-
题名基于深度学习的HS Code产品归类方法研究
被引量:1
- 1
-
-
作者
许重建
李险峰
-
机构
北京大学深圳研究生院
-
出处
《现代计算机》
2019年第1期11-19,共9页
-
文摘
国际贸易通关业务使用的HS Code编码专业又复杂,使其在归类、查询和确认过程中需要大量人工处理,而且很容易出错,已成为影响当前国际贸易货物通关效率的重要因素,如何进行HS Code产品自动归类是个非常值得研究的问题。HS Code产品归类本质上是一种文本分类问题,但由于其数据的特殊性,使用传统的经典文本分类方法并不能取得很好的效果,近年来深度学习在自然语言处理领域取得质的突破,所以基于深度学习的HS Code产品归类方法值得研究,对该方法涉及的算法进行详细设计和分析,通过实验对方法实现进行验证和分析,并且与基于最大熵模型的方法进行比较,结果表明基于深度学习的归类准确率高于基于最大熵模型的方法,是一种有意义可行的HS Code产品自动归类方法。
-
关键词
深度学习
文本归类
最大熵模型
HS
CODE
-
Keywords
Deep Learning
Text Categorization
Maximum Entropy Model
HS Code
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-