云計(jì)算賦能金融文本數(shù)據(jù)智慧處理

隨著爆發(fā)式增長(zhǎng)的數(shù)據(jù)從四面八方奔涌而來(lái)，金融行業(yè)面臨的數(shù)據(jù)挑戰(zhàn)，比我們很多人想象得更加嚴(yán)峻。

在傳統(tǒng)的模式下，數(shù)據(jù)的分析、錄入和審核全部采用人工審閱模式，極大地降低了業(yè)務(wù)效率，容易造成商機(jī)錯(cuò)失。于是，通過(guò)OCR（光學(xué)字符識(shí)別）技術(shù)來(lái)實(shí)現(xiàn)各種業(yè)務(wù)場(chǎng)景的智能化，已經(jīng)成為當(dāng)前諸多銀行的首選。作為一項(xiàng)枯燥繁雜、重復(fù)度高、工作量大的業(yè)務(wù)，財(cái)報(bào)的數(shù)據(jù)錄入和分析顯然可以讓OCR技術(shù)大展身手。最近幾年，云上模式成為趨勢(shì)，新型數(shù)字化應(yīng)用飛速發(fā)展，原有的OCR模式已經(jīng)難以滿足金融行業(yè)需求。

基于相關(guān)的技術(shù)與云服務(wù)，亞馬遜云科技在中國(guó)市場(chǎng)近期推出了一系列本地“原生”的、服務(wù)于金融行業(yè)的解決方案，幫助企業(yè)盤(pán)活數(shù)字資產(chǎn)，以AI創(chuàng)新場(chǎng)景，加速金融企業(yè)的數(shù)字化轉(zhuǎn)型。

亞馬遜云科技的智能公告文本知識(shí)標(biāo)簽提取機(jī)器人方案，便是其之中一。該方案利用Amazon SageMaker機(jī)器學(xué)習(xí)服務(wù)、Amazon Neptune圖數(shù)據(jù)庫(kù)服務(wù)和金融行業(yè)資產(chǎn)盤(pán)活機(jī)器人等云服務(wù)，對(duì)上市公司公告、研報(bào)等文本進(jìn)行分析與實(shí)體抽取，形成知識(shí)標(biāo)簽，以提升銀行和證券機(jī)構(gòu)識(shí)別外部風(fēng)險(xiǎn)與商業(yè)機(jī)會(huì)的效率。

利用這個(gè)方案，用戶不僅可以從上市公司公告中提取價(jià)值信息，也可以“閱讀”法院公告、工商、互聯(lián)網(wǎng)媒體、路透、征信、網(wǎng)點(diǎn)監(jiān)控等不同的數(shù)據(jù)來(lái)源。針對(duì)上市公司公告、研究報(bào)告，通過(guò)利用智能公告文本知識(shí)標(biāo)簽提取機(jī)器人方案，銀行就不必在季末抽取大量人工投入分析文本、提取內(nèi)容等工作，而可以將這些專業(yè)資源用于其他高價(jià)值工作。

與傳統(tǒng)OCR不同的是，該方案對(duì)財(cái)報(bào)的分析不僅是提取其中的數(shù)據(jù)，還包括了高管變動(dòng)等關(guān)鍵信息。其中，AI模型可以對(duì)文檔進(jìn)行自動(dòng)分析與文字抽取，將識(shí)別出的數(shù)據(jù)、文字等信息，進(jìn)行實(shí)體識(shí)別與關(guān)系抽取，形成知識(shí)標(biāo)簽，通過(guò)圖數(shù)據(jù)庫(kù)進(jìn)行保存，便于前端進(jìn)行查詢和展示。

該方案以Amazon S3為基礎(chǔ)，聯(lián)接了Amazon Neptune、Amazon AppSync、Amazon DynamoDB等不同的服務(wù)，通過(guò)數(shù)據(jù)預(yù)處理、數(shù)據(jù)抽取和數(shù)據(jù)后處理，進(jìn)行智能文本處理服務(wù)，可以基于數(shù)據(jù)的生命周期，幫助客戶構(gòu)建智能業(yè)務(wù)平臺(tái)和專業(yè)服務(wù)團(tuán)隊(duì)。

通過(guò)亞馬遜云科技的智能公告文本知識(shí)標(biāo)簽提取機(jī)器人方案，金融機(jī)構(gòu)可以高效率地進(jìn)行如財(cái)報(bào)等文本的處理和分析，從更多的數(shù)據(jù)來(lái)源提取價(jià)值信息，及時(shí)發(fā)現(xiàn)商機(jī)、規(guī)避風(fēng)險(xiǎn)。

“對(duì)于金融行業(yè)來(lái)說(shuō)，這是一種很典型的資產(chǎn)激活。”

亞馬遜云科技中國(guó)地區(qū)金融解決方案負(fù)責(zé)人

需要說(shuō)明的是，亞馬遜云科技中國(guó)本土團(tuán)隊(duì)提供的金融行業(yè)解決方案依托開(kāi)源框架，支持多種框架和模型,用戶對(duì)架構(gòu)和模型自主可控。

其次，用戶的數(shù)據(jù)由金融機(jī)構(gòu)擁有和掌控，他們可以利用這些自有數(shù)據(jù)，進(jìn)行OCR模型的增強(qiáng)訓(xùn)練和精度提升，實(shí)現(xiàn)業(yè)務(wù)的更多可能性。

再次，借助機(jī)器學(xué)習(xí)平臺(tái)Amazon SageMaker和圖數(shù)據(jù)庫(kù)Amazon Neptune，該方案可以在OCR識(shí)別出文字的基礎(chǔ)上，進(jìn)一步進(jìn)行智能的實(shí)體識(shí)別與關(guān)系抽取，形成知識(shí)標(biāo)簽，支持風(fēng)控、營(yíng)銷、推薦等業(yè)務(wù)產(chǎn)品的開(kāi)發(fā)，并可引入圖神經(jīng)網(wǎng)絡(luò)算法模型，服務(wù)更多的業(yè)務(wù)場(chǎng)景。

最后，我們還必須提及亞馬遜云科技金融行業(yè)解決方案的云端優(yōu)勢(shì)：彈性伸縮、資源按實(shí)際用量付費(fèi)，用戶可以隨時(shí)根據(jù)自己的需求開(kāi)啟服務(wù)，節(jié)省不必要的花費(fèi)。