中信证券非结构化数据处理平台建设实践

中信证券股份有限公司(以下简称“中信证券”)在各项业务展业过程中,需要及时、准确地处理海量非结构化数据。围绕数据加工的全生命周期,中信证券综合应用OCR、NLP、RPA、搜索引擎、知识图谱等AI技术,在非结构化数据识别解析、自然语言理解与结构化处理、非结构化知识存储与检索等方面。

促进数据要素资产化,激活数字经济源动力

2023年底,国家数据局等17部门联合印发《“数据要素×”三年行动计划(2024-2026年)》,明确提出在依法安全合规前提下,推动金融信用数据和公共信用数据、商业信用数据共享共用和高效流通。在此背景下,作为数据密集型行业,金融机构亟待深入研究数据要素资产化的实现路径与关键工作,以充分发挥数据要素价值和乘数效应,更好地巩固和拓展数字经济优势。

基于NLP技术的反洗钱同一客户识别研究

同一客户识别对证券公司反洗钱工作具有重要意义,同时也是一个复杂的技术难题,其主要难点在于不同来源客户名称信息的多样化表达,所以需要对客户名进行智能匹配和归一。文本匹配始终是自然语言处理(Natural Language Processing,NLP)所关注的核心问题之一,近年来随着深度学习技术的发展,有很多新模型和新方法用于文本智能匹配。本文设计了一种基于NLP技术的客户名称匹配方法,并基于真实数据评估实验效果。

面向监管报送数据治理的元数据血缘图谱研究

监管报送是证券公司重要的运营管理活动,也是相关法律法规下企业应尽的义务。随着我国证券业监管体系的不断完善,监管机构对报送数据的要求也日益严格,证券公司必须确保向各类监管机构及时、准确报送各种信息。本文以元数据血缘图谱技术研究及运用为例,探讨提升面向监管报送数据治理质量的新方法。