科研之友
微信
新浪微博
Facebook
分享链接
摘要
在海关进出口商品文本信息中，往往会用不同的词语描述同一商品的特征，识别这些商品的特征同义词能更好地进行观点汇总，进而对同一类特征的商品进行涉税风险的防控。针对海关申报要素短语的特点，提出一种融合多层次信息的卷积神经网络模型，构建并训练了一个基于孪生和三级网络结构的Sentence-BERT，其对相近的要素短语具有更好的语义表示，弥补了word2vec短文本词嵌入特征离散稀疏的不足。利用多尺寸卷积核提取要素短语的不同特征。通过BiLSTM神经网络学习要素短语的语序信息，并利用注意力机制分配关键词权重。获得的全连接融合同义词语义特征和关键词特征，通过softmax层进行预测。实验证明，融合多层次信息的卷积模型比其他模型有更好的表现。
- 单位
