JP6161229B1 - Automatic journal entry system and automatic journal entry program - Google Patents
Automatic journal entry system and automatic journal entry program Download PDFInfo
- Publication number
- JP6161229B1 JP6161229B1 JP2017029674A JP2017029674A JP6161229B1 JP 6161229 B1 JP6161229 B1 JP 6161229B1 JP 2017029674 A JP2017029674 A JP 2017029674A JP 2017029674 A JP2017029674 A JP 2017029674A JP 6161229 B1 JP6161229 B1 JP 6161229B1
- Authority
- JP
- Japan
- Prior art keywords
- journal
- user
- learning device
- automatic
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 42
- 230000006870 function Effects 0.000 claims abstract description 7
- 238000012790 confirmation Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
【課題】ユーザにとって正しい期待結果でない可能性がある仕訳の抽出作業や修正作業の効率化を図る。【解決手段】学習器6は、教師データを用いた教師あり学習によって、自己が有する関数の内部パラメータが調整されている。この教師データは、少なくとも取引情報を含む入力データと、分類すべき勘定科目を示す出力データとが対応付けられている。適合率記憶部11は、教師データとして与えられた取引情報が学習器6において正しい勘定科目に分類されている確率を示す分類適合率を勘定科目に対応付けて記憶している。仕訳処理部5は、ユーザより仕訳を依頼された取引に関する取引情報を含む入力データを学習器6に入力し、学習器6より出力された出力データに基づいて取引を仕訳する。それとともに、仕訳処理部5は、この出力データによって特定された勘定科目に関する分類適合率に応じて、ユーザに対する仕訳結果の提示形態を選択する。【選択図】図2The present invention aims to improve the efficiency of the work of extracting and correcting journal entries that may not have the correct expected result for the user. A learning device adjusts internal parameters of a function of the learning device by supervised learning using teacher data. In this teacher data, input data including at least transaction information is associated with output data indicating account items to be classified. The relevance rate storage unit 11 stores a classification relevance rate indicating the probability that transaction information given as teacher data is classified as a correct account item in the learning device 6 in association with the account item. The journal processing unit 5 inputs input data including transaction information related to a transaction requested by the user to the learning device 6, and journalizes the transaction based on the output data output from the learning device 6. At the same time, the journal processing unit 5 selects the form of presenting the journal results to the user according to the classification relevance ratio for the account item specified by the output data. [Selection] Figure 2
Description
本発明は、自動仕訳システムおよび自動仕訳プログラムに係り、特に、ユーザより依頼された取引の自動仕訳に関する。 The present invention relates to an automatic journal entry system and an automatic journal entry program, and more particularly, to an automatic journal entry for a transaction requested by a user.
従来より、仕訳作業者の負担を軽減すべく、人工知能を利用して仕訳を自動的に行うクラウドサービスが提案されている。例えば、特許文献1には、クラウドコンピューティングによる会計処理を行うための会計処理装置が開示されている。この処理装置が備えるウェブサーバは、ユーザ側のコンピュータより受信したウェブ明細データを取引毎に識別し、特定の勘定科目に自動的に仕訳する。この自動仕訳では、取引内容の記載がキーワード(形態素)に分節され、機械学習によって生成されたラーンド・データベースを参照することによって、勘定科目が推測される。ラーンド・データベースには、キーワードに対応付けられた勘定科目の出現頻度が登録されており、各キーワードの出現頻度をスコアとして合計した結果、最も高いスコアとなる勘定科目に分類される。ウェブサーバによって作成された仕訳データは、ユーザ側のコンピュータに送信され、仕訳処理画面として表示される。
Conventionally, in order to reduce the burden on the journalist, a cloud service has been proposed in which journaling is automatically performed using artificial intelligence. For example,
しかしながら、人工知能を利用した自動仕訳では、ユーザにとって正しい期待結果が必ず得られるとは限らず、期待していない仕訳となる可能性がある。 However, automatic journals using artificial intelligence do not always give correct expected results for the user, and may result in journals that are not expected.
本発明は、かかる事情に鑑みてなされたものであり、その目的は、ユーザにとって正しい期待結果でない可能性がある仕訳の抽出作業や修正作業の効率化を図ることである。 The present invention has been made in view of such circumstances, and an object of the present invention is to improve the efficiency of the work of extracting and correcting journal entries that may not be the expected results that are correct for the user.
かかる課題を解決すべく、第1の発明は、学習器と、適合率記憶部と、仕訳処理部とを有する自動仕訳システムを提供する。学習器は、教師データを用いた教師あり学習によって、自己が有する関数の内部パラメータが調整されている。この教師データは、少なくとも取引情報を含む入力データと、分類すべき勘定科目を示す出力データとが対応付けられている。適合率記憶部は、教師データとして与えられた取引情報が学習器において正しい勘定科目に分類されている確率を示す分類適合率を勘定科目に対応付けて記憶している。仕訳処理部は、ユーザより仕訳を依頼された取引に関する取引情報を含む入力データを学習器に入力し、学習器より出力された出力データに基づいて取引を仕訳する。それとともに、仕訳処理部は、この出力データによって特定された勘定科目に関する分類適合率に応じて、ユーザに対する仕訳結果の提示形態を選択する。 In order to solve this problem, the first invention provides an automatic journalizing system having a learning device, a relevance ratio storage unit, and a journal processing unit. In the learning device, the internal parameters of the function of the learning device are adjusted by supervised learning using the teacher data. In this teacher data, input data including at least transaction information is associated with output data indicating account items to be classified. The relevance rate storage unit stores a classification relevance rate indicating the probability that transaction information given as teacher data is classified as a correct account item in the learning device in association with the account item. The journal processing unit inputs input data including transaction information related to the transaction requested by the user to the learning device, and journalizes the transaction based on the output data output from the learning device. At the same time, the journal processing unit selects the presentation form of the journal results for the user in accordance with the classification conformance rate for the account item specified by the output data.
ここで、第1の発明において、上記仕訳処理部は、分類適合率が所定のしきい値よりも小さい場合、ユーザに内容の確認を促す確認フラグを仕訳結果に付することが好ましい。また、上記仕訳処理部は、分類適合率が所定のしきい値よりも小さい場合、ユーザによって予め設定された通知先に対して、仕訳結果を通知してもよい。さらに、上記所定のしきい値は、ユーザによって任意に設定可能であることが望ましい。 Here, in the first invention, it is preferable that the journal processing unit attaches a confirmation flag to the journal result to prompt the user to confirm the content when the classification matching rate is smaller than a predetermined threshold value. The journal processing unit may notify the journal result to a notification destination set in advance by the user when the classification matching rate is smaller than a predetermined threshold value. Furthermore, it is desirable that the predetermined threshold value can be arbitrarily set by the user.
第1の発明において、仕訳結果データベースと、更新処理部とを設けてもよい。仕訳結果データベースには、ユーザより仕訳を依頼された取引に関して、入力データと、出力データとを対応付けた仕訳結果が記憶される。また、更新処理部は、実績データベースに記憶された仕訳結果を教師データとした教師あり学習によって、学習器の内部パラメータを更新する。この場合、上記仕訳処理部は、分類適合率が所定のしきい値よりも小さい場合、ユーザに内容の確認を促す確認フラグを仕訳結果に付した上で、仕訳結果データベースに記憶し、上記更新処理部は、実績データベースに記憶された仕訳結果のうち、確認フラグが付されていないものを教師データとして用いることが好ましい。 In the first invention, a journal result database and an update processing unit may be provided. The journal result database stores journal results in which input data and output data are associated with each other for transactions requested by the user. The update processing unit updates the internal parameters of the learning device by supervised learning using the journal results stored in the result database as teacher data. In this case, when the classification conformance rate is smaller than a predetermined threshold, the journal processing unit adds a confirmation flag to the user to confirm the content, stores the result in the journal result database, and stores the update. It is preferable that the processing unit uses, as teacher data, journal entries that are stored in the result database and that do not have a confirmation flag.
第2の発明は、ユーザより仕訳を依頼された取引に関する取引情報を含む入力データを学習器に入力し、学習器より出力された出力データに基づいて取引を仕訳する第1のステップと、この出力データによって特定された勘定科目に関する分類適合率に応じて、ユーザに対する仕訳結果の提示形態を選択する第2のステップとを有する処理をコンピュータに実行させる自動仕訳プログラムを提供する。ここで、学習器は、少なくとも取引情報を含む入力データと、分類すべき勘定科目を示す出力データとが対応付けられた教師データを用いた教師あり学習によって、自己が有する関数の内部パラメータが調整されている。また、分類適合率は、教師データとして与えられた取引情報が学習器において正しい勘定科目に分類されている確率を示し、かつ、勘定科目に対応付けて設定されている。 According to a second aspect of the present invention, there is provided a first step of inputting input data including transaction information relating to a transaction for which a journal is requested by a user into a learning device, and journalizing the transaction based on output data output from the learning device, There is provided an automatic journalizing program for causing a computer to execute a process having a second step of selecting a presentation result presentation form for a user in accordance with a classification conformance ratio relating to an account item specified by output data. Here, the learning device adjusts the internal parameters of the function it has by supervised learning using teacher data in which input data including at least transaction information and output data indicating the account items to be classified are associated with each other. Has been. The classification relevance rate indicates the probability that transaction information given as teacher data is classified as a correct account item in the learning device, and is set in association with the account item.
ここで、第2の発明において、上記第2のステップは、分類適合率が所定のしきい値よりも小さい場合、ユーザに内容の確認を促す確認フラグを仕訳結果に付するステップであることが好ましい。また、上記第2のステップは、分類適合率が所定のしきい値よりも小さい場合、ユーザによって予め設定された通知先に対して、仕訳結果を通知するステップであってもよい。さらに、上記所定のしきい値は、ユーザが任意に設定可能であることが望ましい。 Here, in the second invention, the second step may be a step of attaching a confirmation flag to the journal result to prompt the user to confirm the content when the classification matching rate is smaller than a predetermined threshold value. preferable. Further, the second step may be a step of notifying a journal entry result to a notification destination set in advance by the user when the classification matching rate is smaller than a predetermined threshold value. Further, it is desirable that the predetermined threshold can be arbitrarily set by the user.
第2の発明において、ユーザより仕訳を依頼された取引に関して、入力データと、出力データとを対応付けた仕訳結果を記憶する仕訳結果データベースを用意しておき、この仕訳結果データベースに記憶された仕訳結果を教師データとした教師あり学習によって、学習器の内部パラメータを更新する第3のステップをさらに設けてもよい。この場合、上記第2のステップは、分類適合率が所定のしきい値よりも小さい場合、ユーザに内容の確認を促す確認フラグを仕訳結果に付した上で、仕訳結果データベースに記憶するステップであり、上記第3のステップにおいて、仕訳結果データベースに記憶された仕訳結果のうち、確認フラグが付されていないものを教師データとして用いることが好ましい。 In the second invention, a journal result database for storing a journal result in which input data and output data are associated with each other for a transaction requested by the user is prepared, and the journal stored in the journal result database is stored. A third step of updating the internal parameters of the learning device by supervised learning using the result as teacher data may be further provided. In this case, the second step is a step of adding a confirmation flag for prompting the user to confirm the contents to the journal result and storing it in the journal result database when the classification matching rate is smaller than a predetermined threshold. In the third step, it is preferable to use, as the teacher data, the journal results stored in the journal result database without the confirmation flag.
さらに、第1または第2の発明において、上記入力データは、仕訳を依頼したユーザの業種を含んでいてもよい。 Furthermore, in the first or second invention, the input data may include the type of business of the user who requested the journal.
本発明によれば、勘定科目に対応付けて記憶された分類適合率に応じて、例えば、ユーザに内容の確認を促したり、予め設定された通知先に仕訳結果を通知するといった如く、ユーザに対する仕訳結果の提示形態を変更することで、ユーザにとって正しい期待結果でない可能性がある仕訳の抽出作業や修正作業の効率化を図ることができる。 According to the present invention, according to the classification matching rate stored in association with the account item, for example, the user is prompted to confirm the contents, or the journal entry result is notified to a preset notification destination. By changing the presentation form of the journal results, it is possible to improve the efficiency of the work of extracting and correcting journals that may not be the expected results that are correct for the user.
図1は、本実施形態に係る自動仕訳ネットワークシステムの全体図である。この仕訳ネットワークシステム1は、取引の仕訳を依頼するユーザが操作する多数のクライアント2と、仕訳サーバ3とを主体としたサーバクライアント型のネットワーク構成を有している。仕訳サーバ3は、クライアント2からの仕訳依頼を受信した場合、この依頼に係る取引の仕訳を自動的に行い、仕訳結果をクライント2に送信する。
FIG. 1 is an overall view of an automatic journal network system according to the present embodiment. This
図2は、仕訳サーバ3のブロック図である。この仕訳サーバ3は、入力部4と、仕訳処理部5と、学習器6と、更新処理部7と、出力部8と、ユーザデータベース9と、仕訳結果データベース10と、適合率記憶部11とを主体に構成されている。入力部4は、インターネット等のネットワークを介して、「取引」の仕訳依頼の必要情報として、ユーザによって入力された取引情報をクライアント2より受信し、これらを仕訳処理部5に転送する。ここで、「取引」とは、企業等が所有する財産(資産,負債)、資本、収益、費用の増加・減少を伴う簿記上の取引や、簿記上の取引以外においても、記帳(記録)に必要な取引のことをいう。
FIG. 2 is a block diagram of the journalizing
仕訳処理部5は、ユーザデータベース9を参照しつつ、取引情報に基づいて入力データを生成し、この入力データを学習器6に入力する。また、仕訳処理部5は、学習器6より出力された出力データに基づいて取引を仕訳し、仕訳結果を仕訳結果データベース10に追加・記憶する。この仕訳結果データベース10は、ユーザより仕訳を依頼された取引に関して、入力データと、出力データとを対応付けた仕訳結果を取引毎に記憶する。
The
学習器6は、所定の関数Y=f(X,θ)を有している。ここで、入力Xは、少なくとも取引情報を特徴化したm次元の入力データ(特徴ベクトル)であり、出力Yは、n(<m)次元の出力データである。また、θは、この関数の内部パラメータであり、取引の仕訳処理に先だち、教師データを用いた教師あり学習によって、予め調整されている。教師あり学習としては、ニューラルネットワークやサポートベクターマシン(SVM)を含めて、周知の手法を広く用いることができる。
The
更新処理部7は、教師データを用いた教師あり学習によって、学習器6の内部パラメータθを更新する。教師データとしては、仕訳結果データベース10に記憶された多数の仕訳結果、すなわち、入力データと出力データとのペアが用いられる。具体的には、入力に対する出力の合否が「教師ベクトル」として学習器6にフィードバックされる。これに基づいて、学習器6は、正しい出力が得られるように、内部パラメータθ(例えば、ニューラルネットワークの結合重み)の値を更新する。このような処理を仕訳結果データベース10に記憶された全ての仕訳結果について繰り返すことで、内部パラメータθの学習(調整)が行われる。なお、仕訳結果データベース10の蓄積数が少なく、内部パラメータθの学習が十分に行うことができない初期状況においては、予想される様々なケースのサンプルを多数用意しておき、これらに基づいて必要量の学習を行うことが好ましい。
The
図3は、ユーザデータベース9の概略的な構成を示す図である。このユーザデータベース9は、ユーザ単位で設けられた多数のユーザレコードによって構成されている。1つのユーザレコードは、「ユーザID」、「ユーザ情報」、「業種」、「申告区分」、「しきい値LV1」、「しきい値LV2」、「通知アドレス」等のフィールドを有している。ここで、「ユーザID」は、ユーザ毎に採番されたユーザ固有の識別記号であり、「ユーザ情報」は、ユーザの名称、住所、電話番号等である。「業種」は、製造業、販売業、小売業の如く、ユーザの業種が記述される。「申告区分」は、個人/法人の別が記述される。「しきい値LV1」、「しきい値LV2」および「通知アドレス」は、ユーザが任意に設定可能であり、後述するように、これらの設定内容に応じてシステムの振る舞い、具体的には、ユーザに対する仕訳結果の提示形態が変化する。
FIG. 3 is a diagram showing a schematic configuration of the
図4は、仕訳結果データベース10の概略的な構成を示す図である。この仕訳結果データベース10は、取引単位で設けられた多数の仕訳結果レコードによって構成されている。1つの仕訳結果レコードは、「入力データ」および「出力データ」のセットと、「確認フラグ」とを有する。「入力データ」は、「取引情報」と、「ユーザ情報」とを有する。「取引情報」は、「取引目的語」、「未来区分」、「場所」、「用途」、「支払方法」の如く、取引の内容を特徴付けるキーワードによって構成されている。また、「ユーザ情報」は、「業種」、「ユーザID」、「申告区分」等を含む。本実施形態において、「入力データ」として、「取引情報」のみならず「ユーザ情報」も含める理由は、「取引情報」が同一でも、ユーザによって仕訳(勘定科目)が異なるケースが存在するので、それに対処するためである。例えば、工具を購入した場合、製造業では[借方](製)消耗品費となるのに対して、販売業では[借方]消耗品費となる。また、例えば、荷物の宅配(運送)を依頼した場合、運送業では[借方]外注費となるのに対して、販売業では[借方]荷造運賃となる。同様のことは、[申告区分]における個人/法人でも該当する。このような事情に鑑み、入力データとしてユーザに関する情報も特徴付けておくことで、学習器6の分類精度を高まり、ユーザの業種等にマッチした仕訳が期待できる。また、「確認フラグ」については、ユーザに仕訳結果の内容確認を促す状態を「1」、それ以外の状態(仕訳結果の内容の確認済を含む。)を「0」とする。
FIG. 4 is a diagram showing a schematic configuration of the
また、仕訳処理部5は、適合率記憶部11を参照して、出力データによって特定される勘定科目に関する分類適合率を抽出し、この分類適合率に応じて、ユーザに対する仕訳結果の提示形態を選択する。適合率記憶部11には、分類適合率が勘定科目に対応付けて記憶されている。ここで、「分類適合率」とは、学習器6の学習が完了した状態において、教師データとして与えられた取引情報が学習器6において正しい勘定科目に分類されている確率のことである。
Further, the
図5に示すように、縦方向を真の勘定科目のクラス(A,B,C,D,・・・)、横方向を学習器6によって分類された推論結果のクラス(A,B,C,D,・・・)とし、両者の交差欄に分類確率(%)が記述されている。例えば、クラスAについて正しい推論結果が得られる確率は89.3%である。一方、クラスBについて正しい推論結果が得られる確率は79.8%であり、これは、クラスAよりも期待結果の信頼度が低いことを意味する。なお、勘定科目のクラスは、貸方勘定科目と借方勘定科目とを別けて、それぞれを個別に分類してもよいし、両者のセットとして分類してもよい。
As shown in FIG. 5, the vertical direction is the true account class (A, B, C, D,...), And the horizontal direction is the inference result class (A, B, C) classified by the
分類適合率の算出に際しては、まず、所定数の教師データを用いた学習によって、学習器6の内部パラメータを調整し、その後、あらためて教師データを個別に入力して、出力(推論結果)をクラス毎に投票する。これにより、ある勘定科目(例えばA)について、推論結果Aの個数をm、この勘定科目Aに関する推論結果(A,B,C,D,・・・)の全体数をnとすると、勘定科目Aの分類適合率は、m/n×100(%)として算出される。
In calculating the classification precision, first, the internal parameters of the
なお、分類適合率と勘定科目との対応付けは、1対1である必要は必ずしもなく、1対多等であっても構わない。例えば、商品(消耗品)を販売し、その売掛金の代金が差引振込で入金されたという取引に関しては、[借方]普通預金、[借方]支払手数料、[貸方]売掛金となり、2つの借方勘定科目が発生する。このような場合、2つの借方勘定科目に対して1つの分類適合率を共通で割り当ててもよい。 The correspondence between the classification matching rate and the account item does not necessarily have to be one-to-one, and may be one-to-many. For example, for a transaction in which a product (consumables) is sold and the value of the accounts receivable is deposited by debit transfer, it becomes [debit] ordinary deposit, [debit] payment fee, and [credit] receivable. Will occur. In such a case, one classification precision rate may be commonly assigned to two debit account items.
つぎに、図6を参照しながら、仕訳サーバ3にて行われる自動仕訳の処理について詳述する。この仕訳処理は、仕訳サーバ3に図6の処理を実行させるコンピュータプログラムをインストールすることによって実行される。
Next, referring to FIG. 6, the automatic journal processing performed in the
まず、ステップ1において、入力部4は、クライアント2から取引の仕訳依頼と共に取引情報を受け付ける。取引情報は、取引情報の入力画面をユーザに提示し、ユーザが必要事項を入力することによって取得することができる。また、取引明細等の写真をユーザより取得し、OCR(Optical Character Reader)や形態素解析を通じて、取引情報を取得することも可能である。
First, in
つぎに、ステップ2において、仕訳処理部5は、取得した取引情報に基づいて入力データ(特徴ベクトル)を生成する。入力データは、今回の仕訳対象となる取引に関する取引情報だけあってもよいが、取引主体となるユーザに関するユーザ情報を含めてもよい。取引情報が同一であっても、業種や申告区分(個人/法人)によって仕分内容が異なることがある。入力データにユーザ情報を含めることで、このような仕訳にも有効に対応でき、学習器6の分類精度を高めることができる。また、学習器6の分類精度を高めるという観点から、入力データに、そのユーザに関する過去の取引情報を含めてもよい。
Next, in
ステップ3において、仕訳処理部5は、入力データを学習器6に入力する。そして、学習器6から出力された出力データに基づいて取引の仕訳が行われ、仕訳結果が仕訳結果データベース10に追加される(ステップ4)。例えば、図4の表における1行目のレコードは、取引目的語を「ノート」とする入力データに対して、[貸方]事務用品費、[借方]現金とする出力データが学習器6より出力され、これらの入出力データのセットが仕訳結果として追加されたことを示している。
In
ステップ5において、仕訳処理部5は、適合率記憶部11を参照して、学習器6からの出力データ(勘定科目)に対応する分類適合率LVを抽出する。例えば、図5に示したように、勘定科目のクラスがAの場合、分類適合率LV=89.3%が抽出される。なお、分類適合率LVとしては、適合率記憶部11に記憶された値を取引情報のキーワードの寄与率等で補正し、この補正値を分類適合率として用いてもよい。
In
ステップ6において、仕訳処理部5は、ユーザデータベース9を参照して、仕訳を依頼しているユーザに関する必要情報として、「しきい値LV1」、「しきい値LV2」および「通知アドレス」を取得する。
In
ステップ7において、ステップ5で取得した分類適合率LVがしきい値LV1よりも小さいか否かが判断される。ステップ7の判断結果が否定の場合、学習器6によって推論された勘定科目は適切であるとみなし、「確認フラグ」が0(ユーザ確認不要)にセットされた上で(ステップ8)、本ルーチンを抜ける。これに対して、ステップ7の判断結果が肯定の場合、学習器6によって推論された勘定科目は適切でないとみなされ、「確認フラグ」が1(ユーザ確認要)にセットされた上で(ステップ9)、本ルーチンを抜ける。「確認フラグ」が1にセットされたことにより、この取引に関する仕訳結果として、図7に示すような確認要求が表示される。ユーザは、仕訳帳画面に表示された仕訳一覧において、確認要求が付された仕訳(すなわち、ユーザにとって正しい期待結果でない可能性がある仕訳)を視覚的に容易に抽出できる。また、プルダウンリスト等で勘定科目の候補を提示すれば、ユーザは容易に修正作業を行うことができる。
In
ステップ10において、ステップ5で取得した分類適合率LVがしきい値LV2よりも小さいか否かが判断される。ステップ10の判断結果が否定の場合、本ルーチンを抜ける。これに対して、ステップ10の判断結果が肯定の場合、「通知アドレス」に対して仕訳結果を通知した上で(ステップ11)、本ルーチンを抜ける。「通知アドレス」として、SNSや税理士のアドレスを設定しておけば、ユーザ以外の者と情報を共有することができる。
In
このように、本実施形態によれば、勘定科目に対応付けて記憶された分類適合率LVに応じて、例えば、ユーザに内容の確認を促したり、予め設定された通知先に仕訳結果を通知するといった如く、ユーザに対する仕訳結果の提示形態を変更することで、ユーザにとって正しい期待結果でない可能性がある仕訳の抽出作業や修正作業の効率化を図ることができる。その際、分類適合率LVとの比較に用いられるしきい値LV1,LV2を、ユーザが任意に設定できるようにすれば、ユーザの事情に即してシステムの挙動を柔軟性に設定でき、ユーザにとっての利便性をより高めることができる。 As described above, according to the present embodiment, according to the classification relevance ratio LV stored in association with the account item, for example, the user is prompted to confirm the content, or the journal result is notified to a preset notification destination. As described above, by changing the form of presenting the journal results to the user, it is possible to improve the efficiency of the work of extracting and correcting journals that may not be the expected results that are correct for the user. At that time, if the user can arbitrarily set the thresholds LV1 and LV2 used for comparison with the classification matching rate LV, the behavior of the system can be set flexibly in accordance with the circumstances of the user. The convenience for the user can be further increased.
また、本実施形態では、仕訳結果データベース10に記憶された仕訳結果を用いた教師あり学習によって、学習器6の更新学習を適宜行うことで、仕訳実績を学習器6に反映でき、より精度の高い仕訳が可能になる。
Further, in the present embodiment, journalized results can be reflected in the
なお、上述した実施形態において、更新処理部7は、仕訳結果データベース10に蓄積された仕訳結果を教師データとした学習器6の更新学習をバッチ処理にて行うが、その際に用いる教師データは、確認フラグが付されていない仕訳結果(確認フラグ=0)のみを用いることが好ましい。未確定の仕訳結果(確認フラグ=1)を除外することで、更新学習の精度を高めることができる。
In the above-described embodiment, the
また、上述した自動仕訳ネットワークシステムは、曖昧な取引を税理士等がチェックする用途で用いることもできる。この場合、顧客毎の事情に応じてしきい値LV1等を個別に設定しておき、確認要求(警告)が付された仕訳を曖昧な仕訳とみなして、税理士等が内容をチェックする。これにより、税理士等にとってのチェック作業の効率化を図ることができる。 Moreover, the automatic journal network system mentioned above can also be used for the purpose of a tax accountant or the like checking ambiguous transactions. In this case, the threshold LV1 or the like is individually set according to the circumstances of each customer, the journal with the confirmation request (warning) is regarded as an ambiguous journal, and the tax accountant checks the contents. Thereby, the efficiency of the check work for tax accountants and the like can be improved.
1 仕訳ネットワークシステム
2 クライアント
3 仕訳サーバ
4 入力部
5 仕訳処理部
6 学習器
7 更新処理部
8 出力部
9 ユーザデータベース
10 仕訳結果データベース
11 適合率記憶部
DESCRIPTION OF
Claims (14)
少なくとも取引情報を含む入力データと、分類すべき勘定科目を示す出力データとが対応付けられた教師データを用いた教師あり学習によって、自己が有する関数の内部パラメータが調整された学習器と、
前記教師データとして与えられた取引情報が前記学習器において正しい勘定科目に分類されている確率を示す分類適合率を勘定科目に対応付けて記憶する適合率記憶部と、
ユーザより仕訳を依頼された取引に関する取引情報を含む入力データを前記学習器に入力し、前記学習器より出力された出力データに基づいて前記取引を仕訳すると共に、当該出力データによって特定された勘定科目に関する前記分類適合率に応じて、ユーザに対する仕訳結果の提示形態を選択する仕訳処理部と
を有することを特徴とする自動仕訳システム。 In the automatic journal entry system,
A learning device in which internal parameters of a function of the self are adjusted by supervised learning using supervised data in which input data including at least transaction information and output data indicating an account item to be classified are associated,
A matching rate storage unit that stores a classification matching rate indicating a probability that the transaction information given as the teacher data is classified into a correct account item in the learning device;
Input data including transaction information related to a transaction requested by a user is input to the learning device, and the transaction is journalized based on the output data output from the learning device, and the account specified by the output data. An automatic journalizing system, comprising: a journal processing unit that selects a form of presenting a journal result to a user in accordance with the classification matching rate regarding a subject.
前記仕訳結果データベースに記憶された前記仕訳結果を前記教師データとした教師あり学習によって、前記学習器の内部パラメータを更新する更新処理部と
をさらに有することを特徴とする請求項1から4のいずれかに記載された自動仕訳システム。 A journal result database that stores journal results in which the input data and the output data are associated with each other for transactions requested by the user;
The update processing unit for updating an internal parameter of the learning device by supervised learning using the journal result stored in the journal result database as the teacher data. The automatic journal entry system described in
前記更新処理部は、前記仕訳結果データベースに記憶された前記仕訳結果のうち、前記確認フラグが付されていないものを前記教師データとして用いることを特徴とする請求項5に記載された自動仕訳システム。 The journal processing unit, when the classification matching rate is smaller than a predetermined threshold, attaches a confirmation flag to the user to confirm the content, and stores it in the journal result database.
6. The automatic journalizing system according to claim 5, wherein the update processing unit uses, as the teacher data, the journal results stored in the journal result database without the confirmation flag. .
ユーザより仕訳を依頼された取引に関する取引情報を含む入力データを学習器に入力し、前記学習器より出力された出力データに基づいて前記取引を仕訳する第1のステップと、
前記出力データによって特定された勘定科目に関する分類適合率に応じて、ユーザに対する仕訳結果の提示形態を選択する第2のステップと
を有する処理をコンピュータに実行させ、
前記学習器は、少なくとも取引情報を含む入力データと、分類すべき勘定科目を示す出力データとが対応付けられた教師データを用いた教師あり学習によって、自己が有する関数の内部パラメータが調整されており、
前記分類適合率は、前記教師データとして与えられた取引情報が前記学習器において正しい勘定科目に分類されている確率を示し、かつ、勘定科目に対応付けて設定されていることを特徴とする自動仕訳プログラム。 In the automatic journal program,
A first step of inputting input data including transaction information relating to a transaction requested by a user into a learning device, and journalizing the transaction based on the output data output from the learning device;
Causing the computer to execute a process having a second step of selecting a form of presenting the journal entry result to the user in accordance with the classification conformance rate relating to the account item specified by the output data,
The learning device adjusts the internal parameters of the function that it has by supervised learning using supervised data in which input data including at least transaction information and output data indicating account items to be classified are associated with each other. And
The classification matching rate indicates a probability that the transaction information given as the teacher data is classified as a correct account item in the learning device, and is set in association with the account item. Journal entry program.
前記仕訳結果データベースに記憶された前記仕訳結果を前記教師データとした教師あり学習によって、前記学習器の内部パラメータを更新する第3のステップをさらに有することを特徴とする請求項8から11のいずれかに記載された自動仕訳プログラム。 A journal result database that stores journal results in which the input data and the output data are associated with each other for transactions requested by the user;
12. The method according to claim 8, further comprising a third step of updating an internal parameter of the learning device by supervised learning using the journal result stored in the journal result database as the teacher data. The automatic journal program described in
前記第3のステップにおいて、前記仕訳結果データベースに記憶された前記仕訳結果のうち、前記確認フラグが付されていないものが前記教師データとして用いられることを特徴とする請求項12に記載された自動仕訳プログラム。 The second step is a step of storing, in the journal result database, a confirmation flag that prompts the user to confirm the contents when the classification accuracy rate is smaller than a predetermined threshold value. Yes,
13. The automatic processing according to claim 12, wherein in the third step, among the journal results stored in the journal result database, those without the confirmation flag are used as the teacher data. Journal entry program.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017029674A JP6161229B1 (en) | 2017-02-21 | 2017-02-21 | Automatic journal entry system and automatic journal entry program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017029674A JP6161229B1 (en) | 2017-02-21 | 2017-02-21 | Automatic journal entry system and automatic journal entry program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6161229B1 true JP6161229B1 (en) | 2017-07-12 |
JP2018136655A JP2018136655A (en) | 2018-08-30 |
Family
ID=59308906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017029674A Active JP6161229B1 (en) | 2017-02-21 | 2017-02-21 | Automatic journal entry system and automatic journal entry program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6161229B1 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6395966B1 (en) * | 2018-04-20 | 2018-09-26 | Tis株式会社 | Journal rule creation support device, journal rule creation support method, and journal rule creation support program |
JP2019139381A (en) * | 2018-02-07 | 2019-08-22 | 弥生株式会社 | Character string processor and program |
JPWO2021171553A1 (en) * | 2020-02-28 | 2021-09-02 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7267025B2 (en) * | 2019-02-08 | 2023-05-01 | 株式会社三菱Ufj銀行 | Data processing method and program |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003016206A (en) * | 2001-06-29 | 2003-01-17 | Omron Corp | System and method for operating expense and output medium |
JP2016021147A (en) * | 2014-07-14 | 2016-02-04 | フリー株式会社 | Accounting processor, accounting processing method and accounting processing program |
-
2017
- 2017-02-21 JP JP2017029674A patent/JP6161229B1/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003016206A (en) * | 2001-06-29 | 2003-01-17 | Omron Corp | System and method for operating expense and output medium |
JP2016021147A (en) * | 2014-07-14 | 2016-02-04 | フリー株式会社 | Accounting processor, accounting processing method and accounting processing program |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019139381A (en) * | 2018-02-07 | 2019-08-22 | 弥生株式会社 | Character string processor and program |
JP6395966B1 (en) * | 2018-04-20 | 2018-09-26 | Tis株式会社 | Journal rule creation support device, journal rule creation support method, and journal rule creation support program |
JP2019191749A (en) * | 2018-04-20 | 2019-10-31 | Tis株式会社 | Journalizing rule creation support device, journalizing rule creation support method, and journalizing rule creation support program |
JPWO2021171553A1 (en) * | 2020-02-28 | 2021-09-02 | ||
JP7384267B2 (en) | 2020-02-28 | 2023-11-21 | 日本電気株式会社 | Processing equipment, processing method and program |
Also Published As
Publication number | Publication date |
---|---|
JP2018136655A (en) | 2018-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6165957B1 (en) | Accounting processing apparatus, accounting processing system, accounting processing method, and accounting processing program | |
US11710332B2 (en) | Electronic document data extraction | |
US20220122071A1 (en) | Identifying fraudulent instruments and identification | |
US20210133706A1 (en) | Automatic generation and population of digital interfaces based on adaptively processed image data | |
JP6712738B1 (en) | Voucher judging device, accounting processor, voucher judging program, voucher judging system and voucher judging method | |
JP6161229B1 (en) | Automatic journal entry system and automatic journal entry program | |
CN110648211B (en) | data verification | |
US8073751B2 (en) | Automated review and hold placement | |
JP6263831B1 (en) | Accounting system and accounting method | |
JP2022031395A (en) | Accounting device and program | |
US20170161826A1 (en) | Report generating system for providing real time and/or proactive debt instrument approval, availability, analysis and recommendation to a consumer | |
WO2019008766A1 (en) | Voucher processing system and voucher processing program | |
JP6261808B1 (en) | Accounting processing apparatus, accounting processing system, accounting processing method, and accounting processing program | |
JP6635563B1 (en) | Journal element analysis device, accounting processing system, journal element analysis method, journal element analysis program | |
JP2018173935A (en) | Accounting processing system | |
US20140330718A1 (en) | Paper payment receipt, processing and payment failure analytics | |
JP6576728B2 (en) | Accounting system, accounting method, program and guidance report | |
US20230421555A1 (en) | Email Processing for Improved Authentication Question Accuracy | |
JP6732325B1 (en) | Accounting system, accounting method, accounting program | |
WO2020136778A1 (en) | Document classification system, document classification device, document classification method, and document classification proram | |
US20140330717A1 (en) | Paper payment receipt, processing and failure remediation | |
US20240013211A1 (en) | Computer Authentication Using Transaction Questions That Exclude Peer-to-Peer Transactions | |
JP6833260B1 (en) | Information processing equipment, information processing methods and programs | |
JP2018142301A (en) | Accounting processing device, accounting processing system, accounting processing method, and accounting processing program | |
CA3214942A1 (en) | Enhanced image transaction processing solution and architecture |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170525 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170612 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6161229 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |