客服热线:400-868-5678



您所在的位置:首页 > 新闻中心 > 媒体报道

【专访】金融服务创新优秀案例之一 :人工智能构筑金融科技发展新引擎

2019年04月01日      来源:金科创新社      点击次数:

2018年9月,北京农商银行智能作业平台成功上线,标志着该行在将人工智能深度学习技术与后台服务体系融合的创新中取得了新进展,进一步提升作业智能化水平,优化处理效率,提升客户体验,增加风险管理能力。人工智能成为北京农商银行金融科技发展的新引擎。

据项目负责人北京农商银行软件开发中心丁树晶介绍,在应用服务体系建设和金融创新渐进的过程中,北京农商银行初步完成了流程银行建设,将前、中、后台作业分离,达到提高效率、防范风险、加强业务监督的目的。在集约化的后台作业模式下,随着业务发展和体量的增长,后台作业人员工作繁复性也在显现并扩大。如何利用科技手段达到智能、自动化运营,建立满足业务需求的模型,将人工智能技术应用到各作业流程中,成为北京农商银行人工智能探索研究的重要方向。

深度学习和创新应用

在项目实施中,北京农商银行首先引进、研究人工智能深度学习技术,根据相关图像识别产品的成熟度和同业推进情况,确定基于CTPN(Connectionist Text Proposal Network )的思想,结合实际应用场景,对证件类图像目标类型的定位问题进行改进,实现针对票据类型水平图像的文本区域定位。

统计显示,支票汉字的补录量占支票总补量的47.7%,进账单汉字补录量占进账单总补量的60.8%。由于支票和进账单的补录量占前后台业务补录量的92.1%,汉字补录量占前后台业务补录量的63.7%,而前后台业务占总补录量82%,所以汉字补录量占总补量的52%。因此,提高汉字识别效率,成为提升流程效率的关键,也是智能作业平台的核心。

丁树晶详细介绍了北京农商银行探索实践的过程,在深度学习算法选择、模型适配上,通过不同的模型进行学习和训练,将不同模型识别出的结果进行比对,过滤出业务可信的数据。目前业务上是通过“二录一较”机制来确定可信数据的,即OCR识别结果与人工一录数据进行比对,一致为可信数据,不一致进行人工二录,人工二录与OCR识别结果和人工一录数据分别比对,一致即为可信数据,都不一致再通过人工审核岗进行确认。

同时,通过人工智能“机器人”来参与人工流程。假设机器人1和机器2的识别率都能达到60%以上,则能选出至少36%的可信数据,在剩下64%的不可信数据里,可通过机器3与机器人1和机器2进行两两比对,有一致的可作为可信数据。根据实际业务要求和系统的处理能力以及可允许的处理时限,来安排机器人比对的轮次。

“在不考虑系统的处理能力、可允许的处理时限以及不同机器人训练的复杂度的前提下,理论上,当比对的轮次趋近于无穷多次,正确率能趋近100%。实际上,只需要提高汉字识别率,同时用两个机器人,就能大幅度减少人工补录量,满足现行业务要求。” 丁树晶说。

搭建智能作业平台

智能作业平台的开发平台分为界面交互层、业务应用层和服务通讯层,各类开发互不影响,可以支持多人多项目并行开发;使用C端交易实现复用,开发一次可以发布到各类设备使用。

智能作业平台架构如图1所示,采用松耦合架构,便于未来扩展和改造。整个体系在逻辑上分为接口层、应用层、服务层、人工智能算法层、存储层。

图1  智能作业平台架构

接口层主要负责影像数据的受理,提供PC客户端、移动端、批量影像数据的接入,支持客户端控件接口、JAVA SDK接口、C# SDK接口、WebService、移动终端接口、批量处理接口等。

应用层属于智能作业平台的业务核心层,该层面对应北京农商银行行内的业务人员,为其提供人工录入、二录一较、配置管理、统计分析等功能。

人工智能算法层属于智能作业平台的技术核心层。该层主要负责人工智能业务模型的部署,向外提供人脸识别、图像识别、二维码识别、通用识别等算法。支持各种符号(数字、字母、汉字等)、各种形式(机打、手写、盖章等)、各种载体(条型码、二维码等)、各种图像类型(银行票据、身份证、银行卡等)的识别。

服务层主要负责封装智能作业平台影像处理的服务。提供影像识别、影像分割、影像调阅、影像存储等功能。

存储层主要负责提供智能作业平台影像存储的功能。

智能作业平台和机器学习是一个不断完善,循序渐进的过程。在平台应用推广上,北京农商银行采取了“以应用代理论”的方式,完成一种技术就推广一种技术。通过在实践中找到应用系统的问题和痛点,对技术方案和应用方案进行检验,对业务推广和管理模式进行验证的模式,不断完善和改进平台性能,为后续全行推广智能作业平台发挥良好示范作用。(李庆莉 冯薇)

上一篇:

下一篇: 

中科汇联承办,easysite内容管理系统,portal门户,舆情监测,搜索引擎,政府门户,信息公开,电子政务