[發明專利]財務數據處理方法及系統

有效

• 申請號: 202210093647.8
• 申請日: 2022-01-26
• 公開（公告）號: CN114511393B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 張政
• 申請（專利權）人: 廣州和頌教育科技有限公司
• 主分類號: G06Q40/12
• 分類號: G06Q40/12;G06N3/0464
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種財務數據處理方法，其特征在于，包括：

獲取待處理對象的對象標識信息，基于所述對象標識信息獲取對應的目標對象的第一財務信息和第二財務信息；其中所述第一財務信息與所述第二財務信息的類型不同，且不同的所述目標對象對應的第二財務信息不同，所述第一財務信息包括所述目標對象對應的至少一個費用項目信息以及每個所述費用項目信息對應的費用信息；

基于所述目標對象的每個所述費用項目信息、每個所述費用項目信息對應的費用信息以及所述第二財務信息，確定所述目標對象的第三財務信息；

將所述第三財務信息和所述對象標識信息輸入財務管理系統，以使所述財務管理系統基于所述第三財務信息和所述對象標識信息生成所述目標對象的對賬信息；

其中，所述基于所述對象標識信息獲取對應的目標對象的第一財務信息，包括：

基于所述對象標識信息獲取所述目標對象對應的目標圖像，所述目標圖像包含所述目標對象對應的至少一個費用項目信息以及每個所述費用項目信息對應的費用信息：

將所述目標圖像輸入預設圖像識別模型，以識別得到所述目標對象的至少一個費用項目信息以及每個所述費用項目信息對應的費用信息；其中，所述預設圖像識別模型是預先基于多個樣本圖像以及每個所述樣本圖像中的指定信息對原始圖像識別模型訓練得到的，所述多個樣本圖像均包括樣本第一財務信息，每個所述樣本圖像中的指定信息包括樣本第一財務信息所在的頁碼數據；

其中，所述預設圖像識別模型包括卷積神經網絡，以及與所述卷積神經網絡并列連接的兩個全連接層；所述將所述目標圖像輸入預設圖像識別模型，以識別得到所述目標對象的至少一個費用項目信息以及每個所述費用項目信息對應的費用信息，包括：

將所述目標圖像輸入所述卷積神經網絡，以得到第一預設圖像區域的第一特征圖和第二預設圖像區域的第二特征圖；其中所述第一預設圖像區域是所述目標圖像中包含至少一個預設關鍵詞的圖像區域，所述至少一個預設關鍵詞與所述目標圖像中的所述第一財務信息中記錄的費用項目相關，所述第二預設圖像區域是所述目標圖像中與所述第一預設圖像區域相鄰的區域；

將所述第一特征圖輸入一個所述全連接層以得到所述目標對象的至少一個費用項目信息，同時將所述第二特征圖輸入另一個所述全連接層以得到所述目標對象的每個所述費用項目信息對應的費用信息。

2.根據權利要求1所述的方法，其特征在于，所述目標圖像至少包括所述目標對象對應的合同文本的圖像。

3.根據權利要求1所述的方法，其特征在于，所述第二財務信息至少包括所述目標對象對應的卡券信息。

4.根據權利要求1所述的方法，其特征在于，所述目標對象包括學員，所述對象標識信息至少包括所述學員的身份證號碼、手機號碼和/或生物特征信息。

5.根據權利要求4所述的方法，其特征在于，還包括：

將所述對賬信息發送至所述對象標識信息指示的移動終端；

接收到所述移動終端發來的確認信息時，基于所述第三財務信息生成付費信息，將所述付費信息發送至所述移動終端，以使用戶在所述移動終端上基于所述付費信息完成支付操作。

6.一種財務數據處理系統，其特征在于，包括：

信息獲取模塊，用于獲取待處理對象的對象標識信息，基于所述對象標識信息獲取對應的目標對象的第一財務信息和第二財務信息；其中所述第一財務信息與所述第二財務信息的類型不同，且不同的所述目標對象 的第二財務信息不同，所述第一財務信息包括所述目標對象對應的至少一個費用項目信息以及每個所述費用項目信息對應的費用信息；

信息確定模塊，用于基于所述目標對象的每個所述費用項目信息、每個所述費用項目信息對應的費用信息以及所述第二財務信息，確定所述目標對象的第三財務信息；

信息處理模塊，用于將所述第三財務信息和所述對象標識信息輸入財務管理系統，以使所述財務管理系統基于所述第三財務信息和所述對象標識信息生成所述目標對象的對賬信息；

其中，所述信息獲取模塊，具體用于：

基于所述對象標識信息獲取所述目標對象對應的目標圖像，所述目標圖像包含所述目標對象對應的至少一個費用項目信息以及每個所述費用項目信息對應的費用信息：

將所述目標圖像輸入預設圖像識別模型，以識別得到所述目標對象的至少一個費用項目信息以及每個所述費用項目信息對應的費用信息；其中，所述預設圖像識別模型是預先基于多個樣本圖像以及每個所述樣本圖像中的指定信息對原始圖像識別模型訓練得到的，所述多個樣本圖像均包括樣本第一財務信息，每個所述樣本圖像中的指定信息包括樣本第一財務信息所在的頁碼數據；

其中，所述預設圖像識別模型包括卷積神經網絡，以及與所述卷積神經網絡并列連接的兩個全連接層；所述信息獲取模塊，進一步用于：

將所述目標圖像輸入所述卷積神經網絡，以得到第一預設圖像區域的第一特征圖和第二預設圖像區域的第二特征圖；其中所述第一預設圖像區域是所述目標圖像中包含至少一個預設關鍵詞的圖像區域，所述至少一個預設關鍵詞與所述目標圖像中的所述第一財務信息中記錄的費用項目相關，所述第二預設圖像區域是所述目標圖像中與所述第一預設圖像區域相鄰的區域；

將所述第一特征圖輸入一個所述全連接層以得到所述目標對象的至少一個費用項目信息，同時將所述第二特征圖輸入另一個所述全連接層以得到所述目標對象的每個所述費用項目信息對應的費用信息。