[发明专利]基于深度学习的电子凭据高频异常开具检测系统及方法有效
| 申请号： | 201910302523.4 | 申请日： | 2019-04-16 |
| 公开（公告）号： | CN110084620B | 公开（公告）日： | 2022-08-12 |
| 发明（设计）人： | 邱卫东;陈爽;唐鹏;段国蕊;郭捷;黄征 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06Q30/00 | 分类号： | G06Q30/00;G06Q30/04;G06Q40/00;G06K9/62 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王毓理;王锡麟 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的电子凭据高频异常开具检测系统及方法，包括：特征提取模块、深度学习训练模块以及异常行为检测模块，其中：特征提取模块与深度学习训练模块相连并传输训练数据信息，深度学习训练模块与异常行为检测模块相连并传输智能研判模型信息，异常行为检测模块与特征提取模块中数据处理单元相连传输新数据信息并接收数据处理结果信息。本发明针对电子凭据服务体系中开具感知组件端发生的同一企业短时间开具大量凭据、同一企业短时间开具大量大额凭据、企业异常时间开具大量凭据以及企业异常时间开具大额凭据这四种异常行为，能够有效地分辨出异常电子凭据数据。 | ||
| 搜索关键词： | 基于 深度 学习 电子 凭据 高频 异常 开具 检测 系统 方法 | ||
【主权项】：
1.一种基于深度学习的电子凭据异常行为研判系统，其特征在于，包括：特征提取模块、深度学习训练模块以及异常行为检测模块，其中：特征提取模块与深度学习训练模块相连并传输训练数据信息，深度学习训练模块与异常行为检测模块相连并传输智能研判模型信息，异常行为检测模块与特征提取模块中数据处理单元相连传输新数据信息并接收数据处理结果信息；所述的特征提取模块包括：数据读取单元、数据处理单元以及数据标记单元，其中：数据读取单元与数据处理单元相连并传输从开具凭据数据库中读取的的历史数据信息，数据处理单元与数据标记单元相连并传输用于划分异常种类的数据信息，数据标记单元输出数据作为本模块的输出数据与深度学习训练模块相连并为其提供训练数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910302523.4/，转载请声明来源钻瓜专利网。
