基于机器学习的智能文档处理的进展以及如何克服企业采用的挑战

Tomasz Janasz, Peter Mortensen, C. Reisswig, T. Weller, Maximiliane Herrmann, Ivona Crnoja, Johannes Höhne
{"title":"基于机器学习的智能文档处理的进展以及如何克服企业采用的挑战","authors":"Tomasz Janasz, Peter Mortensen, C. Reisswig, T. Weller, Maximiliane Herrmann, Ivona Crnoja, Johannes Höhne","doi":"10.5771/0042-059x-2021-3-340","DOIUrl":null,"url":null,"abstract":"Die Möglichkeit, Informationen aus Geschäftsdokumenten automatisch zu extrahieren und zu verarbeiten, ist für viele Geschäftsprozesse von entscheidender Bedeutung. Mit leistungsstarken Machine-Learning-Systemen, die speziell durch Deep Learning, Big Data und heutige Rechenressourcen ermöglicht werden, können Dokumentenverarbeitungsaufgaben mithilfe auf künstlicher Intelligenz basierender Technologien automatisiert werden. Auch wenn die KI-basierte Verarbeitung von Geschäftsdokumenten ein wichtiger Faktor für die digitale Transformation von Unternehmen sein kann, wird deren Einführung und Nutzung als eher gering angesehen. Diese Publikation stellt neue Ansätze für die Verarbeitung von Geschäftsdokumenten auf der Grundlage von KI sowie Geschäftsszenarien vor, die von deren Anwendung profitieren könnten. Außerdem bietet sie eine ganzheitliche Sicht auf die Herausforderungen, mit denen sich sowohl Lieferanten als auch Käufer von ML-Anwendungen konfrontiert sehen. Wir leiten eine Reihe kritischer Erfolgsfaktoren ab und diskutieren die Wechselbeziehungen zwischen ihnen im Kontext von ML.","PeriodicalId":424989,"journal":{"name":"Die Unternehmung","volume":"30 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-08-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Advancements in ML-Enabled Intelligent Document Processing and How to Overcome Adoption Challenges in Enterprises\",\"authors\":\"Tomasz Janasz, Peter Mortensen, C. Reisswig, T. Weller, Maximiliane Herrmann, Ivona Crnoja, Johannes Höhne\",\"doi\":\"10.5771/0042-059x-2021-3-340\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Die Möglichkeit, Informationen aus Geschäftsdokumenten automatisch zu extrahieren und zu verarbeiten, ist für viele Geschäftsprozesse von entscheidender Bedeutung. Mit leistungsstarken Machine-Learning-Systemen, die speziell durch Deep Learning, Big Data und heutige Rechenressourcen ermöglicht werden, können Dokumentenverarbeitungsaufgaben mithilfe auf künstlicher Intelligenz basierender Technologien automatisiert werden. Auch wenn die KI-basierte Verarbeitung von Geschäftsdokumenten ein wichtiger Faktor für die digitale Transformation von Unternehmen sein kann, wird deren Einführung und Nutzung als eher gering angesehen. Diese Publikation stellt neue Ansätze für die Verarbeitung von Geschäftsdokumenten auf der Grundlage von KI sowie Geschäftsszenarien vor, die von deren Anwendung profitieren könnten. Außerdem bietet sie eine ganzheitliche Sicht auf die Herausforderungen, mit denen sich sowohl Lieferanten als auch Käufer von ML-Anwendungen konfrontiert sehen. Wir leiten eine Reihe kritischer Erfolgsfaktoren ab und diskutieren die Wechselbeziehungen zwischen ihnen im Kontext von ML.\",\"PeriodicalId\":424989,\"journal\":{\"name\":\"Die Unternehmung\",\"volume\":\"30 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-08-03\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Die Unternehmung\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5771/0042-059x-2021-3-340\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Die Unternehmung","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5771/0042-059x-2021-3-340","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

对许多业务流程来说,自动复制和分析商业记录信息的能力十分关键。以深入学习、大数据和如今的计算资源等具体方式实现自动学习系统,可以使用人工智能技术实现自动学习。尽管基于“人工智慧”的商务文档处理可能是企业数字转型的一个重要因素,但它们的引入和使用被认为是相当低的。本论文提出了基于人工智能和商业情景的处理商务文档的新方法,这些方法将有助于采用。它还提供了一个整体观点,阐述了如何应对武器应用的供应商和买家所面临的挑战。先列出一些取得成功的重要因素,并讨论它们之间的相互关联性
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Advancements in ML-Enabled Intelligent Document Processing and How to Overcome Adoption Challenges in Enterprises
Die Möglichkeit, Informationen aus Geschäftsdokumenten automatisch zu extrahieren und zu verarbeiten, ist für viele Geschäftsprozesse von entscheidender Bedeutung. Mit leistungsstarken Machine-Learning-Systemen, die speziell durch Deep Learning, Big Data und heutige Rechenressourcen ermöglicht werden, können Dokumentenverarbeitungsaufgaben mithilfe auf künstlicher Intelligenz basierender Technologien automatisiert werden. Auch wenn die KI-basierte Verarbeitung von Geschäftsdokumenten ein wichtiger Faktor für die digitale Transformation von Unternehmen sein kann, wird deren Einführung und Nutzung als eher gering angesehen. Diese Publikation stellt neue Ansätze für die Verarbeitung von Geschäftsdokumenten auf der Grundlage von KI sowie Geschäftsszenarien vor, die von deren Anwendung profitieren könnten. Außerdem bietet sie eine ganzheitliche Sicht auf die Herausforderungen, mit denen sich sowohl Lieferanten als auch Käufer von ML-Anwendungen konfrontiert sehen. Wir leiten eine Reihe kritischer Erfolgsfaktoren ab und diskutieren die Wechselbeziehungen zwischen ihnen im Kontext von ML.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信