文/付晨

1 前言

隨著經(jīng)濟的快速發(fā)展，各種項目層出不窮，而項目的審核工作對于項目落地來說至關(guān)重要。但項目審核的流程繁多，文件資料也復(fù)雜多樣。面對大量且復(fù)雜的資料，傳統(tǒng)的人工審核顯然已經(jīng)無法從容應(yīng)對，人工智能技術(shù)或許將成為解決其問題的切口。

2 人工智能技術(shù)在項目文檔資料審核應(yīng)用的意義

項目審核是一項復(fù)雜且專業(yè)性很強的工作，一方面，是審核的項目文件數(shù)量和內(nèi)容過多；另一方面，是項目文件之間存在一些聯(lián)系，有時需要大量的計算來加以驗證，因此審核的工作往往需要耗費大量的時間和精力。更為嚴(yán)重的是，審核人員在審核過程中可能會出現(xiàn)舞弊的現(xiàn)象，嚴(yán)重影響企業(yè)發(fā)展并造成不良的社會影響。而隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，人工智能技術(shù)為解決以上問題帶來了新的思路。

人工智能（AI）是計算機系統(tǒng)對人類智能過程的模擬，包括學(xué)習(xí)（獲取信息和使用信息的規(guī)則），推理（使用規(guī)則來達(dá)到近似或明確的結(jié)論）和自我糾正。人工智能是對計算機系統(tǒng)如何能夠履行那些只有依靠人類智慧才能完成的任務(wù)的理論研究，依賴于大量的數(shù)據(jù)收集、處理和分析，并從數(shù)據(jù)中得出一套行為規(guī)則，并保有自我學(xué)習(xí)的能力。簡單來說，人工智能可以很大程度上幫助工作人員進(jìn)行常規(guī)性的審核工作，甚至對重要的環(huán)節(jié)進(jìn)行提示和幫助?？傊?，運用人工智能，可以最大限度地借助計算機的計算能力，極大地提高審核工作效率，推進(jìn)審核進(jìn)度，降低工作失誤，減少人力成本。

3 人工智能技術(shù)在項目文檔資料審核中的具體應(yīng)用

3.1 計算機視覺技術(shù)

計算機視覺技術(shù)是指計算機從圖像中識別出物體、場景和活動的能力。計算機視覺技術(shù)運用圖像處理操作及其他技術(shù)，將圖像的分析任務(wù)分解為便于管理的小塊任務(wù)。比如，一些圖像識別技術(shù)能夠從圖像中檢測到物體的邊緣及紋理。而圖像分類技術(shù)可被用作確定識別到的特征是否能夠代表系統(tǒng)已知的一類物體。最近火熱的“人臉識別”技術(shù)就屬于其中一種。通過計算機視覺技術(shù)，能夠?qū)崿F(xiàn)對紙質(zhì)地文檔資料進(jìn)行掃描，獲取其中的信息，并轉(zhuǎn)換為一定的編碼形式，供計算機進(jìn)一步分析，實際上就是起到了人的“眼睛”的作用。但人的肉眼會疲勞，而計算機不會。因此，計算機視覺技術(shù)作為人工智能技的子分支，既能夠提高文檔的信息獲取和處理速度，也能提高獲取信息的準(zhǔn)確度。

3.2 自然語言處理技術(shù)

自然語言處理技術(shù)是指計算機擁有的類似人類處理文本的能力，比如，從文本中提取意義，甚至從那些可讀的、語法正確的文本中自主解讀出含義。一個自然語言處理系統(tǒng)并不了解人類處理文本的方式，但是它卻可以用非常復(fù)雜與成熟的手段巧妙地處理文本，例如自動識別一份文檔中所有被提及的人與地點；識別文檔的核心主題；或者在一堆僅人類可讀的合同中，將各種條款與條件提取出來并制作成表。以上這些任務(wù)通過傳統(tǒng)的文本處理軟件根本不可能完成，后者僅能針對簡單的文本匹配與模式進(jìn)行操作。因此，在文檔審核過程中，自然語言處理技術(shù)能夠起到人的“閱讀”作用，可以有針對地對文檔內(nèi)容進(jìn)行查找并分析。

3.3 機器學(xué)習(xí)

機器學(xué)習(xí)是計算機從數(shù)據(jù)中自動發(fā)現(xiàn)模式，并將模式用于做預(yù)測。比如，給予機器學(xué)習(xí)系統(tǒng)一個關(guān)于交易時間、商家、地點、價格及交易是否正當(dāng)?shù)刃庞每ń灰仔畔⒌臄?shù)據(jù)庫，系統(tǒng)就會學(xué)習(xí)到可用來預(yù)測信用卡欺詐的模式。處理的交易數(shù)據(jù)越多，預(yù)測就會越好。機器學(xué)習(xí)需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練和調(diào)整，不斷從文檔資料提取一些信息特征，并建立相應(yīng)模型進(jìn)行預(yù)測，識別和判定其他的內(nèi)容文字，以達(dá)到最后的學(xué)習(xí)效果。因此，機器學(xué)習(xí)就相當(dāng)于人的“思考”和“判斷”，在計算機識別技術(shù)和自然語言技術(shù)等其他技術(shù)的基礎(chǔ)上，對文檔內(nèi)容進(jìn)行進(jìn)一步分析，判斷內(nèi)容是否符合規(guī)范，是否有誤，甚至實現(xiàn)自動糾錯等功能。

4 人工智能技術(shù)在項目文檔資料審核中的應(yīng)用基本步驟

4.1 數(shù)據(jù)集準(zhǔn)備及預(yù)處理

數(shù)據(jù)集準(zhǔn)備工作，其中包括加載數(shù)據(jù)集和執(zhí)行數(shù)據(jù)預(yù)處理的過程。如果是紙質(zhì)文檔，需要先通過計算機視覺技術(shù)進(jìn)行信息獲取。為滿足后期的模型訓(xùn)練，往往需要大量的數(shù)據(jù)集，不同種類的文檔資料都要保證一定的數(shù)量，以保證模型可以對多類型文檔進(jìn)行分析。另一方面，對原始數(shù)據(jù)還要進(jìn)行預(yù)處理，比如按不同標(biāo)題進(jìn)行內(nèi)容分割，確保針對同一類型的內(nèi)容進(jìn)行分析和訓(xùn)練。

4.2 特征工程

特征工程，其主要目的是突出關(guān)鍵信息，隔離無效或無用信息。在計算機視覺中，特征可以是圖像中的線。在自然語言處理中，并且短語或特殊詞計數(shù)可以是特征。在語音識別中，特征可以是單個單詞或音調(diào)。如果正確完成了特征工程，它可以通過從原始數(shù)據(jù)創(chuàng)建有助于促進(jìn)機器學(xué)習(xí)過程的特征來提高機器學(xué)習(xí)算法的預(yù)測能力。常見的特征形式有：計數(shù)向量、映射數(shù)值、TF-IDF向量等等。特征工程是將原始數(shù)據(jù)轉(zhuǎn)換為更能代表預(yù)測模型的基礎(chǔ)問題的特征的過程，從而提高了對潛在數(shù)據(jù)的模型準(zhǔn)確性。

4.3 訓(xùn)練模型

建立模型并進(jìn)行訓(xùn)練。機器學(xué)習(xí)有許多基礎(chǔ)模型，常見的有樸素貝葉斯分類器、線性分類器、SVM模型、隨機森林模型、Boosting模型、深度神經(jīng)網(wǎng)絡(luò)等等。針對文檔審核問題，可以建立一種基于機器學(xué)習(xí)的文檔規(guī)范性審核模型，并依據(jù)數(shù)據(jù)集進(jìn)行模型訓(xùn)練，并對模型的求解結(jié)果進(jìn)行初步評估。模型效果不理想的，還要進(jìn)行模型參數(shù)的調(diào)整，以達(dá)到符合標(biāo)準(zhǔn)的效果；有時利用不同的模型并混合它們的輸出還可以進(jìn)一步改善結(jié)果。

4.4 檢驗?zāi)Ｐ?/h3>

在測試集上檢驗?zāi)Ｐ?。模型?xùn)練后，還要準(zhǔn)備測試數(shù)據(jù)集對其進(jìn)行驗證，對模型的實際審核能力進(jìn)行評估。如果模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)很好但在測試數(shù)據(jù)上表現(xiàn)不佳，則表明它過度擬合。換句話說，訓(xùn)練出來的模型僅僅適用于訓(xùn)練數(shù)據(jù)上，對其他的數(shù)據(jù)集沒有普遍的適用價值。當(dāng)模型檢驗結(jié)果不符合預(yù)期時，應(yīng)該重新調(diào)整參數(shù)，再次進(jìn)行訓(xùn)練，或者調(diào)整思路，更換模型和方法，以達(dá)到預(yù)取的效果。

5 結(jié)語

總而言之，人工智能技術(shù)在項目過程文檔資料審核校驗中的應(yīng)用，能夠很大程度上地提高工作人員的審核效率，減輕審核工作的壓力?，F(xiàn)如今，人們的日常工作也逐漸滲入了文檔內(nèi)容識別的人工智能元素。在未來，人工智能技術(shù)勢必會進(jìn)一步發(fā)展，能夠幫助人處理日常事務(wù)，提高人的工作效率，促進(jìn)時代的發(fā)展。