电子报表生成方法及装置

技术领域

本申请涉及人工智能技术领域，尤其涉及一种电子报表生成方法及装置。

背景技术

在金融行业中，生成电子报表是常见的一种数据整理和展示方式，电子报表常用于数据分析和对账等工作。

目前常见的电子报表生成方法是应用电子报表生成工具，主要有两类，一类是基于Apache POI类库来操作Excel，包括ExcelUtils和JXLS等，这种方式开发过程复杂，代码量大，难以应对日渐复杂且要求严格的电子报表格式和数据量日渐增大的现状，而且这类工具存在很严重的消耗内存问题；另一类是基于开源的excel处理框架EasyExcel，该框架是一个编程库，使用者需要调用API编码来生成电子表格，操作复杂，对于非技术人员的终端用户而言，可能存在不会使用或者使用很不方便的问题。

发明内容

针对现有技术中的至少一个问题，本申请提出了一种电子报表生成方法及装置，能够提高电子报表生成的效率和可靠性，同时能够增加应用场景的广泛性。

为了解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种电子报表生成方法，包括：

获取原始交易文件；

根据预设的报表生成模型，生成所述原始交易文件对应的电子报表；

所述预设的报表生成模型为应用预设的背景知识、历史交易文件及其对应的历史电子报表对元解释学习模型预先训练得到的。

进一步地，所述根据预设的报表生成模型，生成所述原始交易文件对应的电子报表，包括：

根据所述预设的报表生成模型和原始交易文件，得到所述原始交易文件中的交易数据的处理方式和写入位置信息；

根据所述交易数据、该交易数据的处理方式和写入位置信息，生成所述电子报表。

进一步地，在所述根据预设的报表生成模型，生成所述原始交易文件对应的电子报表之前，还包括：

获取历史交易文件及其对应的历史电子报表；

根据预设的背景知识、所述历史交易文件及其对应的历史电子报表对元解释学习模型进行训练，得到所述报表生成模型。

进一步地，所述历史交易文件中的样本数据的条数大于等于5并且小于等于10。

第二方面，本申请提供一种电子报表生成装置，包括：

获取模块，用于获取原始交易文件；

生成模块，用于根据预设的报表生成模型，生成所述原始交易文件对应的电子报表；所述预设的报表生成模型为应用预设的背景知识、历史交易文件及其对应的历史电子报表对元解释学习模型预先训练得到的。

进一步地，所述生成模块，包括：

第一得到单元，用于根据所述预设的报表生成模型和原始交易文件，得到所述原始交易文件中的交易数据的处理方式和写入位置信息；

第二得到单元，用于根据所述交易数据、该交易数据的处理方式和写入位置信息，生成所述电子报表。

进一步地，所述的电子报表生成装置，还包括：

获取历史数据模块，用于获取历史交易文件及其对应的历史电子报表；

训练模块，用于根据预设的背景知识、所述历史交易文件及其对应的历史电子报表对元解释学习模型进行训练，得到所述报表生成模型。

进一步地，所述历史交易文件中的样本数据的条数大于等于5并且小于等于10。

第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的电子报表生成方法。

第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现所述的电子报表生成方法。

由上述技术方案可知，本申请提供一种电子报表生成方法及装置。其中，该方法包括：获取原始交易文件；根据预设的报表生成模型，生成所述原始交易文件对应的电子报表；所述预设的报表生成模型为应用预设的背景知识、历史交易文件及其对应的历史电子报表对元解释学习模型预先训练得到的，能够提高电子报表生成的效率和可靠性，同时能够增加应用场景的广泛性；具体地，可扩展能力强，特别适用于格式规范要求复杂并且数据量大的电子报表生成过程，能够降低人力成本。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例中电子报表生成方法的流程示意图；

图2是本申请一种举例中的原始交易文件的数据结构示意图；

图3是本申请应用实例中电子报表生成方法的流程示意图；

图4是本申请实施例中电子报表生成装置的结构示意图；

图5为本申请实施例的电子设备的系统构成示意框图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

随着金融行业的发展，处理金融交易数据往往需要投入大量的时间，如何处理庞大且精细的数据是金融机构如银行工作人员日常面对的一个问题；目标编程人员来可以通过写脚本来自动完成重复工作，如应用基于Apache POI类库制作的处理工具，这种方式开发过程复杂，代码量大，难以应用数据量且逻辑复杂的表格；基于此，考虑到金融机构中的每一类电子报表均具有明确格式规范，具有易被抽象描述的特点，本申请从改变现有的电子报表生成方式入手，结合人工智能和归纳逻辑编程(Inductive Logic Programming，简称ILP)技术，提供一种新的电子报表生成方法及装置，与常见的大数据学习方法不同，本申请仅需少量的样本数据即可得到可靠的报表生成模型，ILP以符号形式提供假设，相对于神经网络这样的黑盒模型，它具有极好的表达力和可理解性，利用具有高抽象力的逻辑语言和函数描述输入输出对象，得到报表生成模型，该报表生成模型的表现形式可以为一组Prolog程序，该程序描述了源数据到目标数据的生成规则，复用可以生成符合相同规则的数据。也就是说，本申请通过元解释学习框架归纳学习得到电子报表生成规则，该规则以Prolog程序的形式表达，复用该程序生成同一类电子的报表。

Swi-Prolog是Prolog语言的一个比较常用的运行环境，具有非常强大的内库，可扩展能力很强。对于银行系统中的电子报表，格式规范要求严格，比如列高、行宽和字体等要求，可以通过前端交互的方式输入数据来进行设置。

为了提高电子报表生成的效率和可靠性，同时增加应用场景的广泛性，本申请实施例提供一种电子报表生成装置，该装置可以是一服务器或客户端设备，所述客户端设备可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备和智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表和智能手环等。

在实际应用中，进行电子报表生成装置的部分可以在如上述内容所述的服务器侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。

上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。

所述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信，包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol，远程过程调用协议)、REST协议(Representational State Transfer，表述性状态转移协议)等。

具体通过下述各个实施例进行说明。

为了提高电子报表生成的效率和可靠性，同时增加应用场景的广泛性，本实施例提供一种执行主体是电子报表生成装置的电子报表生成方法，该电子报表生成装置包括但不限于服务器，如图1所示，该方法具体包含有如下内容：

步骤100：获取原始交易文件。

具体地，所述原始交易文件可以包含有：多条原始交易记录，每条原始交易记录可以包括多个交易数据，交易数据包括：控制代码、地区号、网点号和柜员号等；如图2所示，可以在各条原始交易记录之间设置空行，同一原始交易记录中的各交易数据以换行符隔开，其中，500000270、4600、500和1054组成一条原始交易记录，500000271、4600、500和2785组成一条原始交易记录，500001191、4600、500和3788组成一条原始交易记录。所述原始交易文件可以是文本文件。

步骤200：根据预设的报表生成模型，生成所述原始交易文件对应的电子报表；所述预设的报表生成模型为应用预设的背景知识、历史交易文件及其对应的历史电子报表对元解释学习模型预先训练得到的。

具体地，所述电子报表包含有：表头、表尾和处理后的交易数据等；所述电子报表可以是财政日报或月报等，如授权支付月度统计表。在一种举例中，所述电子报表的形式如表1所示，该电子报表第一行的行数据表示交易数据类型，第一行之外的行数据表示原始交易记录；所述元解释学习模型即元解释学习器或元解释学习引擎；所述预设的背景知识包括：受限子句和元规则，可根据实际需要进行设定，本申请对此不作限制。本申请对电子报表的形式不作限制，如EXCEL或文本文件等形式，能够提高电子报表生成的应用场景的广泛性。

表1

为了进一步提高生成电子报表的可靠性，在本申请一个实施例中，步骤200包括：

步骤201：根据所述预设的报表生成模型和原始交易文件，得到所述原始交易文件中的交易数据的处理方式和写入位置信息。

所述处理方式可以包括：交易数据的加减乘除、删减替换等。所述写入位置信息表示处理后的交易数据写入电子报表的位置。

步骤202：根据所述交易数据、该交易数据的处理方式和写入位置信息，生成所述电子报表。

为了在保证报表生成模型的可靠性的基础上，提高训练报表生成模型的效率，进而提高生成电子报表的准确性和效率，在本申请一个实施例中，在步骤200之前还包括：

步骤021：获取历史交易文件及其对应的历史电子报表。

具体地，在金融交易系统中，日常交易量往往以万为单位，而且对于同一类的电子报表，区别只在于交易数量和具体数据的不同，生成规则都是相同的，因此，历史电子报表与生成的电子报表的类型相同。

步骤022：根据预设的背景知识、所述历史交易文件及其对应的历史电子报表对元解释学习模型进行训练，得到所述报表生成模型。

其中，所述历史交易文件中的样本数据的条数大于等于5并且小于等于10。

具体地，元解释学习框架是一种基于归纳逻辑程序设计的框架，元解释学习属于小样本学习；学习过程无需用上万行数据进行训练。只需要取5至10条样本数据作为训练集即可，能够在保证模型训练可靠性的基础上，提高训练效率。样本数据的标签即历史电子报表的数据与样本数据具有一一对应的映射关系；样本数据即历史交易文件中的历史交易记录，一条记录对应文件中的一行数据；记录与记录之前用空行隔开，每条记录中的数据与数据之间以换行符隔开，整理好的数据以文本的形式作为元解释学习模型的输入；在历史交易文件中，以表格形式存在的以上数据便是元解释学习模型的输出；一条样本数据包括该条记录的输入和输出。

进一步地，表头表尾部分可直接通过位置坐标进行抽象，得到映射规则，由于表头表尾信息不属于大量重复内容，因此可以通过抽象的位置信息和动作编写Prolog程序。该程序包括从历史文件记录中获取电子表格的表头表尾信息，并写入一个空的目标表格中。

核心地，如何从输入文本信息得到输出的电子表格是本发明的关键。首先说明以下元解释学习机制的运行原理，该机制是通过给定的样例和背景知识归纳学习出来一段Prolog程序，将目标和一个可用的一阶子句的头统一起来，统一后的子句主体中的原子将成为受同一约束的新目标，不断迭代证明新目标的过程会积累一条证明链，将该证明链进行泛化，便得到了描述输入数据到输出数据(即整理得到的文本数据到电子报表)的映射关系的程序。由于程序的书写形式多种多样，为了增强程序的可读性与规范性、缩小假设空间，元解释学习引入元规则作为规范假设形式的强约束，目前常用的关系元规则主要是二元关系。使用者向元解释学习器提供受限子句和元规则，受限子句需要根据不同的应用场景给出，即特征信息。为了进一步说明本方案，参见图3，本申请提供一种电子报表生成方法的应用实例，包括：

步骤1：获取电子月报表并收集该电子月报表对应的10条样本数据。

步骤2：对样本数据进行数据处理，以便于接下来抽象数据内容和提取特征。

具体地，数据部分的数据量大而且可能涉及数据变换，将输入数据整理成文本的形式，同组数据间以换行符隔开，每组数据间空一行以作区别，将该部分内容抽象为f(A,B)中的对象A，f(A,B)表示元解释学习模型的学习目标即上述报表生成模型，A是作为输入的数据流，B是输出。

步骤3：根据处理后的样本数据，处理电子月报表，得到样本数据对应的标签，样本数据和标签相对应。

具体地，选取电子月报表中与样本数据相对应的电子报表中的部分，将该部分内容抽象为目标f(A,B)中的对象B。电子报表的内容应该包括表头、表尾和数据部分，表头表尾信息单一而且不用进行计算，可以通过坐标来进行映射。

步骤4：选择合适的元规则并构建模型训练学习所需要的背景知识。

针对表头信息而言，以授权支付业务月度统计表为例，其中表头包括网点号、网点名称和账户名称等信息，这些信息的位置明确，信息简单，可以通过提取坐标位置处的特征信息，得到可构造的高抽象受限子句，该受限子句可以包括：表头内容、表头内容在电子报表中所处的坐标位置信息、将表头内容写入对应的位置的动作信息等；表尾信息同理。

举例来说，可以通过高抽象如下Horn子句来生成表头：f(所输入的文本信息,表头位置信息):-location(所输入的文本信息,表头信息),map(表头信息,表头位置信息,write)。该子句含义为根据输入的文本信息、表头信息和表头位置信息，将表头信息写入电子报表中所述表头位置信息对应的位置。

关键地，针对数据部分，除了直接映射的数据关系，还可能会出现部分数据涉及到加减乘除、数据删减替换等运算，因此需要提供的受限子句除了位置的映射关系，还需视具体情况而定提供相关的特征信息，例如：字符串的头部信息、字符串的尾部信息、合并两个字符串、以某字符分割字符串、加减乘除运算、判空运算和迭代运算等信息。

具体地，给定一组样例ε和背景知识β。应用(β,ε)训练元解释学习器，得到能够输出与输入假设一致的确定程序H，或者终止，声明找不到程序。每个样例包含有唯一的样本数据和该样本数据对应的标签。

背景知识β由受限子句D和元规则M组成，受限子句包括：交易文件中的交易数据的位置与该交易数据对应在实际电子报表中的位置之间的映射关系filterMap和交易数据可能会出现的简单运算关系等，例如合并某两列数据到某一列；元规则以一种高阶逻辑表达式的形式存在，描述假设程序中允许的子句形式。常见的元规则的表达形式如表2所示：

表2

其中，阶可以表示元规则中变量需要满足的优先级关系；A、B和C表示变量，P、Q和R表示谓词；P(A,B)、Q(A,B)表示变量A和变量B之间不同的关系或动作，例如，reverse(A,B)表示将列表A逆序，得到列表B；head(A,B)表示B是列表A的头部；True表示始终为真，P(A,B)常用于表示背景知识中的受限子句D。P(A,B)←Q(A,B)表示若如果Q(A,B)成立，那么P(A,B)成立，。符号“＞”的含义是正比于，符号左边的变量的优先级大于右边，“P＞Q”表示谓词P的优先级需要高于Q的条件，具体的表现是谓词P出现在文本中的顺序先于谓词Q，这种约束关系的主要用途是，在搜索目标程序的过程中降低搜索成本。P(A,B)←Q(A),R(A,B)表示如果Q(A)和R(A,B)都成立，那么P(A,B)成立。谓词为生成电子报表需要用到的函数关系，可以将函数关系输出至一互动界面，供用户来选择。

受限子句D是指描述特征信息的一阶子句。除了符合该场景下的一阶子句，还有一些常用的高阶谓词：map/3，until/4，ifthenelse/5，其中3、4、5表示该谓词所拥有的参数个数。高阶子句的作用是提供一些元规则无法表达的含义，他们可以出现在元规则中变量出现的位置，也可以出现在元规则中谓词出现的位置，使得所习得程序不必拘泥于二元形式。举例来说，map/3的含义为：

map([],[],F)

map([A|As],[B|Bs],F)←F(A,B),map(As,Bs,F)

F表示一个或者多个动作/关系，map的含义是指每次从列表里取表头元素A和B，然后执行F(A,B)，直到两个列表的元素都被取完。

Until/4的含义为：

until(A,A,Cond,F)←Cond(A)

until(A,B,Cond,F)←not(Cond(A)),F(A,C),until(C,B,Cond,F)

F表示一个或者多个动作/关系，谓词until表示当A不满足条件Cond，则将A作为动作/关系F的输入，得到输出C。然后将C作为新的输入进行以上相同验证，直到输入满足Cond为止。

步骤5：将处理后的样本数据作为元解释学习模型的输入，将标签作为输出进行训练学习。

通过一系列原子目标和元规则的头进行匹配，然后递归地证明他们。在测试Order约束之后，save_metasub函数会检查元替代是否已经存在程序中，否则将其添加到扩展程序中。在完成后，返回程序，然后通过构造派生处所有的假设。

举例来说，当前样例的输入为：[500000271,4600,500,2785]，输出结果如表1中的第三行数据。

首先，对应prove([Atom|Atoms],Prog1,Prog2)，将样例f([500000271,4600,500,2785]，数据的表格信息描述)作为元解释框架的输入，即第一个目标Atom；然后将该Atom与给定的位置信息等受限子句进行匹配，只有当f的两个参数与二元受限子句完全相同时，才算匹配成功，若没有这样的受限子句，则进行元规则匹配，以chain元规则为例：

metarule(Name,MetaSub,(Atom:-Body,Order)),Order,save_metasub(metasub(Name,MetaSub),Prog1,Prog3)是指将当前目标Atom与元规则头(即箭头所指向的那方)进行匹配目标，数据的表格信息描述)与P(A,B)一一对应，通过匹配得到规则体Body(即箭头尾部)，即Q([500000271,4600,500,2785]，未知)和R(未知，数据的表格信息描述)，如果Q或者R可以直接匹配到受限子句的头，那么该头保存到元替代MetaSub中；否则，这两个子句保存在Body中，作为新目标，元替代中保存发明谓词例如f1、f2，此时初始目标的参数已经被传递；接下来就是要证明Body中的所有子句是否可以匹配到给定的位置坐标等信息的受限子句，如果Body最终无法被证明，则需要换一条元规则进行尝试，如果Body被全部证明，则证明链被保存，作为最终程序的第一句。后续，继续依次证明其他样例，直到所有样例被证明完成。

元解释器的诱导流程如下：

步骤6：整合学习结果，作为该类电子报表的生成规则进行复用。

从软件层面来说，为了提高电子报表生成的效率和可靠性，同时增加应用场景的广泛性，本申请提供一种用于实现所述电子报表生成方法中全部或部分内容的电子报表生成装置的实施例，参见图4，所述电子报表生成装置具体包含有如下内容：

获取模块10，用于获取原始交易文件。

生成模块20，用于根据预设的报表生成模型，生成所述原始交易文件对应的电子报表；所述预设的报表生成模型为应用预设的背景知识、历史交易文件及其对应的历史电子报表对元解释学习模型预先训练得到的。

在本申请一个实施例中，所述生成模块，包括：

第一得到单元，用于根据所述预设的报表生成模型和原始交易文件，得到所述原始交易文件中的交易数据的处理方式和写入位置信息。

第二得到单元，用于根据所述交易数据、该交易数据的处理方式和写入位置信息，生成所述电子报表。

在本申请一个实施例中，所述的电子报表生成装置，还包括：

获取历史数据模块，用于获取历史交易文件及其对应的历史电子报表。

训练模块，用于根据预设的背景知识、所述历史交易文件及其对应的历史电子报表对元解释学习模型进行训练，得到所述报表生成模型。

其中，所述历史交易文件中的样本数据的条数大于等于5并且小于等于10。

本说明书提供的电子报表生成装置的实施例具体可以用于执行上述电子报表生成方法的实施例的处理流程，其功能在此不再赘述，可以参照上述电子报表生成方法实施例的详细描述。

由上述描述可知，本申请提供的电子报表生成装置，能够提高电子报表生成的效率和可靠性，同时能够增加应用场景的广泛性；具体地，可扩展能力强，特别适用于格式规范要求复杂并且数据量大的电子报表生成过程，能够降低人力成本。

从硬件层面来说，为了提高电子报表生成的效率和可靠性，同时增加应用场景的广泛性，本申请提供一种用于实现所述电子报表生成方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容：

处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现所述电子报表生成装置以及用户终端等相关设备之间的信息传输；该电子设备可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该电子设备可以参照实施例用于实现所述电子报表生成方法的实施例及用于实现所述电子报表生成装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

图5为本申请实施例的电子设备9600的系统构成的示意框图。如图5所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图5是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

在本申请一个或多个实施例中，电子报表生成装置功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：

步骤100：获取原始交易文件。

步骤200：根据预设的报表生成模型，生成所述原始交易文件对应的电子报表；所述预设的报表生成模型为应用预设的背景知识、历史交易文件及其对应的历史电子报表对元解释学习模型预先训练得到的。

从上述描述可知，本申请的实施例提供的电子设备，能够提高电子报表生成的效率和可靠性，同时增加应用场景的广泛性。

在另一个实施方式中，电子报表生成装置可以与中央处理器9100分开配置，例如可以将电子报表生成装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现电子报表生成装置功能。

如图5所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图5中所示的所有部件；此外，电子设备9600还可以包括图5中没有示出的部件，可以参考现有技术。

如图5所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。

其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。

输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。

存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。

上述描述可知，本申请的实施例提供的电子设备，能够提高电子报表生成的效率和可靠性，同时增加应用场景的广泛性。

本申请的实施例还提供能够实现上述实施例中的电子报表生成方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的电子报表生成方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤100：获取原始交易文件。

步骤200：根据预设的报表生成模型，生成所述原始交易文件对应的电子报表；所述预设的报表生成模型为应用预设的背景知识、历史交易文件及其对应的历史电子报表对元解释学习模型预先训练得到的。

从上述描述可知，本申请实施例提供的计算机可读存储介质，能够提高电子报表生成的效率和可靠性，同时增加应用场景的广泛性。

本申请中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。