基于跨模态对齐的异构业务文件智能拦截方法和装置与流程

摘要: 本公开的实施例涉及计算机,具体涉及基于跨模态对齐的异构业务文件智能拦截方法和装置。背景技术:1、在业务处理系统中,服务器往往需要对大量异构的业务文件进行合规性审...
基于跨模态对齐的异构业务文件智能拦截方法和装置与流程

本公开的实施例涉及计算机,具体涉及基于跨模态对齐的异构业务文件智能拦截方法和装置。

背景技术:

1、在业务处理系统中,服务器往往需要对大量异构的业务文件进行合规性审核与风险拦截。这些业务文件通常包括结构化数据(例如,业务申请单、审批报表)和非结构化数据(如票据图像、扫描文件),涉及报销、采购等多个业务场景。例如,在企业内部费用报销场景中,员工提交的报销单及其附带的餐饮发票、交通票据等需要经过审核以确认是否存在违规行为并进行拦截。现有的业务文件拦截方法通常采用简单的光学字符识别技术识别业务文件中的内容,并基于简单规则的比对方法,例如预先设定一系列阈值(如单笔金额上限、报销次数限制),将每张单据的字段与规则进行注意逐一比对,命中后进行拦截。

2、目前,在采用上述方式对异构业务文件进行拦截时,经常会存在如下技术问题:

3、现有方法缺乏对异构数据源的统一标识归一化处理,来自不同系统(如api接口、离线导入)的业务文件使用不同的编码体系(如员工工号格式不一致、单据编号规则各异),导致后续处理时无法建立跨单据的全局关联,使得不同编码的业务文件被划分为孤立数据,无法有效识别单据间的隐性关联关系(例如,将一笔大额消费拆分为多张小额票据的“拆单报销”、发票品目与实际消费不符、出差申请与票据目的地不一致),以及缺乏对文件损坏、关键字段缺失的校验机制,使得损坏或格式不达标的文件直接进入后续处理流程,进而造成拦截遗漏或错误拦截,导致服务器的负载增加。

4、现有方法对于版式不固定、存在图像干扰的非标准业务文件识别效果低下,造成字段识别错误(例如将金额“1000”识别为“100”),以及文本与图像区域之间无法建立对应关系,增加了识别的错误率(例如,将明细区的金额误识别为合计金额,将日期字段误识别为票据编号),导致错误拦截或拦截遗漏。固定规则只能识别单张业务文件的显性异常(如金额超限),无法感知跨单据、跨时段、跨主体的隐性关联关系,需要对每个业务文件进行逐一排查,导致隐性违规行为拦截遗漏以及服务器负载增加。光学字符识别技术对版式不固定、存在图像干扰(如折痕、遮挡、倾斜)的非标准业务文件的识别效果不佳,导致字段识别错误,进而导致错误拦截。

5、该背景技术部分中所公开的以上信息仅用于增强对本公开构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了基于跨模态对齐的异构业务文件智能拦截方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。

3、第一方面,本公开的一些实施例提供了一种基于跨模态对齐的异构业务文件智能拦截方法,包括:响应于接收到用户终端设备发送的待处理业务文件集,对上述待处理业务文件集进行异常校验与标识归一化处理,得到标准化业务数据,其中,上述标准化业务数据包括业务图像数据集和业务属性数据集;对上述业务图像数据集进行识别与跨模态空间坐标对齐,得到富文本特征序列集;对上述富文本特征序列集进行字段抽取,得到第一结构化字段集,以及对上述业务图像数据集进行字符识别,得到第二结构化字段集;对上述第一结构化字段集和上述第二结构化字段集进行自适应裁剪,得到结构化业务信息集;对上述结构化业务信息集进行单点阈值比对,得到第一异常标签集和主体聚合数据集;对上述主体聚合数据集进行跨单据关联推理,得到第二异常标签集;对上述第一异常标签集和上述第二异常标签集进行拦截判定,得到拦截判定结果;响应于上述拦截判定结果表征拦截,对上述待处理业务文件集进行拦截控制,其中,上述拦截控制包括以下至少一项:丢弃上述用户终端设备的文件流转请求、启动上述用户终端设备对应上述待处理业务文件集的流转操作的表单禁止提交任务、将上述用户终端设备在服务器内的设备类型修改为失信设备。

4、第二方面,本公开的一些实施例提供了一种基于跨模态对齐的异构业务文件智能拦截装置,包括:异常校验与标识归一化处理单元,被配置成响应于接收到用户终端设备发送的待处理业务文件集,对上述待处理业务文件集进行异常校验与标识归一化处理,得到标准化业务数据,其中,上述标准化业务数据包括业务图像数据集和业务属性数据集;识别与跨模态空间坐标对齐单元,被配置成对上述业务图像数据集进行识别与跨模态空间坐标对齐,得到富文本特征序列集;字段抽取单元,被配置成对上述富文本特征序列集进行字段抽取,得到第一结构化字段集,以及对上述业务图像数据集进行字符识别,得到第二结构化字段集;自适应裁剪单元,被配置成对上述第一结构化字段集和上述第二结构化字段集进行自适应裁剪,得到结构化业务信息集;单点阈值比对单元,被配置成对上述结构化业务信息集进行单点阈值比对,得到第一异常标签集和主体聚合数据集;跨单据关联推理单元,被配置成对上述主体聚合数据集进行跨单据关联推理,得到第二异常标签集;拦截判定单元,被配置成对上述第一异常标签集和上述第二异常标签集进行拦截判定,得到拦截判定结果;拦截控制单元,被配置成响应于上述拦截判定结果表征拦截,对上述待处理业务文件集进行拦截控制,其中,上述拦截控制包括以下至少一项:丢弃上述用户终端设备的文件流转请求、启动上述用户终端设备对应上述待处理业务文件集的流转操作的表单禁止提交任务、将上述用户终端设备在服务器内的设备类型修改为失信设备。

5、第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

6、第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

7、本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的基于跨模态对齐的异构业务文件智能拦截方法可以避免服务器负载增加、拦截遗漏和错误拦截。具体来说,造成服务器负载增加、拦截遗漏和错误拦截的原因在于:现有方法缺乏对异构数据源的统一标识归一化处理,来自不同系统的业务文件使用不同的编码体系,导致后续处理时无法建立跨单据的全局关联,使得不同编码的业务文件被划分为孤立数据,无法有效识别单据间的隐性关联关系,以及缺乏对文件损坏、关键字段缺失的校验机制,使得损坏或格式不达标的文件直接进入后续处理流程,进而造成拦截遗漏或错误拦截,导致服务器的负载增加。现有方法对于版式不固定、存在图像干扰的非标准业务文件识别效果低下,造成字段识别错误,以及文本与图像区域之间无法建立对应关系,增加了识别的错误率,导致错误拦截或拦截遗漏。固定规则只能识别单张业务文件的显性异常,无法感知跨单据、跨时段、跨主体的隐性关联关系,需要对每个业务文件进行逐一排查,导致隐性违规行为拦截遗漏以及服务器负载增加。光学字符识别技术对版式不固定、存在图像干扰的非标准业务文件的识别效果不佳,导致字段识别错误,进而导致错误拦截。基于此,本公开的一些实施例的基于跨模态对齐的异构业务文件智能拦截方法,首先,响应于接收到用户终端设备发送的待处理业务文件集,对上述待处理业务文件集进行异常校验与标识归一化处理,得到标准化业务数据。由此,可以对不同来源、不同格式的业务文件的数据结构和标识进行统一编码,为后续跨模态对齐和精准解析奠定数据基础,避免因数据格式杂乱而导致识别错误。其次,对上述业务图像数据集进行识别与跨模态空间坐标对齐,得到富文本特征序列集。由此,可以解决版式不固定、存在图像干扰的问题,提高字段识别的准确性,从根源上减少因字符识别错误引发的错误拦截。再其次,对上述富文本特征序列集进行字段抽取,得到第一结构化字段集,以及对上述业务图像数据集进行字符识别,得到第二结构化字段集。由此,可以为后续自适应裁决提供双重依据,降低单一来源识别偏差带来的错误拦截风险。接着,对上述第一结构化字段集和上述第二结构化字段集进行自适应裁剪,得到结构化业务信息集。由此,可以将双重来源的置信度进行动态加权裁决,进一步减少因字段错误导致的误拦截。再接着,对上述结构化业务信息集进行单点阈值比对,得到第一异常标签集和主体聚合数据集。由此,可以避免数据分散而遗漏显性异常。随后,对上述主体聚合数据集进行跨单据关联推理,得到第二异常标签集。由此,可以识别隐性违规,解决无法感知隐性关联关系导致的拦截遗漏问题。然后,对上述第一异常标签集和上述第二异常标签集进行拦截判定,得到拦截判定结果。由此,可以通过自适应阈值动态判定拦截结果。最后,响应于上述拦截判定结果表征拦截,对上述待处理业务文件集进行拦截控制。由此,可以对高风险文件执行多维拦截动作,确保违规文件无法继续流转。最终,可以避免服务器负载增加、拦截遗漏和错误拦截。