基于自然语言处理的CNAS认可准则自动对标系统研究_刘玉威.pdf

在CNAS评审过程中，人工对标不符合项与其依据条款存在着耗时耗力、对标不准确等缺点。文中针对以上问题，提出一种基于自然语言处理的多级模型自动对标方法。通过对不符合项描述的语言特点进行研究，利用注意力机制的Bi-LSTM网络对不符合项进行分类，在该分类下使用基于语料扩充和迁移学习的SimCSE网络模型计算相似的不符合项，并提取对应依据条款，该方法有效解决了对标不准确等问题。通过模拟实验测试，对标准确率可达74.4%，语义匹配计算时间相比DSSM模型有大幅提升，内存消耗和最高匹配速度也有明显改善。初步验证了该方法的可行性及有效性，但其局限性尚需进一步优化改进。