[发明专利]基于机器学习模型的单据生成凭证方法及设备

权利要求书

1.一种基于机器学习模型的单据生成凭证方法，其特征在于，包括：

获取待处理单据数据；

根据所述待处理单据数据，基于所述待处理单据数据对应的模板匹配度模型，得到所述待处理单据数据的业务类别，及所述业务类别对应的专用处理模板；

基于所述专用处理模板对所述待处理单据数据进行处理，生成凭证数据；

方法还包括：

获取历史单据数据作为样本数据；

通过聚类方法对所述样本数据进行聚类，得到不同业务类别的样本数据；

确定各个业务类别与预设的专用处理模板的对应关系，以根据不同业务类别的样本数据及业务类别对应的专用处理模板，建立所述模板匹配度模型；

确定所述样本数据对通用可处理数据的置信度；以根据所述样本数据及所述样本数据对所述通用可处理数据的置信度，建立所述模板匹配度模型；

根据所述待处理单据数据，基于所述待处理单据数据对应的模板匹配度模型，得到所述待处理单据数据对所述通用可处理数据的置信度；

所述基于所述专用处理模板对所述待处理单据数据进行处理，生成凭证数据，具体包括：

在所述待处理单据数据对所述通用可处理数据的置信度高于预设阈值时，基于所述待处理单据数据的业务类别对应的专用处理模板对所述待处理单据数据进行处理，生成凭证数据；

在所述待处理单据数据对所述通用可处理数据的置信度低于预设阈值时，通过预设的算法分析所述置信度低于预设阈值的异常原因，并将所述异常原因进行上报。

2.根据权利要求1所述的方法，其特征在于，还包括：

判断所述凭证数据是否合规，并在所述凭证数据不合规时进行上报。

3.根据权利要求1所述的方法，其特征在于，还包括：

在所述待处理单据数据对所述通用可处理数据的置信度低于预设阈值时，向用户发送无法处理此类业务的信息。

4.根据权利要求1所述的方法，其特征在于，所述待处理单据数据具有多个数值项；

所述基于所述专用处理模板对所述待处理单据数据进行处理，生成凭证数据，具体包括：

通过预设的模板解析器对所述专用处理模板进行解析，得到所述专用处理模板中与所述待处理单据数据各个数值项对应的计算式；

执行所述计算式，对所述待处理单据数据的各个数值项进行计算，得到所述凭证数据。

5.根据权利要求1所述的方法，其特征在于，还包括：

在根据所述待处理单据数据生成凭证数据时，将所述待处理单据数据标记为已处理业务并存入数据库；

在所述待处理单据数据对所述通用可处理数据的置信度低于预设阈值时，将所述待处理单据数据标记为暂不支持业务并存入数据库；

接收业务人员上传的新增处理模板；

接收业务人员对所述专用处理模板进行调整后生成的调整处理模板；

基于所述新增处理模板或所述调整处理模板对被标记为暂不支持业务的所述待处理单据数据进行处理，生成凭证数据。

6.一种基于机器学习模型的单据生成凭证设备，其特征在于，包括：

处理器和存储器；

所述处理器与存储器通过通信总线相连接：

其中，所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器，用于存储程序，所述程序至少用于执行权利要求1-5任一项所述的基于机器学习模型的单据生成凭证方法。