摘要：為提高財(cái)務(wù)數(shù)據(jù)處理的自動(dòng)化水平，本文設(shè)計(jì)了一種基于RPA技術(shù)的財(cái)務(wù)機(jī)器人業(yè)務(wù)數(shù)據(jù)自動(dòng)化分類系統(tǒng)。該系統(tǒng)在收集財(cái)務(wù)數(shù)據(jù)后，根據(jù)分類規(guī)則進(jìn)行自動(dòng)化分類，并將結(jié)果存儲(chǔ)于數(shù)據(jù)庫(kù)中。分類規(guī)則基于財(cái)務(wù)數(shù)值、文本和業(yè)務(wù)邏輯構(gòu)成，并采用RPA技術(shù)進(jìn)行參數(shù)設(shè)置，執(zhí)行邏輯編寫。數(shù)據(jù)建模使用Apriori算法挖掘數(shù)據(jù)模式，生成關(guān)聯(lián)規(guī)則，并直接應(yīng)用于財(cái)務(wù)機(jī)器人的數(shù)據(jù)自動(dòng)化分類系統(tǒng)中。經(jīng)測(cè)試，基于RPA技術(shù)的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)在高并發(fā)環(huán)境下的穩(wěn)定性良好，能夠滿足大規(guī)模數(shù)據(jù)分類的需求。

關(guān)鍵詞：RPA技術(shù)；財(cái)務(wù)機(jī)器人；數(shù)據(jù)自動(dòng)化；分類系統(tǒng)設(shè)計(jì)

中圖分類號(hào)：F273""""""""" 文獻(xiàn)標(biāo)志碼：A

隨著信息技術(shù)飛速發(fā)展，企業(yè)對(duì)財(cái)務(wù)數(shù)據(jù)處理的自動(dòng)化和智能化需求日益增長(zhǎng)。為提高財(cái)務(wù)數(shù)據(jù)的處理效率和準(zhǔn)確性，本文設(shè)計(jì)了一種基于機(jī)器人流程自動(dòng)化（Robotic Process Automation，RPA）技術(shù)的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)。該系統(tǒng)利用RPA技術(shù)，可實(shí)現(xiàn)財(cái)務(wù)數(shù)據(jù)的自動(dòng)收集、清洗和轉(zhuǎn)換，并采用Apriori算法挖掘數(shù)據(jù)模式，生成關(guān)聯(lián)規(guī)則，從而實(shí)現(xiàn)財(cái)務(wù)數(shù)據(jù)的自動(dòng)化分類。此外，除了對(duì)財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)進(jìn)流程、數(shù)據(jù)建模、應(yīng)用與監(jiān)控等方法進(jìn)行設(shè)計(jì)外，還對(duì)多個(gè)用戶同時(shí)向財(cái)務(wù)機(jī)器人輸入數(shù)據(jù)后的情況進(jìn)行了測(cè)試分析。測(cè)試結(jié)果表明，基于RPA技術(shù)的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)在高并發(fā)環(huán)境下的穩(wěn)定性良好，能夠滿足大規(guī)模數(shù)據(jù)分類的需求。本文基于RPA的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)旨在推動(dòng)企業(yè)財(cái)務(wù)管理現(xiàn)代化進(jìn)程，提升企業(yè)的核心競(jìng)爭(zhēng)力。

1流程設(shè)置

1.1數(shù)據(jù)處理

設(shè)計(jì)該系統(tǒng)時(shí)，首要任務(wù)是對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行處理。機(jī)器人會(huì)應(yīng)用RPA技術(shù)自動(dòng)收集、清洗和轉(zhuǎn)換各種類型的財(cái)務(wù)數(shù)據(jù)，確保數(shù)據(jù)的完整性和準(zhǔn)確性[1]?；赗PA技術(shù)的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類流程如圖1所示。

在確保機(jī)器人有權(quán)限訪問并連接財(cái)務(wù)數(shù)據(jù)源的情況下，機(jī)器人能夠應(yīng)用RPA技術(shù)自動(dòng)從會(huì)計(jì)軟件、銀行對(duì)賬單、發(fā)票、工資單等多個(gè)財(cái)務(wù)數(shù)據(jù)源中收集數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行清洗，以消除重復(fù)、不完整、不準(zhǔn)確或無(wú)關(guān)數(shù)據(jù)。去除重復(fù)記錄、填補(bǔ)缺失值、糾正錯(cuò)誤和標(biāo)準(zhǔn)化數(shù)據(jù)格式后，將清洗的數(shù)據(jù)轉(zhuǎn)換為適合分類的格式。采用RPA編譯將數(shù)據(jù)轉(zhuǎn)換為適合機(jī)器學(xué)習(xí)模型的格式。轉(zhuǎn)換后，財(cái)務(wù)機(jī)器人可對(duì)數(shù)據(jù)信息進(jìn)行驗(yàn)證，以確保其完整性和準(zhǔn)確性。再將不同來(lái)源的數(shù)據(jù)集成到一個(gè)統(tǒng)一的數(shù)據(jù)集中，處理數(shù)據(jù)源間的沖突和重復(fù)問題，并將數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù)中，以支持后續(xù)的數(shù)據(jù)分析。

1.2設(shè)置分類規(guī)則

在基于RPA技術(shù)的財(cái)務(wù)機(jī)器人業(yè)務(wù)數(shù)據(jù)自動(dòng)化分類系統(tǒng)中，處理規(guī)則是保證數(shù)據(jù)正確分類的關(guān)鍵[2]。RPA數(shù)據(jù)自動(dòng)化分類系統(tǒng)處理規(guī)則流程如圖2所示。

在基于RPA技術(shù)的財(cái)務(wù)機(jī)器人業(yè)務(wù)數(shù)據(jù)自動(dòng)化分類系統(tǒng)中，明確財(cái)務(wù)數(shù)據(jù)分類的需求和目標(biāo)可識(shí)別出具體的分類規(guī)則[3]。分類規(guī)則由具體財(cái)務(wù)數(shù)值、財(cái)務(wù)發(fā)票文本、財(cái)政年度以及其他業(yè)務(wù)邏輯構(gòu)成。設(shè)置參數(shù)時(shí)，需要根據(jù)定義好的規(guī)則編寫具體的執(zhí)行邏輯，并為每個(gè)規(guī)則設(shè)置相應(yīng)的參數(shù)。參數(shù)設(shè)定為固定值——金額、變量——日期以及外部源數(shù)據(jù)——市場(chǎng)利率。設(shè)計(jì)數(shù)據(jù)驗(yàn)證流程可保證輸入數(shù)據(jù)符合預(yù)設(shè)格式標(biāo)準(zhǔn)。對(duì)于不符合要求的數(shù)據(jù)，需要記錄異常、觸發(fā)警報(bào)，并對(duì)其進(jìn)行異常處理。確定規(guī)則并驗(yàn)證數(shù)據(jù)后，財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)將設(shè)計(jì)自動(dòng)化分類流程，使用循環(huán)結(jié)構(gòu)遍歷所有數(shù)據(jù)并應(yīng)用分類規(guī)則。最后根據(jù)配置結(jié)果輸出報(bào)告，生成詳細(xì)財(cái)務(wù)數(shù)據(jù)信息，并根據(jù)報(bào)告結(jié)果進(jìn)行反饋循環(huán)，以持續(xù)優(yōu)化、調(diào)整分類規(guī)則，滿足企業(yè)的財(cái)務(wù)數(shù)據(jù)分類需求。

2數(shù)據(jù)建模

2.1Apriori算法挖掘

在基于RPA的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)中，Apriori算法有助于識(shí)別數(shù)據(jù)中的模式和關(guān)聯(lián)，從而輔助生成分類規(guī)則[4]。掃描數(shù)據(jù)集，并統(tǒng)計(jì)每個(gè)項(xiàng)的支持度計(jì)數(shù)，可生成頻繁1-項(xiàng)集?；陬l繁k-1項(xiàng)集，可連接產(chǎn)生候選k-項(xiàng)集。對(duì)候選k-項(xiàng)集進(jìn)行剪枝，即可去除不滿足最小支持度要求的候選項(xiàng)。計(jì)算每個(gè)候選項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的支持度，可識(shí)別出頻繁項(xiàng)集，即在數(shù)據(jù)集中經(jīng)常出現(xiàn)的物品組合。支持度計(jì)算過程如公式（1）所示。

（1）

式中：x為一個(gè)物品或物品組合，即要計(jì)算支持度的項(xiàng)集；Sx為物品x的支持度，即物品x在所有交易中出現(xiàn)的概率；Tc為所含物品x的交易數(shù)，即數(shù)據(jù)集中所含物品x的交易數(shù)量；Tt為總交易數(shù)，即數(shù)據(jù)集中的總交易數(shù)量。

得到支持度后，根據(jù)最小支持度閾值篩選出頻繁k-項(xiàng)集，作為下一輪迭代的基礎(chǔ)，并重復(fù)進(jìn)行連接、剪枝、計(jì)算支持度和篩選頻繁項(xiàng)集的步驟，直到無(wú)法生成新的頻繁k-項(xiàng)集為止。最后，基于挖掘到的頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則，并計(jì)算置信度等指標(biāo)。置信度指標(biāo)計(jì)算過程如公式（2）所示。

（2）

式中：（x→y）為關(guān)聯(lián)規(guī)則，其中x是規(guī)則的前提部分，y是規(guī)則的結(jié)論部分，表示在購(gòu)買物品x的情況下也購(gòu)買物品y；S（x，y）為同時(shí)含有物品x和y的交易數(shù)，即數(shù)據(jù)集中同時(shí)含有物品x和y的交易數(shù)量；S（x）為物品x的支持度，即物品x在所有交易中出現(xiàn)的概率，在此處可用于計(jì)算購(gòu)買物品x時(shí)也購(gòu)買物品y的概率；Cd（x→y）為關(guān)聯(lián)規(guī)則的置信度，即在購(gòu)買物品x時(shí)也購(gòu)買物品y的概率，該值可衡量關(guān)聯(lián)規(guī)則的強(qiáng)度和可靠性。

置信度指標(biāo)可評(píng)估關(guān)聯(lián)規(guī)則中前提部分與結(jié)論部分間的相關(guān)性。高置信度表明在前提條件下出現(xiàn)結(jié)論的概率較高，規(guī)則更可靠。

2.2生成關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則可由頻繁項(xiàng)集推導(dǎo)得出[5]。根據(jù)最小支持度和最小置信度閾值，從頻繁項(xiàng)集中選擇具有較高支持度和置信度的項(xiàng)集，將其作為關(guān)聯(lián)規(guī)則的候選項(xiàng)。對(duì)于每一個(gè)頻繁項(xiàng)集，生成所有可能的關(guān)聯(lián)規(guī)則。假設(shè)頻繁項(xiàng)集為{A，B，C}，可以生成的關(guān)聯(lián)規(guī)則包括A≥B，C；B≥AC；C≥A，B；A≥B；A≥C；B≥A；B≥C；C≥A；C≥B。計(jì)算生成的每個(gè)關(guān)聯(lián)規(guī)則的置信度。如果置信度大于等于最小置信度閾值，則將該關(guān)聯(lián)規(guī)則保存下來(lái)。對(duì)于每個(gè)保存下來(lái)的關(guān)聯(lián)規(guī)則，根據(jù)規(guī)則的前置條件和結(jié)論部分進(jìn)行規(guī)則命名和描述。如規(guī)則A≥B中，C可以命名為“購(gòu)買A通常伴隨購(gòu)買B和C”，并對(duì)其進(jìn)行解釋和注釋，以便于后續(xù)理解使用。根據(jù)增加或減少頻繁項(xiàng)集的選擇調(diào)整最小支持度和最小置信度閾值，以獲得更符合實(shí)際需求的關(guān)聯(lián)規(guī)則。最后將生成的關(guān)聯(lián)規(guī)則應(yīng)用于財(cái)務(wù)機(jī)器人的數(shù)據(jù)自動(dòng)化分類系統(tǒng)中，輔助分類規(guī)則的生成和優(yōu)化。

3應(yīng)用與監(jiān)控

3.1關(guān)聯(lián)規(guī)則應(yīng)用

在應(yīng)用過程中，利用生成的關(guān)聯(lián)規(guī)則幫助財(cái)務(wù)機(jī)器人更好地理解數(shù)據(jù)并進(jìn)行自動(dòng)化分類，從而提高分類系統(tǒng)的準(zhǔn)確性、效率和智能化水平[6]。同時(shí)，計(jì)算余弦相似度可衡量2個(gè)向量間的相似程度，進(jìn)而在關(guān)聯(lián)規(guī)則挖掘中評(píng)估規(guī)則間的相似性，以更好地理解數(shù)據(jù)間的關(guān)系和模式。余弦相似度是指將2個(gè)向量在空間中進(jìn)行投影并計(jì)算二者間夾角的余弦值來(lái)衡量其相似程度。分子表示2個(gè)向量間的內(nèi)積，分母表示各自長(zhǎng)度的乘積。對(duì)于任意2條關(guān)聯(lián)規(guī)則對(duì)應(yīng)的向量，余弦相似度計(jì)算過程如公式（3）所示。

（3）

式中：x和y分別為2條關(guān)聯(lián)規(guī)則對(duì)應(yīng)的向量；xi和yi分別為2個(gè)向量在第i個(gè)維度上的取值；Σi xi. yi為2個(gè)向量x和y中對(duì)應(yīng)維度值的乘積之和，此部分計(jì)算了2個(gè)向量在每個(gè)

維度上的相似程度為2個(gè)向量各自每個(gè)維度值的平方和開根號(hào)后的乘積，此部分計(jì)算了2個(gè)向量在每個(gè)維度上的長(zhǎng)度。

余弦相似度值范圍為[-1，1]，其中1為完全相同，-1為完全不同，0為無(wú)相關(guān)性。計(jì)算余弦相似度，比較不同規(guī)則間的方向關(guān)系，從而更好地理解數(shù)據(jù)間的關(guān)系和模式。

3.2性能監(jiān)控

在完成財(cái)務(wù)數(shù)據(jù)的自動(dòng)化分類流程和關(guān)聯(lián)規(guī)則的生成后，為了確保系統(tǒng)的穩(wěn)定性、準(zhǔn)確性并適應(yīng)可能的變化，需要對(duì)系統(tǒng)進(jìn)行性能監(jiān)控與調(diào)優(yōu)。首先，應(yīng)持續(xù)監(jiān)控?cái)?shù)據(jù)清洗的質(zhì)量，確保數(shù)據(jù)的準(zhǔn)確性和完整性。通過抽樣檢查或全量檢查相結(jié)合的方式，可驗(yàn)證數(shù)據(jù)質(zhì)量。其次，采用交叉驗(yàn)證測(cè)試來(lái)評(píng)估分類系統(tǒng)的準(zhǔn)確率。將財(cái)務(wù)數(shù)據(jù)中的原始數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，并使用訓(xùn)練集數(shù)據(jù)訓(xùn)練分類模型。將訓(xùn)練集數(shù)據(jù)劃分為K個(gè)等份，每次保留一個(gè)份作為測(cè)試集，其余（K-1）份作為訓(xùn)練集，重復(fù)k次，得到k個(gè)模型評(píng)估結(jié)果。最后，統(tǒng)計(jì)每次交叉驗(yàn)證的分類結(jié)果，計(jì)算分類系統(tǒng)的準(zhǔn)確率。分類系統(tǒng)的準(zhǔn)確率計(jì)算過程如公式（4）所示。

×100%（4）

式中：Ac為準(zhǔn)確率；Cs為模型正確預(yù)測(cè)的樣本數(shù)量；Ts為總的測(cè)試樣本數(shù)量。

將k次交叉驗(yàn)證的準(zhǔn)確率取平均值，即可得到最終準(zhǔn)確率評(píng)估結(jié)果，計(jì)算過程如公式（5）所示。

Acyi（5）

式中：Fa為最終準(zhǔn)確率；k為交叉驗(yàn)證的折數(shù)，表示數(shù)據(jù)集被劃分為子集進(jìn)行驗(yàn)證的子集數(shù)量；Acyi為在第i折驗(yàn)證所得的準(zhǔn)確率。

在交叉驗(yàn)證過程中，對(duì)每一次驗(yàn)證得到的準(zhǔn)確率進(jìn)行求和，并取平均值作為最終的準(zhǔn)確率評(píng)估指標(biāo)，由此可以綜合考慮所有折的表現(xiàn)，更全面地評(píng)估分類系統(tǒng)的性能。

4測(cè)試評(píng)估

4.1測(cè)試準(zhǔn)備

基于RPA技術(shù)的財(cái)務(wù)機(jī)器人業(yè)務(wù)數(shù)據(jù)自動(dòng)化分類系統(tǒng)的集成測(cè)試以Windows Server2019為操作系統(tǒng)，部署Intel Core i7-10700KF處理器，以滿足系統(tǒng)快速處理大量財(cái)務(wù)數(shù)據(jù)的基礎(chǔ)需求。同時(shí)，采用Corsair Vengeance LPX16GB（2×8GB）、DDR43200MHz內(nèi)存，以便系統(tǒng)能夠同時(shí)處理多個(gè)任務(wù)和數(shù)據(jù)集，并便于機(jī)器人與不同的財(cái)務(wù)系統(tǒng)快速進(jìn)行數(shù)據(jù)交換。服務(wù)器還設(shè)置有Intel X550-AT210GbE SFP+Network Interface Card網(wǎng)絡(luò)接口。建立高速穩(wěn)定的網(wǎng)絡(luò)環(huán)境，以確保機(jī)器人可以無(wú)障礙地在不同系統(tǒng)間傳輸數(shù)據(jù)。完成測(cè)試環(huán)境搭建后，根據(jù)功能測(cè)試驗(yàn)證財(cái)務(wù)機(jī)器人在高并發(fā)情況下的數(shù)據(jù)收集性能。模擬多個(gè)用戶同時(shí)向數(shù)據(jù)源輸入數(shù)據(jù)，并運(yùn)行數(shù)據(jù)收集任務(wù)，測(cè)量收集任務(wù)的響應(yīng)時(shí)間和系統(tǒng)資源占用情況，從而驗(yàn)證系統(tǒng)在高并發(fā)情況下能否保持性能的穩(wěn)定性。

4.2測(cè)試結(jié)果

為驗(yàn)證基于RPA技術(shù)的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)在高并發(fā)情況下的數(shù)據(jù)收集性能，模擬多個(gè)用戶同時(shí)向數(shù)據(jù)源輸入數(shù)據(jù)，并運(yùn)行數(shù)據(jù)收集任務(wù)，系統(tǒng)響應(yīng)時(shí)間和資源占用情況見表1。

經(jīng)測(cè)試，隨著用戶數(shù)增加，系統(tǒng)響應(yīng)時(shí)間基本保持在2s左右，表明系統(tǒng)在高并發(fā)情況下仍能保持較快的數(shù)據(jù)收集速度。TC-6（60個(gè)用戶）的響應(yīng)時(shí)間為2.5s，略高于其他測(cè)試用例，但仍然在可接受范圍內(nèi)。另外，CPU利用率隨著用戶數(shù)增加而逐漸上升，但利用率始終保持在60%以下，證明CPU資源沒有達(dá)到滿載，仍有余力處理更多的任務(wù)。同時(shí)，內(nèi)存利用率同樣隨著用戶數(shù)增加而上升，但總體保持在55%～63%，表明內(nèi)存利用率的增加幅度也相對(duì)平穩(wěn)，系統(tǒng)內(nèi)存管理得當(dāng)，表明基于RPA技術(shù)的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)在高并發(fā)環(huán)境下的穩(wěn)定性良好，能夠滿足大規(guī)模數(shù)據(jù)分類需求。

5結(jié)語(yǔ)

基于RPA技術(shù)的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)為企業(yè)提供了一種高效、準(zhǔn)確的財(cái)務(wù)數(shù)據(jù)處理解決方案，有助于提升企業(yè)的財(cái)務(wù)管理水平和核心競(jìng)爭(zhēng)力。設(shè)計(jì)了基于RPA技術(shù)的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)，可實(shí)現(xiàn)財(cái)務(wù)數(shù)據(jù)處理的自動(dòng)化和智能化，有效提高企業(yè)財(cái)務(wù)數(shù)據(jù)處理的效率和準(zhǔn)確性。利用RPA技術(shù)，可實(shí)現(xiàn)財(cái)務(wù)數(shù)據(jù)的自動(dòng)收集、清洗、轉(zhuǎn)換和分類功能，采用Apriori算法挖掘數(shù)據(jù)模式并生成關(guān)聯(lián)規(guī)則，可滿足大規(guī)模數(shù)據(jù)分類的需求。經(jīng)測(cè)試，在高并發(fā)環(huán)境下，系統(tǒng)表現(xiàn)穩(wěn)定，響應(yīng)迅速，并且資源利用率在可接受范圍內(nèi)。表明基于RPA技術(shù)的財(cái)務(wù)機(jī)器人數(shù)據(jù)自動(dòng)化分類系統(tǒng)具備處理大量財(cái)務(wù)數(shù)據(jù)和快速交換數(shù)據(jù)的能力，可用于企業(yè)日常財(cái)務(wù)數(shù)據(jù)處理、分析和報(bào)告。

參考文獻(xiàn)

[1]彭雪妍. 基于財(cái)務(wù)數(shù)字化轉(zhuǎn)型背景下的國(guó)企集團(tuán)司庫(kù)管理體系建設(shè)路徑探析[J]. 國(guó)際商務(wù)財(cái)會(huì)，2023（23）：49-52.

[2]徐強(qiáng)艷，李璐涵. 數(shù)字化轉(zhuǎn)型背景下RPA財(cái)務(wù)機(jī)器人在中小型企業(yè)財(cái)務(wù)管理中的應(yīng)用探究[J]. 老字號(hào)品牌營(yíng)銷，2023

（23）：98-100.

[3]黃月薪，陳兵，王耀東，等. 機(jī)器人流程自動(dòng)化技術(shù)驅(qū)動(dòng)科技期刊數(shù)字化創(chuàng)新發(fā)展的應(yīng)用路徑——出版流程轉(zhuǎn)型升級(jí)視角[J]. 科技管理研究，2023，43（23）：241-246.

[4]張曉瑋，劉波，戈姍姍，等. 基于人工智能的財(cái)務(wù)管理創(chuàng)新——財(cái)務(wù)機(jī)器人在XH醫(yī)院的應(yīng)用[J]. 財(cái)會(huì)月刊，2022

（23）：119-126.

[5]黃成慶，董文宇. 基于RPA技術(shù)的醫(yī)院醫(yī)療收入核算流程優(yōu)化研究——以FY醫(yī)院為例[J]. 會(huì)計(jì)之友，2022（16）：40-46.

[6]張媛. 基于RPA技術(shù)的財(cái)務(wù)機(jī)器人業(yè)務(wù)數(shù)據(jù)自動(dòng)化分類系統(tǒng)[J]. 自動(dòng)化與儀器儀表，2022（1）：168-171.