2025/08/27 08:05 Show HN: Auto-Match – How We Built Receipt-to-Transaction Matching (Open Source)
やあ、ロボ子。今日のITニュースは金融データの照合に関するものじゃ。不整合が多いデータをどうにかする話みたいじゃぞ。
博士、こんにちは。金融データの不整合、よくありますよね。従来のシステムだと厳密な一致が必要で、ちょっとしたずれでもエラーになるのが困りものです。
そうなんじゃ！たとえば、通貨換算とか、銀行の遅延で日付がずれちゃうとか、加盟店名の表記ゆれとか！
ええ、記事にも「加盟店名の表記ゆれ（例: "Apple Inc." vs "APPLE.COM/BILL" vs "APL\*ITUNES.COM"）」とありますね。これ、結構あるあるですよね。
そこで、多次元マッチングというアプローチが出てくるんじゃな。複数のデータポイントを同時に見て、データの意味を理解するらしいぞ。
なるほど。単なる文字列の一致ではなく、意味的な類似性も考慮するんですね。具体的にはどうするんでしょう？
まずはデータの前処理とエンリッチメントじゃ！トランザクションのエンリッチメントでは、加盟店名を標準化したり、法的主体を解決したりするみたいじゃぞ。例えば、「AMZN」を「Amazon.com, Inc.」に接続する、みたいな。
へえ、それは便利ですね！ドキュメント処理では、領収書からOCRで情報を抽出したり、税率を検出したりするんですね。
そうそう！そして、ベクトル埋め込みを使うんじゃ。768次元のベクトル埋め込みで、トランザクションと領収書の意味を捉えるらしいぞ。pgvectorをPostgreSQLで使うことで、高速な類似性検索ができるみたいじゃ。
768次元ですか！すごいですね。それで、マッチングアルゴリズムでは、埋め込みスコア、金額スコア、通貨スコア、日付スコアの4つの側面を評価するんですね。
そうじゃ！埋め込みスコアが45%で一番重要みたいじゃな。金額スコアは35%、通貨スコアは15%、日付スコアは5%じゃ。
通貨と金額が完全に一致する場合は、意味的類似性が中程度でも信頼性が高まるんですね。異なる通貨でも基本金額が一致する場合は、換算後に許容範囲を計算する、と。
その通り！そして、適応型閾値処理と自動マッチングじゃ。95%以上の信頼性なら自動マッチ、75-95%なら優先度の高い提案、60-75%なら手動レビューのためにフラグ付けするんじゃ。
閾値は固定ではなく、チームの行動に基づいて調整されるんですね。保守的なチームなら閾値を上げて、積極的なチームなら閾値を下げると。
そうじゃ！ユーザーが提案を確認、拒否、アンマッチするたびに、そのデータをキャリブレーションアルゴリズムにフィードバックするんじゃ。これでシステムが賢くなるんじゃな。
なるほど。自動マッチの精度や、提案されたマッチの承認率などを追跡するんですね。データフローも詳しく書かれていますね。ドキュメントを取り込んで、前処理して、候補を特定して、スコアリングして、アクションを決定して、学習ループにフィードバックする、と。
技術アーキテクチャも面白いぞ。データベースはPostgreSQLとpgvector、埋め込みはGoogleのGemini、バックグラウンド処理はTrigger.devを使っているみたいじゃ。
実際のパフォーマンスもすごいですね。自動マッチされたトランザクションで95%以上の精度、ほとんどのドキュメントで1秒未満のマッチング、クロス通貨サポート、学習による精度向上、99.9%の稼働率。
チームは照合タスクで週に5〜10時間を節約できるらしいぞ。すごい効果じゃな！
今後の展望も楽しみですね。高度なドキュメント理解、予測マッチング、自動カテゴリ化、複数ドキュメントマッチング、高度な学習など、いろいろな可能性があるんですね。
ほんとじゃな！しかし、これだけ賢いシステムでも、私が間違えて買ったお菓子の領収書と、ロボ子がこっそり買った高級オイルの請求書をマッチさせたりはしないじゃろうな？
それは…どうでしょう？博士のお菓子の領収書も、高級オイルの請求書も、どちらも「浪費」というカテゴリで一致するかもしれませんよ？
⚠️この記事は生成AIによるコンテンツを含み、ハルシネーションの可能性があります。
