AI对账单解析定制:多银行版式与流水归一
金融AI实验室在信贷尽调场景做了一组实验:将申请人提供的多家银行对账单,转为统一流水结构,用于收入稳定性与异常交易初筛。与通用OCR不同,难点集中在三处:版式差异大、表头跨页、借贷方向与余额校验。目前采用版面检测先定位表区,再以表格结构识别…
金融AI实验室在信贷尽调场景做了一组实验:将申请人提供的多家银行对账单,转为统一流水结构,用于收入稳定性与异常交易初筛。与通用OCR不同,难点集中在三处:版式差异大、表头跨页、借贷方向与余额校验。目前采用版面检测先定位表区,再以表格结构识别…
在金融AI实验室的反洗钱方向,我们把实验重点从单笔交易规则转向账户网络。做法是:以近12个月的转账与代付流水构建时序异质图,节点为账户与设备,边为交易,节点特征包括交易频次、对手方集中度、夜间占比与首次交易年龄;用图神经网络输出风险分,再由…
金融AI实验室近期围绕反洗钱告警收敛做了一轮实验。思路是把账户、设备、商户建为节点,把资金流与共用信息建为边,构成带时间戳的异构图,用图模型做团伙聚类,再由规则模板输出可解释的资金路径。 阶段性进展与下一步: 进展:在脱敏的历史交易切片上,…
在信贷尽调中,银行流水是验证经营真实性的关键材料,但各家银行的导出格式、摘要写法差异极大,人工整理一份 12 个月流水通常要 20 分钟以上。本期实验围绕「摘要归一 + 收入还原」两个环节展开。 进展:我们把任务拆成三步——版式无关的表结构…
反洗钱可疑交易研判的难点,往往不在单笔异常,而在多个账户之间隐蔽的协同行为。实验室本期以脱敏对公流水为样本,将账户与交易构建为异构图:节点为账户,边特征包含金额、频次、时间间隔、对手方集中度与摘要文本向量,再叠加社区发现算法(Louvain…
小微企业信贷的尽调环节里,银行流水是最常用也最难结构化的一类材料:不同银行的 PDF 版式、扫描件清晰度、摘要写法差异很大,同一笔经营性回款在流水里可能只留下“转账”“货款”“往来”这类模糊摘要。人工核验通常要看交易对手、金额规律和账户类型…
在信贷尽调环节,银行流水仍是人工核对密度最高的一类材料。实验室近期搭建了一套面向流水的实验管线:先用版面检测区分不同银行的表头、页眉与合并单元格,再做行级 OCR 与列对齐,最后交给「规则+模型」的校验层,检查借贷方向、余额连续性与时间序列…
金融AI实验室近期围绕信贷尽调中的财报材料自动化核对,完成了阶段性验证。中小微授信申请提交的财报多为扫描件或拍照件,版式差异大,同一科目在不同行业模板下的名称、单位与正负号约定并不统一;若直接做OCR后字段抽取,误差会逐级累积到指标计算与授…
小微信贷审批中,银行流水是最常用的还款能力证据。客户常提交多银行、多账户流水,格式不一,备注里混杂「货款」「往来」「备用金」,人工核验一户通常要二十分钟以上,且不同信审员口径不一致。金融AI实验室本期把流水核验拆成三步做实验:一是版面解析,…
在投研问答场景中,模型直接生成数字是风险最高的环节。金融AI实验室本期实验把问答链路拆成检索、计算、引用三段:模型不产出裸数值,只负责定位报表字段、选择计算算子并组织表述,所有数字由确定性计算模块给出,答案附带单元格级引用,便于人工回查。 …
反洗钱可疑交易甄别长期受制于告警量大与解释成本高:规则命中之后,分析师需手工回溯资金链路、客户画像与历史行为,单案研判常以小时计,且结论口径不易统一。本期金融AI实验室以某城商行脱敏数据开展小样本实验,探索“命中—取证—解释”的半自动路径。…
反洗钱可疑交易识别长期依赖专家规则,口径清晰但覆盖面有限,对团伙式资金流转刻画不足。金融AI实验室本期实验尝试将规则引擎与账户关系图特征分层融合:规则层保留监管口径明确的高置信判据;模型层以账户为节点、转账为边构建时序交易图,用图神经网络提…
在反洗钱场景中,规则引擎对明确红线覆盖良好,但对分层转账、分散归集等结构化可疑模式识别有限,且告警量大、误报率高,人工复核负担重。金融AI实验室以某城商行脱敏交易流水为样本,探索“规则+图”的混合识别路径。 做法上,将账户作为节点、转账作为…
金融AI实验室近期在反洗钱场景做了一组实验:把可疑交易识别从单笔规则判断,改为「账户—交易」异构图上的链路推理。样本取自脱敏对公流水,正例为已结案的可疑上报,负例为同期未上报账户。 进展: 图特征与行为序列特征拼接后,可疑团伙召回在前200…
金融场景的流水核验长期依赖人工逐页翻找,难点不在单页 OCR,而在异构版式、跨页表格与语义归一。本阶段实验聚焦消费信贷进件中的银行流水:先用版面检测切分页眉、表格与脚注,再按行重建交易记录,随后对交易摘要做收入类型判别(工资、经营回款、理财…
在金融AI实验室近期的实验性探索中,我们把重点放在非结构化财报附注的机器可读化。附注表格常跨页断裂、表头多级嵌套,单位与会计口径随章节切换,直接做OCR拼接容易造成科目错配。当前流程分三段:先做版面解析与跨页表格合并,用表头语义树还原层级关…
在信贷尽调环节,银行流水通常以PDF、Excel导出件、扫描件三种形态混存,各行表头命名与科目口径不一,单份材料的字段核对与收入认定仍以人工为主。本期金融AI实验室围绕「可核验的自动化」做了一组实验性探索。 技术路径上,先做版式解析与表格结…
在信贷尽调与投研场景中,财报主表往往不是信息瓶颈,附注才是。关联交易、担保、或有负债、会计政策变更等风险线索散落在数百页文本与表格里,人工翻阅耗时且易漏。金融AI实验室近期围绕附注解析做了一轮实验性探索,目标不是替代判断,而是把可核对的事实…
小微授信里,银行流水是最常用的还款能力证据,也是最难结构化的材料。近两个月,金融AI实验室在内部沙盒中对流水解析做了一次小规模实验,把任务拆成三步:交易对手归一化、摘要文本分类、收入还原。 第一步解决“同名不同主体”:同一收款方在不同银行回…
在信贷尽调和投研场景中,财报 PDF 的表格抽取长期存在“抽得出、对不上”的问题:跨页表格被截断、千分位与括号负数被误读、单位(万元/元)混用,最终导致指标口径错误。金融AI实验室近期围绕这一环节做了一组实验性探索,重点不在模型规模,而在抽…