beancount/smart_importer

해결하는 문제

Beancount에 은행 거래를 가져올 때 수동으로 거래를 분류하는 데 필요한 노력을 줄입니다. 모든 새로운 거래에 대해 수동으로 계정이나 수취인을 할당할 필요 없이, 과거 데이터를 기반으로 이러한 속성을 예측합니다.

작동 방식

이 프로젝트는 scikit-learn (특히 서포트 벡터 머신 또는 SVC)로 구현된 분류 모델을 사용합니다. 사용자의 Beancount 레저에 있는 기존 거래를 학습 데이터로 간주하며, 가져오기 과정 중 실시간으로 처리됩니다. 새로운 거래가 가져올 때 모델은 입력을 분석하고 누락된 두 번째 게시물(계정) 또는 수취인 이름을 예측합니다. 사용자는 예측을 수정하고 레저에 저장함으로써 정확도를 향상시킬 수 있으며, 이는 향후 가져오기의 업데이트된 학습 데이터로 사용됩니다.

대상 사용자

자신의 과거 거래 데이터를 사용하여 재무 가져오기의 분류를 자동화하고자 하는 Beancount 및 Beangulp 사용자.

주요 특징

• 로컬 처리: 모든 AI 처리는 로컬 머신에서 수행되며, 데이터는 클라우드로 전송되지 않습니다.
• 통합성: 기존 Beangulp 가져오기 도구의 훅 또는 래퍼로 작동하며 Fava와 통합됩니다.
• 사용자 정의 토크나이저: 중국어용으로 jieba와 같은 사용자 정의 토크나이저를 지원하여 다양한 언어를 처리합니다.
• 피드백 루프: 사용자가 예측을 수정하고 레저에 저장함으로써 정확도가 시간이 지남에 따라 향상됩니다.