An Application of Machine Learning for Bookkeeping Entry Classification in Accounting Ledger

Abstract

Each month medium and large organizations usually cope with a large number of bookkeeping entries in accounting ledgers. This is a time-consuming process. To alleviate the problem, we propose an application of machine learning to classify bookkeeping entries. The natural language processing is employed to extract the features out of each entry, which may be in the combination of Thai, English, numbers, and/or special characters. Then, supervised machine learning algorithms are applied, i.e. Decision Tree, Logistic Regression and Naïve Bayes. The experimental results show that the accuracy of Naïve Bayes, Logistic Regression and Decision Tree is 89.88%, 88.99% and 79.40%, respectively.

องค์กรขนาดกลางและขนาดใหญ่ มักมีจำนวนรายการในบัญชีแยกประเภทจำนวนมากในแต่ละเดือน ทำให้ขั้นตอนใน การแยกรายการออกเป็นกลุ่มต่าง ๆ ใช้เวลานาน เพื่อบรรเทาปัญหาดังกล่าว ในบทความนี้ได้นำเสนอการประยุกต์ใช้การเรียนรู้ ด้วยคอมพิวเตอร์เพื่อจำแนกรายการบัญชีแบบอัตโนมัติ ได้มีการใช้การประมวลผลภาษาธรรมชาติเพื่อสกัดคุณลักษณะออกจาก รายการบัญชีที่อาจเป็นข้อความที่มีทั้งภาษาไทย ภาษาอังกฤษ ตัวเลข หรืออักขระพิเศษปนกัน จากนั้นได้ใช้การเรียนรู้ด้วย คอมพิวเตอร์แบบมีการสอนเพื่อจำแนกรายการทำบัญชีออกเป็น 3 ประเภท ได้แก่ ค่าใช้จ่าย สินทรัพย์ ซื้อวัตถุดิบและวัสดุ ใน บทความนี้ได้นำเสนอผลลัพธ์ของการเรียนรู้ด้วยคอมพิวเตอร์ 3 อัลกอริทึมได้แก่ Decision Tree, Logistic Regression และ Naïve Bayes ผลการศึกษาเชิงทดลองปรากฏว่า อัลกอริทึม Naïve Bayes , Logistic Regression, และDecision Tree มี ความถูกต้องเฉลี่ย 89.88% ,88.99% และ 79.40% ตามลำดับ