随着我国外贸新业态的快速增长,银行国际结算业务在服务实体经济发展、促进贸易投资便利化进程中发挥了越来越重要的作用。根据中国银行业协会近日发布的《中国贸易金融行业发展报告(2023—2024)》,2023年我国主要商业银行国际结算规模再创历史新高,达到11.57万亿美元,较上一年增幅4.4%。中国商业银行在跨境供应链金融服务方面的强劲实力,对于促进内贸与外贸融合发展具有重要意义。

国际结算业务包括国际信用证、汇款、托收等国际结算产品以及跨境人民币结算等多种业务形式,整个过程包含了大量的物流、资金流、信息流相关的纸质单据,纯靠人力审核成本大、效率低。近期,合合信息发布了智能文档抽取技术产品,通过AI技术解决多种类、复杂版面票证的自动识别、信息抽取难题,以数字化手段提升银行国际结算业务审核处理效率。

“开箱即用”的便利,降低银行90%票据审核时间

在国际结算业务中,银行需要将相关纸质单据输入或上传电子平台进行处理,手工录入方式效率低、风险高,极易出错。此前,业内多采用传统的标注训练手段对文档进行结构化抽取。该方案需要对不同版式的票据进行大量样本标注及模型训练,不但成本高昂,也无法及时地适应新样本的版式变化,影响信息抽取效果。

与传统标注训练方式不同,合合信息此次发布的智能文档抽取技术具备极强的泛化性,提供“开箱即用”的方式处理国际结算业务单据,用户只需在合合信息旗下的TextIn智能文档抽取直接配置需要提取的关键字段,模型就可自动提取相关信息,“零样本”即可进行信息抽取。此前,合合信息曾助力某银行在跨境结算场景中,对多达上百个版本的票据文件进行智能审核,帮助银行完成大批量票据审核,显著降低录入错误率,节约人力成本,相关业务处理时间较原来削减90%。

图:合合信息TextIn智能文档抽取平台运行效果

在垂直领域语义模型的加持下,TextIn智能文档抽取平台基于文字识别、文档解析、文档检索和文本生成四项核心技术,能够精准解析还原复杂版面,使文档抽取功能不再局限于单一类型票据,而是可以抽取多种业务单据中的重要字段,包括信用证、交易合同、进出口报关单、PO单、海运提单等,辅助银行在国际结算场景下进行智能审核。

智能文档抽取技术已在多行业“开花”

除了支持非固定版式文档抽取和“开箱即用”,合合信息智能文档抽取能力可直接对接行内业务系统,在必要的节点,业务人员可以通过可视化的审核页面快速进行图文审核、规则审核与一致性审核,如信用证号是否唯一或者是否在有效期内、信用证与境外汇款申请书的收款人与受益人名称是否一致等,在满足安全与合规要求的前提下,极大提升审核效率,降低运营风险。

智能文档抽取技术已在证券、银行、保险、物流等多个领域里发挥着重要的作用。以物流仓储行业为例,该行业也面临着单据复杂、版式繁多的难题。此前,合合信息曾与某国企物流公司达成合作,引入智能文档抽取技术,共同打造了面向物流仓储场景的IDP智能文档处理系统,解决复杂票据信息抽取难点,助力企业实现物流单证信息的自动化抽取与录入。经实际效果验证,该物流公司整体工作效率较改造前提升80%。未来,合合信息将拓宽更多应用场景,用AI帮助千行百业提高工作效率、优化业务流程。

商业银行国际结算规模创新高,合合信息AI助力金融行业智能处理多版式文档的更多相关文章

  1. php将用户信息提交到表单并且以txt文档打印出来

    1.分析: ====不推荐这种======== <?php function foo(){ // global $message; if(empty($_POST['username'])){ ...

  2. NotionAI - 文档领域的ChatGPT,一款 AI 加持的在线文档编辑和管理工具

    简介 NotionAI - 文档领域的ChatGPT,一款 AI 加持的在线文档编辑和管理工具 作为国际领先的在线文档编辑和管理工具,Notion受到了广大用户的欢迎,尤其是程序员们.它不仅支持笔记. ...

  3. 使用Java POI来选择提取Word文档中的表格信息

    通过使用Java POI来提取Word(1992)文档中的表格信息,其中POI支持不同的ms文档类型,在具体操作中需要注意.本文主要是通过POI来提取微软2003文档中的表格信息,具体code如下(事 ...

  4. 使用pdfFactory隐藏文档中的隐私信息

    分享PDF文档时,文档中可能会存在一些隐私信息,比如用户名.用户的邮件地址.电话号码等信息.为了更好地保护原有文档内容的完整性,大家可以在生成PDF时,使用pdfFactory的隐藏信息功能,删除或遮 ...

  5. 【前端优化之拆分CSS】前端三剑客的分分合合

    几年前,我们这样写前端代码: <div id="el" style="......" onclick="......">测试&l ...

  6. Tidyverse|数据列的分分合合,爱恨情仇

    Tidyverse|数据列的分分合合,爱恨情仇 本文首发于“生信补给站”Tidyverse|数据列的分分合合,一分多,多合一 TCGA数据挖掘可做很多分析,前期数据“清洗”费时费力但很需要. 比如基因 ...

  7. 【Python自动化Excel】pandas处理Excel的“分分合合”

    话说Excel数据表,分久必合.合久必分.Excel数据表的"分"与"合"是日常办公中常见的操作.手动操作并不困难,但数据量大了之后,重复性操作往往会令人崩溃. ...

  8. 【Python自动化Excel】pandas操作Excel的“分分合合”

    话说Excel数据表,分久必合.合久必分.Excel数据表的"分"与"合"是日常办公中常见的操作.手动操作并不困难,但数据量大了之后,重复性操作往往会令人崩溃. ...

  9. Tokyocabinet/Tokyotyrant文档大合集

    1. 前言 这里不是我个人原创,是我对网络上整理到的资料的再加工,以更成体系,更方便研究阅读.主要是对其中跟主题无关的文字删除,部分人称稍做修改;本人无版权,您可以将本页面视为对参考页面的镜像.第二部 ...

  10. 加速 Document AI (文档智能) 发展

    在企业的数字工作流中充满了各种文档,包括信件.发票.表格.报告.收据等,我们无法自动提取它们的知识.如今随着文本.视觉和多模态人工智能的进步,我们有可能解锁这些知识,这篇文章向你展示了你的团队该如何使 ...

随机推荐

  1. 洛谷P1464

    搜索优化后是记忆化搜索,再优化就是dp了 #include <iostream> #include <utility> using namespace std; typedef ...

  2. WPF/C#:在WPF中如何实现依赖注入

    前言 本文通过 WPF Gallery 这个项目学习依赖注入的相关概念与如何在WPF中进行依赖注入. 什么是依赖注入 依赖注入(Dependency Injection,简称DI)是一种设计模式,用于 ...

  3. 持久化技术Mybatis知识精讲【形成知识体系篇】

    环境要求 JDK1.8及以上版本 MySQL数据库 Apache Maven 3.6.1构建工具 IDEA/VSCode/Eclipse开发工具任选其一 思维导图:Xmind ZEN 技术要求 熟悉J ...

  4. [oeasy]python0051_ 转义_escape_字符_character_单引号_双引号_反引号_ 退格键

    转义字符 回忆上次内容 上次研究的是进制转化 10进制可以转化为其他形式 bin oct hex 其他进制也可以转化为10进制 int 可以设置base来决定转为多少进制 回忆一下 我们为什么会有八进 ...

  5. Oracle 序列学习与使用总结

    Oracle序列学习与使用总结 by:授客 QQ:1033553122 简述 序列是oracle提供的用于生成一系列数字的数据库对象,序列会自动生成顺序递增的序列号,可用于提供唯一的自动递增主键.序列 ...

  6. 胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐

    智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐 Agent是以大模型为核心的智能体,通过与用户对话的形式,来完成各种任务,它很像一个"人".如果和 ...

  7. java中的Context

    在java编程中,上下文(Context)是指程序运行时的环境和状态的集合.包括了类对象变量方法等运行时的相关数据 在类中,我们可以通过this获取当前类的变量.方法的上下文, 例如getset方法: ...

  8. .NET 权限工作流框架 TOP 榜

    前言 .NET权限管理及快速开发框架.最好用的权限工作流系统. 基于经典领域驱动设计的权限管理及快速开发框架,源于Martin Fowler企业级应用开发思想及最新技术组合(SqlSugar.EF.Q ...

  9. MindSpore中使用model.train,在每一步训练结束后自动进行调用自定义函数 —— from mindspore.train.callback import Callback

    在MindSpore中使用model.train训练网络时我们难以处理间断性的任务,为此我们可以考虑使用MindSpore中的Callback机制.Callback 函数可以在 model.train ...

  10. (续)在深度计算框架MindSpore中如何对不持续的计算进行处理——对数据集进行一定epoch数量的训练后,进行其他工作处理,再返回来接着进行一定epoch数量的训练——单步计算

    内容接前文: https://www.cnblogs.com/devilmaycry812839668/p/14988686.html 这里我们考虑的数据集是自建数据集,那么效果又会如何呢??? im ...