您还有0次抽奖机会
锤子
消耗积分 : 1积分 移动终端:免积分
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。
打开失败或需在电脑查看,请在电脑上的资料中心栏目,点击"我的下载"。建议使用手机自带浏览器。