[发明专利]账务数据核对方法及账务数据核对装置

说明书

本申请实施例公开了一种账务数据核对方法及账务数据核对装置，用于实现记账记录与对账单记录的自动对账。本申请实施例方法包括：基于机器学习算法，使用提取到的正样本特征和负样本特征对待训练分类模型进行训练，在训练过程中待训练分类模型不断学习正样本特征和负样本特征，得到的目标分类模型可以用于核对记账记录和对账单记录，进而输出待核对的记账记录和对账单记录是否匹配的分类结果。因此，通过使用目标分类模型，可以实现记账记录和对账单记录的自动核对，节省了财务出纳人员的劳力付出，同时也避免了因人员失误而造成记账记录和对账单记录的核对出错。

技术领域

本申请实施例涉及账务数据核对领域，具体涉及一种账务数据核对方法及账务数据核对装置。

背景技术

在企业的财务管理活动中，日记账和银行对账单的对账清账问题是财务领域的关键问题，其中的关键技术在于日记账和银行对账单的相互匹配。当前，企业中的对账清账流程主要通过财务出纳人员将日记账与银行送来的对账单进行核对，在凭证的种类、编号、摘要内容、记账方向及借方金额和贷方金额等方面加以核对，做到账实相符。

然而，此种方式不仅要求出纳人员具备专业的知识背景和业务背景，而且还比较费时费力。此外，出纳人员在经过繁重的对账工作后，还容易出现失误。

为解决财务出纳人员在对账过程中的痛点问题，提升对账效率，寻找一种自动的对账方法成为了目前亟待解决的问题。

发明内容

本申请实施例提供了一种账务数据核对方法及账务数据核对装置，用于实现记账记录与对账单记录的自动对账。

本申请实施例第一方面提供了一种账务数据核对方法，包括：

获取携带有正样本标识的正样本和携带有负样本标识的负样本，所述正样本包括相互匹配的记账记录和对账单记录，所述负样本包括相互不匹配的记账记录和对账单记录；

分别对所述正样本和所述负样本进行特征提取，得到正样本特征和负样本特征，所述正样本特征为记账记录与对账单记录相互匹配所具备的特征，所述负样本特征为记账记录与对账单记录相互不匹配所具备的特征；

构建待训练分类模型，将所述正样本标识及所述正样本特征、所述负样本标识及所述负样本特征作为训练样本，并基于机器学习算法，利用所述训练样本对所述待训练分类模型进行训练，得到目标分类模型；

对待核对的记账记录和对账单记录进行特征提取，得到待识别特征；

向所述目标分类模型输入所述待识别特征，利用所述目标分类模型对所述待识别特征进行识别，输出所述待核对的记账记录和对账单记录是否匹配的分类结果。

本申请实施例第二方面提供了一种账务数据核对装置，包括：

获取单元，用于获取携带有正样本标识的正样本和携带有负样本标识的负样本，所述正样本包括相互匹配的记账记录和对账单记录，所述负样本包括相互不匹配的记账记录和对账单记录；

特征提取单元，用于分别对所述正样本和所述负样本进行特征提取，得到正样本特征和负样本特征，所述正样本特征为记账记录与对账单记录相互匹配所具备的特征，所述负样本特征为记账记录与对账单记录相互不匹配所具备的特征；

模型训练单元，用于构建待训练分类模型，将所述正样本标识及所述正样本特征、所述负样本标识及所述负样本特征作为训练样本，并基于机器学习算法，利用所述训练样本对所述待训练分类模型进行训练，得到目标分类模型；

所述获取单元还用于对待核对的记账记录和对账单记录进行特征提取，得到待识别特征；

核对单元，用于向所述目标分类模型输入所述待识别特征，利用所述目标分类模型对所述待识别特征进行识别，输出所述待核对的记账记录和对账单记录是否匹配的分类结果。