一种企业对账时效管理方法、装置、设备和存储介质与流程

1.本发明实施例涉及数据处理技术领域，尤其涉及一种企业对账时效管理方法、装置、设备和存储介质。


背景技术：

2.及时完成对账是银行进行风险管控中的重要环节，对于未及时完成对账企业进行催收或者封户处理可以有效保证企业资金安全。企业对账时效管理的关键点在于准确预测企业的对账时间，现有技术可以通过预训练的对账时间预测模型预测对账时间，但是，企业的对账时间会受到诸多非客观因素的影响，预测到的对账时间的准确性有待提升。


技术实现要素：

3.本发明实施例提供了一种企业对账时效管理方法、装置、设备和存储介质，可以提高预测对账时间的准确性，提高企业对账时效管理的效率。
4.第一方面，本发明实施例提供了一种企业对账时效管理方法，该方法包括：
5.获取待对账企业的目标对账时间关联属性信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；
6.基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值；
7.根据所述对账时间校正值确定目标企业对账时效管理策略，完成对所述待对账企业的对账时效管理过程。
8.第二方面，本发明实施例提供了一种企业对账时效管理装置，该装置包括：
9.对账时间预测模块，用于获取待对账企业的目标对账时间关联属性信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；
10.对账时间校正模块，用于基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值；
11.企业对账时效管理策略确定模块，用于根据所述对账时间校正值确定目标企业对账时效管理策略，完成对所述待对账企业的对账时效管理过程。
12.第三方面，本发明实施例提供了一种计算机设备，该计算机设备包括：
13.一个或多个处理器；
14.存储器，用于存储一个或多个程序；
15.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的企业对账时效管理方法。
16.第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例所述的企业对账时效管理方法。
17.本发明实施例所提供的技术方案，通过获取待对账企业的目标对账时间关联属性
信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值；根据所述对账时间校正值确定目标企业对账时效管理策略，完成对所述待对账企业的对账时效管理过程。本发明实施例的技术方案解决了现有技术预测对账时间的准确性不足的问题，可以提高预测对账时间的准确性，提高企业对账时效管理的效率。
附图说明
18.图1是本发明实施例提供的一种企业对账时效管理方法流程图；
19.图2是本发明实施例提供的一种企业对账时效管理方法流程图；
20.图3是本发明实施例提供的一种进行企业对账时效管理的工作流程图；
21.图4是本发明实施例提供的一种通过卷积层进行结果输出的方法流程图；
22.图5是本发明实施例提供的一种通过全连接层进行结果输出的方法流程图；
23.图6是本发明实施例提供的一种确定企业对账时效管理策略的方法流程图；
24.图7是本发明实施例提供的一种进行企业对账时效管理的方法流程图；
25.图8是本发明实施例提供的一种企业对账时效管理装置的结构示意图；
26.图9是本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
27.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.图1是本发明实施例提供的一种企业对账时效管理方法流程图，本发明实施例可适用于预测企业的对账时间，并根据对账时间对企业的账户安全进行管理的场景中，该方法可以由企业对账时效管理装置执行，该装置可以由软件和/或硬件的方式来实现。本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
29.如图1所示，企业对账时效管理方法包括以下步骤：
30.s110、获取待对账企业的目标对账时间关联属性信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值。
31.其中，待对账企业可以是需要对银行发送的账簿进行核对的企业；目标对账时间关联属性信息可以是与预测待对账企业对账时间相关的属性信息，例如，目标对账时间关联属性信息可以包括待对账企业的历史对账时间、对账渠道、待对账作业量、对账周期、企业级别等信息。
32.目标对账时间预测模型可以是经过预先训练的用于对企业的对账时间进行预测的模型，目标对账时间预测模型包括卷积神经网络结构(convolutional neural network，cnn)和长短期记忆网络结构(long short-term memory，lstm)，其中，卷积神经网络结构的超参数是基于贝叶斯优化算法确定的，通过贝叶斯优化算法可以确定更优的模型超参数，再将更优的模型超参数作为卷积神经网络结构的超参数，可以提高目标对账时间预测模型
的准确性。将目标对账时间关联属性信息输入至经过目标对账时间预测模型后，可以预测待对账企业的对账时间，也即得到待对账企业的对账时间预测值。
33.s120、基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值。
34.其中，历史对账时间信息可以是待对账企业在选定历史时间区间内进行对账的时间点，对账时间倾向度可以是表示待对账企业倾向于在一个月中某一日期进行对账程度的物理量。通过分析待对账企业的历史对账时间信息，可以确定出该企业的对账时间的倾向程度，再根据对账时间的倾向程度对对账时间预测值进行校正。对账时间校正值可以是基于上述对账时间的倾向程度对账时间预测值进行校正后的时间值，通过分析待对账企业的历史对账时间信息，可以确定出该企业的在对账时间上的倾向程度，再根据倾向程度对对账时间预测值进行校正，可以将企业的个性化对账习惯等个性因素影响与客观对账时间预测结果相结合，提高预测对账时间的准确性。
35.s130、根据所述对账时间校正值确定目标企业对账时效管理策略，完成对所述待对账企业的对账时效管理过程。
36.其中，目标企业对账时效管理策略可以是与对账时间校正值对应的企业对账管理策略，企业对账管理策略包括对账延期策略和对账时间提醒策略等策略，通过根据对账时间校正值匹配相应的目标企业对账时效管理策略，可以在银企对账及时性要求上进行弹性对账时间管理，降低企业误封率。示例性的，当目标对账时间区间为一个月中的25日时，可以将对账截止日期由15延迟到30号，避免因为企业因未及时对账而被执行异常封户处理。具体的，可以先将对账时间校正值与预设的对账时间区间进行匹配，确定对账时间校正值对应的对账时间区间，再根据对账时间区间匹配对应的企业对账时效管理策略，进而确定出目标企业对账时效管理策略。通过对不同对账时间段内的企业制定相应的对账管理策略，可以有效降低非异常封户率，提升企业资金流转运作效率，同时减少银行催收业务。
37.本发明实施例所提供的技术方案，通过获取待对账企业的目标对账时间关联属性信息，并将目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；基于待对账企业的历史对账时间信息对对账时间预测值进行校正，得到对账时间校正值；根据对账时间校正值确定目标企业对账时效管理策略，完成对待对账企业的对账时效管理过程。本发明实施例的技术方案解决了现有技术预测对账时间的准确性不足的问题，可以提高预测对账时间的准确性，提高企业对账时效管理的效率。
38.图2是本发明实施例提供的一种企业对账时效管理方法流程图，本发明实施例可适用于预测企业的对账时间，并根据对账时间对企业的账户安全进行管理的场景中，本实施例在上述实施例的基础上，进一步的说明如何基于待对账企业的历史对账时间信息对对账时间预测值进行校正，得到对账时间校正值，以及如何根据对账时间校正值确定目标企业对账时效管理策略。该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的计算机设备中。本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
39.如图2所示，企业对账时效管理方法包括以下步骤：
40.s210、获取待对账企业的目标对账时间关联属性信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值。
41.其中，待对账企业可以是需要对银行发送的账簿进行核对的企业；目标对账时间关联属性信息可以是与预测待对账企业对账时间相关的属性信息，例如，目标对账时间关联属性信息可以包括待对账企业的历史对账时间、对账渠道、待对账作业量、对账周期、企业级别等信息。目标对账时间预测模型可以是经过预先训练的用于对企业的对账时间进行预测的模型，目标对账时间预测模型包括卷积神经网络结构和长短期记忆网络结构，其中，卷积神经网络结构的超参数是基于贝叶斯优化算法确定的。将目标对账时间关联属性信息输入至经过目标对账时间预测模型后，可以预测待对账企业的对账时间，也即得到待对账企业的对账时间预测值。
42.其中，目标对账时间预测模型的训练过程包括：首先根据贝叶斯优化算法确定对账时间预测模型的超参数最优值，再基于最优的超参数确定初始对账时间预测模型，随后基于对账时间预测模型训练样本对初始对账时间预测模型进行训练，得到目标对账时间预测模型。通过贝叶斯优化算法可以确定更优的模型超参数，再将更优的模型超参数作为初始对账时间预测模型的超参数，可以提高训练出的目标对账时间预测模型的准确性。
43.其中，根据贝叶斯优化算法确定对账时间预测模型的超参数最优值的过程包括：先对数据集d进行初始化操作：d
←
initializing(f,x)，其中，d＝(x1，y1),...,(xn,yn)，其中yi＝f(xi)，x为超参数搜索范围，d表示一个由若干对数据组成的数据集，每一对数组表示为(x,y)，x定义为一组超参数，y定义为该组超参数对应的结果，即超参数最优值；再循环选超参数n次，因为每次选出参数x后都需要计算f(x)，消耗大量资源，因此可以直接采用函数评估循环次数，本发明实施例假设模型为高斯分布，所以预测服从正态分布，可以初步得到如下公式：ρ(y|x,d)＝n(y|μ,σ2)，循环n次并调整模型，可以进一步加工为如下公式：其中k表示高斯分布协方差，最后通过采集函数s进行x的最优选择：优选的，随后还可以循环训练多次更新数据集。
44.进一步的，基于对账时间预测模型训练样本对初始对账时间预测模型进行训练的过程包括：将对账时间预测模型训练样本输入至初始对账时间预测模型中，得到对应的对账预测时间；根据对账预测时间与对账时间预测模型训练样本的对账标签时间的对比结果确定损失函数，并根据损失函数调整初始对账时间预测模型的网络权值；当损失函数收敛时，完成模型训练过程，得到目标对账时间预测模型。
45.示例性的，图3是本发明实施例提供的一种对账时间预测模型训练方法流程图：如图3所示，对账时间预测模型训练方法流程包括：1)先进行超参数寻优，再设立双层次的lstm模型，将输入序列进行特征提取，最终得到时间序列特征；2)通过卷积层进行特征提取，进入池化层(优选使用均值池化)，将特征进行降维，得到空间序列特征；3)处理完特征提取后，将多方输出的序列特征向量进行拼接，在全连接层进行分类处理并进行结果输出。其中，在训练过程中加入dropout层，按照一定概率忽略特征向量中部分位置的特征值，以降低模型训练过拟合的风险；4)当输出结果与期望值不相符时，则进行反向传播，具体的，可以先求出结果与期望值的误差，再将误差层层返回，计算出每一层的误差，再根据误差来调整网络权值，重新通过模型训练进行迭代，最终得出目标对账时间预测模型。
46.示例性的，图4是本发明实施例提供的一种通过卷积层进行结果输出的方法流程图，如图4所示，通过卷积层进行特征提取的方法流程包括：根据2
×
2的卷积核进行卷积，再对卷积后的矩阵进行池化处理，完成特征提取的过程。
47.示例性的，图5是本发明实施例提供的一种通过全连接层进行结果输出的方法流程图，其中，图中为一个三层全连接层，如图5所示，通过全连接层进行结果输出的方法流程包括：传入特征为x1、x2，第一层有3个神经元y1、y2、y3，权值矩阵为w，其中b1、b2、b3分别为节点y1、y2、y3的偏置量，经过激励函数f(y)的激活最终得到输出f(y6)。
48.s220、基于历史对账时间信息确定所述待对账企业的对账时间倾向度。
49.其中，历史对账时间信息可以是待对账企业在选定历史时间区间内进行对账的时间点，对账时间倾向度可以是表示待对账企业倾向于在一个月中某一日期进行对账程度的物理量。通过分析待对账企业的历史对账时间信息，可以确定出该企业的对账时间倾向度。示例性，可以通过分析待对账企业历史对账时间区间内在一个月中某一日期进行对账的频率确定对账时间倾向权重。具体的，对账时间倾向权重可以通过如下公式进行计算：
[0050][0051]
其中，fu,k1表示企业u在日期k1进行对账的偏重概率，fu,k2表示企业u在日期k2进行对账的偏重概率；max(fu,k1)表示企业u在日期k1进行对账的最高概率，max(fu,k2)表示企业u在日期k2进行对账的最高概率；因此wu,c可以表示用户在此日期对账的偏向度，wu,c若为正数则表示企业u偏向于在日期k1进行对账,为负则表示企业u偏向于在日期k2进行对账，且wu,c的绝对值越高表明企业在此日期对账概率越大，而绝对值趋向于0则表示企业在日期k1或日期k2进行对账没有特别明显的偏向。
[0052]
此外，还可以基于历史对账时间信息确定企业u在日期k1和日期k2进行对账的频率以及最近对账日期的判定结果。具体的，企业u在日期k1和日期k2进行对账的频率可以通过如下公式进行计算：
[0053][0054]
其中，g表示日期k1和日期k2进行对账的频率，当企业u在日期k1进行对账的次数多时为0，否则为1。
[0055]
企业u在日期k1进行对账判定结果可以通过如下公式进行计算：
[0056][0057]
其中，u表示企业u在日期k1进行对账判定结果，若企业u最近一次在日期k1进行对账则为0，否则为1。类似的，也可以上述逻辑计算企业u在日期k2进行对账判定结果k。
[0058]
进一步的，可以将上述wu,c、g、u和k的集合作为对账时间倾向度。上述公式只是对账时间倾向度的一种计算方式，实际对账时间倾向度的计算不局限于只通过对两个日期进行分析后得到。在确定待对账企业的对账时间倾向度后，可以得知该企业在某一日期的对账偏向程度，后续可以根据对账偏向程度对对账时间预测值进行校正，提高预测企业对账
时间的准确性。
[0059]
s230、根据贝叶斯网络对所述对账时间倾向度进行分析，并基于分析结果确定对账时间校正值。
[0060]
其中，对账时间校正值可以是基于上述对账偏向程度对账时间预测值进行校正后的时间值，具体的，可以根据贝叶斯网络对对账时间倾向度进行最大似然估计分析，确实对账时间校正值。其中，根据贝叶斯网络对对账时间倾向度进行分析可以包括：基于贝叶斯网络分别对对账时间倾向度进行最大似然估计，得到至少一个局部似然估计结果；将各局部似然估计结果进行加权计算，并根据加权计算结果确定对账时间校正值。
[0061]
示例性的，计算局部似然估计结果的公式为：
[0062][0063]
其中，随机变量集合x＝[wu,c，g，u,k...]，πi为xi的父结点集合，各个随机变量的条件概率相互独立。在计算出各个局部似然估计结果后，可以将各局部似然估计结果进行加权计算，并根据加权计算结果确定对账时间校正值。
[0064]
s240、将所述对账时间校正值与预设对账时间区间进行对比，并根据对比结果确定目标对账时间区间。
[0065]
其中，预设对账时间区间可以是预设的对一个月中的日期划分的时间区间，例如，可以间隔10天划分一个区间，则可以将一个月划分出3个预设对账时间区间。对于对账时间处于不同预设对账时间区间的企业，可以匹配相应的对账管理策略，以提高企业对账时效管理的灵活性和有效性。目标对账时间区间可以是也即对账时间校正值所处的预设对账时间区间，通过将对账时间校正值与预设对账时间区间进行对比，可以确定出目标对账时间区间。
[0066]
s250、根据所述目标对账时间区间匹配相应的企业对账时效管理策略，确定目标企业对账时效管理策略。
[0067]
其中，目标企业对账时效管理策略可以是与目标对账时间区间对应的企业对账管理策略，企业对账管理策略包括对账延期策略和对账时间提醒策略等策略，通过根据对账时间校正值匹配相应的目标企业对账时效管理策略，可以在银企对账及时性要求上进行弹性对账时间管理，降低企业误封率。示例性的，当目标对账时间区间为一个月的后10天时，可以将对账截止日期由15延迟到30号，避免因为企业因未及时对账而被执行异常封户处理。通过对不同对账时间区间企业制定相应的对账管理策略，可以有效降低非异常封户率，提升企业资金流转运作效率，同时减少银行催收业务。
[0068]
示例性的，图6是本发明实施例提供的一种确定企业对账时效管理策略的方法流程图，如图6所示，确定企业对账时效管理策略的方法流程包括：根据输出的预测结果进行差异化分析，确定企业对账时间所属的类别，再根据企业对账时间的所属类别制定该企业的催收方案，并进行容错处理封户。
[0069]
进一步的，图7是本发明实施例提供的一种进行企业对账时效管理的方法流程图，如图7所示，进行企业对账时效管理的方法流程包括：首先对账时间关联属性数据，再对获取的数据进行预处理；随后基于预处理后的数据进行模型训练，模型训练的过程包括：进行超参数寻优确定模型的超参数最优值，并基于超参数最优值确定初始对账时间预测模型，
再进行模型训练，并根据误差分析进行多次模型训练；随后对训练好的对账时间预测模型输出的企业对账预测时间进行校正调优，校正调优的过程包括：根据因果推理对企业对账预测时间进行校正；最后基于校正后的企业对账时间进行结果输出，结果输出的过程包括：根据校正后的企业对账时间制定并输出差异化方案。
[0070]
本发明实施例所提供的技术方案，通过获取待对账企业的目标对账时间关联属性信息，并将目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；基于历史对账时间信息确定待对账企业的对账时间倾向度；根据贝叶斯网络对对账时间倾向度进行分析，并基于分析结果确定对账时间校正值；将对账时间校正值与预设对账时间区间进行对比，并根据对比结果确定目标对账时间区间；根据目标对账时间区间匹配相应的企业对账时效管理策略，确定目标企业对账时效管理策略。本发明实施例的技术方案解决了现有技术预测对账时间的准确性不足的问题，可以提高预测对账时间的准确性，提高企业对账时效管理的效率。
[0071]
图8是本发明实施例提供的一种企业对账时效管理装置的结构示意图，本发明实施例可适用于预测企业的对账时间，并根据对账时间对企业的账户安全进行管理的场景中，该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的计算机设备中。
[0072]
如图8所示，企业对账时效管理装置包括：对账时间预测模块310、对账时间校正模块320和企业对账时效管理策略确定模块330。
[0073]
其中，对账时间预测模块310，用于获取待对账企业的目标对账时间关联属性信息，并将目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；对账时间校正模块320，用于基于待对账企业的历史对账时间信息对对账时间预测值进行校正，得到对账时间校正值；企业对账时效管理策略确定模块330，用于根据对账时间校正值确定目标企业对账时效管理策略，完成对待对账企业的对账时效管理过程。
[0074]
本发明实施例所提供的技术方案，通过获取待对账企业的目标对账时间关联属性信息，并将目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；基于待对账企业的历史对账时间信息对对账时间预测值进行校正，得到对账时间校正值；根据对账时间校正值确定目标企业对账时效管理策略，完成对待对账企业的对账时效管理过程。本发明实施例的技术方案解决了现有技术预测对账时间的准确性不足的问题，可以提高预测对账时间的准确性，提高企业对账时效管理的效率。
[0075]
在一种可选的实施方式中，对账时间校正模块320具体用于：基于历史对账时间信息确定待对账企业的对账时间倾向度；根据贝叶斯网络对对账时间倾向度进行分析，并基于分析结果确定对账时间校正值。
[0076]
在一种可选的实施方式中，对账时间校正模块320具体用于：基于贝叶斯网络分别对对账时间倾向度进行最大似然估计，得到至少一个局部似然估计结果；将各局部似然估计结果进行加权计算，并根据加权计算结果确定对账时间校正值。
[0077]
在一种可选的实施方式中，目标对账时间预测模型包括卷积神经网络结构和长短期记忆网络结构，其中，卷积神经网络结构的超参数是基于贝叶斯优化算法确定的。
[0078]
在一种可选的实施方式中，企业对账时效管理装置还包括：对账时间预测模型训
练模块，用于：根据超参数确定初始对账时间预测模型；基于对账时间预测模型训练样本对初始对账时间预测模型进行训练，得到目标对账时间预测模型。
[0079]
在一种可选的实施方式中，企业对账时效管理装置具体用于：将对账时间预测模型训练样本输入至初始对账时间预测模型中，得到对应的对账预测时间；根据对账预测时间与对账时间预测模型训练样本的对账标签时间的对比结果确定损失函数，并根据损失函数调整初始对账时间预测模型的网络权值；当损失函数收敛时，完成模型训练过程，得到目标对账时间预测模型。
[0080]
在一种可选的实施方式中，企业对账时效管理策略确定模块330具体用于：将对账时间校正值与预设对账时间区间进行对比，并根据对比结果确定目标对账时间区间；根据目标对账时间区间匹配相应的企业对账时效管理策略，确定目标企业对账时效管理策略。
[0081]
本发明实施例所提供的企业对账时效管理装置可执行本发明任意实施例所提供的企业对账时效管理方法，具备执行方法相应的功能模块和有益效果。
[0082]
图9为本发明实施例提供的一种计算机设备的结构示意图。图9示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图9显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。计算机设备12可以任意具有计算能力的终端设备，可以与配置于企业对账时效管理设备中。
[0083]
如图9所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0084]
总线18可以是几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
[0085]
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0086]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom，dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
[0087]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
[0088]
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图9中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0089]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的企业对账时效管理方法，该方法包括：
[0090]
获取待对账企业的目标对账时间关联属性信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；
[0091]
基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值；
[0092]
根据所述对账时间校正值确定目标企业对账时效管理策略，完成对所述待对账企业的对账时效管理过程。
[0093]
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的企业对账时效管理方法，包括：
[0094]
获取待对账企业的目标对账时间关联属性信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；
[0095]
基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值；
[0096]
根据所述对账时间校正值确定目标企业对账时效管理策略，完成对所述待对账企业的对账时效管理过程。
[0097]
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0098]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0099]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0100]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如java、smalltalk、c++，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0101]
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
[0102]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

技术特征：
1.一种企业对账时效管理方法，其特征在于，所述方法包括：获取待对账企业的目标对账时间关联属性信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值；根据所述对账时间校正值确定目标企业对账时效管理策略，完成对所述待对账企业的对账时效管理过程。2.根据权利要求1所述的方法，其特征在于，所述基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值，包括：基于所述历史对账时间信息确定所述待对账企业的对账时间倾向度；根据贝叶斯网络对所述对账时间倾向度进行分析，并基于分析结果确定所述对账时间校正值。3.根据权利要求2所述的方法，其特征在于，所述根据贝叶斯网络对所述对账时间倾向度进行分析，并基于分析结果确定所述对账时间校正值，包括：基于所述贝叶斯网络分别对所述对账时间倾向度进行最大似然估计，得到至少一个局部似然估计结果；将各局部似然估计结果进行加权计算，并根据加权计算结果确定所述对账时间校正值。4.根据权利要求1所述的方法，其特征在于，所述目标对账时间预测模型包括卷积神经网络结构和长短期记忆网络结构，其中，所述卷积神经网络结构的超参数是基于贝叶斯优化算法确定的。5.根据权利要求4所述的方法，其特征在于，所述目标对账时间预测模型的训练过程，包括：根据所述超参数确定初始对账时间预测模型；基于对账时间预测模型训练样本对所述初始对账时间预测模型进行训练，得到所述目标对账时间预测模型。6.根据权利要求5所述的方法，其特征在于，所述基于对账时间预测模型训练样本对所述初始对账时间预测模型进行训练，得到所述目标对账时间预测模型，包括：将所述对账时间预测模型训练样本输入至所述初始对账时间预测模型中，得到对应的对账预测时间；根据所述对账预测时间与所述对账时间预测模型训练样本的对账标签时间的对比结果确定损失函数，并根据所述损失函数调整所述初始对账时间预测模型的网络权值；当所述损失函数收敛时，完成模型训练过程，得到所述目标对账时间预测模型。7.根据权利要求1所述的方法，其特征在于，所述根据所述对账时间校正值确定目标企业对账时效管理策略，包括：将所述对账时间校正值与预设对账时间区间进行对比，并根据对比结果确定目标对账时间区间；根据所述目标对账时间区间匹配相应的企业对账时效管理策略，确定所述目标企业对账时效管理策略。
8.一种企业对账时效管理装置，其特征在于，所述装置包括：对账时间预测模块，用于获取待对账企业的目标对账时间关联属性信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；对账时间校正模块，用于基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值；企业对账时效管理策略确定模块，用于根据所述对账时间校正值确定目标企业对账时效管理策略，完成对所述待对账企业的对账时效管理过程。9.一种计算机设备，其特征在于，所述计算机设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的企业对账时效管理方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的企业对账时效管理方法。

技术总结
本发明实施例公开了一种企业对账时效管理方法、装置、设备和存储介质，其中，方法包括：获取待对账企业的目标对账时间关联属性信息，并将所述目标对账时间关联属性信息输入至经过预先训练的目标对账时间预测模型，得到对账时间预测值；基于所述待对账企业的历史对账时间信息对所述对账时间预测值进行校正，得到对账时间校正值；根据所述对账时间校正值确定目标企业对账时效管理策略，完成对所述待对账企业的对账时效管理过程。本发明实施例的技术方案解决了现有技术预测对账时间的准确性不足的问题，可以提高预测对账时间的准确性，提高企业对账时效管理的效率。企业对账时效管理的效率。企业对账时效管理的效率。


技术研发人员：高健
受保护的技术使用者：中国农业银行股份有限公司
技术研发日：2023.04.03
技术公布日：2023/7/21