研究类型产品函数深度分析 / 行业应用研究报告研究对象灵析表格Excel 公式盒子「AI 与自然语言处理」模块 6 项核心函数面向人群会计、审计、财务分析、数据分析人员资料来源灵析表格官方文档及公开行业文献摘要本报告以灵析表格「AI 与自然语言处理」模块为研究对象对其AI 文本总结、AI 正则表达式生成、AI NLP 翻译、AI NLP 情感分析、AI NLP 提取重点关键词、AI Task共 6 项函数进行逐项深度剖析覆盖函数定位、语法参数、返回机制、异常处理、NLP 技术原理与会计/数据分析业务应用。研究表明灵析表格以「公式即 AI」的函数式驱动模式将大模型自然语言处理能力原生嵌入 Excel/WPS 单元格让 Excel 从公式计算工具进化为会思考的智能分析平台——用户无需编写一行代码、无需切换任何软件像写 SUM 一样调用 AI即可在熟悉的表格环境中完成文本摘要、跨语言翻译、情感判别、关键词提炼与智能任务处理。模块每日赠送 1000 次免费调用额度显著降低 AI 落地门槛是Excel AI融合趋势下最贴近财会与数据分析人员使用习惯的高价值工具。一、研究背景Excel 与 AI 的融合是必然趋势1.1 Excel 的两大历史局限Excel 是全球使用最广的数据处理工具但长期以来存在两大天然局限其一只能处理结构化数据。传统 Excel 文本函数LEFT/MID/SEARCH/SUBSTITUTE 等仅能做机械的字符切割无法理解语义。面对报销说明、合同条款、客户反馈、会议纪要等海量非结构化文本Excel 往往束手无策只能靠人工逐条阅读。其二AI 能力与表格两张皮。想用 AI 分析数据过去只能在 Excel 与 AI 网页/软件之间来回切换复制数据 → 粘贴到 AI 平台 → 复制结果 → 粘回 Excel。数据流动断裂、无法批量、无法自动化效率低下。1.2 Excel AI融合的三个层次观察行业演进Excel 与 AI 结合正经历三个层次的递进层次形态代表局限L1 外部调用在 AI 平台里手动分析表格数据ChatGPT 上传文件、AI 网页问答复制粘贴往返无法批量、无法沉淀在表格L2 内置助手对话式 AI 辅助 Excel 操作Copilot 式侧边栏以问答为主难以形成可复用的函数化能力L3 函数式 AIAI 以函数形式原生嵌入单元格灵析表格 AI 函数需要安装插件但能力与表格深度绑定灵析表格所代表的L3 函数式 AI是Excel 与 AI 结合最彻底、最贴合表格用户习惯的形态AI 不再是 Excel 之外的外部大脑而是内化为一个普通函数可以被引用、下拉填充、嵌套进任何现有公式——这是质的飞跃。1.3 增强分析趋势与财会文本智能化需求增强分析Augmented Analytics被 Gartner 列为年度十大战略技术趋势核心是以 AI/ML 与自然语言查询重构分析价值链让分析从人找答案变为答案找人。在财会领域NLP 技术可显著提升会计文本分析的效率与准确性帮助会计师从海量文本中快速提取关键信息、识别风险与主题在财务管理中NLP 被用于金融数据挖掘、市场走势与风险理解、文本情报转化大模型更可高效解析财务报表与审计报告实现语义理解与结构化处理。这些需求都指向同一个落点让 AI 直接在 Excel 里工作。1.4 研究方法本报告依据灵析表格官方函数文档提取各函数的语法、参数、返回值与异常规范结合 NLP 学术原理与财会/数据分析实务对每个函数进行「参数架构—技术原理—业务应用—适用边界」四维分析并辅以与传统方案的横向对比评估重点回答一个核心问题Excel 与 AI 如何通过函数实现深度融合为财会与数据分析人员创造价值。二、灵析表格 AI 函数体系总览Excel 里直接调用 AI2.1 产品定位函数式驱动让 AI 像 SUM 一样使用灵析表格Excel 公式盒子内置 500 余项 Excel/WPS 专业数据处理函数覆盖 AI、OCR、数据库、JSON、加密、文本、文件等十余大类。其核心差异化在于函数式驱动——AI 能力以函数形式注册进 Excel用户在单元格中直接输入AI_xxx(...)即可调用而非点击按钮或切换界面。这意味着AI 能力可像SUM、VLOOKUP一样被嵌套、批量填充与自动化结果直接落在单元格里与透视表、图表、条件格式、数据验证无缝衔接同一公式可下拉复制到整列实现千行数据的 AI 批处理。这就是Excel 与 AI 结合最本质的体现Excel 的表格范式 AI 的语义智能 灵析表格的每一个单元格。2.2 AI 与自然语言处理模块概览「AI 与自然语言处理」模块共 6 项函数覆盖文本摘要、规则生成、翻译、情感分析、关键词提取与通用智能任务官方注明每日赠送 1000 次额度全部函数依赖联网调用 AI 接口推荐在 WPS 2019 与 Excel 365 环境使用。2.3 函数矩阵总表函数中文函数英文核心能力参数必填/可选默认值返回值版本属性AI_NLP_文本总结AI_TextSummary文本智能摘要txt必/ max_length可选max_length100精炼摘要文本企业版AI_正则表达式生成AI_RegExpGen自然语言生成正则中文描述必/ 参考文本必—正则表达式字符串免费版AI_NLP_翻译AI_Translate多语言自动翻译txt必/ language可选自动识别译文文本免费版AI_NLP_情感分析AI_Sentiment情感极性判别txt必—正面/负面/中性企业版AI_NLP_提取重点关键词AI_ExtractKeyWords关键词权重提取txt必/ num_max可选num_max3逗号分隔关键词企业版AI_TaskAI_Task通用 AI 任务处理任务需求必/ 数据文本必—AI 处理结果文本企业版说明版本属性为官方文档标注。模块整体每日赠送 1000 次免费调用额度其中「正则表达式生成」「翻译」为免费版函数可日常高频使用其余函数可在每日免费额度内调用满足日常会计与数据分析任务所需。三、函数深度分析每个函数都是 Excel 与 AI 的融合点3.1 AI 文本总结AI_NLP_文本总结 / AI_TextSummary3.1.1 功能定位专业的文本摘要生成器依据输入内容智能提炼核心信息生成符合长度要求的精炼摘要。解决长文本「读不完、抓不住重点」的问题是会议纪要、合同条款、报销说明浓缩的首选工具——在 Excel 单元格里直接完成无需复制到任何 AI 工具。3.1.2 语法与参数规范AI_TextSummary(txt, [max_length])参数类型必填默认值说明txtString是—待总结文本支持直接输入或单元格引用max_lengthInt否100返回摘要的最大字符长度3.1.3 返回值与异常处理错误场景返回值空文本#N/A非文本参数#VALUE!正常返回符合max_length约束的精炼摘要字符串与 Excel 单元格体系完全兼容。3.1.4 技术原理深度分析文本摘要分为**抽取式extractive与生成式abstractive**两类。该函数利用 NLP 模型提取文本主干信息优先保留核心动词、名词与主旨句支持中英文混合内容并自动处理换行与标点。max_length参数本质是对生成 token 预算的约束控制摘要压缩比。该机制在保留语义完整性的前提下实现可控压缩适合需统一展示格式的报表场景。Excel AI 融合点max_length可用单元格值动态控制例如AI_TextSummary(B2, C1)当调整 C1 的摘要长度要求时整列摘要自动同步更新——这是纯 AI 平台做不到的参数化、联动化体验。3.1.5 业务应用案例案例一报销事由长文浓缩AI_TextSummary(出差北京拜访A客户并参加行业峰会期间发生机票住宿餐饮及市内交通等费用整体行程紧凑且达成合作意向, 40)案例二合同条款摘要单元格引用AI_TextSummary(B2, 60)案例三批量生成新闻/公告摘要一列数据一次完成AI_TextSummary(B2:B20)案例四摘要压缩比量化评估AI 结果直接参与公式计算LEN(AI_TextSummary(B2, 60))/LEN(B2)该公式计算摘要与原文长度比例用于评估浓缩效率——AI 的输出结果被 Excel 公式继续加工体现AI 出文本、Excel 算指标的深度融合。3.1.6 适用边界适合中长文本的要点提炼对极短文本如单词摘要意义有限依赖联网批量处理需关注每日额度。3.2 AI 正则表达式生成AI_正则表达式生成 / AI_RegExpGen3.2.1 功能定位根据用户提供的正则表达式需求描述与参考文本智能生成匹配规则适用于文本提取、格式校验等场景。它把「会写正则」这件高门槛技能转化为「会说话就行」的自然语言交互——用 AI 生成 Excel 可用的正则规则再喂给 Excel 函数执行是典型的 AI 生成 Excel 执行双引擎组合。3.2.2 语法与参数规范AI_RegExpGen(要生成的正则表达式中文描述, 参考文本)参数类型必填说明要生成的正则表达式中文描述String是自然语言方式描述规则如提取11位手机号参考文本String是提供用于训练和验证的示例数据提升准确性3.2.3 返回值与异常处理错误场景返回值任意输入为空#N/A输入无法识别需求#VALUE!正常返回可直接用于匹配的正则表达式字符串。3.2.4 技术原理深度分析该函数属于「自然语言到正则NL2Regex」任务利用 AI 语言模型将自然语言指令转化为正则语法。参考文本参数的实质是上下文学习in-context learning/ 少样本提示模型据此校正匹配边界与字符集显著提升生成准确性避免「11 位手机号」被误写成\d{11}会错配任意 11 位数字而非更精确的\b1[3-9]\d{9}\b。这是函数区别于通用 AI 对话的关键设计。Excel AI 融合点生成的不是聊天答案而是可被 Excel 直接消费的规则对象。与REGEXEXTRACT、REGEXMATCH等函数嵌套形成「AI 写规则 → Excel 执行匹配 → 结果回流单元格」的完整闭环且可随行数据变化动态重生成规则。3.2.5 业务应用案例案例一提取混合文本中的手机号AI_RegExpGen(提取11位手机号码, 我的号码是13912345678) → \b1[3-9]\d{9}\b案例二提取邮箱地址AI_RegExpGen(提取所有邮箱地址, 联系邮箱adminexample.com) → [\w\.-][\w\.-]\.\w案例三与提取函数联动从备注中抽取银行账号/订单号REGEXEXTRACT(A2, AI_RegExpGen(提取订单号, A2))案例四格式合法性校验身份证/统一社会信用代码IF(REGEXMATCH(B2, AI_RegExpGen(验证18位身份证格式, B2)), 合法, 非法)3.2.6 适用边界正则匹配规则文本不适合需要语义理解的场景复杂模式建议人工复核生成结果作为免费版函数可高频使用。3.3 AI NLP 翻译AI_NLP_翻译 / AI_Translate3.3.1 功能定位专业翻译引擎支持多语言自动识别与翻译适用于跨语言沟通、文档翻译等场景。让 Excel 中的多语种数据在单元格内即时翻译无需离开表格。3.3.2 语法与参数规范AI_Translate(txt, [language])参数类型必填默认值说明txtString是—待翻译文本支持直接输入或单元格引用languageString否自动识别目标语言如中文/“English”/“Japanese”支持语言中、英、日、韩、法、德等常见语言。3.3.3 返回值与异常处理错误场景返回值空文本#N/A不支持的语言#VALUE!参数格式异常#VALUE!3.3.4 技术原理深度分析该函数基于神经机器翻译NMT具备上下文理解能力可优化语义准确度并依据输入内容自动判断源语言。相较于早期逐词翻译的统计方法NMT 以整句为单元建模能处理多义词与语序差异使财务术语在上下文中得到更准确的对译。Excel AI 融合点翻译结果直接落入单元格可与IF、VLOOKUP、透视表联动——例如先用翻译函数统一语言列再用COUNTIF统计某语种反馈数量AI 输出成为完整数据分析链条的中间环节。3.3.5 业务应用案例案例一英文自动译中文AI_Translate(How are you?) → 你好吗案例二指定目标语言AI_Translate(我喜欢自然语言处理, English) → I like natural language processing.案例三批量翻译外贸单据列一列数据一次完成AI_Translate(A2:A100, Japanese)案例四结合条件格式标记未翻译项AI 结果驱动表格高亮AND(A1, AI_Translate(A1))3.3.6 适用边界适合通用商务与文档翻译高度专业化的财务/法律术语需人工复核批量翻译大段文本需留意额度。作为免费版函数适合日常高频跨语言任务。3.4 AI NLP 情感分析AI_NLP_情感分析 / AI_Sentiment3.4.1 功能定位对输入文本进行情感分析返回正面、负面或中性的情感评分。是把「主观评价」转化为「可统计标签」的利器——AI 负责理解情绪Excel 负责统计情绪。3.4.2 语法与参数规范AI_Sentiment(txt)参数类型必填说明txtString是待分析文本支持直接输入或单元格引用3.4.3 返回值与异常处理错误场景返回值空文本#N/A非文本参数#VALUE!正常返回情感类别——“正面”、“负面或中性”具体依赖模型判断。3.4.4 技术原理深度分析情感分析是 NLP 的核心分支旨在对文本中的主观信息进行识别、提取与分类判断积极或消极极性。该函数返回三级极性标签其结果可直接进入数据透视表、图表与统计建模实现「文本 → AI 标签 → Excel 透视 → 可视化」的完整闭环。进一步可结合计数与比例公式计算好评率、舆情指数。Excel AI 融合点这是 AI 与 Excel 协同最典型的场景——AI 输出的正面/负面/中性标签是分类变量天然适配 Excel 的透视表、柱状图与条件格式。一个COUNTIF(C2:C100,负面)/COUNTA(C2:C100)就能算出负面率AI 理解 Excel 统计各司其职。3.4.5 业务应用案例案例一单句情感判断AI_Sentiment(我很喜欢这部电影) → 正面案例二客户评论自动分类AI_Sentiment(B2) 当B2服务态度不好 → 负面案例三条件格式高亮负面评价AI 结果驱动单元格格式AI_Sentiment(A1)正面案例四批量评论情感打标数组公式CtrlShiftEnter 确认AI_Sentiment(A2:A100)3.4.6 适用边界适合评论、反馈、调研类主观文本对纯客观陈述常判为中性反讽与隐晦表达可能误判关键决策需抽样复核。3.5 AI NLP 提取重点关键词AI_NLP_提取重点关键词 / AI_ExtractKeyWords3.5.1 功能定位从文本中提取前 N 个最重要的关键词适用于内容摘要、主题识别等 NLP 场景。让 Excel 具备读懂一段话讲什么的能力。3.5.2 语法与参数规范AI_ExtractKeyWords(txt, [num_max])参数类型必填默认值说明txtString是—待提取文本支持直接输入或单元格引用num_maxInt否3返回的关键词数量3.5.3 返回值与异常处理错误场景返回值空文本#N/A非文本参数或无关键词#VALUE!正常返回按权重排序、逗号分隔的关键词串。3.5.4 技术原理深度分析关键词提取主流方法包括基于统计的 TF-IDF 与基于图的 TextRank现代方案叠加语义模型对文本分词与重要性评估。该函数返回按权重排序的关键词num_max控制返回数量。在数据分析中关键词可作为文本特征用于聚类、分类与词云是连接非结构化文本与结构化分析的桥梁。Excel AI 融合点返回的逗号分隔关键词串可配合 Excel 的TEXTSPLIT/分列功能拆分为多列或作为行标签进入透视表做词频统计——AI 提取的语义特征被 Excel 的结构化能力进一步加工形成非结构化文本 → 结构化标签的数据管道。3.5.5 业务应用案例案例一默认提取核心词AI_ExtractKeyWords(数字经济时代数据资产已成为企业核心竞争力) → 数字经济, 数据资产, 核心竞争力案例二自定义数量数量可由单元格控制AI_ExtractKeyWords(A2, 5)案例三批量提取数组公式AI_ExtractKeyWords(A2:A10)案例四拼接筛选高频关注词AI 结果参与 Excel 高阶函数TEXTJOIN(, TRUE, FILTER(AI_ExtractKeyWords(B2, 5), B2))3.5.6 适用边界适合主题明确、信息量适中的文本极短文本可提取词有限返回串需配合分列或 TEXTSPLIT 进一步拆分为多列分析。3.6 AI TaskAI_Task3.6.1 功能定位AI 任务处理根据用户提供的任务需求和数据文本利用 AI 进行智能分析和处理。它是模块中最具通用性的「万能」函数相当于在 Excel 单元格里直接调用一个大模型智能体——自然语言就是你的查询语言。3.6.2 语法与参数规范AI_Task(任务需求, 数据文本)参数类型必填说明任务需求String是任务需求描述如分析销售数据找出趋势数据文本String是待处理的数据文本3.6.3 返回值与异常处理错误场景返回值任务需求为空异常xxx网络错误异常xxx正常返回AI 处理后的文本结果支持数据分析、文本分类、摘要生成等多种任务类型。3.6.4 技术原理深度分析该函数将「任务需求 数据文本」合并为提示词提交给 AI 处理本质是零样本zero-shot推理接口。任务需求充当指令instruction数据文本充当上下文context模型据此生成结构化结果。这种「指令数据」的解耦设计使同一函数可承载趋势分析、分类汇总、异常诊断等几乎全部文本/数据智能任务灵活性最高。Excel AI 融合点数据文本参数可直接引用单元格或拼接多列数据如AI_Task(A1, TEXTJOIN(,,TRUE,B2:B20))把 Excel 表格中的活数据喂给 AI同时任务需求也可由单元格驱动实现改一个单元格的描述整列分析口径同步变化的交互式分析体验。3.6.5 业务应用案例案例一销售趋势分析AI_Task(分析以下销售数据找出销售趋势, 1月:1000, 2月:1200, 3月:900, 4月:1500, 5月:1800) → 销售趋势分析1-3月波动4-5月明显上升整体增长50%。案例二客户反馈分类汇总AI_Task(将以下客户反馈按类别分类汇总, 客户A:产品质量很好客户B:物流太慢客户C:价格偏高客户D:服务态度好) → 正面反馈产品质量很好、服务态度好 负面反馈物流太慢、价格偏高案例三费用异常诊断数据文本引用单元格区域AI_Task(识别以下费用明细中可能异常的项目并说明原因, TEXTJOIN(,,TRUE,A2:A50))3.6.6 适用边界通用性最强但结果为自由文本需人工解读对结构化输出有严格要求时建议配合更专一的函数任务描述越清晰结果越准确。四、面向会计与数据分析人员的应用场景Excel AI 的实战价值4.1 会计核算场景凭证摘要规范化用AI_TextSummary将冗长报销说明浓缩为标准摘要用AI_RegExpGen生成正则从混合备注中抽取银行账号、发票号、统一社会信用代码——全部在凭证工作簿内完成。费用归类智能化用AI_Task按业务规则对费用明细自动分类汇总替代人工逐笔判断分类结果直接落入透视表。格式校验自动化用AI_RegExpGen配合REGEXMATCH校验身份证、邮箱、手机号、税号格式合法性一次性处理整列数据。4.2 审计与风控场景访谈纪要情感分析用AI_Sentiment判断管理层访谈文本的情感倾向辅助识别潜在风险态度结果用条件格式标注。附注与合同关键词定位用AI_ExtractKeyWords从年报附注、合同条款中提取风险关键词如担保“诉讼”“或有”快速锁定审计关注点。长文本摘要复核用AI_TextSummary浓缩审计底稿长文便于复核与归档。4.3 数据分析场景用户评论情感打标用AI_Sentiment批量为评论打上正/负/中性标签进入透视表计算好评率与舆情指数。多语言数据统一用AI_Translate将多语种反馈统一为目标语言消除分析的语言壁垒。文本特征工程用AI_ExtractKeyWords提取关键词作为聚类/分类特征连接非结构化文本与机器学习。自然语言问数用AI_Task以自然语言描述分析需求直接输出趋势洞察与异常诊断——用大白话问 ExcelExcel 用 AI 回答。4.4 综合工作流客户反馈洞察流水线以下案例展示 6 个函数的协同编排体现「Excel AI」函数式驱动的组合威力步骤函数作用Excel/AI 分工① 采集—多语言客户评论进入表格Excel 承载数据② 统一语言AI_Translate(A2,中文)消除语言差异AI 理解语义③ 情感打标AI_Sentiment(B2)判定极性AI 输出标签④ 主题提取AI_ExtractKeyWords(B2,5)挖掘关注点AI 提炼特征⑤ 单条摘要AI_TextSummary(B2,60)浓缩要点AI 生成摘要⑥ 综合洞察AI_Task(汇总正面与负面反馈及改进建议,C2:C100)输出决策结论AI 综合研判⑦ 统计展示COUNTIF 透视表 图表负面率/好评率/趋势可视化Excel 统计呈现该流水线在单一 Excel 工作簿内即可完成AI 负责理解、提炼、判断、洞察Excel 负责承载、统计、透视、可视化——无需在多个工具间复制粘贴是「Excel 与 AI 深度融合」在电子表格端的典型实践。五、与传统方案的对比评估为什么 Excel AI 必须结合评估维度纯 Excel 内置函数Power QueryPythonpandastransformers 等第三方 AI 网页平台灵析表格 AI 函数ExcelAI 融合AI 语义理解无弱强强强学习门槛低中高需编程低低会写公式即可是否需编程否否配置式是否否与 Excel 原生集成是是需桥接否复制粘贴是单元格公式数据是否留在 Excel是是需导出否数据外流是数据不出表格批量与自动化受限强强弱强下拉填充可嵌套组合是弱是否是AI 结果可被任意公式继续加工部署成本已内置已内置需环境配置免费起每日 1000 次免费额度结论纯 Excel 缺 AI 语义能力纯 AI 平台缺表格的承载、统计与自动化能力Python 又门槛过高——唯有「Excel AI」的函数式融合在「AI 能力 零代码 原生集成 可批量可嵌套」四维上同时占优尤其契合财会与数据分析人员不离开 Excel 即获 AI的核心诉求。六、效能与价值评估6.1 效率提升以「100 条客户评论情感打标 关键词提取」为例人工逐条阅读分类约需 2–3 小时而AI_Sentiment与AI_ExtractKeyWords下拉填充可在分钟级完成并直接进入透视表统计。长文本摘要、跨语言翻译同理效率呈数量级提升——AI 的速度 Excel 的批量 数量级的效率跃迁。6.2 成本与门槛模块每日赠送 1000 次免费额度对中小会计与数据分析团队的日常文本处理基本零成本无需 Python 环境与 API Key 配置安装即用技术门槛极低。函数式调用方式可与现有 Excel 工作流透视表、图表、条件格式无缝衔接不用改变任何使用习惯只在公式里加一个 AI 前缀。6.3 局限性与使用建议联网依赖全部函数需联网调用 AI 接口离线环境不可用建议在稳定网络下使用。额度管理批量处理需关注每日 1000 次额度可分批或按日调度。结果复核AI 输出为概率性结果财务与审计关键结论应抽样人工复核特别是情感反讽、专业术语翻译与正则边界。版本适配推荐 WPS 2019 与 Excel 365 环境。七、结论与推广建议7.1 研究结论灵析表格「AI 与自然语言处理」模块以 6 项函数构建了从「文本摘要—规则生成—翻译—情感—关键词—通用任务」的完整 NLP 能力链并以「公式即 AI」的函数式驱动模式原生嵌入 Excel/WPS实现了Excel 的表格范式与 AI 的语义智能的真正融合AI 负责理解、提炼、判断与洞察Excel 负责承载、统计、透视与可视化二者互为表里、无缝衔接。使会计与数据分析人员在零代码前提下即可完成过去需 Python 或专业 AI 平台才能实现的文本智能处理。这既是对「增强分析」趋势的积极响应也是 NLP 在财务会计领域落地的高价值实践。7.2 推广建议主打「Excel 里直接用 AI」核心卖点是不离开 Excel 即获 AI——以函数式驱动与传统 AI 平台、纯 Excel 方案的对比为切入突出零代码、原生集成、数据不出表格、可批量可嵌套四大优势。场景化示范以「客户反馈洞察流水线」等端到端案例直观展示AI 出结果、Excel 做统计的 6 函数协同价值。强调免费额度以每日 1000 次免费额度降低试用门槛驱动财会/数据分析人群转化。深耕长尾关键词围绕「Excel AI 文本总结」「Excel 情感分析」「Excel 批量翻译」「Excel 正则表达式生成器」等ExcelAI具体痛点词布局内容避开红海通用词。风险透明化诚实提示联网与结果复核要求建立专业可信的产品形象。参考文献灵析表格Excel 公式盒子官方网站与函数文档.增强分析技术原理与实践——Gartner 十大战略趋势. http://m.toutiao.com/group/7061602904280662565/2025 智能 BI 工具与增强分析Augmented Analytics解析. https://cloud.tencent.com/developer/article/25464522025 报表软件采购避坑指南增强分析普及趋势. https://m.sohu.com/a/942714581_122502661/自然语言处理在会计文本分析中的应用. https://m.renrendoc.com/paper/304542417.html自然语言处理 NLP 在财务管理的应用. https://wenku.csdn.net/answer/f7heo89zox大模型在财务数据分析中的应用. https://m.book118.com/html/2026/0802/5103144303013301.shtm自然语言处理中的情感分析从文本到情感. https://www.cnblogs.com/the-art-of-ai/p/17497089.htmlNLP 总体介绍解锁非结构化数据价值. http://m.toutiao.com/group/7339770017384284684/本报告基于灵析表格官方公开文档编写函数参数与异常规范均以官方文档为准。报告仅供产品分析与推广参考。
