Table of Contents
企業詐貸發生的主因
兆豐銀行專利
1.一種基於命理學推薦理財產品的系統與方法，包括收發器、儲存媒體以及處理器。
2.處理器與命理資訊資料庫、銀行伺服器及理財產品資料庫通訊連接，處理器存取並執行儲存媒體所儲存的獲取模組、查詢模組以及推薦模組。
3.獲取模組用以獲取使用者的生物特徵資訊以及個人資訊。
4.查詢模組依據生物特徵資訊以及個人資訊從命理資訊資料庫中查詢與使用者的生物特徵資訊以及個人資訊對應的命理資訊，並且從銀行伺服器查詢使用者的往來交易資訊。
5.推薦模組依據使用者的命理資訊以及往來交易資訊從理財產品資料庫中推薦適合使用者的至少一個理財產品。
透明的供應鏈來預防企業詐貸
哈佛商業評論
建立透明的供應鏈(Building a Transparent Supply Chain)
近年重大會計師違規罰款
透過向量相似性找出企業詐貸戶
Embedding vectors
1.Embeddings 使用『深度學習』模型將非結構化資料轉換為向量。
2.非結構化數據，例如文字、圖像和音頻，缺乏預先定義的格式，給傳統資料庫帶來了挑戰。為了在人工智慧和機器學習應用中利用這些數據，使用嵌入(embedding)將其轉換為數位表示。
3.嵌入就像為每個項目（無論是單字、圖像還是其他東西）提供一個獨特的程式碼來捕捉其含義或本質。該程式碼可以幫助電腦以更有效和更有意義的方式理解和比較這些項目。
4.這種嵌入過程通常是使用專為該任務設計的特殊神經網路來實現的。
向量相似性指標
| Similarity Metric | Vector properties considered | 特點 |
| 歐氏距離 (Euclidean distance ) | 幅度和方向 (Magnitudes and direction ) | 歐氏距離對大小敏感，當嵌入包含與事物的計數或測量有關的資訊時，它會很有幫助。例如，在目標是推薦與用戶之前購買的商品相似的推薦系統中：歐幾里德距離可用於測量購買商品的時間嵌入之間的絕對差異。 |
| 餘弦相似度 (Cosine similarity ) | 方向(direction) | 餘弦相似度是兩個向量之間角度的量測。它是透過向量的點積除以它們的大小的乘積來計算的。此度量不受向量大小的影響，而僅受向量之間的角度的影響。這意味著具有大值或小值的向量只要指向相同的方向，就會具有相同的餘弦相似度。 範例用例:解決語義搜尋和文件分類問題，是比較向量的方向（即文件的整體內容）；根據使用者過去的行為向使用者推薦專案的推薦系統也適合餘弦相似度。 |
| 點積相似度 (Dot product similarity ) | 幅度和方向 (Magnitudes and direction ) | 兩個向量的點積相似度量是透過將向量對應分量的乘積相加來計算的 |
簡單案例-番茄應該分到哪一類(歐式距離)
| 配料 | 甜度 | 脆度 | 食品類型 | 與番茄的距離 |
| 葡萄 | 8 | 5 | 水果 | Sqrt((6-8)^2+(4-5)^2)=2.2 |
| 四季豆 | 3 | 7 | 蔬菜 | Sqrt((6-3)^2+(4-7)^2)=4.2 |
| 堅果 | 3 | 6 | 蛋白質 | Sqrt((6-3)^2+(4-6)^2)=3.6 |
| 柳丁 | 7 | 3 | 水果 | Sqrt((6-7)^2+(4-3)^2)=1.4 |
| 番茄 | 6 | 4 | ? |
