一种单据审核方法、装置、设备及介质与流程

1.本说明书涉及计算机技术领域，尤其涉及一种单据审核方法、装置、设备及介质。


背景技术：

2.单据审核是在单据提交后，由审核人员对单据正确性进一步审核确认。在发现单据错误的后，向提交人进行反馈。
3.传统的审核过程中，大都是审核人员人工进行审核，这将会花费大量的时间，由于被审核单据的类型较多，审核过程中还可能出现错误，遗漏错误的审核单据。


技术实现要素：

4.本说明书一个或多个实施例提供了一种单据审核方法、装置、设备及介质，用于解决背景技术提出的技术问题。
5.本说明书一个或多个实施例采用下述技术方案：
6.本说明书一个或多个实施例提供的一种单据审核方法，包括：
7.根据当前单据的单据信息确定单据类型和单据成分；
8.获取预先设定的所述单据类型对应的错误示例；
9.根据所述错误示例对所述单据成分进行匹配处理；
10.在所述当前单据中若匹配出指定错误示例，根据所述指定错误示例生成单据审核项。
11.可选的，所述获取预先设定的所述单据类型对应的错误示例前，所述方法还包括：
12.对各单据类型的错误原因进行聚类，得到所述各单据类型的错误示例。
13.可选的，所述对各单据类型的错误原因进行聚类，包括：
14.根据语义分析对所述各单据类型的错误原因进行聚类。
15.可选的，所述根据所述错误示例对所述单据成分进行匹配处理前，所述方法还包括：
16.将所述错误示例与所述单据成分分别转换为第一全量特征向量与第二全量特征向量；
17.分别对所述第一全量特征向量与所述第二全量特征向量进行降维处理，得到所述错误示例对应的第一主成分特征向量信息与所述单据成分对应的第二主成分特征向量信息；
18.所述根据所述错误示例对所述单据成分进行匹配处理，包括：
19.根据第一主成分特征向量信息对所述第二主成分特征向量信息进行匹配处理。
20.可选的，所述分别对所述第一全量特征向量与所述第二全量特征向量进行降维处理，包括：
21.根据主成分分析模型分别对所述第一全量特征向量与所述第二全量特征向量进行降维处理。
22.可选的，所述对各单据类型的错误原因进行聚类，包括：
23.a取所述当前单据所有主表信息作为单据信息，确定单据信息集合；
24.b定义聚类算法的分类的最大类别数；
25.c聚类运行框架中输入所述单据信息集合和所述最大类别数；
26.d随机分配类别中心点的位置；
27.e将每个点放入离该点最近的类别中心点所在的集合；
28.f移动类别中心点到该点所在的集合；
29.g转到e，直至收敛。
30.h得出最佳分组建议，对所述各单据类型的错误原因进行聚类的二次分组。
31.可选的，所述主成分分析模型的实现，包括：
32.相关前提参数的设定，定义n维向量，主表数据直接定义，子表增加行数标记进行定义，并定义主成分占据最小比例；
33.建立支主成分分析的运行框架，对所有提取数据进行标准化处理，保证数据的标准可用，中心化将每个变量减去每个变量自己的平均值，调用函数计算协方差矩阵及其特征值和特征向量，调用接口还原原始数据集，根据提前的主成分得出新的智能审核项。
34.本说明书一个或多个实施例提供的一种单据审核装置，所述装置包括：
35.确定单元，根据当前单据的单据信息确定单据类型和单据成分；
36.获取单元，获取预先设定的所述单据类型对应的错误示例；
37.匹配单元，根据所述错误示例对所述单据成分进行匹配处理；
38.生成单元，在所述当前单据中若匹配出指定错误示例，根据所述指定错误示例生成单据审核项。
39.本说明书一个或多个实施例提供的一种单据审核设备，包括：
40.至少一个处理器；以及，
41.与所述至少一个处理器通信连接的存储器；其中，
42.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
43.根据当前单据的单据信息确定单据类型和单据成分；
44.获取预先设定的所述单据类型对应的错误示例；
45.根据所述错误示例对所述单据成分进行匹配处理；
46.在所述当前单据中若匹配出指定错误示例，根据所述指定错误示例生成单据审核项。
47.本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
48.根据当前单据的单据信息确定单据类型和单据成分；
49.获取预先设定的所述单据类型对应的错误示例；
50.根据所述错误示例对所述单据成分进行匹配处理；
51.在所述当前单据中若匹配出指定错误示例，根据所述指定错误示例生成单据审核项。
52.本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
53.本说明书实施例通过获取对应的错误示例，进而生成单据审核项，可以大幅提高审核效率和制单准确性，减轻审核人员的工作负担。
附图说明
54.为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
55.图1为本说明书一个或多个实施例提供的一种单据审核方法的流程示意图；
56.图2为本说明书一个或多个实施例提供的一种单据审核装置的结构示意图；
57.图3为本说明书一个或多个实施例提供的一种单据审核设备的结构示意图。
具体实施方式
58.本说明书实施例提供一种单据审核方法、装置、设备及介质。
59.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
60.图1为本说明书一个或多个实施例提供的一种单据审核方法的流程示意图，该流程可以由单据审核系统执行。流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。
61.本说明书实施例的方法流程步骤如下：
62.s102，根据当前单据的单据信息确定单据类型和单据成分。
63.在本说明书实施例中，单据类型包括审批类、账表类与业务类，其中，审批类包括付款申请单、费用报销单、借款单、差旅费报销单、领款单等；账表类包括收支明细账、日记账、明细账、总分类账等；业务类包括收据、入库单、出库单等。单据成分为各单据类型的具体单据内容。
64.s104，获取预先设定的所述单据类型对应的错误示例。
65.在本说明书实施例中，错误示例可以为各单据类型的错误类型，比如，费用报销单的错误示例包括错误示例a、错误示例b、错误示例c。
66.在本说明书实施例中，获取预先设定的所述单据类型对应的错误示例前，可以对各单据类型的错误原因进行聚类，得到所述各单据类型的错误示例。
67.进一步的，本说明书实施例对各单据类型的错误原因进行聚类时，可以根据语义分析对所述各单据类型的错误原因进行聚类。
68.s106，根据所述错误示例对所述单据成分进行匹配处理。
69.在本说明书实施例中，根据错误示例对单据成分进行匹配处理时，可以根据单据成分中的语义信息，与所述错误示例进行匹配，比如，单据成分缺少填报日期，错误示例a为缺少填报日期，在匹配处理时即可以匹配出对应的错误示例a。
70.在本说明书实施例中，根据所述错误示例对所述单据成分进行匹配处理前，可以将所述错误示例与所述单据成分分别转换为第一全量特征向量与第二全量特征向量；分别对所述第一全量特征向量与所述第二全量特征向量进行降维处理，得到所述错误示例对应的第一主成分特征向量信息与所述单据成分对应的第二主成分特征向量信息。
71.进一步的，根据所述错误示例对所述单据成分进行匹配处理时，可以根据第一主成分特征向量信息对所述第二主成分特征向量信息进行匹配处理。
72.进一步的，分别对所述第一全量特征向量与所述第二全量特征向量进行降维处理时，可以根据主成分分析模型分别对所述第一全量特征向量与所述第二全量特征向量进行降维处理。
73.s108，在所述当前单据中若匹配出指定错误示例，根据所述指定错误示例生成单据审核项。
74.在本说明书实施例中，若匹配出指定错误示例，可以说明当前单据存在问题，即可以根据指定错误示例生成单据审核项。单据审核项可以是在当前单据标记出错误，进而生成的审核项。
75.在本说明书实施例中，对各单据类型的错误原因进行聚类，可以通过下述具体步骤：
76.a、取所述当前单据所有主表信息作为单据信息，确定单据信息集合；
77.b、定义聚类算法的分类的最大类别数；
78.c、聚类运行框架中输入所述单据信息集合和所述最大类别数；
79.d、随机分配类别中心点的位置；
80.e、将每个点放入离该点最近的类别中心点所在的集合；
81.f、移动类别中心点到该点所在的集合；
82.g、转到e，直至收敛。
83.h、得出最佳分组建议，对所述各单据类型的错误原因进行聚类的二次分组。
84.在本说明书实施例中，主成分分析模型的实现时，可以通过下述具体步骤：
85.相关前提参数的设定，定义n维向量，主表数据直接定义，子表增加行数标记进行定义，并定义主成分占据最小比例；
86.建立支主成分分析的运行框架，对所有提取数据进行标准化处理，保证数据的标准可用，中心化将每个变量减去每个变量自己的平均值，调用函数计算协方差矩阵及其特征值和特征向量，调用接口还原原始数据集，根据提前的主成分得出新的智能审核项。
87.本说明书实施例可以针对erp差旅费控云产品的审批、审核环节使用，属于对常见错误导致退单的归纳总结，提取多个错误交叉点根据分析到的主成
88.分进行特殊标识和自动识别，在提取主成分之前先对错误内容进行聚类分析，5对不同的场景进行主成分分析得出不同场景下对应的错误原因，辅助对应人员
89.审批、审核的一种实现方法。该实现方法在单纯的主成分分析的基础上引入聚类的概念。首先对不同的错单进行聚类分析，针对不同的错单分别进行主成分的分析，进而更为精确的锁定导致不同单据错误的根本原因，尽可能的提高方
90.法的可用性和精确性。该说明书实施例可以生成多个智能审核构件，可以协助0填单人自查、审批人重点关注易错项、审核人员减少生成错误凭证的概率，减
91.少报账过程的反复，提高报账效率。
92.本说明书实施例提供了一种基于主成分分析智能生成审核检查项方法，包括以下内容：
93.a、财务审核时一般可以根据单据类型进行分开审核，每个单据类型对应5的智能审核项因业务需求不一致，一般都是不一样的。根据共享池内记录的单据信息可以提取出对应的单据类型和其他单据成分，根据错误原因可以对单据进行简单的聚类，以单据类型和错误原因进行聚类以便提高后续主成分提取的可靠性。
94.b、主成分分析模型可以使用pca方法，首先选择特征向量，特征向量的0选取基于单据类型对应主字段、关键子表关键信息合并大文本、审批意见等，
95.由于主字段、子表众多使用pca方法进行降维，提取固定到k维的关键信息。提出出现频率大于m的多维信息对应的错单内容生成智能审核项，同时可以修正审核提示信息。
96.进一步的，对于a所述的内容，具体可以包括：5(1)单据类型分组，首先根据单据信息进行分类
97.(2)对分类后的各类型的错单原因进行简单的聚类得出二次分类，可以减少错单原因以及明确出错单原因和错单单据的对应关系。
98.(3)数据归一化。对所有提前向量数据进行标定归一处理，尤其是文本信息进行归纳。
99.进一步的，对于b所述的内容，具体可以包括：
100.(1)根据上述不同的聚类结果，进行原始数据的全量特征向量的设置。
101.(2)使用pca方法进行单据信息和结果的对应的降维处理，获取出对应的k为主成分特征向量信息，以便剔除掉更多的非关键信息，降低对全量单据的数据的要求，避免维度灾难，提高模型的识别速度，降低非关键信息对模型的干扰。
102.需要说明的是，传统企业的会计人员在审核环节的逻辑，就是人眼先识别信息，储存在大脑里，然后根据大脑记忆的审核规则，对这些数据信息作出判断。目前市面上推广的智能审核其实都是相对改进的rpa，业务预制部分控制逻辑根据固有逻辑进行遍历执行，但是如企业审核单据需要根据企业实际情况做出决策判断的业务，产品和用户很难预制全面逻辑，此时rpa就再无发挥之地。这时候就需要用到基于企业数据分析反向辅助归纳总结规则的方法来解决这类问题。
103.本说明书实施例旨在协助审核人员完成单据的预审查，乃至完成全部审查，降低审查工作量提交审查效率，避免出现漏查、错查的问题；对比传统的rpa审查，增加了自动归纳总结反向生成规则的过程，降低的系统的初始工作量，满足业务的不断完善变更；同时生成的审核检查项还可以应用到制单环节，前置一些审查直接在填报阶段就避免错单的形成；完善管控策略，提交管控效率，实现智能财务。
104.需要说明的是，本说明书实施例可以按照下面的方式进行实现的：
105.1.聚类分组的实现
106.1)相关前提参数的设定。
107.a)取单据所有主表信息和关键主表信息作为全部单据信息，明确初步分类变量：单据大类标识billclass、单据类型唯一标识billtype，定义制单人唯一标识：peopleid,定义费用项目为expense；
108.b)定义聚类算法k-means的分类允许的最大类别数为5，初始定义点颜色scalar1,scalar2,scalar3,scalar4,scalar5
109.2)建立果k-means运行框架。
110.a)输入初步分好组的单据信息集合和类别数k；
111.b)随机分配类别中心点的位置；
112.c)将每个点放入离它最近的类别中心点所在的集合；
113.d)移动类别中心点到它所在的集合；
114.e)转到第3步，直至收敛。
115.f)得出最佳分组建议，进行聚类的二次分组
116.2.主成分分析模型的实现
117.1)相关前提参数的设定。
118.a)定义n维向量，主表数据直接定义，子表需要增加行数标记进行定义
119.b)定义主成分占据最小比例components＝0.95
120.2)建立支主成分分析的运行框架。
121.a)对所有提取数据进行标准化处理，保证数据的标准可用
122.b)中心化将每个变量减去每个变量自己的平均值
123.c)调用函数计算协方差矩阵及其特征值和特征向量
124.d)调用接口还原原始数据集
125.3)根据提前的主成分得出新的智能审核项。
126.需要说明的是，本说明书实施例具有功能和有益效果：
127.1.采用主成分分析智能生成审核检查项，大幅提高审核效率和制单准确性，减轻审核人员的工作负担，弥补rpa类智能审核对人工预制的依赖，提高系统的适用力和自我迭代能力。
128.2.先行聚类后分析的方式提高了主成分提取的准备性，通过细化模型和场景得到更多的复合特有场景的审核项。
129.图2为说明书一个或多个实施例提供的一种单据审核装置的结构示意图，所述装置包括：确定单元202、获取单元204、匹配单元206与生成单元208。
130.确定单元202，根据当前单据的单据信息确定单据类型和单据成分；
131.获取单元204，获取预先设定的所述单据类型对应的错误示例；
132.匹配单元206，根据所述错误示例对所述单据成分进行匹配处理；
133.生成单元208，在所述当前单据中若匹配出指定错误示例，根据所述指定错误示例生成单据审核项。
134.图3为本说明书一个或多个实施例提供的一种单据审核设备的结构示意图，包括：
135.至少一个处理器；以及，
136.与所述至少一个处理器通信连接的存储器；其中，
137.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
138.根据当前单据的单据信息确定单据类型和单据成分；
139.获取预先设定的所述单据类型对应的错误示例；
140.根据所述错误示例对所述单据成分进行匹配处理；
141.在所述当前单据中若匹配出指定错误示例，根据所述指定错误示例生成单据审核项。
142.本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
143.根据当前单据的单据信息确定单据类型和单据成分；
144.获取预先设定的所述单据类型对应的错误示例；
145.根据所述错误示例对所述单据成分进行匹配处理；
146.在所述当前单据中若匹配出指定错误示例，根据所述指定错误示例生成单据审核项。
147.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
148.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
149.以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。