大数据、人工智能与财税服务创新

发布时间：2020-10-20 21:57

　　 传统的财税工作模式呈现出重复、繁杂、低效,耗费大量的时间与人力的特点。基于大数据、人工智能的智能财税服务,实现了票据自动识别、语义解析、自动记账、机器审核、自动对账甚至一键报税等财税新模式。财税领域的大数据平台与财税智能机器人,根据具体规则,持续、高效地运作,操作简单,极大地提升财税工作的效率,降低人为失误。介绍了大数据、人工智能在财税实务领域创新的初步成果,依次论述了大数据技术,人工智能,财务领域大数据平台,财税智能机器人,大数据、人工智能在财税领域的关键技术问题。其中,财税智能机器人具体包括:费用稽核机器人、应收应付机器人、行政事业单位核算机器人、合同比对机器人、纳税服务机器人。关键技术包括:票据识别技术,语义识别技术,自动记账,一键报税。以达到对大数据、人工智能对财税领域的创新有全面而深刻认识的目的。
【部分图文】：

文字识别完成后还需要智能修正,根据业务逻辑进行验证,利用深度学习及数据爬虫技术进行业务逻辑校验,大数据技术自动积累票据及客户的相关信息,利用数据爬虫获取外部相关数据,采用深度学习的方式获取票据的业务逻辑并进行验证,利用大数据进行智能纠偏,查找错误并自动修正,准确率可达90%-97%。深度学习的全文识别技术,采用人工智能的深度学习算法及全文识别算法结合预设模版,区分不同版面类别,为快速精准识别票据信息奠定基础模版。识别率可达98%,仅2%的需要人工干预理票;机器自动定位获取字段位置,自动定位准确率可达95%。图像算法技术运用人工智能的深度学习算法自动进行精确切割,切割准确率高达100%。OCR技术通过OCR技术和定位信息将图片信息转化为文本信息,OCR识别率水平可达70%～80%。

财税服务场景中,有大量的重复工作,比如生成凭证、记入账户、票据稽核、报销场景的审计等,在具体业务场景的辨析中,一项耗费是记入固定资产还是无形资产,是记入存货还是费用?合同规定的关键信息,如何有效地反映?需要运用什么样的会计政策?等等都需要应用语义识别进行辨析。利用大数据技术在财税领域运用语义识别,是给机器人装上语义理解的引擎,利用语义识别进行关键词提取,主题提取/预测,语义距离分析,可以极大的提高业务效率。采用机器学习的方法提炼语义分析模型核心价值,需要基于行业专家的最佳实践,积累样板,借助电商网站、国标网站上公布的行业标准,作为体系化学习的语料/样本;将种类繁多的信息通过分词技术打散,为语义分析、情感分析提供样本支持;基于分布式大数据平台的高效计算能力,提供实时的服务;结合财税日常业务流水、补充外部信息形成巨大的语料/样本、利用大数据高效计算提炼专家模型,反过来推动业务低成本高速发展。财税机器人语义理解引擎的数据是基于对业务流水数据和公司内外信息,业务流水大数据是针对企业财务管理过程中的票据、合同、电子化凭证以及其他纸质凭证、记录等传统模型的信息进行影像化,形成业务流水大数据。同时,将财务业务场景过程中的数据信息接口对接形成大数据流。企业内外信息是通过爬虫采集技术,收集大量的电商/商品明细、零售商品明细、行业标准规范、互联网舆情/商情信息以及历史业务样本数据。并且,利用强大的数据处理技术,对数据进行清洗、整合,形成高质量的样本数据。结合专家的经验,对样本进行批量分类。

实现自动记账需要多种数据来源,目前智能财税行业已经开发出互联网云平台加免费使用,众包模式,可以采用免费的票据识别,获取大量企业的记账数据。大规模机器学习、人工智能的建模平台已经应用Spark、Graphlab、Parameter Server以及GPU异构计算(Caffe、 torch、tensorflow)等的多种技术,包含用于图像的卷积神经网络,用于视频/文本的循环神经网络,基于大数据关联分析的财务反欺诈技术,基于深度学习等财务预测系统参考值与实际值比对的异常检测建模与技术等。建模云平台数字化所有的信息并进行集成,同时将业务票据凭证和企业ERP、OA、财务软件、MIS、CRM等系统对接,识别出常规会计事项,预配置或机器学习。其中,会计事项识别包括差旅费报销,医药费报销,采购固定资产,采购原材料,在建工程,租赁办公场所,确认产成品成本等在内的各种会计事项,根据会计事项,结合信息配置科目,预配置或机器学习。识别会计事项后,需要基于深度学习,用数据标记对应场景,生成业务场景数据,根据单据和其他信息形成会计凭证(分录)的数据来源,与业务场景对应的记账对应的规则进行会计凭证配置与记账。在整个过程中不断反馈,深度学习不断优化,最终实现单据数据自动采集、机器学习自动记账。并为智能机器对账分录、自动报税等奠定基础。4.一键报税
【相似文献】

相关期刊论文 前10条

1 赵治远;;基于大数据的医院信息化建设思路[J];中国新通信;2018年12期

2 耿明;;基于人工智能+大数据的科学精准传播[J];科协论坛;2017年05期

3 刘鹏;;大数据、人工智能发展与应用[J];视听界(广播电视技术);2018年04期

4 刘镇源;;基于云平台的大数据信息安全机制研究[J];通讯世界;2017年22期

5 严卫;钱振江;周立凡;肖乐;;人工智能大数据伦理问题的研究[J];科技风;2019年28期

6 孙艳华;;场景分类在数字出版中的应用[J];出版发行研究;2019年03期

7 张恺;;大数据人工智能时代的智慧交通研究[J];中国新通信;2019年16期

8 杨耀庭;;大数据是企业信息化建设的核心[J];建筑技术开发;2017年02期

9 姚德生;;大数据时代下的智能安防浅析[J];中国安全防范技术与应用;2019年03期

10 俞华锋;;大数据下基于Spark的电商智能推荐云平台的研究[J];科技视界;2018年26期

相关博士学位论文 前1条

1 万好;滤波视觉跟踪算法研究及在智能机器人中的应用[D];华南理工大学;2019年

相关硕士学位论文 前10条

1 吴雅锋;基于考试成绩得分的知识点关联关系分析研究[D];华中科技大学;2019年

2 高玉;移动程序化场景营销策略研究[D];浙江传媒学院;2019年

3 朱建楠;大数据下的用户金融肖像模型及其反馈演化机制研究[D];兰州交通大学;2018年

4 侯淇钟;大数据在涉恐人员管控中的应用研究[D];中国人民公安大学;2018年

5 张明成;大数据视角下的相关性思维研究[D];太原科技大学;2018年

6 韩名豪;基于Hadoop的新闻事件数据查询与分析[D];北京邮电大学;2018年

7 李玫;基于智能机器人平台的科学课程教学模式构建及实证研究[D];陕西师范大学;2018年

8 张继国;面向全自主智能机器人的双目视觉技术研究[D];哈尔滨工业大学;2012年

9 程琳琳;文档自动评阅与课程学习大数据平台研究与实现[D];电子科技大学;2020年

10 李莉;大数据发展中的中国社会公正问题研究[D];延安大学;2016年

本文编号：2849207