beancount/smart_importer

解决的问题

减少了将银行交易导入 Beancount 时手动分类交易所需的工作量。无需为每个新交易手动分配账户或收款人，该工具会基于历史数据预测这些属性。

工作原理

该项目使用 scikit-learn（特别是支持向量机或 SVC）实现的分类模型。它将用户 Beancount 账本中的现有交易作为训练数据，在导入过程中实时处理。当导入新交易时，模型会分析输入并预测缺失的第二条记账（账户）或收款人名称。用户可以通过修正预测并将其保存到账本中来进一步提高准确性，这些数据随后将成为未来导入的更新训练数据。

适用人群

希望使用自身历史交易数据自动化财务导入分类的 Beancount 和 Beangulp 用户。

特色

• 本地处理：所有 AI 处理都在本地机器上完成；数据不会发送到云端。
• 集成性：可作为现有 Beangulp 导入器的钩子或包装器使用，并与 Fava 集成。
• 可自定义分词：支持自定义分词器（例如用于中文的 jieba），以处理不同语言。
• 反馈循环：随着用户修正并保存交易到账本，准确率会随着时间推移而提高。