MBCS:用于手动检查记录的一些射击意图检测模型
Mengjie Liao1,2, Yixin Wang3, Jian Zhang1,2
1School of Management Science and Engineering, Beijing Information Science and Technology University, Beijing, China.
PloS one
|December 10, 2025
概括
本研究介绍了MBCS,这是货物风险意图检测的新型模型,可以克服注释稀缺性. 它显著提高了少数拍摄场景的准确性,为进出口贸易监督提供了强大的解决方案.
科学领域:
- 自然语言处理自然语言处理.
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 手动检查中的注释稀缺性阻碍了货物风险意图检测的准确性.
- 短暂的学习场景在特定领域的数据和文本表示方面提出了挑战.
研究的目的:
- 提出一个意图检测模型,MBCS (多任务学习与BERT进行分类和语义相似性比较),用于少数镜头场景.
- 增强语义表示能力,解决货物风险意图检测中的注释短缺问题.
主要方法:
- 实施了多任务学习框架,结合了文本分类和语义相似性比较.
- 纳入语义对比学习作为辅助任务,以促进语义表示.
- 利用基于注意力权重的同义词替换策略来改善语境理解.
主要成果:
- 在真实世界的海关数据集上,MBCS实现了超过4.19% (5次拍摄) 和4.91% (10次拍摄) 的精度改进.
- 与基线模型相比,在几次射击意图检测方面表现出显著的性能增长.
- 验证了多任务学习框架和同义词替代策略的有效性.
结论:
- 对于面临注释稀缺性的意图检测任务,MBCS提供了一个优化的解决方案.
- 拟议的模型显著提高了货物风险评估的准确性和概括性.
- 这项研究通过先进的NLP技术为改善进出口贸易监督提供了一种实际方法.
