用 Transformer 打击犯罪：支付数据中地址解析方法的实证分析
计算与语言
2024-04-10 v2
摘要
在金融行业中，在各种监管要求的背景下，识别支付相关方的位置是一项重大挑战。为此，地址解析需要从自由文本消息属性中提取街道、邮政编码或国家等字段。尽管支付处理平台正在更新其标准以采用更结构化的格式（如带有 ISO 20022 的 SWIFT），但对于相当大数量的消息而言，地址解析仍然是必不可少的。随着 Transformer 和生成式大型语言模型（LLM）的出现，我们在处理海量日常数据的约束下，探索了 state-of-the-art 解决方案的性能。本文还旨在表明，需要训练能够处理现实世界嘈杂交易数据的稳健模型。我们的结果表明，使用早停法进行良好微调的 Transformer 模型显著优于其他方法。尽管如此，生成式 LLM 展示了强大的零样本性能，值得进一步研究。
引用
@article{arxiv.2404.05632,
title = {Fighting crime with Transformers: Empirical analysis of address parsing methods in payment data},
author = {Haitham Hammami and Louis Baligand and Bojan Petrovski},
journal= {arXiv preprint arXiv:2404.05632},
year = {2024}
}