WeNet-RF:金融退款预算项目自动分类模型
Peichun Suo1, Xiuyan Wang2, Weili Kou3
1Yunnan Medical Health Vocational College, Kunming, Yunnan, China.
PloS one
|April 24, 2025
概括
本研究介绍了WeNet-Random Forest (WeNet-RF) 模型,用于有效和准确地分类财政补偿预算项目,克服手动流程的限制.
科学领域:
- 财务管理 财务管理
- 计算语言学 计算语言学
- 机器学习 机器学习
背景情况:
- 手动分类的财政补偿预算项目是低效的,容易出错.
- 目前的方法缺乏监管合规所需的速度和精度.
- 劳动密集型过程增加了错误的类别选择的风险.
研究的目的:
- 开发一个自动化模型,准确和有效地分类财政补偿预算项目.
- 解决财务管理中手动分类的局限性.
- 加强财政支出的合法性和监管合规性.
主要方法:
- 提出了一个WeNet-Random Forest (WeNet-RF) 模型,将语音识别 (WeNet) 和随机森林 (RF) 整合起来.
- 该模型包括四个步骤:语音识别,特征提取,项目分类和模型评估.
- 与卷积神经网络 (CNN),后勤回归 (LR) 和K-最近邻居 (KNN) 相比,WeNet-RF性能进行了比较.
主要成果:
- WeNet-RF模型实现了准确率,精度率,回忆率和F1得分的90.77%.
- 通过使用50个实际的财务报销记录来验证业绩.
- 与其他测试模型相比,WeNet-RF表现出卓越的效率和准确性.
结论:
- WeNet-RF模型为改善财务管理流程提供了一个强大的解决方案.
- 这种自动化方法提高了预算项目分类的准确性和效率.
- 该研究为财务管理系统提供了有价值的参考模型.
