数据标注在智慧金融领域中的具体应用丨曼孚科技

随着深度学习、计算机视觉技术的大规模商业化应用，金融行业与人工智能的结合变得更加紧密，智慧金融的浪潮开始席卷整个金融行业。

从产品设计，到内部管理，再到客户服务，人工智能技术在金融行业价值链的每个环节都有清晰的落地场景，有效降低了金融机构的运营成本与风险成本，智慧金融新生态初现端倪。​

行业生态重塑的背后是AI技术的突破，计算机视觉、语音交互以及自然语言处理与金融行业的结合愈加紧密，而这些技术的落地应用也离不开数据标注行业的有力支持。

1. 计算机视觉

在金融行业，计算机视觉主要应用在内部流程优化以及客户交互服务领域，人脸识别、活体检测等是比较典型的应用场景。

这类场景的特点是简单、重复性比较高，比如刷脸支付。以往的支付方式是用户输入密码完成支付，过程相对繁琐，而且存在密码泄露问题。人脸支付应用后，用户只需要进行“刷脸”，就可以完成身份验证、支付等流程。这一交互方式不仅简化了支付流程、提高自动度，而且大幅度提升用户的支付服务体验。

此类计算机视觉技术主要应用到关键点、2D框等标注类型，以满足人脸识别技术的需要。因为涉及到人脸等敏感信息，对于数据标注服务供应商的数据安全把控能力提出了更高的要求。

2D框标注(来源：曼孚科技)

2. 语音交互

金融行业尤其是银行会存在很多工作人员与用户交流的场景，比如咨询、客服、电销等。

目前，语音交互技术的相关应用已经成为很多金融机构的标配，客服机器人就是很典型的应用案例。语音交互技术的应用可以简化交流沟通的时间，并减少金融机构在人力成本上的支出。

此类语音交互技术主要应用到语音转写标注类型，以满足语音识别模型的需求。由于不同场景下的术语、表达方式存在较大差异，各个地方的语言种类也存在很大不同，所以对数据标注服务供应商的场景化、定制化数据标注能力要求颇高。

语音转写(来源：曼孚科技)

3. 自然语言处理

常见的自然语言处理应用包括语义分析、信息抽取、文本挖掘、机器翻译等内容。在金融行业，自然语言处理的主要应用场景包括文本合规检查、数据检索、语言机器人等。

比如，目前很多机构都提供文字机器人客服服务，这背后就有自然语言处理技术的支撑。通过对文本内容进行语义分析，判别其意图，最终通过文本合成形成应答。

此类自然语言处理技术主要应用到实体识别、OCR转写、文本分类等标注类型。

实体识别(来源：曼孚科技)

人工智能与金融行业的结合深刻改变了传统金融业态，重塑了金融行业新生态。未来，随着人工智能技术的进一步成熟，在场景覆盖以及垂直应用领域，可供作为的空间将更加广阔。