論文の概要: On the problem of entity matching and its application in automated
settlement of receivables
- arxiv url: http://arxiv.org/abs/2205.10678v1
- Date: Sat, 21 May 2022 21:16:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-30 09:21:23.714331
- Title: On the problem of entity matching and its application in automated
settlement of receivables
- Title(参考訳): エンティティマッチングの問題とその受信物自動決済への応用について
- Authors: Lukasz Czekaj, Tomasz Biegus, Robert Kitlowski, Stanislaw Raczynski,
Mateusz Olszewski, Jakub Dziedzic, Pawe{\l} Tomasik, Ryszard Kozera,
Alexander Prokopenya, Robert Olszewski
- Abstract要約: 提案手法では,アルゴリズムを事前評価に使用する設定について検討する。
基本アルゴリズムのマッチング品質を向上させるために,いくつかの新しい手法を適用した。
- 参考スコア(独自算出の注目度): 47.187609203210705
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper covers automated settlement of receivables in non-governmental
organizations. We tackle the problem with entity matching techniques. We
consider setup, where base algorithm is used for preliminary ranking of
matches, then we apply several novel methods to increase matching quality of
base algorithm: score post processing, cascade model and chain model. The
methods presented here contribute to automated settlement of receivables,
entity matching and multilabel classification in open-world scenario. We
evaluate our approach on real world operational data which come from company
providing settlement of receivables as a service: proposed methods boost recall
from 78% (base model) to >90% at precision 99%.
- Abstract(参考訳): 本稿では,非政府組織におけるレセビブルの自動決済について述べる。
我々はエンティティマッチング技術でこの問題に取り組む。
マッチングの予備ランク付けにベースアルゴリズムを用いる場合のセットアップについて検討し,スコアポスト処理,カスケードモデル,チェーンモデルといったベースアルゴリズムのマッチング品質を向上させるために,いくつかの新しい手法を適用した。
ここで提示する手法は, 受取可能な自動解決, エンティティマッチング, オープンワールドシナリオにおけるマルチラベル分類に寄与する。
提案手法は78%(ベースモデル)から90%までのリコールを精度99%で促進する。
関連論文リスト
- A Weighted K-Center Algorithm for Data Subset Selection [70.49696246526199]
サブセット選択は、トレーニングデータの小さな部分を特定する上で重要な役割を果たす、基本的な問題である。
我々は,k中心および不確かさサンプリング目的関数の重み付け和に基づいて,サブセットを計算する新しい係数3近似アルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-12-17T04:41:07Z) - Identifying contributors to supply chain outcomes in a multi-echelon
setting: a decentralised approach [69.62333053044712]
本稿では,推定貢献の分散計算における説明可能な人工知能の利用を提案する。
このアプローチは、サプライチェーンアクターにデータ共有を説得する必要性を緩和する。
その結果,集中型アプローチと比較して,品質変化の源泉を検出する方法の有効性が示された。
論文 参考訳(メタデータ) (2023-07-22T20:03:16Z) - Addressing Budget Allocation and Revenue Allocation in Data Market
Environments Using an Adaptive Sampling Algorithm [14.206050847214652]
本稿では,予算配分と収益配分を同時に線形時間で解く新しいアルゴリズムを提案する。
新しいアルゴリズムでは、モデルに最も貢献しているプロバイダからデータを選択するアダプティブサンプリングプロセスを採用している。
予算を効率的に利用し,収益配分特性がShapleyに類似していることを示すアルゴリズムを理論的に保証する。
論文 参考訳(メタデータ) (2023-06-05T02:28:19Z) - Quality-Based Conditional Processing in Multi-Biometrics: Application to
Sensor Interoperability [63.05238390013457]
2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。
我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。
その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-11-24T12:11:22Z) - Equality of Effort via Algorithmic Recourse [3.3517146652431378]
本稿では,最小限の介入によるアルゴリズム的談話を適用し,努力の等しさによる公正度の測定手法を提案する。
作業の平等の定義を拡張し,アルゴリズムによる評価を行うアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-11-21T22:41:24Z) - Byzantine-Robust Online and Offline Distributed Reinforcement Learning [60.970950468309056]
本稿では,複数のエージェントが環境を探索し,その経験を中央サーバを通じて伝達する分散強化学習環境について考察する。
エージェントの$alpha$-fractionは敵対的であり、任意の偽情報を報告することができる。
我々は、これらの対立エージェントの存在下で、マルコフ決定プロセスの根底にある準最適政策を特定することを模索する。
論文 参考訳(メタデータ) (2022-06-01T00:44:53Z) - The Dichotomous Affiliate Stable Matching Problem: Approval-Based
Matching with Applicant-Employer Relations [27.388757379210034]
本稿では,DASM問題(Dichotomous Affiliate Stable Matching)について紹介する。
その結果は,(1)実世界のマッチングランキングが仮定された評価関数に従うことを示すために人間による研究,(2)そのような解を見つけるための効率的で実装が容易なアルゴリズムを提供することによって,常に安定した解が存在することを証明し,(3)線形プログラミングに基づくアプローチと比較して,アルゴリズムの有効性を実験的に検証する。
論文 参考訳(メタデータ) (2022-02-22T18:56:21Z) - A Federated Data-Driven Evolutionary Algorithm for Expensive
Multi/Many-objective Optimization [11.92436948211501]
本稿では,フェデレートされたデータ駆動型進化的多目的/多目的最適化アルゴリズムを提案する。
複数のクライアントが協調してラジアル・ベーシ関数ネットワークをグローバルなサロゲートとしてトレーニングできるように、サロゲート構築のためのフェデレートラーニングを活用している。
グローバルサロゲートを用いて目的値を近似し、近似された目標値の不確かさレベルを推定するために、中央サーバに新たなフェデレーション獲得関数を提案する。
論文 参考訳(メタデータ) (2021-06-22T22:33:24Z) - Clustering-based Automatic Construction of Legal Entity Knowledge Base
from Contracts [0.0]
本稿では,契約書から法的エンティティの信頼性の高い知識ベースを自動的に生成するクラスタリングに基づく手法を提案する。
提案手法は,OCR や NER などの前処理によって生じる様々な種類のエラーに対して頑健である。
収集した地中構造データと比較して,本手法は84%の知識を記憶することができる。
論文 参考訳(メタデータ) (2020-11-18T17:51:27Z) - Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking
Fairness and Algorithm Utility [54.179859639868646]
Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。
学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。
本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
論文 参考訳(メタデータ) (2020-06-15T10:08:39Z)
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。