买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：盛业信息科技服务(深圳)有限公司

摘要：本发明公开了基于深度学习对医院采购发票的回款账期预测方法及系统，属于深度学习领域。该方法将发票对应的特征数据输入到目标神经网络模型中；根据所述神经网络模型的输出值，预测所述发票对应的回款账期。该目标神经网络模型是通过对具有至少两层隐藏层的深度学习模型训练得到的，深度信息在处理非线性的影响因素时具有更好的效果。在训练时使用的损失函数在预测值小于标签时，得到第一损失值，在预测值不小于标签时，得到第二损失值，第一损失值不小于第二损失值；因此使得预测出来的回款账期在满足预设精度要求的情况下，不小于真实回款账期，降低账期延期风险。

主权项：1.一种基于深度学习对医院采购发票的回款账期预测方法，其特征在于，所述方法包括如下步骤：将发票对应的特征数据输入到目标神经网络模型中；其中，所述目标神经网络模型是使用多组训练数据对初始神经网络模型进行训练得到的，初始神经网络模型至少包括两层隐藏层，所述多组训练数据中的每一组训练数据均包括：历史发票对应的特征数据以及用于标记该发票对应的实际回款账期的标签；根据所述神经网络模型的输出值，预测所述发票对应的回款账期；所述使用多组训练数据对初始神经网络模型进行训练得到所述目标神经网络，具体包括：S1，在初始神经网络模型完成对一个批次样本的前向传播后，利用损失函数计算初始神经网络模型的预测值与标签之间的误差作为损失值；其中，所述多组训练数据被划分为多个批次样本；所述损失函数为分段函数，在预测值小于标签时，得到第一损失值，在预测值不小于标签时，得到第二损失值，第一损失值不小于第二损失值；S2，计算损失函数对初始神经网络模型各参数的偏导数；S3，基于各参数的偏导数，使用梯度下降法更新初始神经网络模型中的各参数；S4，迭代上述步骤S1至S3，遍历多个批次样本，直到损失函数收敛或达到预定的训练轮数，得到目标神经网络模型；每张发票对应的特征数据包括该发票上记录的数据、开具该发票时的季节、根据各历史发票上记录的数据统计得到的开具该发票的医院的采购频率数据、开具该发票的医院所在地的财政情况数据、开具该发票的医院的历史上的所有单期回款的平均回款账期以及开具该发票的医院的历史上的所有分期回款的准时回款率；通过以下步骤确定每组训练数据中的标签：当历史发票属于单期回款时，将该发票对应的实际回款账期作为标签；当历史发票属于分期回款时，判断开具发票的医院是否属于低风险医院集合中的医院，若否，则将最后一期对应的实际分期回款账期作为标签；若是，则从第一期开始计算各期分期回款账期对应的累计回款金额对该发票总金额的占比，检测到该占比不小于预设比例时，将当前的分期回款账期作为标签；其中，所述低风险医院集合为由合作次数大于预设次数并且在分期回款中各期的准时回款率超过预设回款率的医院所组成的集合；其中，基于各参数的偏导数，使用梯度下降法更新初始神经网络模型中的各参数，具体包括：在第T轮训练时，使用以下的公式三对神经网络模型当前的参数进行更新，得到在第T+1轮训练时神经网络模型的新参数；公式三：其中，η为学习率，用于表示神经网络模型，是参数为θ的函数，x表示发票对应的特征数据，输出为预测值；y为标签；为损失函数，当前轮训练使用的该批次样本包括n组训练数据，为该批次样本中第i组训练数据的标签，为该批次样本中第i组训练数据中发票对应的特征数据。

全文数据：

权利要求：

百度查询： 盛业信息科技服务(深圳)有限公司 基于深度学习对医院采购发票的回款账期预测方法及系统