Browsing by Author "Tsai, Yuan-Shiang"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    公司年報合規檢驗輔助系統建置與評估
    (2025) 蔡元翔; Tsai, Yuan-Shiang
    研究背景與問題：台灣1843家上市櫃公司年報需符合「公開發行公司年報應行記載事項準則」145條細項規範，但現行人工檢驗面臨效率低下、人力資源短缺等問題。特別是每年5-6月集中召開股東常會期間，檢驗工作量高達259,260條細項，造成審查委員巨大工作壓力。傳統檢驗方式依賴人工逐項核對，存在定位困難、驗證複雜度高及自動化侷限等挑戰，亟需創新技術解決方案。研究目的與研究問題：本研究旨在建立基於大型語言模型（LLM）與檢索增強生成（RAG）技術的年報合規性自動判讀系統，實現自動化檢驗流程並設計視覺化輔助介面。研究探討四個核心問題：年報合規檢驗系統如何結合LLM與BM25檢索技術實現自動化判讀功能、互動式輔助介面應包含哪些核心功能模組、系統在不同排版類型年報和法規條款中的表現差異，以及影響系統檢驗準確度和效率的關鍵因素及其優化策略。 研究方法：採用模組化系統架構，包含資料前處理、自動化檢驗及互動式輔助介面三大模組。將145條法規細項系統性分類為五種類型，聚焦於74條不需額外資訊的內容規範條款。採用分層比例抽樣選取27條測試項目，以5家不同產業與排版類型的上市公司年報為驗證樣本。建立「寬鬆正確率」與「嚴格正確率」雙重評估指標，結合人工專家判斷作為標準答案進行系統效能評估。 主要發現：系統整體達到86.26\%寬鬆正確率與64.12\%嚴格正確率，平均處理時間僅需97.43秒。自定義詞典為關鍵技術亮點，將檢索準確率從47.93\%大幅提升至86.26\%，改善幅度達38.33\%。不同題目類型表現存在顯著差異：文本檢核類達95.89\%寬鬆正確率，欄位驗證類為68.75\%，圖像識別與程序條款均達100\%。系統對傳統排版與視覺化排版年報均具良好適應性，正確率分別為86.54\%與86.02\%。結論與意義：本研究成功驗證了RAG框架在專業合規檢驗領域的可行性，建立完整的年報自動化檢驗系統。研究在學術上建立了法規條款系統性分類框架，為RAG技術在專業領域應用提供實證基礎；在實務上大幅提升檢驗效率，減輕監管機構工作負擔，促進資訊透明化與投資者保護。研究成果可擴展至其他法規文件檢驗，為智慧合規檢驗發展奠定重要基礎，體現了圖書資訊檢索技術與AI技術融合的創新應用價值。