基于BERT模型的政策条件识别研究

• 作者: 顾佳怡
• 来源期刊: 科技视界
• 学科: 工学
• 关键词: 自然语言处理 TF-IDF Single-Pass聚类 热点问题提取
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 管理科学
• 页码范围: 251-252
• 页数: 2页
• 分类号: F626|TP391.1
• 字数: 2206字
• 语种: 中文
• DOI: 10.19694/j.cnki.issn2095-2457.2020.07.093

摘要

企业想要从近年国家推出的各种惠企政策中找到适合自身的优惠政策需要花费大量的时间,为了节省时间成本以及实现惠企政策更好的推送,本文利用BERT+DNN模型的方式,使用BERT将政策文本向量化,从而赋予句子一定的含义.而后向DNN网络输送数据,训练出分类模型使其能够自动识别政策文件中企业申领补贴所要达到的条件.在仅仅解读了166篇文件的情况下,最终得出大多数分类的准确率都达到了80％以上,而且可知DNN所获取的训练数据越多,分类就会越准确.更精准的模型能够节省很大时间成本与人力成本解读政策并且为后续任务提供支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾佳怡	福州大学经济与管理学院	1	0	0.0	0.0