[論文レビュー] Online Similarity Learning with Feedback for Invoice Line Item Matching

Chandresh Kumar Maurya, Neelamadhav Gantayat+2 more|arXiv (Cornell University)|Jan 2, 2020

Data Stream Mining Techniques参考文献 16被引用数 4

ひとこと要約

本稿では、プロクール・トゥ・ペイ（P2P）プロセスにおけるインボイス明細項目のマッチングにおいて、エージェントのフィードバックを用いて順序付き類似度学習手法を提案する。製品の分類体系とカタログを統合することで、ベースラインと比較してマッチングの正確性と効率性が向上し、企業におけるインボイス処理の手作業による負担が軽減される。

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.

研究の動機と目的

• 企業におけるプロクール・トゥ・ペイ（P2P）プロセスにおけるインボイス明細項目のマッチングにかかる高コストと人的作業の削減。
• エージェントのフィードバック（相対順位または二値のマッチ／ノーマッチラベル）を活用した類似度学習フレームワークの開発により、マッチングの正確性を向上。
• 製品の分類体系とカタログを統合し、明細項目の記述における階層的・意味的不一致を解消。
• OoV語、OCRエラー、文法的変化に対処できないルールベースやキーワードマッチング手法への依存を低減。
• 実世界およびベンチマークデータセットを用いて、提案手法の有効性と効率性を実証。

提案手法

• 本手法は、エージェントのフィードバックを2種類の形で使用する：相対順位（類似度順位付けのため）または二値のマッチ／ノーマッチラベル（分類のため）。
• フィードバックを用いて、潜在的埋め込み空間内で正しいマッチを誤ったマッチよりも優先するように、類似度順位付けアルゴリズムを学習。
• フィードバックが二値の場合には、分類の類似度アルゴリズムを適用し、マッチ／ノーマッチの結果を予測するように学習。
• 製品の分類体系を統合し、階層的関係（例：「食用油」は「ココナッツオイル」の上位カテゴリ）を検出。
• 製品カタログを用いて製品の属性とエンティティを抽出・マッチングし、インボイスと購入依頼書の記述間の意味的整合性を向上。
• マージ済みトークン、共通トークン、残存トークンの上でのJaccard類似度に基づくハイブリッド類似度測定を計算し、最終的な類似度スコアを生成。

実験結果

リサーチクエスチョン

• RQ1 オンライン類似度学習とエージェントのフィードバックを用いることで、P2Pプロセスにおけるインボイス明細項目のマッチング精度はどのように向上するか？
• RQ2 製品の分類体系とカタログを統合することで、インボイスの記述における階層的・意味的不一致はどのように解消されるか？
• RQ3 提案手法は、OoV語、OCRエラー、文法的変化（例：「10箱の鉛筆」対「10個の鉛筆箱」）に対処するルールベースやキーワードマッチング手法と比較して、どのように優れているか？
• RQ4 相対順位または二値ラベルの形でのフィードバックは、リアルタイムでの堅牢な類似度モデルの学習に効果的に活用できるか？
• RQ5 製品の分類体系は、インボイスと購入依頼書の間で一般的または広範な製品カテゴリをマッチングするうえで、どのように役立つか？

主な発見

• 提案手法は、エージェントのフィードバックとドメイン知識を活用することで、インボイス処理における手作業の負担を顕著に低減する。
• 製品の分類体系を統合することで、階層的関係（例：「食用油」を「ココナッツオイル」とマッチング）を解消し、マッチングの正確性が向上する。
• 製品カタログを活用することで、表現の違いや数量などの追加情報が含まれる場合でも、属性とエンティティの整合性が向上し、マッチングが強化される。
• 類似度順位付けおよび分類モデルは、実世界およびベンチマークデータセットにおいてベースライン手法を上回り、有効性と効率性の両面で優れた性能を示す。
• マッチド、共通、残存トークンの上でのJaccard類似度を用いたハイブリッドアプローチにより、堅牢で解釈可能な類似度スコアが得られる。
• OCRエラー、OoV語、文法的変化（例：「10箱の鉛筆」対「10個の鉛筆箱」）といった課題に対しても、本手法は効果的に対処できる。