摘要
本发明涉及智能对账技术领域,具体涉及一种基于多特征工程的智能对账系统及方法,获取历史账单的大样本数据,并对账单的大样本数据进行数据预处理,并从预处理后的大样本数据中提取出历史数据特征,建立多层权重网络,利用多层权重网络将历史数据特征融合为综合特征向量,对综合特征向量进行训练,通过反向传播更新权重网络的参数,构建包含三层架构用Transformer架构的自注意力机制模型,用融合后的特征对Transformer架构的自注意力机制模型进行训练,本发明的优点在于:获取账单的多种特征,能够多方面的对账单进行匹配,保证账单对账的全面性,能够快速准确的随账单进行匹配,快速的查找出异常记录,与未匹配的记录,方便客户查找出问题账单。
技术关键词
历史数据特征
特征工程
智能对账系统
注意力机制
账单
加权特征
融合特征
样本
卷积神经网络提取
时间序列特征
对账技术
前馈神经网络
编码器模块
特征提取模块
标记
传播算法
参数
系统为您推荐了相关专利信息
预测预警方法
多模态数据融合
容器虚拟化技术
复杂度
迁移技术
攻击检测方法
LSTM模型
注意力机制
Word2Vec模型
编码模块
信息优化方法
交叉口
摄像机
深度强化学习
摄像模组
产量预测方法
储层地质力学参数
储层地质参数
门控循环神经网络
数据