征分析集；
[0020]
利用所述业务特征分析集及预构建的优化算法，优化所述待训练数据分析模型的内部参数，并保存优化次数；
[0021]
判断所述优化次数和所述训练周期的大小关系；
[0022]
若所述优化次数小于或等于所述训练周期，再次执行利用所述编码器及所述编码器学习率，对所述训练数据集进行特征提取的操作；
[0023]
若所述优化次数大于所述训练周期，停止对所述内部参数的优化，得到所述财务数据分析模型。
[0024]
可选地，所述根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行异常数据识别，得到异常数据识别结果，包括：
[0025]
判断所述路径累积距离与预设参考距离值之间的大小；
[0026]
当所述路径累积距离大于或者等于所述预设参考距离值时，将所述财务交易数据判定为正常数据，并将所述财务交易数据为正常数据作为所述异常数据识别结果；
[0027]
当所述路径累积距离小于所述预设参考距离值时，将所述财务交易数据判定为异常数据，并将所述财务交易数据为异常数据作为所述异常数据识别结果。
[0028]
可选地，所述组合所述编码器和所述解码器，得到待训练数据分析模型，包括：
[0029]
分别初始化所述编码器和所述解码器的参数；
[0030]
根据预设的连接顺序将初始化后的所述编码器和所述解码器进行连接，得到所述待训练数据分析模型。
[0031]
可选地，所述搜索出所述财务数据网络中的最佳路径，包括：
[0032]
获取预设的欧式距离公式，并构建多个斜率变换公式；
[0033]
以多个所述斜率变换公式作为约束条件求解得到所述欧式距离公式中的最佳路径。
[0034]
可选地，所述预设的欧式距离公式为：
[0035][0036]
其中，d[t，r]为欧式距离值，r为所述表征财务数据，r为所述时间数据序列，m为数
据总数，i表示第i个数据。
[0037]
可选地，所述将所述财务交易数据表示为时间数据序列，包括：
[0038]
识别所述财务交易数据对应的数据时间并统计数据时间的总数；
[0039]
以所述数据时间的总数作为时间数据序列的序列长度，按照所述数据时间将所述财务交易数据进行数据排列，得到时间数据序列。
[0040]
可选地，所述按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中，包括：
[0041]
将所述财务数据库表中的财务数据按照一行接着一行的线性顺序存储至内存中；
[0042]
将所述财务数据库表中的财务数据按照一列接着一列的线性顺序存储至内存中。
[0043]
为了解决上述问题，本发明还提供一种面向安全持久性内存的财务数据协同管理装置，所述装置包括：
[0044]
数据存储模块，用于获取预设财务数据系统中的财务数据库表，按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中；
[0045]
距离计算模块，用于当接受到数据分析请求时，提取出所述内存中的财务交易数据并将所述财务交易数据表示为时间数据序列，根据所述时间数据序列构建生成财务数据网络，搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离；
[0046]
数据处理模块，用于根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行异常数据识别，得到异常数据识别结果，并根据所述异常数据识别结果将所述财务交易数据进行数据规范化，得到标准财务数据；
[0047]
协同管理模块，用于在预构建的bert模型中添加奇偶句编码层，得到编码器，从获取到的transformer模型中提取解码器，组合所述编码器和所述解码器，得到待训练数据分析模型，利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，将所述标准财务数据输入至所述财务数据分析模型中，得到财务分析结果，并根据所述财务分析结果对所述财务交易数据进行协同管理。
[0048]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0049]
存储器，存储至少一个指令；及
[0050]
处理器，执行所述存储器中存储的指令以实现上述所述的面向安全持久性内存的财务数据协同管理方法。
[0051]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的面向安全持久性内存的财务数据协同管理方法。
[0052]
本发明实施例中，通过将所述财务数据库表中的财务数据存储至内存中，保证了财务数据存储的安全性，并基于内存中的财务交易数据构建生成财务数据网络，搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离，根据路径累积距离对财务交易数据进行异常数据识别，保证了财务交易数据的正确性，并将数据规范化后的标准财务交易数据输入至训练好的财务数据分析模型中，得到准确的财务交易分析结果，根据财务分析结果对所述财务交易数据进行协同管理。因此本发明提出的面向安全持久性内存的财务数据协同管理方法、装置、电子设备及计算机可读存储介
质，可以解决财务数据协同管理的准确度较低的问题。
附图说明
[0053]
图1为本发明一实施例提供的面向安全持久性内存的财务数据协同管理方法的流程示意图；
[0054]
图2为本发明一实施例提供的面向安全持久性内存的财务数据协同管理装置的功能模块图；
[0055]
图3为本发明一实施例提供的实现所述面向安全持久性内存的财务数据协同管理方法的电子设备的结构示意图。
[0056]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0057]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0058]
本发明实施例提供一种面向安全持久性内存的财务数据协同管理方法。所述面向安全持久性内存的财务数据协同管理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述面向安全持久性内存的财务数据协同管理方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
[0059]
参照图1所示，为本发明一实施例提供的面向安全持久性内存的财务数据协同管理方法的流程示意图。在本实施例中，所述面向安全持久性内存的财务数据协同管理方法包括：
[0060]
s1、获取预设财务数据系统中的财务数据库表，按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中。
[0061]
本发明实施例中，所述预设财务数据系统可以为sap财务会计管理系统，所述sap财务会计管理系统中的数据分为两大类，主数据和交易数据。其中，主数据表用于存储配置数据，如公司代码等，交易数据表用于存储交易相关的数据，比如财务票据。
[0062]
详细地，由于所述财务数据库表是一个有行和列的二维数据结构，而计算机内存却是一个线性的一维结构，为了将所述财务数据库表中的财务数据可以存储在计算机内存中，故需要按照预设的存储顺序将所述财务数据库表中的财务数据存储在内存中。
[0063]
具体地，所述按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中，包括：
[0064]
将所述财务数据库表中的财务数据按照一行接着一行的线性顺序存储至内存中；
[0065]
将所述财务数据库表中的财务数据按照一列接着一列的线性顺序存储至内存中。
[0066]
例如，所述财务数据库表为四行三列的表，按照一行接着一行的线性顺序进行存储可以为按照记录条顺序进行存储，先存储第一条，之后再存储第二条，第三条，最后第四条。按照一列接着一列的线性顺序进行存储可以为将表中四个记录按三个字段的顺序存储，先存第一个字段的所有值，然后存第二个字段的所有值，最后存第三个字段的所有值。
[0067]
优选地，按照一行接着一行的线性顺序即为行存储，行存储可以使得应用程序在
多数情况下一次只需处理一条记录，且汇总和快速查询不需要，按照一列接着一列的线性顺序即为列存储，列存储的计算基本基于少数几列数据，查询基本基于少数几列数据，同时列数据的值的差异性不大，从而数据压缩的比率比较大。
[0068]
其中，由于预设财务数据系统中的财务数据的数据量极大，超过普通数据管理工具的处理范围，因此导致计算时间较长，若完全基于普通联机交易数据库中的表进行分析，通常需要耗费很久计算出分析结果，因此内存计算技术的优势正好可以轻易解决海量财务数据分析中的难点问题。
[0069]
s2、当接受到数据分析请求时，提取出所述内存中的财务交易数据并将所述财务交易数据表示为时间数据序列，根据所述时间数据序列构建生成财务数据网络。
[0070]
本发明实施例中，所述数据分析请求是指对财务交易数据进行数据分析或数据管理的需求。由于所述内存中包含主数据和交易数据，而进行财务数据管理和分析主要参考财务交易数据，因此需要提取出所述内存中的财务交易数据。
[0071]
具体地，所述将所述财务交易数据表示为时间数据序列，包括：
[0072]
识别所述财务交易数据对应的数据时间并统计数据时间的总数；
[0073]
以所述数据时间的总数作为时间数据序列的序列长度，按照所述数据时间将所述财务交易数据进行数据排列，得到时间数据序列。
[0074]
详细地，若所述财务交易数据的数据时间的总数为m，将所述数据时间的总数m作为时间数据序列的序列长度，按照所述数据时间将所述财务交易数据进行数据排列，得到时间数据序列{r(1)，r(2)，...，r(m)，...，r(m)}。
[0075]
进一步地，所述根据所述时间数据序列构建生成财务数据网络，包括：
[0076]
将所述时间数据序列的各个序列号在预设的二维直角坐标系中的横轴上进行标记，将预获取的表征财务数据的各个序列号在所述二维直角坐标系中的纵轴上进行标记；
[0077]
根据所述二维直角坐标系中所述横轴和所述纵轴上标记的点进行连接处理，得到多条纵横线；
[0078]
将多条所述纵横线路形成的纵横网络作为财务数据网络。
[0079]
详细地，预获取的表征财务数据是指具有代表性质的财务特征数据，其中所述表征财务数据可以为流动比率，速动比率，税后利润增长率，现金负债比率，营业利润增长率和总资产增长率。
[0080]
优选地，所述财务数据网络是在所述二维直角坐标系上形成的纵横交错的网络，网络的交叉点是所述时间数据序列和所述表征财务数据的交汇，需要在所述财务数据网络中寻找一条从坐标轴左下角出发右上角结束的路径，利用动态规划的思想进行数据处理。
[0081]
s3、搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离。
[0082]
本发明实施例中，根据动态时间规整算法(dtw，dynamic time warping)进行最佳路径的搜索，动态时间规整算法是一个典型的优化问题，它用满足一定条件的的时间规整函数描述测试模板和参考模板的时间对应关系，求解两模板匹配时累计距离最小所对应的规整函数。
[0083]
由于不同公司之间的财务数据的采集时间粒度不同，导致数据格式在时间维度上的累积不同，时间跨度无法做到统一，一般的数据挖掘模型难以在该场景下发挥自身的性
能，因此本方案采用动态时间规整算法进行财务数据的处理和分析。
[0084]
具体地，所述搜索出所述财务数据网络中的最佳路径，包括：
[0085]
获取预设的欧式距离公式，并构建多个斜率变换公式；
[0086]
以多个所述斜率变换公式作为约束条件求解得到所述欧式距离公式中的最佳路径。
[0087]
详细地，所述预设的欧式距离公式为：
[0088][0089]
其中，d[t，r]为欧式距离值，r为所述表征财务数据，t为所述时间数据序列，m为数据总数，i表示第i个数据。
[0090]
进一步地，所述构建多个斜率变换公式，包括：
[0091]
(ni，mi)＝(n
i-1
1，m
i-1
2)
[0092]
(ni，mi)＝(n
i-1
1，m
i-1
1)
[0093]
(ni，mi)＝(n
i-1
1，m
i-1
)
[0094]
其中，(ni，mi)为任意选定的路径节点，i表示第i个数据，m和n分别为各个数据的数据维度。
[0095]
详细地，在路径搜索时，需要对斜率进行约束，以保证路径的走向，通常斜率的变化范围是0.5～2，当路径在当前时刻通过的点为(n
i-1
，m
i-1
)时，其下一点的所有可能情况为多个斜率变换公式所表示的情况。对于坐标轴中的任意点，在路径搜索的过程中，最终只有一条路径可以穿过，因此对于任意点的路径上的前一点也只有三种情况。
[0096]
具体地，所述利用所述距离计算公式计算所述最佳路径的路径累计距离，包括：
[0097]
所述距离计算公式为：
[0098]
d[(ni，mi)]＝d[t(ni)，r(mi)] d[(n
i-1
，m
i-1
)]
[0099]
其中，d[(ni，mi)]为路径累积距离，r为所述表征财务数据，t为所述时间数据序列，i表示第i个数据，(ni，mi)为任意选定的路径节点，(n
i-1
，m
i-1
)为任意选定的路径节点的下一个节点。
[0100]
s4、根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行异常数据识别，得到异常数据识别结果，并根据所述异常数据识别结果将所述财务交易数据进行数据规范化，得到标准财务数据。
[0101]
本发明实施例中，所述根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行异常数据识别，得到异常数据识别结果，包括：
[0102]
判断所述路径累积距离与预设参考距离值之间的大小；
[0103]
当所述路径累积距离大于或者等于所述预设参考距离值时，将所述财务交易数据判定为正常数据，并将所述财务交易数据为正常数据作为所述异常数据识别结果；
[0104]
当所述路径累积距离小于所述预设参考距离值时，将所述财务交易数据判定为异常数据，并将所述财务交易数据为异常数据作为所述异常数据识别结果。
[0105]
详细地，所述异常数据识别结果中包含对所述财务交易数据的判定情况。
[0106]
进一步地，根据所述异常数据识别结果将所述财务交易数据进行数据规范化，得
到标准财务数据，若所述异常数据识别结果为所述财务交易数据为异常数据，则需要对所述财务数据进行数据修正，通过判断异常数据的异常类型再进行处理，若所述异常数据识别结果为所述财务交易数据为正常数据时，则将所述财务交易数据输出为标准财务数据。
[0107]
s5、在预构建的bert模型中添加奇偶句编码层，得到编码器，从获取到的transformer模型中提取解码器，组合所述编码器和所述解码器，得到待训练数据分析模型。
[0108]
本发明实施例中，bert模型(bidirectional encoder representations from transformers)是一种当前已公开的通用自然语言处理框架，内部结构包括嵌入层、多头注意力机制层及前馈反向层，其中嵌入层的作用是将文本用矩阵进行表示，所述多头注意力机制层的作用是从矩阵文本中提取得到文本特征，所述前馈反向层的作用是根据文本特征调解bert模型的内部参数，达到优化bert模型的目的。
[0109]
本发明一可选实施例中，可从bert模型所在的程序管理库中直接获取所述bert模型。
[0110]
进一步地，所述在预构建的bert模型中添加奇偶句编码层，得到编码器，包括：
[0111]
在所述bert模型中的前馈反向层之后，添加所述奇偶句编码层，得到所述编码器。
[0112]
具体地，所述transformer模型是一种开源的自然语言处理模型，transformer模型包括解码器，本发明实施例中，可以从数据库中获取transformer模型，并从transformer模型中提取解码器。
[0113]
进一步地，所述组合所述编码器和所述解码器，得到待训练数据分析模型，包括：
[0114]
分别初始化所述编码器和所述解码器的参数；
[0115]
根据预设的连接顺序将初始化后的所述编码器和所述解码器进行连接，得到所述待训练数据分析模型。
[0116]
s6、利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，将所述标准财务数据输入至所述财务数据分析模型中，得到财务分析结果，并根据所述财务分析结果对所述财务交易数据进行协同管理。
[0117]
本发明实施例中，所述利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，包括：
[0118]
获取预设的编码器学习率、解码器学习率和训练周期，将所述训练数据集输入至所述待训练数据分析模型；
[0119]
利用所述编码器及所述编码器学习率，对所述训练数据集进行特征提取，得到特征数据集；
[0120]
利用所述解码器及所述解码器学习率，预测所述特征数据集对应的业务特征分析集；
[0121]
利用所述业务特征分析集及预构建的优化算法，优化所述待训练数据分析模型的内部参数，并保存优化次数；
[0122]
判断所述优化次数和所述训练周期的大小关系；
[0123]
若所述优化次数小于或等于所述训练周期，再次执行利用所述编码器及所述编码器学习率，对所述训练数据集进行特征提取的操作；
[0124]
若所述优化次数大于所述训练周期，停止对所述内部参数的优化，得到所述财务
数据分析模型。
[0125]
优选地，本发明实施例中，所述预构建的优化算法采用adam优化算法，优化所述待训练数据分析模型的内部参数，直至优化次数大于本发明实施例所设定的训练周期(如5000次)，得到所述财务数据分析模型。
[0126]
具体地，可以根据所述财务分析结果和构建的数据管理系统对所述财务交易数据进行协同管理，其中，所述数据管理系统可以分为两层，第一部分为主要部分，即是数据层，这是整个系统的核心所在，第二部分是客户端部分。
[0127]
本发明实施例中，通过将所述财务数据库表中的财务数据存储至内存中，保证了财务数据存储的安全性，并基于内存中的财务交易数据构建生成财务数据网络，搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离，根据路径累积距离对财务交易数据进行异常数据识别，保证了财务交易数据的正确性，并将数据规范化后的标准财务交易数据输入至训练好的财务数据分析模型中，得到准确的财务交易分析结果，根据财务分析结果对所述财务交易数据进行协同管理。因此本发明提出的面向安全持久性内存的财务数据协同管理方法可以解决财务数据协同管理的准确度较低的问题。
[0128]
如图2所示，是本发明一实施例提供的面向安全持久性内存的财务数据协同管理装置的功能模块图。
[0129]
本发明所述面向安全持久性内存的财务数据协同管理装置100可以安装于电子设备中。根据实现的功能，所述面向安全持久性内存的财务数据协同管理装置100可以包括数据存储模块101、距离计算模块102、数据处理模块103及协同管理模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0130]
在本实施例中，关于各模块/单元的功能如下：
[0131]
所述数据存储模块101，用于获取预设财务数据系统中的财务数据库表，按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中；
[0132]
所述距离计算模块102，用于当接受到数据分析请求时，提取出所述内存中的财务交易数据并将所述财务交易数据表示为时间数据序列，根据所述时间数据序列构建生成财务数据网络，搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离；
[0133]
所述数据处理模块103，用于根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行异常数据识别，得到异常数据识别结果，并根据所述异常数据识别结果将所述财务交易数据进行数据规范化，得到标准财务数据；
[0134]
所述协同管理模块104，用于在预构建的bert模型中添加奇偶句编码层，得到编码器，从获取到的transformer模型中提取解码器，组合所述编码器和所述解码器，得到待训练数据分析模型，利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，将所述标准财务数据输入至所述财务数据分析模型中，得到财务分析结果，并根据所述财务分析结果对所述财务交易数据进行协同管理。
[0135]
详细地，所述面向安全持久性内存的财务数据协同管理装置100各模块的具体实施方式如下：
[0136]
步骤一、获取预设财务数据系统中的财务数据库表，按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中。
[0137]
本发明实施例中，所述预设财务数据系统可以为sap财务会计管理系统，所述sap财务会计管理系统中的数据分为两大类，主数据和交易数据。其中，主数据表用于存储配置数据，如公司代码等，交易数据表用于存储交易相关的数据，比如财务票据。
[0138]
详细地，由于所述财务数据库表是一个有行和列的二维数据结构，而计算机内存却是一个线性的一维结构，为了将所述财务数据库表中的财务数据可以存储在计算机内存中，故需要按照预设的存储顺序将所述财务数据库表中的财务数据存储在内存中。
[0139]
具体地，所述按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中，包括：
[0140]
将所述财务数据库表中的财务数据按照一行接着一行的线性顺序存储至内存中；
[0141]
将所述财务数据库表中的财务数据按照一列接着一列的线性顺序存储至内存中。
[0142]
例如，所述财务数据库表为四行三列的表，按照一行接着一行的线性顺序进行存储可以为按照记录条顺序进行存储，先存储第一条，之后再存储第二条，第三条，最后第四条。按照一列接着一列的线性顺序进行存储可以为将表中四个记录按三个字段的顺序存储，先存第一个字段的所有值，然后存第二个字段的所有值，最后存第三个字段的所有值。
[0143]
优选地，按照一行接着一行的线性顺序即为行存储，行存储可以使得应用程序在多数情况下一次只需处理一条记录，且汇总和快速查询不需要，按照一列接着一列的线性顺序即为列存储，列存储的计算基本基于少数几列数据，查询基本基于少数几列数据，同时列数据的值的差异性不大，从而数据压缩的比率比较大。
[0144]
其中，由于预设财务数据系统中的财务数据的数据量极大，超过普通数据管理工具的处理范围，因此导致计算时间较长，若完全基于普通联机交易数据库中的表进行分析，通常需要耗费很久计算出分析结果，因此内存计算技术的优势正好可以轻易解决海量财务数据分析中的难点问题。
[0145]
步骤二、当接受到数据分析请求时，提取出所述内存中的财务交易数据并将所述财务交易数据表示为时间数据序列，根据所述时间数据序列构建生成财务数据网络。
[0146]
本发明实施例中，所述数据分析请求是指对财务交易数据进行数据分析或数据管理的需求。由于所述内存中包含主数据和交易数据，而进行财务数据管理和分析主要参考财务交易数据，因此需要提取出所述内存中的财务交易数据。
[0147]
具体地，所述将所述财务交易数据表示为时间数据序列，包括：
[0148]
识别所述财务交易数据对应的数据时间并统计数据时间的总数；
[0149]
以所述数据时间的总数作为时间数据序列的序列长度，按照所述数据时间将所述财务交易数据进行数据排列，得到时间数据序列。
[0150]
详细地，若所述财务交易数据的数据时间的总数为m，将所述数据时间的总数m作为时间数据序列的序列长度，按照所述数据时间将所述财务交易数据进行数据排列，得到时间数据序列{r(1)，r(2)，...，r(m)，...，r(m)}。
[0151]
进一步地，所述根据所述时间数据序列构建生成财务数据网络，包括：
[0152]
将所述时间数据序列的各个序列号在预设的二维直角坐标系中的横轴上进行标记，将预获取的表征财务数据的各个序列号在所述二维直角坐标系中的纵轴上进行标记；
[0153]
根据所述二维直角坐标系中所述横轴和所述纵轴上标记的点进行连接处理，得到多条纵横线；
[0154]
将多条所述纵横线路形成的纵横网络作为财务数据网络。
[0155]
详细地，预获取的表征财务数据是指具有代表性质的财务特征数据，其中所述表征财务数据可以为流动比率，速动比率，税后利润增长率，现金负债比率，营业利润增长率和总资产增长率。
[0156]
优选地，所述财务数据网络是在所述二维直角坐标系上形成的纵横交错的网络，网络的交叉点是所述时间数据序列和所述表征财务数据的交汇，需要在所述财务数据网络中寻找一条从坐标轴左下角出发右上角结束的路径，利用动态规划的思想进行数据处理。
[0157]
步骤三、搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离。
[0158]
本发明实施例中，根据动态时间规整算法(dtw，dynamic time warping)进行最佳路径的搜索，动态时间规整算法是一个典型的优化问题，它用满足一定条件的的时间规整函数描述测试模板和参考模板的时间对应关系，求解两模板匹配时累计距离最小所对应的规整函数。
[0159]
由于不同公司之间的财务数据的采集时间粒度不同，导致数据格式在时间维度上的累积不同，时间跨度无法做到统一，一般的数据挖掘模型难以在该场景下发挥自身的性能，因此本方案采用动态时间规整算法进行财务数据的处理和分析。
[0160]
具体地，所述搜索出所述财务数据网络中的最佳路径，包括：
[0161]
获取预设的欧式距离公式，并构建多个斜率变换公式；
[0162]
以多个所述斜率变换公式作为约束条件求解得到所述欧式距离公式中的最佳路径。
[0163]
详细地，所述预设的欧式距离公式为：
[0164][0165]
其中，d[t，r]为欧式距离值，r为所述表征财务数据，t为所述时间数据序列，m为数据总数，i表示第i个数据。
[0166]
进一步地，所述构建多个斜率变换公式，包括：
[0167]
(mi，mi)＝(m
i-1
1，m
i-1
2)
[0168]
(mi，mi)＝(m
i-1
1，m
i-1
1)
[0169]
(ni，mi)＝(n
i-1
1，m
i-1
)
[0170]
其中，(ni，mi)为任意选定的路径节点，i表示第i个数据，m和n分别为各个数据的数据维度。
[0171]
详细地，在路径搜索时，需要对斜率进行约束，以保证路径的走向，通常斜率的变化范围是0.5～2，当路径在当前时刻通过的点为(n
i-1
，m
i-1
)时，其下一点的所有可能情况为多个斜率变换公式所表示的情况。对于坐标轴中的任意点，在路径搜索的过程中，最终只有一条路径可以穿过，因此对于任意点的路径上的前一点也只有三种情况。
[0172]
具体地，所述利用所述距离计算公式计算所述最佳路径的路径累计距离，包括：
[0173]
所述距离计算公式为：
[0174]
d[(ni，mi)]＝d[t(ni)，r(mi)] d[(n
i-1
，m
i-1
)]
[0175]
其中，d[(ni，mi)]为路径累积距离，r为所述表征财务数据，t为所述时间数据序列，i表示第i个数据，(ni，mi)为任意选定的路径节点，(n
i-1
，m
i-1
)为任意选定的路径节点的下一个节点。
[0176]
步骤四、根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行异常数据识别，得到异常数据识别结果，并根据所述异常数据识别结果将所述财务交易数据进行数据规范化，得到标准财务数据。
[0177]
本发明实施例中，所述根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行异常数据识别，得到异常数据识别结果，包括：
[0178]
判断所述路径累积距离与预设参考距离值之间的大小；
[0179]
当所述路径累积距离大于或者等于所述预设参考距离值时，将所述财务交易数据判定为正常数据，并将所述财务交易数据为正常数据作为所述异常数据识别结果；
[0180]
当所述路径累积距离小于所述预设参考距离值时，将所述财务交易数据判定为异常数据，并将所述财务交易数据为异常数据作为所述异常数据识别结果。
[0181]
详细地，所述异常数据识别结果中包含对所述财务交易数据的判定情况。
[0182]
进一步地，根据所述异常数据识别结果将所述财务交易数据进行数据规范化，得到标准财务数据，若所述异常数据识别结果为所述财务交易数据为异常数据，则需要对所述财务数据进行数据修正，通过判断异常数据的异常类型再进行处理，若所述异常数据识别结果为所述财务交易数据为正常数据时，则将所述财务交易数据输出为标准财务数据。
[0183]
步骤五、在预构建的bert模型中添加奇偶句编码层，得到编码器，从获取到的transformer模型中提取解码器，组合所述编码器和所述解码器，得到待训练数据分析模型。
[0184]
本发明实施例中，bert模型(bidirectional encoder representations from transformers)是一种当前已公开的通用自然语言处理框架，内部结构包括嵌入层、多头注意力机制层及前馈反向层，其中嵌入层的作用是将文本用矩阵进行表示，所述多头注意力机制层的作用是从矩阵文本中提取得到文本特征，所述前馈反向层的作用是根据文本特征调解bert模型的内部参数，达到优化bert模型的目的。
[0185]
本发明一可选实施例中，可从bert模型所在的程序管理库中直接获取所述bert模型。
[0186]
进一步地，所述在预构建的bert模型中添加奇偶句编码层，得到编码器，包括：
[0187]
在所述bert模型中的前馈反向层之后，添加所述奇偶句编码层，得到所述编码器。
[0188]
具体地，所述transformer模型是一种开源的自然语言处理模型，transformer模型包括解码器，本发明实施例中，可以从数据库中获取transformer模型，并从transformer模型中提取解码器。
[0189]
进一步地，所述组合所述编码器和所述解码器，得到待训练数据分析模型，包括：
[0190]
分别初始化所述编码器和所述解码器的参数；
[0191]
根据预设的连接顺序将初始化后的所述编码器和所述解码器进行连接，得到所述
待训练数据分析模型。
[0192]
步骤六、利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，将所述标准财务数据输入至所述财务数据分析模型中，得到财务分析结果，并根据所述财务分析结果对所述财务交易数据进行协同管理。
[0193]
本发明实施例中，所述利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，包括：
[0194]
获取预设的编码器学习率、解码器学习率和训练周期，将所述训练数据集输入至所述待训练数据分析模型；
[0195]
利用所述编码器及所述编码器学习率，对所述训练数据集进行特征提取，得到特征数据集；
[0196]
利用所述解码器及所述解码器学习率，预测所述特征数据集对应的业务特征分析集；
[0197]
利用所述业务特征分析集及预构建的优化算法，优化所述待训练数据分析模型的内部参数，并保存优化次数；
[0198]
判断所述优化次数和所述训练周期的大小关系；
[0199]
若所述优化次数小于或等于所述训练周期，再次执行利用所述编码器及所述编码器学习率，对所述训练数据集进行特征提取的操作；
[0200]
若所述优化次数大于所述训练周期，停止对所述内部参数的优化，得到所述财务数据分析模型。
[0201]
优选地，本发明实施例中，所述预构建的优化算法采用adam优化算法，优化所述待训练数据分析模型的内部参数，直至优化次数大于本发明实施例所设定的训练周期(如5000次)，得到所述财务数据分析模型。
[0202]
具体地，可以根据所述财务分析结果和构建的数据管理系统对所述财务交易数据进行协同管理，其中，所述数据管理系统可以分为两层，第一部分为主要部分，即是数据层，这是整个系统的核心所在，第二部分是客户端部分。
[0203]
本发明实施例中，通过将所述财务数据库表中的财务数据存储至内存中，保证了财务数据存储的安全性，并基于内存中的财务交易数据构建生成财务数据网络，搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离，根据路径累积距离对财务交易数据进行异常数据识别，保证了财务交易数据的正确性，并将数据规范化后的标准财务交易数据输入至训练好的财务数据分析模型中，得到准确的财务交易分析结果，根据财务分析结果对所述财务交易数据进行协同管理。因此本发明提出的面向安全持久性内存的财务数据协同管理装置可以解决财务数据协同管理的准确度较低的问题。
[0204]
如图3所示，是本发明一实施例提供的实现面向安全持久性内存的财务数据协同管理方法的电子设备的结构示意图。
[0205]
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如面向安全持久性内存的财务数据协同管理程序。
[0206]
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括
闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如面向安全持久性内存的财务数据协同管理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0207]
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如面向安全持久性内存的财务数据协同管理程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0208]
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0209]
所述总线13可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0210]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0211]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0212]
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
[0213]
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0214]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0215]
所述电子设备中的所述存储器11存储的面向安全持久性内存的财务数据协同管理程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0216]
获取预设财务数据系统中的财务数据库表，按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中；
[0217]
当接受到数据分析请求时，提取出所述内存中的财务交易数据并将所述财务交易数据表示为时间数据序列，根据所述时间数据序列构建生成财务数据网络；
[0218]
搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离；
[0219]
根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行异常数据识别，得到异常数据识别结果，并根据所述异常数据识别结果将所述财务交易数据进行数据规范化，得到标准财务数据；
[0220]
在预构建的bert模型中添加奇偶句编码层，得到编码器，从获取到的transformer模型中提取解码器，组合所述编码器和所述解码器，得到待训练数据分析模型；
[0221]
利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，将所述标准财务数据输入至所述财务数据分析模型中，得到财务分析结果，并根据所述财务分析结果对所述财务交易数据进行协同管理。
[0222]
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0223]
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0224]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0225]
获取预设财务数据系统中的财务数据库表，按照预设的存储顺序将所述财务数据库表中的财务数据存储至内存中；
[0226]
当接受到数据分析请求时，提取出所述内存中的财务交易数据并将所述财务交易数据表示为时间数据序列，根据所述时间数据序列构建生成财务数据网络；
[0227]
搜索出所述财务数据网络中的最佳路径，并利用所述距离计算公式计算所述最佳路径的路径累计距离；
[0228]
根据所述路径累计距离和预设参考距离值之间的大小对所述财务交易数据进行
异常数据识别，得到异常数据识别结果，并根据所述异常数据识别结果将所述财务交易数据进行数据规范化，得到标准财务数据；
[0229]
在预构建的bert模型中添加奇偶句编码层，得到编码器，从获取到的transformer模型中提取解码器，组合所述编码器和所述解码器，得到待训练数据分析模型；
[0230]
利用预获取的训练数据集训练所述待训练数据分析模型，得到财务数据分析模型，将所述标准财务数据输入至所述财务数据分析模型中，得到财务分析结果，并根据所述财务分析结果对所述财务交易数据进行协同管理。
[0231]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0232]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0233]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0234]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0235]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0236]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0237]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
[0238]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。