7 مارس 2022 -توسط پیتر وارزینسکی، دانشگاه لافبورو -سیستم جدید Xceptor اطلاعات کلیدی سفارشی شده را از فاکتورها استخراج می کند. اعتبار: دانشگاه Loughborough
محققان راه حلی مبتنی بر هوش مصنوعی توسعه داده اند که می تواند به طور خودکار مقادیر زیادی از اطلاعات را از اسناد رایانه ای تجزیه و تحلیل و استخراج کند.
تیمی از دانشگاه لافبورو و Xceptor – که خود را یک “پلتفرم اتوماسیون داده بدون کد” توصیف می کند – یک مدل یادگیری عمیق برای پردازش زبان طبیعی (NLP) ایجاد کرده اند که می تواند محتوا و ساختار صورتحساب ها، فرم های مالیاتی و سایر مدارک دیجیتالی را تجزیه و تحلیل کند تا اسناد و اطلاعات را به دسته ها مرتب کنید.
سیستم بهبودیافته فرآیندهایی مانند راه اندازی حساب های بانکی، تأیید وام مسکن، پاسخ به سؤالات مشتریان و رسیدگی به مطالبات بیمه را با سرعت بخشیدن به بررسی کلاهبرداری و استخراج جزئیات از اسناد هویتی ساده می کند.
دکتر چائو ژانگ از دپارتمان علوم کامپیوتر Loughborough، توسعه‌دهنده ارشد، گفت که این فناوری سریع‌تر و ارزان‌تر از سیستم‌های فعلی است که همان وظایف را انجام می‌دهند و به وظایف مشابه در بخش‌های بانکی، خدمات مالی و بیمه می‌رسند.
وی گفت: در مقایسه با رویکردهای سنتی مبتنی بر قانون یا تطبیق الگو، NLP توسعه‌یافته می‌تواند اصطلاحات را شناسایی کند، ساختارهای زبانی را بیاموزد، همبستگی متنی را استخراج کند و متون را در گروه‌ها و بندهای معنایی، مانند شماره فاکتور، آدرس گیرنده پرداخت، نام طرف مقابل طبقه‌بندی کند. و همچنین تمایز تاریخ سررسید [از] تاریخ فاکتور.”
مدل هوش مصنوعی برای مقابله با محتویات آزاد پیچیده و استخراج قوی اطلاعات مرتبط با زمینه به جای تکیه بر الگوهای از پیش تعریف شده در متون آموزش داده شده است و بر اساس فناوری یادگیری عمیق پیشرفته ساخته شده است.
مفهوم مدل‌سازی گراف در فرآیند یادگیری برای بهبود عملکرد مدل در اسناد پیچیده، که ممکن است شامل جداول و متون مسدود شده با اطلاعات تراز مکانی باشد، معرفی شد. پردازش چنین اسنادی نسبت به متون ساده در پاراگراف ها دشوارتر است.
پروفسور Baihua Li از دانشکده علوم Loughborough گفت: “استخراج اطلاعات مورد نیاز از تعداد زیادی اسناد در حال حاضر یک فرآیند دستی بسیار وقت گیر است. توسعه راه حل های هوش مصنوعی برای یادگیری معنی متنی و همبستگی ارائه شده در اسناد پیچیده ساختار یافته بسیار چالش برانگیز است.
ما خوشحالیم که متخصصان دانشگاه Loughborough در NLP و یادگیری ماشینی با Xceptor روی این نوآوری تغییر دهنده بازی کار می کنند و می توانند با موفقیت عملکرد اتوماسیون هوش مصنوعی را در پلت فرم تجزیه و تحلیل اسناد هوشمند شرکت برای افزایش سرعت و دقت ادغام کنند.
دکتر راب لو، معمار ارشد Xceptor، گفت: «قدرت این فناوری مبتنی بر هوش مصنوعی این است که می‌تواند برای کار با طیف وسیعی از اسناد سازگار شود.برای محیط‌های پیچیده و به سرعت در حال تغییر که ذاتی بانک‌ها، خدمات مالی و بیمه هستند، این فناوری خودکارسازی فرآیندها را ساده‌تر و سریع‌تر می‌کند و آنها را در طول زمان کارآمدتر می‌کند.
“در نهایت ما پاسخگوتر و چابک تر می شویم و کارشناسان می توانند روی کارهای با ارزش تر تمرکز کنند.”
پروفسور Eran Edirisinghe، آکادمیک سابق Loughborough، اکنون در دانشگاه Keele، افزود: “ما امیدواریم که چنین پروژه های مشترکی به صنعت کمک کند تا رقابت خود را بهبود بخشد و خدمات جدید را از طریق استفاده بهتر از دانش، فناوری و مهارت هایی که از تحقیقات منتقل می شود، توسعه دهد.” https://techxplore.com
