這些都不失為有效的方法，但如果需要快速、準確地復(fù)核幾份招股說明書、債券募集說明書、年報等文檔時，恐怕大家手速再快也會應(yīng)接不暇了。

在計算機技術(shù)蓬勃發(fā)展的今天，你是否想過，曾經(jīng)侵占你過多時間的這項機械勞動，可以交由人工智能代勞呢？

今天，我們重點介紹財債通產(chǎn)品財務(wù)一致性審核中的重磅功能——單表格計算審查。

一、財務(wù)邏輯關(guān)系審查

財務(wù)主表信息計算    
 

如：合并口徑/單體口徑中流動資產(chǎn)合計、非流動資產(chǎn)合計、資產(chǎn)總計、流動負債合計、非流動負債合計、負債總計、歸屬于母公司股東的所有者權(quán)益合計、所有者權(quán)益總計、負債及所有者權(quán)益合計、營業(yè)利潤、利潤總額、凈利潤、經(jīng)營活動/投資活動/籌資活動現(xiàn)金流入與流出小計、經(jīng)營活動/投資活動/籌資活動現(xiàn)金流量凈額、期末現(xiàn)金及現(xiàn)金等價物余額等。

     

      

   

這類表格的計算邏輯與格式樣式與券商拿到的中介機構(gòu)提供的第三方文檔的格式及報告撰寫者的個人風格有很大關(guān)聯(lián)，樣式無法窮舉，利用單純累積格式寫正則的方法無法解決全部問題，這也是充分體現(xiàn)AI功力的地方。

達觀數(shù)據(jù)財債通采用統(tǒng)計學與AI自主學習的方法，讓計算機通過深度學習技術(shù)了解各類表格的格式與計算方法，輕松地找出報告中的各類計算錯誤，并通過計算方法展現(xiàn)、建議值提供等方式，幫助用戶加強人機交互能力，以多快好準地實現(xiàn)報告復(fù)核的目標。

財債通對表格內(nèi)容的準確定位得益于其在產(chǎn)品中設(shè)計并實現(xiàn)了一種基于OpenCV和Faster R-CNN深度學習模型的表格抽取算法。 通過使用OpenCV方法識別有線條表格識別、使用深度學習方法識別一般表格，并將二者的識別結(jié)果進行融合。

這種方法在CCKS主辦方的測試集上達到接近100%的準確率，且目前財債通已在中信建投、興業(yè)銀行、招商證券、深交所等金融機構(gòu)的債券募集說明書和年報審核等場景中發(fā)揮作用。

在測試中我們發(fā)現(xiàn)，幾乎每份公開發(fā)表的招股書或募集說明書中都存在或多或少的單表格計算錯誤。在上萬份數(shù)據(jù)的校驗與測試中，財債通能夠找到絕大部分的單表格計算錯誤，并通過人機交互的方式，報告審核的準確率得到了大幅度的提升。

 

特別聲明：

文章來源：達觀數(shù)據(jù)（Datagrand_）

原文鏈接：https://mp.weixin.qq.com/s/CNjTmAoO2wUSvpPq4LoCtw

RPA中國推薦閱讀，轉(zhuǎn)載此文是出于傳遞更多信息之目的。如有來源標注錯誤或侵權(quán)，請聯(lián)系更正或刪除，謝謝。