基于反馈的在线相似性学习用于发票行项目匹配
机器学习
2020-02-17 v2 机器学习
摘要
大型企业的采购到付款流程（P2P）是一种后端业务流程，处理企业运营所需的产品与服务的采购。采购通过向入围供应商下发采购订单完成，供应商提交的发票在经历严格校验流程后付款。编排 P2P 流程的业务人员经常遇到将发票中的产品或服务描述与采购订单中的描述进行匹配，并核实所订物品是否为已供应或已服务的物品的问题。例如，发票与采购订单中的描述可能是“TRES 739mL CD KER Smooth”和“TRES 0.739L CD KER Smth”，它们在词级别看起来不同但指代同一物品。在典型 P2P 流程中，业务人员在发票过账付款前被要求手动选择相似的产品。该业务步骤人工、重复、繁琐且成本高。由于描述并非规范句子，我们无法直接应用现有的语义与句法文本相似性方法。在本文中，我们提出两种利用各类可用业务人员记录反馈数据解决上述问题的方法。若业务人员反馈为描述间的相对排序形式，我们使用相似性排序算法；若业务人员反馈为绝对形式（如匹配或不匹配），我们使用分类相似性算法。我们还提出了对方法有效性的威胁，并给出利用产品分类法与目录的可能补救方案。我们在多个基准和真实数据集上展示了所提方法相较之下的有效性与效率。
引用
@article{arxiv.2001.00288,
title = {Online Similarity Learning with Feedback for Invoice Line Item Matching},
author = {Chandresh Kumar Maurya and Neelamadhav Gantayat and Sampath Dechu and Tomas Horvath},
journal= {arXiv preprint arXiv:2001.00288},
year = {2020}
}