典型文献
基于层级多任务BERT的海关报关商品分类算法
文献摘要：
海关商品申报场景下,需采用分类模型将商品归类为统一的海关(HS)编码.然而现有海关商品分类模型忽略了待分类文本中词语的位置信息,同时HS编码数以万计,会导致类别向量稀疏、模型收敛速度慢等问题.针对上述问题,结合真实业务场景下人工逐层归类策略,充分利用HS编码的层次结构特点,提出了一种基于层级多任务BERT(HM-BERT)的分类模型.一方面通过BERT模型的动态词向量获取了报关商品文本中的位置信息,另一方面利用HS编码不同层级的类别信息对BERT模型进行多任务训练,以提高归类的准确性和收敛性.在国内某报关服务商2019年的报关数据集上进行的所提模型的有效性验证,相比BERT模型,HM-BERT模型的准确率提高了2个百分点,在模型训练速度上也有所提升;与同样分层级的H-fastText相比,准确率提高了7.1个百分点.实验结果表明,HM-BERT模型能有效改善海关报关商品的分类效果.
文献关键词：
海关编码;多任务学习;文本分类;BERT;向量稀疏
中图分类号：
作者姓名：
阮启铭;过弋;郑楠;王业相
作者机构：
华东理工大学信息科学与工程学院,上海200237;大数据流通与交易技术国家工程实验室-商业智能与可视化技术研究中心,上海200436;上海大数据与互联网受众工程技术研究中心,上海200072
文献出处：
引用格式：
[1]阮启铭;过弋;郑楠;王业相-.基于层级多任务BERT的海关报关商品分类算法)[J].计算机应用,2022(01):71-77
A类：
B类：
BERT,报关,商品分类,分类算法,分类模型,商品归类,HS,中词,词语,位置信息,码数,数以万计,向量稀疏,收敛速度,速度慢,实业,业务场景,逐层,层次结构,HM,词向量,类别信息,收敛性,某报,服务商,有效性验证,百分点,模型训练,训练速度,fastText,分类效果,海关编码,多任务学习,文本分类
AB值：
0.38694
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
