本应用综合运用大模型、知识工程等人工智能技术，构建金融数据治理知识体系，融合银行内多源业务数据，针对在风控场景下全省农商银行跨系统数据标准不统一、数据质量差异大、人工执行标准不一致及海量数据标准化效率低、多源数据语义映射难的痛点，为风控场景的数据治理工作提供数据标准高效匹配、企业级数据字典智能生成与推荐等服务实现数据治理由人工经验向智能决策转型，提升数据治理效率与准确性，直接降低各类风控模型推广难度和成本，提升全行风控智能化水平。推动总行风控模型的建设、推广及农商银行风控经验共享。

本应用由江苏农村商业联合银行股份有限公司负责系统研发运营并向全省农商银行提供风控场景下的数据治理服务，各农商银行按需完成数据治理，此外无其他机构参与。

创新性说明：

1. 短文本检索方面，融合向量索引的语义相似度选与传统索引的关键词精确匹配、字段关联，再搭配同义词扩展、金融语义标注预处理，解决金融短文本语义信息少、传统固定权重检索精度不足的问题，使数据标准匹配召回率大幅度提升，效率显著优化。

2. 模型协同决策方面，构建“向量检索+重排序+大模型决策”三级协同架构，解决模型泛化能力不足问题，使准确率较传统方案提升显著。

3. 模型领域适配方面，通过RAG技术整合数十万条金融领域数据集补充专业知识，对大模型微调使其学习金融术语、数据匹配逻辑与异常案例处理，破解通用大模型“泛化性强、专业性弱”的行业痛点，在数据挂标服务中，模型对“逾期天数”与“逾期次数”等业务差异的区分更精准，数据对标准确性大幅提升。