[论文解读] 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 4

一句话总结

本文提出了一种用于企业采购到付款（P2P）流程中发票明细项匹配的在线相似度学习方法，利用代理反馈训练排序或分类模型。通过整合产品分类体系和产品目录，该方法在基线方法基础上提升了匹配准确率与效率，减少了企业发票处理中的手动工作量。

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.

研究动机与目标

• 解决企业采购到付款（P2P）流程中发票明细项匹配成本高、依赖人工的问题。
• 开发一种相似度学习框架，利用代理反馈（相对排序或二元匹配/不匹配标签）以提升匹配准确率。
• 整合产品分类体系与产品目录，以解决明细项描述中的层级关系与语义不匹配问题。
• 减少对基于规则或关键词匹配方法的依赖，这些方法在面对未登录词（OOV）、OCR错误及句法变化时表现不佳。
• 在真实世界与基准数据集上展示所提方法的有效性与效率。

提出的方法

• 该方法采用两种形式的代理反馈：相对排序（用于相似度排序）或二元匹配/不匹配标签（用于分类）。
• 通过反馈训练相似度排序算法，在潜在嵌入空间中优先匹配正确项而非错误项。
• 当反馈为二元标签时，应用分类相似度算法，学习预测匹配或不匹配结果。
• 通过产品分类体系检测层级关系（如蕴含关系），例如“食用油”是“椰子油”的上位类别。
• 利用产品目录提取并匹配产品属性与实体，提升发票与采购订单描述之间的语义对齐。
• 基于Jaccard相似度计算混合相似度度量，综合匹配、共现与剩余词项，生成最终相似度得分。

实验结果

研究问题

• RQ1 如何通过代理反馈实现在线相似度学习，以提升P2P流程中发票明细项匹配的准确率？
• RQ2 整合产品分类体系与产品目录对解决发票描述中层级关系与语义不匹配问题有何影响？
• RQ3 所提方法在处理未登录词、OCR错误与句法变化方面，相较于基于规则或关键词匹配方法有何优势？
• RQ4 相对排序或二元标签形式的反馈能否有效用于实时训练鲁棒的相似度模型？
• RQ5 产品分类体系在提升发票与采购订单中通用或宽泛产品类别匹配方面发挥何种作用？

主要发现

• 所提方法通过利用代理反馈与领域知识，显著减少了发票处理中的手动工作量，实现了明细项匹配的自动化。
• 整合产品分类体系通过解决层级关系（如将“食用油”匹配至“椰子油”）提升了匹配准确率。
• 利用产品目录可增强匹配效果，即使描述在措辞上存在差异或包含数量等附加信息，也能实现属性与实体的对齐。
• 相似度排序与分类模型在真实世界与基准数据集上均优于基线方法，展现出更高的有效性与效率。
• 基于匹配、共现与剩余词项的Jaccard相似度混合方法，生成了鲁棒且可解释的相似度得分。
• 该方法能有效应对OCR错误、未登录词及句法变化等挑战（如“10盒铅笔”与“10支铅笔盒”的差异）。