2019年机器阅读在智能银行中的应用深度剖析与实践.pdf

《2019年机器阅读在智能银行中的应用深度剖析与实践.pdf》由会员分享，可在线阅读，更多相关《2019年机器阅读在智能银行中的应用深度剖析与实践.pdf（31页珍藏版）》请在三个皮匠报告上搜索。

1、机器阅读在智能银行中的应用深度剖析与实践上下求索：智能银行建设的痛点与思考钩深极奥：机器阅读介绍与剖析遍地开花：落地实现，案例剖析与展望010203互联网银行的挑战全国执业，没有网点依赖流量，客户增长快业务迭代快快快数据增长快快快制度，流程繁多人力不足，传统人效低互联网银行强监管合规金融业务复杂智能银行趋势银行1.0银行2.0银行3.0银行4.0网点人工服务自助机具服务电子银行服务智能银行服务受到时间、空间限制打破使用时间约束打破时间、空间约束摆脱固定入口，全面脱媒征信服务账户服务理财服务支付服务银行客户客户对金融服务的本质需求从未改变，只是使用“摩擦”随着科技发展越来越小。银行4.0：开放、

2、智能的时代语音是未来十年最重要的交互入口当前近30%的手机搜索由语音完成，到2020年，比例将达50%50%80%约80%的受访问用户认为通过语音方式进行线上购物体验令人满意52%超过52%亚马逊智能语音设备的所有者每日都会使用这些设备1亿亚马逊在3年内售出了超过1亿台配备智能语音系统Alexa-equipped的设备5G+AI+IoT=愿景：基于自然语言的动态银行用户各种终端金融，生活，办公场景账户管理资产管理交易支付商务办公客服出行智能应用银行金融能力智能报表智能辅助决策智能审计合规智能商务办公智能客服智能核身智能业务办理智能反欺诈账户能力资金能力支付能力风控能力金融大脑从类脑认知科学演化

3、智能大脑架构感知认知执行（听）语言（看）图形图像（触）传感信号（说）语言（干）动手理解决策可交互-类脑-架构InteractableBrain-LikeArchitecture自然语言处理图形图像深度学习知识图谱非结构化数据结构化数据微智能+AI服务交付个性化感知认知执行Interaction交互Action执行Brain-Like类脑思考IBA架构API+Data系统对话+视觉用户端到端的智能交付才是王道系统执行（认知）类脑思考（认知）类脑交互（认知）感官交互（感知）机器对话理解意图理解意图转化多轮对话自然语言生成机器写作对话回复生成智能调用智能API调用智能服务调度智能WebWebJS动作

4、渲染机器视觉图形图像识别人脸识别智能语音语音识别语音合成声纹识别智能问答一问一答结构化知识问答闲聊问答自主决策现实认知主动推荐自主学习自主演进学习对抗学习交互(I)思考(B)执行(A)+=完整智能体验用户系统数据辅助决策智能报表数据洞察机器阅读语义提取语义分类文本比对机器阅读在智能银行中的应用深度剖析与实践上下求索：智能银行建设的痛点与思考钩深极奥：机器阅读介绍与剖析遍地开花：落地实现，案例剖析与展望010203QA，NLU，机器阅读？差异可以问答形式提供服务文本文本信息提取，分类，比对模型构建问答模型机器阅读QA问答形式提供服务结构化数据、文本、半结构化表格差异相同差异对自然语言的理解针对长

5、文本（书面）文本信息提取，分类，比对模型比较短语语义相似度机器阅读NLU对自然语言的理解针对短语（非书面）差异相同a=q-f(D,A)答案提问文章候选答案面向场景的能力分类语义提取01语义分类02文本比对03机器阅读=面向交付的智能应用能力语义提取：介绍按某种业务理解的关注点，从大段文本中自动提取目标语句（段，句子等）大段文本关注点目标语句用户AI系统结构分析特征理解语句提取用户语义提取：原理来自网络一维匹配模型二维匹配模型问题的整体语义编码问题的每个词语义编码文档向量化处理问题向量化处理特征理解的匹配加入深层网络的推理优点实现成熟，结构清晰数据充足时，准确率高泛化能力强，与领域几乎无关适用场

6、景文档数据充足问题明确限制数据量少时，效果不佳文档数据分布影响效果语义提取：原理(2)结构分析引入结构分析的半自动模型学习数据分布的分类业务A模型基础模型A(一维匹配).业务N模型基础模型C(二维匹配)基础模型B(一维匹配).预训练基础模型择优选取增量训练生产业务模型文档数据分布特征语义分类：介绍按业务理解的一组分类语义标签，将多个文本按其语义归类到对应的1个或多个标签多个文本打上标签的文本用户AI系统维度分析特征理解打标签用户语义分类：方法一来自网络基于LSTM+Attention向量化处理DL分类器优点实现简单，结构清晰支持单分类，多分类泛化效果良好适用场景每个分类标签的数据充足分类标签分