基于XGBoost算法的RPA销售账目核对机器人设计与实现

摘要

针对现有机器人流程自动化(RPA)在销售账目核对场景中准确率低、泛化能力弱等问题，本文提出一种融合多源异构数据特征工程与动态阈值优化机制的极端梯度提升(XGBoost)模型改进方案。该方案利用排序点以识别聚类结构(OPTICS)算法挖掘财务数据关系，并依据OPTICS输出的类簇信息应用XGBoost实施分类，从而减少对训练过程的依赖。销售账目以时间+内容的形式进行结构化编码。账目分类采用XGBoost融合算法，经pandas比对，结果显示：XGBoost融合算法在财务数据与销售账目分类方面均具有较高的精度，能够满足企业日常财务审计要求，提升企业财务管理数字化水平。

关键词

机器人流程自动化 / 极端梯度提升(XGBoost)算法 / 排序点以识别聚类结构(OPTICS)算法 / 销售账目核对机器人