相關(guān)背景

近年來，隨著多元化金融的快速發(fā)展以及商業(yè)銀行數(shù)字化轉(zhuǎn)型的推動，數(shù)據(jù)作為商業(yè)銀行重要的無形資產(chǎn)，一直蘊含著巨大的潛在價值。目前，各商業(yè)銀行在大數(shù)據(jù)、物聯(lián)網(wǎng)、特別是人工智能等新技術(shù)的推動下，業(yè)務(wù)對數(shù)據(jù)分析挖掘的需求量呈井噴式增長，要求也越來越高，特別是非結(jié)構(gòu)化文本數(shù)據(jù)的處理需求。

在商業(yè)銀行企業(yè)信貸領(lǐng)域，如何處理大量的企業(yè)客戶信息數(shù)據(jù)，如何針對融資企業(yè)進行全面多維的風險評估，如何處理涉及融資企業(yè)的海量非結(jié)構(gòu)化文字和數(shù)據(jù)信息，以上問題的存在在銀行業(yè)全面轉(zhuǎn)向電子流程化的進程中，將是不得不面對的挑戰(zhàn)。

NLP概述

NLP即自然語言處理，是計算機科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個重要方向，它主要解決計算機和人類（自然）語言的交互問題。在計算機領(lǐng)域，NLP最核心的任務(wù)就是研究和處理如何讓計算機讀懂人類語言，不僅要能理解人類語言的意義，還要表達出給定的深層的意圖、思想。

近年來，隨著該項技術(shù)的不斷發(fā)展，NLP技術(shù)已經(jīng)愈發(fā)成熟，其使用需求和應(yīng)用場景也越來越廣泛，也正逐漸滲透進入商業(yè)銀行信貸審批領(lǐng)域，并悄然革新著銀行業(yè)風控管理這條核心業(yè)務(wù)線，為銀行業(yè)數(shù)字化升級及轉(zhuǎn)型打下堅實基礎(chǔ)，逐步成為筑牢銀行數(shù)字化變革的“新地基”。

銀行業(yè)對公融資授信痛點分析

對公授信業(yè)務(wù)是國內(nèi)商業(yè)銀行營業(yè)利潤的主要構(gòu)成部分，同時，對融資企業(yè)進行分析研究也是對公融資授信領(lǐng)域的一大痛點：

• 貸前環(huán)節(jié)：對融資企業(yè)的經(jīng)營風險進行全面而細致的評估，例如：場景分析、合規(guī)性審查、企業(yè)財務(wù)分析、銀行同業(yè)授信比較、審批初步結(jié)論等；
• 貸后環(huán)節(jié)：對融資企業(yè)的經(jīng)營風險進行持續(xù)的全方面監(jiān)控。

以上這些工作都需要銀行機構(gòu)投入大量人力物力，對融資企業(yè)的海量文檔和相關(guān)內(nèi)外部信息進行獲取、處理和分析，這些投入也是銀行機構(gòu)的核心成本之一。

針對以上信息的獲取、處理和分析，即使是從業(yè)多年的綜合信貸人員，也需要大量的時間進行數(shù)據(jù)的結(jié)構(gòu)化處理，但是，采用基于統(tǒng)計和深度學(xué)習模型的當代自然語言處理技術(shù)，可以實現(xiàn)對上述所涉及到的各類文檔信息加工解析的自動化和半自動化處理，特別是在對文本進行信息抽取、文本分類、摘要以及表格解析等領(lǐng)域，可以數(shù)十倍甚至千百倍的提升數(shù)據(jù)處理效率。

不僅如此，NLP還可以對信息進行多維關(guān)系的挖掘，評估企業(yè)之間的關(guān)系，并通過知識圖譜直觀呈現(xiàn)企業(yè)之間的關(guān)聯(lián)，提前設(shè)立預(yù)警信號，一旦企業(yè)關(guān)系網(wǎng)內(nèi)的相關(guān)對象出現(xiàn)任意變動，便可根據(jù)關(guān)系權(quán)重，快速地評估對整個關(guān)系網(wǎng)的影響程度，這種量變到質(zhì)變層級的效率提升，以及對產(chǎn)業(yè)鏈條的挖掘，對于銀行機構(gòu)開展業(yè)務(wù)分析和風險監(jiān)控是具有十分重要的商業(yè)意義的。

達觀數(shù)據(jù)結(jié)合對銀行業(yè)的深刻理解和認知，在過去數(shù)年中，結(jié)合自身國內(nèi)領(lǐng)先科技，充分運用了自然語言處理和大數(shù)據(jù)技術(shù)，實現(xiàn)對信貸文檔和信貸相關(guān)內(nèi)外部信息進行更為有效的獲取、儲存、管理以及分析，在決策支持和流程優(yōu)化等方面為銀行信貸業(yè)務(wù)賦能。同時，在獲得海量資料的高速和廣域處理能力后，也能夠為銀行客戶提供更有洞察力的風險分析建議，精細化防控顆粒度，提升其業(yè)務(wù)風控等級，通過技術(shù)應(yīng)用從底層賦能銀行的數(shù)字化轉(zhuǎn)型。

NLP技術(shù)在公司信貸業(yè)務(wù)中的智能應(yīng)用

達觀數(shù)據(jù)基于NLP技術(shù)的公司信貸業(yè)務(wù)智能應(yīng)用，在銀行業(yè)務(wù)管理和風控方面均顯現(xiàn)出巨大的價值潛力，通過不斷的在業(yè)務(wù)實踐過程中的應(yīng)用創(chuàng)新，賦能銀行機構(gòu)工作者，從深度和廣度兩方面大幅提升信息處理效率，讓我們有能力為客戶提供更有洞察力的風險分析建議。

1. OCR智能識別：自動識別出各種證照的信息，并形成結(jié)構(gòu)化的EXCEL、JSON、XML等文件，便于流程自動化處理
2. 文本自動分類：利用NLP自然語言處理技術(shù)實現(xiàn)信貸文本的批量秒讀，對信貸文本進行自動化快速分類
3. 自動摘要處理：識別信貸文本與相關(guān)資料中的重要信息，實現(xiàn)對信貸文本的自動化摘要處理
4. 關(guān)鍵信息提取：利用深度學(xué)習模型，自動識別資料中包含的各類風險信號，提取對應(yīng)的關(guān)鍵風險信息
5. 財務(wù)報表解析：快速抽取財務(wù)報表內(nèi)容，解決業(yè)務(wù)人員無法識別或?qū)С鯬DF文件中的表格，從而無法完成業(yè)務(wù)審核的問題
6. 風險數(shù)據(jù)關(guān)聯(lián)分析：運用大數(shù)據(jù)技術(shù)收集整合金融機構(gòu)內(nèi)部和外部數(shù)據(jù)，深度挖掘風險點，進行多維度風險信息分析
7. 智能風控大盤：可視化展示內(nèi)外部整合數(shù)據(jù)的風險信息，提供更直觀、更具洞察力的輔助決策平臺

核心技術(shù)應(yīng)用

自然語言處理技術(shù)

自然語言處理是人工智能和語言學(xué)領(lǐng)域的分支學(xué)科，將計算機科學(xué)、數(shù)學(xué)、統(tǒng)計學(xué)與語言學(xué)相結(jié)合，既能夠做到自然語言理解（理解自然語言文本的意義），也能夠達到自然語言生成（以自然語言文本來表達給定的意圖、思想等）。

自然語言處理技術(shù)廣泛應(yīng)用在人機對話、自然語言生成、文本分類、信息抽取、問答系統(tǒng)、自動摘要、機器翻譯等領(lǐng)域。目前的難點在于單詞的邊界界定、詞義的消歧、句法的模糊性、有瑕疵的或不規(guī)范的輸入、語言行為與計劃等。高質(zhì)量專業(yè)語料數(shù)據(jù)的獲取、專業(yè)知識體系的構(gòu)建，以及相關(guān)模型工具的選取、調(diào)教與訓(xùn)練是這個領(lǐng)域的關(guān)鍵技術(shù)能力。

1. 語料庫：指機器可以處理的有一定規(guī)模、結(jié)構(gòu)和知識標記的自然話語材料的集合，是存放語言材料的倉庫，是自然語言信息處理必不可少的基礎(chǔ)工程。包括生語料（沒有任何標注的原始數(shù)據(jù)語料庫）、語料標注（分詞、詞性標注、命名實體識別、句法依存、信息抽取等）、熟語料（顯示更多特征的語言學(xué)語料）、領(lǐng)域數(shù)據(jù)（金融領(lǐng)域、法務(wù)領(lǐng)域的數(shù)據(jù)）、領(lǐng)域字典（行業(yè)專家知識）、基礎(chǔ)語料（包括中文、英文兩種通用語料庫）。
2. 模型訓(xùn)練與數(shù)據(jù)處理：實現(xiàn)序列標注訓(xùn)練、分類模型訓(xùn)練、字詞向量訓(xùn)練、字典生成。
3. NLP字詞分析：包括中文分析、命名實體識別、詞性標注、同義詞分析、字詞向量分析、n-gram分析、詞粒度分析、未登陸詞識別、需求詞識別、停用詞分析、詞頻分析、語義距離。
4. NLP段落分析：依存文法分析、詞位置分析、語義歸一化、文本糾錯、語言模型、短串分析。
5. NLP篇章分析：標簽提取、文本分類、主題模型、文本聚類、文本建模、自動摘要、相似度計算、觀點提取、文本審核、情感分析、文本生成。

大數(shù)據(jù)處理技術(shù)

大數(shù)據(jù)，是指能夠提供更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。不僅包括用戶通過各個節(jié)點向互聯(lián)網(wǎng)主動提供的有形內(nèi)容，也包括各類用戶在使用互聯(lián)網(wǎng)過程中產(chǎn)生的網(wǎng)絡(luò)行為及交互數(shù)據(jù)等。

現(xiàn)在企業(yè)所擁有的數(shù)據(jù)普遍具有一些特點，例如：海量的數(shù)據(jù)規(guī)模、多樣的數(shù)據(jù)類型、快速的數(shù)據(jù)流轉(zhuǎn)及時效性要求高。利用大數(shù)據(jù)技術(shù)挖掘數(shù)據(jù)價值，通常需要將搜集來的數(shù)據(jù)進行系統(tǒng)式的加工、篩選和整理，使其轉(zhuǎn)化為可以分析和利用的數(shù)據(jù)，數(shù)據(jù)運用者可以從不同維度來提取所需信息加以運用。比如，可以通過公開渠道接入或獲取與企業(yè)相關(guān)的工商、法律、市場和行業(yè)等信息，將這些外部信息加工提取，可以與企業(yè)內(nèi)部數(shù)據(jù)進行結(jié)合，形成新的專業(yè)洞見，輔助各類業(yè)務(wù)和風險決策。

NLP技術(shù)在公司信貸業(yè)務(wù)中的場景應(yīng)用

資信證明材料-OCR掃描件識別

通過NLP自然語言處理技術(shù)及光學(xué)字符識別技術(shù)（OCR），自動將企業(yè)資信證明材料進行歸檔，并識別掃描件、圖片等電子文檔文本內(nèi)容，并形成結(jié)構(gòu)化的excel、json、xml等文件，自動填錄業(yè)務(wù)系統(tǒng)中，實現(xiàn)流程自動化處理。

財務(wù)報表-表格解析

抽取企業(yè)財務(wù)報表內(nèi)容，自動填錄報表數(shù)據(jù)至銀行業(yè)務(wù)系統(tǒng)中，同時，可對抽取出的財務(wù)報表數(shù)據(jù)進行關(guān)鍵指標計算，如企業(yè)資產(chǎn)負債率、流動比率、流動速率等企業(yè)核心運營指標，實現(xiàn)一鍵解析及關(guān)鍵指標自動生成，從而解決業(yè)務(wù)人員手工錄入周期長、強度大、易出錯等問題。

企業(yè)經(jīng)營情況-關(guān)鍵要素提取

在企業(yè)信貸審批意見書中，綜合信貸人員往往需要在長篇幅的審批意見書中提取出需要執(zhí)行與關(guān)注的內(nèi)容，但是審批意見說明書廣泛存在篇幅長、關(guān)鍵信息摘錄復(fù)雜，重要性理解不一致，執(zhí)行跟蹤困難等情況，NLP技術(shù)可以自動抽取文檔關(guān)鍵要素，便于業(yè)務(wù)人員對信息進行查閱，并以高亮的方式進行展現(xiàn)并實現(xiàn)快速信息定位，從而大幅提升企業(yè)貸后審批管理效率，提升工作效率，滿足監(jiān)管要求。

借款合同-差異性比對分析

NLP技術(shù)可以自動識別出用印版本合同與非用印版本合同之間的差異化信息，大幅提升合同文件核對效率，降低人力成本，幫助銀行金融機構(gòu)防范合同篡改風險的發(fā)生。

NLP技術(shù)帶給公司信貸業(yè)務(wù)的深遠影響

1. 賦能銀行金融機構(gòu)從業(yè)人員，提升非結(jié)構(gòu)化信息處理的效率，從而提升整體銀行金融機構(gòu)內(nèi)部信息分析的深度。
2. 自然語言處理技術(shù)與大數(shù)據(jù)技術(shù)相結(jié)合，可以更大規(guī)模的覆蓋企業(yè)內(nèi)外部信息，讓從業(yè)人員獲得更具廣度和深度的信息。
3. 相比于傳統(tǒng)的人工閱讀檔案模式信息檢索方式，自然語言處理技術(shù)的應(yīng)用將幫助銀行金融機構(gòu)的專業(yè)人員更全面獲取信息，識別并把握風險點。
4. 賦能傳統(tǒng)的業(yè)務(wù)辦理模式，通過NLP自動化工具提高了非結(jié)構(gòu)化數(shù)據(jù)的挖掘能力這將有助于銀行金融機構(gòu)業(yè)務(wù)人員識別多維度的潛在風險點，以及判定關(guān)聯(lián)信息間的隱藏關(guān)系，幫助業(yè)務(wù)人員提供更有價值和前瞻性的管理建議，可以更全面更系統(tǒng)地進行風控管理。