論文の概要: Classification of Goods Using Text Descriptions With Sentences Retrieval
- arxiv url: http://arxiv.org/abs/2111.01663v1
- Date: Tue, 2 Nov 2021 15:19:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-03 14:44:04.077053
- Title: Classification of Goods Using Text Descriptions With Sentences Retrieval
- Title(参考訳): 文検索による文章記述を用いた商品の分類
- Authors: Eunji Lee, Sundong Kim, Sihyun Kim, Sungwon Park, Meeyoung Cha, Soyeon
Jung, Suyoung Yang, Yeonsoo Choi, Sungdae Ji, Minsoo Song, Heeja Kim
- Abstract要約: 本稿では,貿易商品に対する国際的に認められた商品コード(HSコード)の割り当てと検証を支援するためのディープラーニングモデルを提案する。
過去の129,084件の評価から,本モデルが提案した上位3件は,265件のサブヘッドの分類において,95.5%の精度を示した。
- 参考スコア(独自算出の注目度): 9.355442864316451
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The task of assigning and validating internationally accepted commodity code
(HS code) to traded goods is one of the critical functions at the customs
office. This decision is crucial to importers and exporters, as it determines
the tariff rate. However, similar to court decisions made by judges, the task
can be non-trivial even for experienced customs officers. The current paper
proposes a deep learning model to assist this seemingly challenging HS code
classification. Together with Korea Customs Service, we built a decision model
based on KoELECTRA that suggests the most likely heading and subheadings (i.e.,
the first four and six digits) of the HS code. Evaluation on 129,084 past cases
shows that the top-3 suggestions made by our model have an accuracy of 95.5% in
classifying 265 subheadings. This promising result implies algorithms may
reduce the time and effort taken by customs officers substantially by assisting
the HS code classification task.
- Abstract(参考訳): 貿易商品に国際的に認められた商品コード(hsコード)を割り当て、検証する仕事は関税局の重要な機能の一つである。
この決定は関税率を決定するため輸入者や輸出者にとって重要である。
しかし、裁判官が下した裁判所の決定と同様に、経験豊富な税関職員でさえその任務は簡単ではない。
本稿では,この一見困難なhsコード分類を支援するディープラーニングモデルを提案する。
韓国税関とともに、我々はKoELECTRAに基づく決定モデルを構築し、HSコードの最上位と下位の4桁(すなわち、最初の4桁と6桁)を示唆した。
過去の129,084例の評価から,本モデルによるトップ3提案は265のサブヘッドの分類において95.5%の精度を示した。
この有望な結果から、アルゴリズムはhsコード分類タスクを補助することにより、税関職員の時間と労力を大幅に削減することができる。
関連論文リスト
- Classifying complex documents: comparing bespoke solutions to large
language models [0.0]
我々の目的は、12の州と267の郡から9つのサブカテゴリを使って3万件の公庁舎の記録を2つの異なるレベルに分類することである。
具体的には、細調整された大規模言語モデル(LLM)が、カスタムトレーニングモデルの精度を達成できるかどうかを検討した。
論文 参考訳(メタデータ) (2023-12-12T11:38:09Z) - Explainable Product Classification for Customs [17.26622394748642]
国際的に認められた商品コード(HSコード)を貿易商品に割り当てる作業は税関にとって重要な機能である。
本稿では,HSコードのサブヘッド化の可能性が最も高いことを示唆する,初めて説明可能な意思決定支援モデルを提案する。
論文 参考訳(メタデータ) (2023-11-18T00:33:48Z) - Fraunhofer SIT at CheckThat! 2023: Tackling Classification Uncertainty
Using Model Souping on the Example of Check-Worthiness Classification [0.0]
本稿では,Fraunhofer SITチームが開発したCLEF-2023 CheckThat! Lab Task 1B for Englishについて述べる。
政治的議論のテキストスニペットが与えられた場合、このタスクの目的は、チェックしやすさを評価すべきかどうかを判断することである。
論文 参考訳(メタデータ) (2023-07-03T09:27:46Z) - Classification of US Supreme Court Cases using BERT-Based Techniques [0.0]
我々は、米国最高裁判所判決または最高裁判所データベース(SCDB)のためのBERTに基づくいくつかの分類手法の実験を行った。
次に、長いドキュメントのSOTAモデルと結果を比較します。
その結果,15のカテゴリで80%,細粒度279のカテゴリで60%の精度が得られた。
論文 参考訳(メタデータ) (2023-04-17T22:53:54Z) - ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。
まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。
最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
論文 参考訳(メタデータ) (2022-07-14T17:46:37Z) - An Efficient and Accurate Rough Set for Feature Selection,
Classification and Knowledge Representation [89.5951484413208]
本稿では, 特徴選択, 分類, 知識表現を同時に実現する, 粗集合に基づく強力なデータマイニング手法を提案する。
まず, ノイズ特性の処理において, 粗集合の非効率性について検討し, 相対的重要度と呼ばれる特性のロバストな測定法を提案する。
公開ベンチマークデータセットによる実験結果から,提案フレームワークは7つの人気や最先端の機能選択手法よりも精度が高いことがわかった。
論文 参考訳(メタデータ) (2021-12-29T12:45:49Z) - Instance-Conditional Knowledge Distillation for Object Detection [59.56780046291835]
所望の知識を求めるために,インスタンス条件蒸留フレームワークを提案する。
我々は、観測されたインスタンスを条件情報として使用し、検索プロセスをインスタンス条件の復号プロセスとして定式化する。
論文 参考訳(メタデータ) (2021-10-25T08:23:29Z) - Determining Standard Occupational Classification Codes from Job
Descriptions in Immigration Petitions [3.749620805613238]
正しい SOC のコードを決定するには、労働統計局(US Bureau of Labor Statistics)によって与えられた定義と比較される。
我々は自然言語処理(NLP)の手法を適用し、ジョブ記述に基づいてSOCコードを計算的に決定する。
論文 参考訳(メタデータ) (2021-09-30T20:32:27Z) - CoSQA: 20,000+ Web Queries for Code Search and Question Answering [63.92224685262063]
CoSQAデータセットには、自然言語クエリとコードのペア用の20,604ラベルが含まれている。
本稿では,クエリコードマッチングを強化するために,CoCLRと呼ばれる対照的な学習手法を提案する。
我々は,CodeXGLUEを同じCodeBERTモデルで評価し,CoSQAのトレーニングにより,コード質問応答の精度が5.1%向上したことを示す。
論文 参考訳(メタデータ) (2021-05-27T15:37:21Z) - Counterfactual Detection meets Transfer Learning [48.82717416666232]
既存のモデルアーキテクチャに最小限の適応で実装可能な,単純なバイナリ分類タスクであることを示す。
本稿では,先行者や後続者をエンティティ認識タスクとして処理するエンド・ツー・エンドパイプラインを導入し,それらをトークン分類に適用する。
論文 参考訳(メタデータ) (2020-05-27T02:02:57Z) - Pre-training Is (Almost) All You Need: An Application to Commonsense
Reasoning [61.32992639292889]
事前学習されたトランスモデルの微調整は、一般的なNLPタスクを解決するための標準的なアプローチとなっている。
そこで本研究では,可視性ランキングタスクをフルテキスト形式でキャストする新たなスコアリング手法を提案する。
提案手法は, ランダム再起動にまたがって, より安定した学習段階を提供することを示す。
論文 参考訳(メタデータ) (2020-04-29T10:54:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。