論文の概要: Online Similarity Learning with Feedback for Invoice Line Item Matching

• arxiv url: http://arxiv.org/abs/2001.00288v2
• Date: Fri, 14 Feb 2020 14:26:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 03:44:47.572252
• Title: Online Similarity Learning with Feedback for Invoice Line Item Matching
• Title（参考訳）: インボイスライン項目マッチングのためのフィードバックを用いたオンライン類似学習
• Authors: Chandresh Kumar Maurya, Neelamadhav Gantayat, Sampath Dechu, Tomas Horvath
• Abstract要約: 大企業におけるP2P(Properure to Pay Process)は、企業運営のための製品やサービスの調達を扱う。 P2Pプロセスを編成するエージェントは、請求書内の製品やサービス記述と購入順に一致する問題に遭遇することが多い。 本稿では, 各種エージェントのフィードバックデータを用いて, この問題を解決するための2つの方法を提案する。
• 参考スコア（独自算出の注目度）: 3.0803859277148535
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The procure to pay process (P2P) in large enterprises is a back-end business process which deals with the procurement of products and services for enterprise operations. Procurement is done by issuing purchase orders to impaneled vendors and invoices submitted by vendors are paid after they go through a rigorous validation process. Agents orchestrating P2P process often encounter the problem of matching a product or service descriptions in the invoice to those in purchase order and verify if the ordered items are what have been supplied or serviced. For example, the description in the invoice and purchase order could be TRES 739mL CD KER Smooth and TRES 0.739L CD KER Smth which look different at word level but refer to the same item. In a typical P2P process, agents are asked to manually select the products which are similar before invoices are posted for payment. This step in the business process is manual, repetitive, cumbersome, and costly. Since descriptions are not well-formed sentences, we cannot apply existing semantic and syntactic text similarity approaches directly. In this paper, we present two approaches to solve the above problem using various types of available agent's recorded feedback data. If the agent's feedback is in the form of a relative ranking between descriptions, we use similarity ranking algorithm. If the agent's feedback is absolute such as match or no-match, we use classification similarity algorithm. We also present the threats to the validity of our approach and present a possible remedy making use of product taxonomy and catalog. We showcase the comparative effectiveness and efficiency of the proposed approaches over many benchmarks and real-world data sets.
• Abstract（参考訳）: 大企業におけるP2P(Properure to Pay Process)は、エンタープライズオペレーション向けの製品やサービスの調達を扱うバックエンドのビジネスプロセスである。 調達は、不当なベンダーに購入注文を発行し、ベンダーが提出した請求書は厳格な検証プロセスを経て支払われる。 p2pプロセスを編成するエージェントは、しばしば請求書中の製品またはサービス記述を購入注文のものと一致させ、注文されたアイテムが提供されたかサービスされたかを検証するという問題に遭遇する。 例えば、請求書と購入順の記述は TRES 739mL CD KER Smooth と TRES 0.739L CD KER Smth で、単語レベルでは異なるが同じ項目を参照できる。 典型的なP2Pプロセスでは、エージェントは支払いのために請求書が投稿される前に類似した商品を手動で選択するよう求められる。 ビジネスプロセスにおけるこのステップは、手動、繰り返し、面倒で、コストがかかります。 記述は十分に表現されていないため、既存の意味的・統語的テキスト類似性アプローチを直接適用することはできない。 本稿では,様々な種類のエージェントのフィードバックデータを用いて,上記の問題を解決するための2つの方法を提案する。 エージェントのフィードバックが記述間の相対的なランク付けの形であれば、類似度ランキングアルゴリズムを用いる。 エージェントのフィードバックがマッチやノーマッチのような絶対値であれば、分類類似性アルゴリズムを用いる。 また,本手法の有効性に対する脅威を提示し,製品分類とカタログを用いた治療の可能性を示す。 本稿では,提案手法の多くのベンチマークと実世界のデータセットに対する比較効果と効率を示す。

関連論文リスト

• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
  顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。 各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。 実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
  論文  参考訳（メタデータ） (2024-07-08T09:55:31Z)
• Hypergraph Enhanced Knowledge Tree Prompt Learning for Next-Basket Recommendation [50.55786122323965]
  次バスケットレコメンデーション(NBR)は、対応するバスケットシーケンスが与えられた次のバスケット内のアイテムを推論することを目的としている。 HEKP4NBRは知識グラフ(KG)をKTP(Knowledge Tree Prompt)と呼ばれるプロンプトに変換し、PLMがOOV(Out-Of-Vocabulary)アイテムIDをエンコードするのを助ける。 ハイパーグラフ畳み込みモジュールは、複数の側面からMoEモデルによって測定されたアイテム類似性に基づいてハイパーグラフを構築するように設計されている。
  論文  参考訳（メタデータ） (2023-12-26T02:12:21Z)
• TPDR: A Novel Two-Step Transformer-based Product and Class Description Match and Retrieval Method [5.388982643630806]
  本稿では,2段階のトランスフォーマーベース製品とクラス記述検索手法を提案する。 TPDRは注意機構とコントラスト学習を利用して、ISとSD間の意味的対応を探索する。 71%の症例において, 正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正
  論文  参考訳（メタデータ） (2023-10-05T12:02:51Z)
• GUIDO: A Hybrid Approach to Guideline Discovery & Ordering from Natural Language Texts [0.0]
  GUIDOはプロセスモデル抽出タスクに対するハイブリッドアプローチである。 提案したアプローチは、純粋なルールベースのアプローチよりもはるかに優れた結果が得られる。 それでも、純粋に機械学習ベースのアプローチと比較して、アノテーションのコストは低いままだ。
  論文  参考訳（メタデータ） (2023-07-19T13:01:03Z)
• Flexible categorization for auditing using formal concept analysis and Dempster-Shafer theory [55.878249096379804]
  我々は、異なる金融口座に対する異なる利息の程度に応じて分類する様々な方法を研究する。 本稿で開発したフレームワークは,説明可能な分類の獲得と研究のための公式な基盤を提供する。
  論文  参考訳（メタデータ） (2022-10-31T13:49:16Z)
• Multi-Modal Representation Learning with Self-Adaptive Thresholds for Commodity Verification [0.0]
  電子商取引のシナリオでは、商品は通常、画像とテキストの両方で記述される。 定義上、同一の商品は同一のキー属性を持ち、認知的に消費者と同一である。 本稿では,自己適応しきい値に基づくエンドツーエンドの同一商品検証手法を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:14:59Z)
• A Dataset on Malicious Paper Bidding in Peer Review [84.68308372858755]
  悪意あるレビュアーは、紙の割り当てを非倫理的に操作するために戦略的に入札した。 この問題を緩和するための方法の作成と評価への重要な障害は、悪意ある紙入札に関する公開データの欠如である。 我々は、参加者に正直に、悪意的に入札するよう指示されたモックカンファレンス活動から収集された、新しいデータセットをリリースする。
  論文  参考訳（メタデータ） (2022-06-24T20:23:33Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)
• Classification of Contract-Amendment Relationships [0.0]
  機械学習(ML)と自然言語処理(NLP)に基づく2つの文書間の修正関係を検出する手法を提案する。 このアルゴリズムは OCR (Optical Character Recognition) と NER (Named Entity Recognition) によって事前処理された2つのPDF文書を入力とし、各文書ペアの特徴を構築する。
  論文  参考訳（メタデータ） (2021-06-08T07:57:10Z)
• Multi-class Text Classification using BERT-based Active Learning [4.028503203417233]
  顧客トランザクションを複数のカテゴリに分類することは、異なる顧客セグメントの市場ニーズを理解するのに役立つ。 BERTベースのモデルは自然言語理解でうまく機能することが証明されています。 マルチクラステキスト分類における様々なアクティブラーニング戦略間でBERTの性能をベンチマークする。
  論文  参考訳（メタデータ） (2021-04-27T19:49:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。