法律案件生命周期中异常发票明细项的检测

美国是全球最大的法律服务分发国，代表着一个4370亿美元的市场。其中，企业法务部门向律师事务所支付800亿美元用于其服务。每个月，法务部门都会接收并处理来自这些律师事务所和法律服务提供商的发票。法律发票审核一直是企业法务部门负责人的痛点。法律发票复杂而繁琐，通常包含数百个明细项，涵盖从实际法律工作到复印、餐饮和差旅等费用的各种内容。发票审核过程中涉及的人工工时与审查力度可能令人不堪重负。即便已采取常见保障措施，如既定的计费指南、经验丰富的发票审核员（通常为高薪内部律师）以及基于规则的电子计费工具（“e-billing”），许多差异仍未被发现。我们利用机器学习，旨在揭示当前法律发票审核流程（律师事务所提交给企业客户的发票）的缺陷，并探索改进方法。在这项工作中，我们详述了基于法律案件生命周期中的适用性（使用一组案件级和发票明细项级特征建模）来检测异常发票明细项的方法，应用了多种机器学习模型架构。为克服无标签数据的挑战，我们生成了一个合成数据集，利用主题专家（“SME”）知识操纵现有记录的属性以反映产品生命周期中的异常状态，并使用一组模型架构刻画方法的性能。我们展示了该过程如何推进异常检测问题的解决，特别是在异常特征已知的情况下，并分享了将该方法应用于真实数据所得的的经验教训。