طراحی و پیاده‌سازی سامانه استخراج هوشمند داده‌های مالی از اسناد با استفاده از پردازش تصویر و پردازش زبان طبیعی (NLP)

دسته بندی موضوعی : فنی و مهندسی

زبان : فارسی

نوع فایل : PDF

تعداد صفحات : 13

وضعیت : این مقاله توسط هیات داوران پایگاه ایران ژورنال داوری شده است
دومین همایش ملی و بین المللی تحلیل و بررسی جایگاه ، کارکرد و شیوه های آموزشی در عصر دیجیتال و هوش مصنوعی ، چالش ها و راهکارهای مراکز علمی آموزشی و دانشگاه ها

نویسندگان :
مهدی حسینی روزبهانی کارشناسی کامپیوتر دانشگاه آزاد اسلامی واحد بروجرد - لرستان - کارشناس واحد فناوری آموزش وپرورش اشترینان - لرستان mh.roozbahan@gmail.com
بهاره محمدی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه علوم تحقیقات واحد ساوه - هنرآموز هنرستان آموزش وپرورش بروجرد - لرستان b.mohamadi19@gmail.com
سجاد میرزایی کارشناسی حسابداری دانشگاه پیام نور واحد بروجرد لرستان - هنرآموز هنرستان فنی‌حرفه‌ای آموزش وپرورش شهرستان بروجرد - لرستان sajadinternatinal@gmail.com 

ثبت شده توسط : ایران ژورنال

لینک مستقیم مقاله : https://iran-journals.com/doc/4198

چکیده فارسی :

افزایش حجم اسناد مالی در سازمان‌ها، شرکت‌ها و مؤسسات اقتصادی، ضرورت استفاده از روش‌های هوشمند برای استخراج، طبقه‌بندی و پردازش اطلاعات مالی را افزایش داده است. بسیاری از اسناد مالی مانند فاکتورها، رسیدها، صورت‌حساب‌ها، اسناد پرداخت، قراردادهای مالی و گزارش‌های حسابداری در قالب تصویر، PDF یا اسناد اسکن‌شده نگهداری می‌شوند و استخراج دستی اطلاعات از آن‌ها زمان‌بر، پرهزینه و مستعد خطا است. پژوهش حاضر با هدف طراحی و پیاده‌سازی سامانه‌ای هوشمند برای استخراج داده‌های مالی از اسناد با ترکیب پردازش تصویر، تشخیص نوری نویسه‌ها (OCR)، پردازش زبان طبیعی (NLP) و الگوریتم‌های یادگیری ماشین انجام شده است. روش پژوهش از نظر هدف کاربردی و از نظر ماهیت، توسعه‌ای ـ آزمایشی است. جامعه داده‌ای پژوهش شامل اسناد مالی شامل فاکتور، رسید، صورت‌حساب و اسناد پرداخت است و در نمونه پژوهشی ۱۲۰۰ سند مورد استفاده قرار گرفت. فرایند سامانه شامل پیش‌پردازش تصویر، تشخیص متن، ناحیه‌بندی اطلاعات، استخراج موجودیت‌های مالی و اعتبارسنجی داده‌ها است. برای ارزیابی سامانه از معیارهای Precision، Recall، F1-Score و Accuracy و همچنین میانگین زمان پردازش استفاده شد. نتایج نمونه نشان داد ترکیب OCR با NLP و قواعد اعتبارسنجی می‌تواند دقت استخراج داده‌های مالی را نسبت به OCR خام افزایش دهد. دقت کلی استخراج در داده‌های نمونه حدود ۹۳ درصد به دست آمد و استفاده از پیش‌پردازش تصویر موجب کاهش خطاهای OCR شد. نتایج نشان می‌دهد استفاده از معماری ترکیبی می‌تواند فرایند ورود اطلاعات مالی را سریع‌تر، استانداردتر و کم‌خطاتر کند.

کلمات کلیدی فارسی :
استخراج داده مالی، پردازش تصویر، OCR، پردازش زبان طبیعی، NLP، یادگیری ماشین، اسناد مالی، هوش مصنوعی.