金融行业标准网
(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111546442.2 (22)申请日 2021.12.17 (65)同一申请的已公布的文献号 申请公布号 CN 113935723 A (43)申请公布日 2022.01.14 (73)专利权人 畅捷通信息技 术股份有限公司 地址 100094 北京市海淀区永丰路9号院3 号楼3层 (72)发明人 黄斌  (74)专利代理 机构 北京智乾知识产权代理事务 所(普通合伙) 11552 代理人 王晋 (51)Int.Cl. G06Q 10/10(2012.01) G06Q 10/04(2012.01)G06Q 40/00(2012.01) G06K 9/62(2022.01) G06N 3/08(2006.01) (56)对比文件 CN 110119977 A,2019.08.13 CN 110517130 A,2019.1 1.29 CN 111652703 A,2020.09.1 1 CN 112529680 A,2021.0 3.19 CN 111861690 A,2020.10.3 0 US 2005086135 A1,2005.04.21 US 20212413 31 A1,2021.08.0 5 Abhishek Si ngh等.The C -loss functi on for pattern clas sificati on. 《Pattern Recognition》 .2014,第4 41-453页. 审查员 王欣玥 (54)发明名称 一种基于优化损失的记账凭证生 成方法、 装 置及存储介质 (57)摘要 本发明提出了一种基于优化损失的记账凭 证生成方法、 装置及存储介质, 该方法包括: 优化 步骤, 使用优化的损失函数基于历史数据训练初 始化的预测模 型得到训练后的优化预测模型; 识 别步骤, 使用所述优化预测模型对日记账数据进 行预测分类, 得到所述日记账数据的类别; 选择 步骤, 从预置的策略对应关系表中选择与预测得 到的日记账数据的类别对应的一处理策略; 处理 步骤, 基于所选择的处理策略对 所述日记账数据 进行处理生成记账凭证。 本发明中对传统的损失 函数进行了优化, 将n个样 本中按照 从小到大排序中的前k个进行方差计算, 然后, 对 于方差值较大的后n ‑k的样本, 采用 进行计算, 提升了整体凭证生成的准确率。 权利要求书3页 说明书8页 附图2页 CN 113935723 B 2022.02.25 CN 113935723 B 1.一种基于优化损失的记账凭证生成方法, 其特 征在于, 该 方法包括: 优化步骤, 使用优化的损失函数基于历史数据训练初始化的预测模型得到训练后的优 化预测模型; 识别步骤, 使用所述优化预测模型对日记账数据进行预测分类, 得到所述日记账数据 的类别; 选择步骤, 从预置的策略对应关系表中选择与 预测得到的日记账数据的类别对应的一 处理策略; 处理步骤, 基于所选择的处理策略对所述日记账数据进行处理生成记账凭证; 其中, 所 述优化的损失函数为: 其中, n表示训练样本的个数, 、 表示样本的真值, 、 表示样本的预测值, MIN (, ) 表示求两个数中的最小的一个, k表示n个样本中按照 从小到大排序中的 前k个, k<n。 2.根据权利要求1所述的方法, 其特征在于, 在所述选择步骤中, 如果日记账数据的类 别为社保, 则从策略对应关系表中选择社保处理策略, 所述社保处理策略为: 基于工 资表数 据确定‘应付职工薪酬—应付社会保险费 ‑单位部分’与‘其他应付款—社会保险费 ‑个人部 分’用于生成记账凭证; 在所述选择步骤中, 如果日记账数据的类别为增值税, 则从策略对 应关系表中选择增值税处理策略, 所述增值税处理策略为: 基于日记账数据的缴税金额进 行增值税四科目拆分用于生成记账凭证。 3.根据权利要求2所述的方法, 其特征在于, 在所述处理步骤中, 基于社保处理策略对 日记账数据的处理为: 在日记账数据中查找工 资表数据, 如果存在工 资表数据, 则在工 资表 数据中查找社保总金额是否等于上月社保的单位+个人费用, 若是, 则按单位+个人自动记 账, 若否, 继续查找社保总金额是否等于本月社保的单位+个人费用, 若 是则按单位+个人自 动记账, 若社保总金额不等于上月或本月的社保的单位+个人费用, 则以个人部分全额优 先、 单位部 分做差值的方式进 行记账, 若个人部分超过总金额, 则按个人部 分为总金额的方 式进行记账; 若不存在工 资表数据, 则不进 行拆分社保单位部 分和个人部 分, 按民非会计准 则, 优先匹配 ‘应付职工薪酬—应付社会保险费 ’, 如果没有该项记录, 则自动创建该项记 录; 在个人部分的处理规则为: 优先匹配 ‘其他应付款 ‑社会保险费 ’如果有该项, 则进行记 录, 如没有 该项, 且其他应付款有明细科目的, 自动创建此明细科目数据 记录, 如没有 该项, 且其他应付款有辅助核算的, 则需要用户自己选择数据 记录, 如没有此项, 且其他应付款科 目没有明细科目和辅助核算, 则使用其他应付款进 行记录; 在单位部 分的处理规则为: 按民 非会计准则, 优先匹配 ‘应付职工薪酬—应付社会保险费 ’, 如有该项则进行记录, 如没有, 则自动创建该项记录, 然后 从数据库获取对方科目及金额, 加上上述记录及当前日记账账 户对应的科目及金额 生成记账凭证。 4.根据权利要求2所述的方法, 其特征在于, 在所述处理步骤中, 基于增值税处理策略 对日记账数据的处理为: 获取日记账数据的税金总额, 按明细金额, 查找上月对应的科目贷权 利 要 求 书 1/3 页 2 CN 113935723 B 2方发生额, 若与四科目合计相等, 则按四科目拆分进 行记账; 若与四科目间的任意组合的合 计相等, 按对应科目拆分进行记账; 如果不相等, 则直接计入增值税对应科目, 然后从数据 库获取对方科目及金额, 加上当前日记账账户对应的科目及金额生成记账凭证; 所述四科 目为: 增值税、 应交税费—应交城市维护建设税、 应交税费 ‑教育费附加和应交税费 ‑应交地 方教育附加, 所述增值税的项目包括: 应交税 费‑应交增值税 ‑小规模纳税人、 应交税费 ‑未 交增值税 ‑一般纳税人和应交税费 ‑未交增值税 ‑民非。 5.一种基于优化损失的记账凭证生成装置, 其特 征在于, 该装置包括: 优化单元, 使用优化的损失函数基于历史数据训练初始化的预测模型得到训练后的优 化预测模型; 识别单元, 使用所述优化预测模型对日记账数据进行预测分类, 得到所述日记账数据 的类别; 选择单元, 从预置的策略对应关系表中选择与 预测得到的日记账数据的类别对应的一 处理策略; 处理单元, 基于所选择的处 理策略对所述日记账 数据进行处 理生成记账凭证; 其中, 所述优化的损失函数为: 其中, n表示训练样本的个数, 、 表示样本的真值, 、 表示样本的预测值, MIN (, ) 表示求两个数中的最小的一个, k表示n个样本中按照 从小到大排序中的 前k个, k<n。 6.根据权利要求5所述的装置, 其特征在于, 在所述选择单元中, 如果日记账数据的类 别为社保, 则从策略对应关系表中选择社保处理策略, 所述社保处理策略为: 基于工 资表数 据确定‘应付职工薪酬—应付社会保险费 ‑单位部分’与‘其他应付款—社会保险费 ‑个人部 分’用于生成记账凭证; 在所述选择单元中, 如果日记账数据的类别为增值税, 则从策略对 应关系表中选择增值税处理策略, 所述增值税处理策略为: 基于日记账数据的缴税金额进 行增值税四科目拆分用于生成记账凭证。 7.根据权利要求6所述的装置, 其特征在于, 在所述处理单元中, 基于社保处理策略对 日记账数据的处理为: 在日记账数据中查找工 资表数据, 如果存在工 资表数据, 则在工 资表 数据中查找社保总金额是否等于上月社保的单位+个人费用, 若是, 则按单位+个人自动记 账, 若否, 继续查找社保总金额是否等于本月社保的单位+个人费用, 若 是则按单位+个人自 动记账, 若社保总金额不等于上月或本月的社保的单位+个人费用, 则以个人部分全额优 先、 单位部 分做差值的方式进 行记账, 若个人部分超过总金额, 则按个人部 分为总金额的方 式进行记账; 若不存在工 资表数据, 则不进 行拆分社保单位部 分和个人部 分, 按民非会计准 则, 优先匹配 ‘应付职工薪酬—应付社会保险费 ’, 如果没有该项记录, 则自动创建该项记 录; 在个人部分的处理规则为: 优先匹配 ‘其他应付款 ‑社会保险费 ’如果有该项, 则进行记 录, 如没有 该项, 且其他应付款有明细科目的, 自动创建此明细科目数据 记录, 如没有 该项, 且其他应付款有辅助核算的, 则需要用户自己选择数据 记录, 如没有此项, 且其他应付款科权 利 要 求 书 2/3 页 3 CN 113935723 B 3

.PDF文档 专利 一种基于优化损失的记账凭证生成方法、装置及存储介质

文档预览
中文文档 14 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共14页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种基于优化损失的记账凭证生成方法、装置及存储介质 第 1 页 专利 一种基于优化损失的记账凭证生成方法、装置及存储介质 第 2 页 专利 一种基于优化损失的记账凭证生成方法、装置及存储介质 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-19 03:08:02上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。