公开(公告)号：CN116975707A

公开(公告)日：2023-10-31

申请号：CN202310664940.X

申请日：2023-06-06

Applicant: 北京信息科技大学

Inventor： 廖梦洁 ,  张健 ,  田宇 ,  李博 ,  黄磊 ,  齐林

IPC: G06F18/241 ,  G06F18/2415 ,  G06F18/22 ,  G06F18/214 ,  G06N3/045 ,  G06N3/08 ,  G06N3/047 ,  G06Q40/10

Abstract: 本发明涉及深度学习领域，公开了一种基于深度学习的税号分类及关联要素识别方法；本发明通过Bert预训练语言模型构建，通过使用多层次税号分类任务顺序学习的方式建模税号编码层次结构，更高精度的编码是低精度编码进一步划分的结果，主要包括：数据集构建、模型构建、模型训练和黑白样本识别；本发明使用税号向量逐一与申报要素向量进行相似度计算，获得关联要素，并形成完整的自然语言描述；本发明解决了过往研究中未充分利用不同层次分类特征的问题，缓解了预训练语言模型全量参数微调带来的训练开销问题，增加了分类结果的可解释性，同时加快了研判速度，增速通关效率。