論文の概要: Explainable Product Classification for Customs

• arxiv url: http://arxiv.org/abs/2311.10922v1
• Date: Sat, 18 Nov 2023 00:33:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 13:33:00.350244
• Title: Explainable Product Classification for Customs
• Title（参考訳）: 顧客のための説明可能な製品分類
• Authors: Eunji Lee, Sihyeon Kim, Sundong Kim, Soyeon Jung, Heeja Kim, Meeyoung Cha
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 17.26622394748642
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The task of assigning internationally accepted commodity codes (aka HS codes) to traded goods is a critical function of customs offices. Like court decisions made by judges, this task follows the doctrine of precedent and can be nontrivial even for experienced officers. Together with the Korea Customs Service (KCS), we propose a first-ever explainable decision supporting model that suggests the most likely subheadings (i.e., the first six digits) of the HS code. The model also provides reasoning for its suggestion in the form of a document that is interpretable by customs officers. We evaluated the model using 5,000 cases that recently received a classification request. The results showed that the top-3 suggestions made by our model had an accuracy of 93.9\% when classifying 925 challenging subheadings. A user study with 32 customs experts further confirmed that our algorithmic suggestions accompanied by explainable reasonings, can substantially reduce the time and effort taken by customs officers for classification reviews.
• Abstract（参考訳）: 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。 裁判官の判断と同様に、この任務は先例の原則に従い、経験豊富な士官であっても非自明である。 韓国税関(KCS)とともに、HSコードの最も可能性の高いサブヘッダ(すなわち、最初の6桁)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。 このモデルは、税関職員が解釈可能な文書の形で提案する理由も提供する。 最近分類要求を受けた5000事例を用いて評価を行った。 その結果、本モデルによるトップ3提案は925課題のサブヘッドを分類した場合、93.9\%の精度を示した。 さらに、32人の税関の専門家によるユーザー調査により、説明可能な推論を伴うアルゴリズムの提案により、税関職員による分類審査の時間と労力を大幅に削減できることを確認した。

関連論文リスト

• JudgeRank: Leveraging Large Language Models for Reasoning-Intensive Reranking [81.88787401178378]
  本稿では,文書関連性を評価する際に,人間の認知過程をエミュレートする新しいエージェント・リランカであるJiceRankを紹介する。 我々は,推論集約型BRIGHTベンチマークを用いて判定Rankを評価し,第1段階の検索手法よりも性能が大幅に向上したことを示す。 さらに、JiceRankは、人気の高いBEIRベンチマークの細調整された最先端リランカと同等に動作し、ゼロショットの一般化能力を検証している。
  論文  参考訳（メタデータ） (2024-10-31T18:43:12Z)
• From Calculation to Adjudication: Examining LLM judges on Mathematical Reasoning Tasks [11.01213914485374]
  数学的推論タスクにおいて,大規模言語モデル (LLM) について検討する。 本分析により,判定性能と候補モデルタスク性能との間に強い相関関係が明らかになった。 本研究では,各モデルのタスク性能などの統計データを用いて,判定性能の予測を行うことが可能であることを示す。
  論文  参考訳（メタデータ） (2024-09-06T10:09:41Z)
• The Art of Saying No: Contextual Noncompliance in Language Models [123.383993700586]
  本稿では,ユーザの要求に従わないモデルについて,コンテキスト非準拠の包括的分類を導入する。 我々の分類は、不完全、不完全、不完全、不決定、人為的要求を含む幅広いカテゴリーにまたがる。 言語モデルの非準拠性をテストするために,1000個の非準拠プロンプトの新たな評価スイートを開発するために,この分類法を用いる。
  論文  参考訳（メタデータ） (2024-07-02T07:12:51Z)
• 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)
• Large Language Models are not Fair Evaluators [60.27164804083752]
  候補回答の品質ランキングは,文脈の出現順序を変えることで容易にハックできることがわかった。 この操作により、評価結果をスキューし、一方のモデルを他方よりもかなり優れているようにすることができる。 この問題を緩和するための3つのシンプルかつ効果的な戦略を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-29T07:41:03Z)
• SAILER: Structure-aware Pre-trained Language Model for Legal Case Retrieval [75.05173891207214]
  判例検索は知的法体系において中心的な役割を果たす。 既存の言語モデルの多くは、異なる構造間の長距離依存関係を理解するのが難しい。 本稿では, LEgal ケース検索のための構造対応プレトランザクショナル言語モデルを提案する。
  論文  参考訳（メタデータ） (2023-04-22T10:47:01Z)
• Making Large Language Models Better Reasoners with Step-Aware Verifier [49.16750018427259]
  DIVERSE(Diverse Verifier on Reasoning Step)は、言語モデルの推論能力をさらに強化する新しいアプローチである。 最新の言語モデルであるcode-davinci 上で DIVERSE を評価し,8つの推論ベンチマークのうち6つで新たな最先端結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-06T03:38:36Z)
• Classification of Goods Using Text Descriptions With Sentences Retrieval [9.355442864316451]
  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。
  論文  参考訳（メタデータ） (2021-11-02T15:19:17Z)
• 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)
• Predicting Indian Supreme Court Judgments, Decisions, Or Appeals [0.403831199243454]
  新たに開発したML対応法定予測モデルとその運用プロトタイプであるeLegPredictを紹介した。 eLegPredictは3072件の最高裁判所事件で訓練されテストされ、精度は76%に達した(F1スコア)。 eLegPredictはエンドユーザを支援するメカニズムを備えており、新しいケース記述を持つドキュメントが指定されたディレクトリにドロップされると、システムはすぐにコンテンツを読み込んで予測を生成する。
  論文  参考訳（メタデータ） (2021-09-28T18:28:43Z)
• Active Learning for Human-in-the-Loop Customs Inspection [12.66621970520437]
  我々は、AI支援アルゴリズムが税関職員を支援するための、輸入品のセットを推薦する、ループ内税関検査シナリオについて検討する。 不正や不確実なアイテムを選択するためのハイブリッド戦略が、最終的には搾取のみの戦略よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-27T13:31:31Z)

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。