Nov, 2023

可解释的海关产品分类

PDF
TL;DR我们提出了一个首次可解释的决策支持模型，用于给交易商品分配国际通用商品编码（即 HS 编码）中最可能的子标题（前六位数字），并通过可解释的文件形式给出其建议的原因。通过对最近收到分类请求的 5,000 个案例进行评估，结果显示我们模型的前三个建议，在分类 925 个具有挑战性的子标题时的准确度达到 93.9％。另外，通过对 32 位海关专家进行用户研究，进一步证实我们算法建议附带可解释的原因，可以显著减少海关人员进行分类审核所需的时间和工作量。
commodity codeshs codescustoms officesdecision supporting modelclassification reviews
发现论文，激发创造
  • 一种基于集成方法的将文本分配到正确谐波系统编码的方法

    本研究开发了一个分层集成模型，包括 Bert-transformer、NER、基于距离的方法和知识图谱等，以满足国际货物分类和税务评估方面的可扩展性、覆盖范围、自动化和审计要求，从而按照最标准的数值方法（Harmonized System）对未知文本描述进行分类。

    Nov, 2022

  • 适应性分类学习与专利分类的历史模式建模

    我们提出了一个综合考虑专利信息的专利分类框架，通过自适应地传递和聚合同级和不同级别的信息来推导 IPC 代码的语义表示；通过双通道聚合机制，设计了一个历史应用模式学习组件，以整合相应申请人的先前专利；最后，结合包含 IPC 代码语义和申请人的顺序偏好的专利文本的上下文信息进行预测。实证分析表明我们的方法优于现有方法，并展示了该模型捕捉申请人的时间模式和 IPC 代码之间的语义依赖关系的能力。

    Aug, 2023

  • 将人类知识与视觉概念对齐，实现可解释的医学图像分类

    通过融合领域知识与大型语言模型，Explicd 提出了一种可解释的、以诊断标准为基础的语言辅助诊断框架，不仅模拟了人类专家的决策过程，还提高了医学图像分类性能。

    Jun, 2024

  • 以解释性设计为支持的解释分类

    该论文使用 “Explainability-by-Design” 方法，并构建了一个包含 9 个维度的分类学来生成解释以遵循各种监管框架或组织层面的政策需求，从而帮助制定辅助性的自动合规策略，并提供一个机器可读的轻本体论，以便从一系列实例中演示起始 “Explainability-by-Design” 之旅的好处。

    Jun, 2022

  • 走向可解释聚类：基于约束声明的方法

    我们提出了一种基于解释驱动的集群选择的解释可调的约束聚类方法，该方法能够生成高质量的且可解释的聚类，其中聚类结果考虑了特征的覆盖率和区分度，并能够整合领域专家知识和用户约束。

    Mar, 2024

  • 金融报告中的可解释风险分类

    本文介绍了一种名为 FinBERT-XRC 的可解释深度学习模型，它以 10-K 报告作为输入，自动评估其关联公司的事后收益波动风险，并在词语、句子和文集三个层面上同时提供分类决策的解释，此模型的预测透明性和准确性在金融领域的应用中起着重要作用。

    May, 2024

  • 学习分类器系统中的规则发现和全局解决方案组合分离

    本文针对数字代理支持关键决策的应用难以获得信任这一难题，提出了基于规则学习的系统并设计透明易懂的模型，其中规则条件和问题解决方案的组成是分开演化的，允许用户特别定制模型以适应可解释性的要求。

    Feb, 2022

  • 利用数学实体链接解释 STEM 文档分类

    本文研究了利用半监督机器学习方法和可解释的人工智能技术，结合数学实体链接来提高 STEM 文档分类的可解释性。实验结果表明，数学实体链接具有较高的可解释性。

    Sep, 2021

  • 高维文本分类器解释

    使用理论证明的高维特性，在神经网络分类器中提出一种新的可解释性方法，并在经典情感分析任务和恶意软件检测任务中进行了实验。

    Nov, 2023

  • 可解释性事实表：系统评估可解释方法的框架

    本文介绍一种可用于描述和评估可解释系统的分类法和一组描述符，该分类法包括五个关键维度：功能性、操作性、可用性、安全性和验证性。通过对机器学习的文献进行调研，提取作者们提出或隐含使用的标准和期望，在此基础上提出了五个关键维度，并将其制成可操作的解释事实表格形式，以便于快速掌握特定解释方法的能力和局限性。此分类法可指导新的解释方法的开发。

    Dec, 2019