論文の概要: Constraint-Aware Hierarchical Search for Regulation-Driven Fine-Grained Classification

• arxiv url: http://arxiv.org/abs/2607.10588v1
• Date: Sun, 12 Jul 2026 05:57:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.473977
• Title: Constraint-Aware Hierarchical Search for Regulation-Driven Fine-Grained Classification
• Title（参考訳）: 規制駆動ファイングラインド分類のための制約を考慮した階層探索
• Abstract要約: 関税分類、輸出管理分類、標準ベースの機器コーディングなどのタスクでは、明示的な規制階層の下で入力インスタンスをきめ細かいクラスに割り当てる必要がある。 我々は、この設定を規制駆動のきめ細かい階層分類として定式化し、そこでは、外部インスタンスは規制階層の有効な経路を通してきめ細かなクラスに割り当てられ、監査可能な証拠によって支持されなければならない。 本稿では,規制文書を検索可能な木に変換し,有効なローカル候補ノードのみを検索し,エビデンスススニペットを用いた構造化規制フィールドを用いて,各次ホップ決定を導出する制約対応階層検索フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 7.061842884221568
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tasks such as customs tariff classification, export control categorization, and standards-based equipment coding require assigning an input instance to a fine-grained class under an explicit regulatory hierarchy. Unlike standard text classification, the correct label in these tasks is not determined by semantic similarity alone, but by rule-defined boundaries, threshold conditions, exclusion clauses, definitions, and local exceptions. As a result, two highly similar inputs may require different labels, while a retrieved passage that appears relevant may still be inapplicable under the governing rules. Existing flat classifiers, hierarchical text classification methods, and retrieval-augmented LLM systems are not designed to jointly enforce hierarchical validity, rule consistency, and fine-grained boundary reasoning. In this paper, we formulate this setting as regulation-driven fine-grained hierarchical classification, where an external instance must be assigned to a fine-grained class through a valid path in a regulatory hierarchy and supported by auditable evidence. We construct four benchmark datasets from representative regulation-intensive scenarios and validate the annotations through an expert-in-the-loop process. We further propose a constraint-aware hierarchical search framework that converts regulatory documents into a searchable tree, retrieves only valid local candidate nodes, and uses structured regulatory fields with evidence snippets to guide each next-hop decision. Experiments show that our method achieves the best mean accuracy on all four datasets and provides interpretable decision paths, with the largest gains on cases involving fine-grained neighboring categories and rule-based boundary conditions.
• Abstract（参考訳）: 関税分類、輸出管理分類、標準ベースの機器コーディングなどのタスクでは、明示的な規制階層の下で入力インスタンスをきめ細かいクラスに割り当てる必要がある。 標準的なテキスト分類とは異なり、これらのタスクの正しいラベルは意味的類似性のみによって決定されるのではなく、ルール定義された境界、しきい値条件、排他的節、定義、ローカル例外によって決定される。 結果として、2つの非常に類似した入力は異なるラベルを必要とするかもしれないが、関連するように見える検索されたパスは、規則の下では適用できない可能性がある。 既存のフラット分類器、階層的テキスト分類法、検索拡張LDMシステムは、階層的妥当性、規則整合性、きめ細かい境界推論を共同で実施するために設計されていない。 本稿では、この設定を規制駆動のきめ細かい階層分類として定式化し、そこでは、規制階層の有効な経路を通して、外部インスタンスをきめ細かなクラスに割り当て、監査可能な証拠によって支持しなければならない。 我々は,代表的な規制集約シナリオから4つのベンチマークデータセットを構築し,エキスパート・イン・ザ・ループプロセスを通じてアノテーションを検証する。 さらに、規制文書を検索可能な木に変換し、有効なローカル候補ノードのみを検索し、エビデンスススニペットで構造化された規制フィールドを使用して、各次ホップ決定をガイドする制約対応階層検索フレームワークを提案する。 実験の結果,提案手法は4つのデータセットすべてに対して最良平均精度を達成し,解釈可能な決定経路を提供する。

関連論文リスト

• Grounded Normative Rule Generation with Structured Search [47.28595196084396]
  基底ノルム規則合成(GNRS)として問題を定式化する。 GNRS-SearchはMarkov Chain Monte Carlo(MCMC)サンプリングを利用して、離散5スロットアンドオーグラフ(AOG)を最適化するフレームワークである。 GNRS-Benchは8つのシーンにまたがる116の制御目標にまたがるベンチマークであり、RealCharterBenchは53のリアルなポリシータスクに隠れたソース節で遷移を評価する。
  論文  参考訳（メタデータ） (2026-08-23T05:43:42Z)
• Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
  複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。 RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T10:38:38Z)
• Beyond Similarity: Task-Aligned Retrieval for Language Models [3.141210160384506]
  Retrieval-augmented Generation (RAG) は、セマンティックな類似性によってパスをランク付けし、セマンティックな類似性は下流のタスクに適用可能性の信頼性を示すものであると暗に仮定する。 本稿では,類似性に基づく検索を適用性に基づくルール選択に置き換える検索フレームワークであるタスクアラインド検索(TAG)を提案する。
  論文  参考訳（メタデータ） (2026-05-27T04:45:57Z)
• Hierarchical Query Classification in E-commerce Search [38.67034103433015]
  電子商取引プラットフォームは通常、製品情報と検索データを階層構造に保存し、構造化する。 ユーザ検索クエリを同様の階層構造に効果的に分類することは,eコマースプラットフォーム上でのユーザエクスペリエンスの向上,ニュースキュレーションや学術研究において最重要である。 階層的問合せ分類の本質的な複雑さは,(1)支配的カテゴリに傾倒する顕著なクラス不均衡,(2)正確な分類を妨げる検索クエリの本質的簡潔さとあいまいさの2つの課題によって複雑化されている。
  論文  参考訳（メタデータ） (2024-03-09T21:55:55Z)
• RulePrompt: Weakly Supervised Text Classification with Prompting PLMs and Self-Iterative Logical Rules [30.239044569301534]
  弱教師付きテキスト分類(WSTC)は、大量のテキストを分類できるため、注目を集めている。 本稿では,ルールマイニングモジュールとルール強化擬似ラベル生成モジュールからなるWSTCタスクに対して,ルールプロンプトというPLMベースのアプローチを提案する。 提案手法は解釈可能なカテゴリー規則を導出し,難解なカテゴリを曖昧にすることの利点を証明した。
  論文  参考訳（メタデータ） (2024-03-05T12:50:36Z)
• ProTeCt: Prompt Tuning for Taxonomic Open Set Classification [59.59442518849203]
  分類学的オープンセット(TOS)設定では、ほとんどショット適応法はうまくいきません。 本稿では,モデル予測の階層的一貫性を校正する即時チューニング手法を提案する。 次に,階層整合性のための新しいPrompt Tuning(ProTeCt)手法を提案し,ラベル集合の粒度を分類する。
  論文  参考訳（メタデータ） (2023-06-04T02:55:25Z)
• Relational Proxies: Emergent Relationships as Fine-Grained Discriminators [52.17542855760418]
  本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。 我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。 また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
  論文  参考訳（メタデータ） (2022-10-05T11:08:04Z)
• Weakly-supervised Action Localization via Hierarchical Mining [76.00021423700497]
  弱教師付きアクションローカライゼーションは、ビデオレベルの分類ラベルだけで、与えられたビデオ内のアクションインスタンスを時間的にローカライズし、分類することを目的としている。 ビデオレベルおよびスニペットレベルでの階層的マイニング戦略,すなわち階層的監視と階層的一貫性マイニングを提案する。 我々は、HiM-NetがTHUMOS14とActivityNet1.3データセットの既存の手法よりも、階層的に監督と一貫性をマイニングすることで、大きなマージンを持つことを示す。
  論文  参考訳（メタデータ） (2022-06-22T12:19:09Z)
• Out-of-Category Document Identification Using Target-Category Names as Weak Supervision [64.671654559798]
  Out-of-category Detection は、文書が不適格(またはターゲット)カテゴリと意味的関連性に応じて区別することを目的としている。 対象のカテゴリの1つに属する文書の信頼性を効果的に測定する,カテゴリ外検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-24T21:01:25Z)

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。