СИСТЕМА РОЗПІЗНАВАННЯ І КЛАСИФІКАЦІЇ ФІНАНСОВИХ ДОКУМЕНТІВ
DOI:
https://doi.org/10.34132/mspc2025.01.14.13Ключові слова:
автоматизація обробки документів, оптичне розпізнавання символів (OCR), семантичний аналіз тексту, цифрова трансформація підприємств, модульна архітектура системи.Анотація
Анотація. Дослідження присвячене автоматизації обробки документів, зокрема товарно-транспортних накладних (ТТН), для цифровізації підприємств. Основною метою є створення гнучкої програмної системи, яка автоматично витягує реквізити з документів різних форматів із високою точністю. Система використовує класичні методи обробки зображень, оптичне розпізнавання символів (OCR) через бібліотеку Nicomsoft OCR, а також шаблонний підхід до семантичного аналізу тексту. Дані проходять нормалізацію, забезпечуючи стандартизоване зберігання інформації. Реалізація виконана мовою Java, із використанням Swing для UI, Apache POI для роботи з документами та Firebird SQL для збереження даних. Завдяки модульній архітектурі система легко інтегрується в корпоративні інформаційні платформи, підвищує ефективність обробки документів та може бути масштабована для інших типів документації, що сприяє цифровій трансформації підприємств.
Посилання
Shahar Markovitch and Paul Willmott/McKinsey – Accelerating the digitalization of business processes[Електронний ресурс] - Режим доступу: https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/accelerating-the-digitization-of-business-processes
Sayallar S., Sayar A., Babalik N.: An OCR Engine for Printed Receipt Images using Deep Learning Techniques. International Journal of Advanced Computer Science and Applications, Vol. 14, No. 2, 2023. URL: https://avesis.kocaeli.edu.tr/yayin/aa68b0f4-568a-46da-b680-98d60f7e561c/an-ocr-engine-for-printed-receipt-images-using-deep-learning-techniques (дата звернення: 22.04.2025)
Yue A. Automated Receipt Image Identification, Cropping, and Parsing, 2018. URL: https://www.cs.princeton.edu/courses/archive/spring18/cos598B/public/projects/System/COS598B_spr2018_ReceiptParsing.pdf (дата звернення: 23.04.2025)
Drobac S., Linden K.: Optical character recognition with neural networks and post-correction with finite state methods. International Journal on Document Analysis and Recognition (IJDAR) (2020) 23:279–295 URL: https://link.springer.com/article/10.1007/s10032-020-00359-9 (дата звернення: 23.04.2025)
