Разработка классификатора описаний катализаторов по данным таможенной статистики

Abstract

В работе рассматривается решение проблемы фильтрации избыточных данных с помощью классификатора описаний катализаторов таможенной статистики. Исходными данными послужили описания товаров по России и Казахстану. Для фильтрации проанализированы подходы на основе мешка слов предметной области и нейронной сети. Вычислительные эксперименты показали возможность достижения полноты фильтрации 93% с допустимыми потерями нужной информации.

The paper considers a solution to the problem of filtering redundant data using a classifier of descriptions of customs statistics catalysts. The initial data were product descriptions for Russia and Kazakhstan. Approaches based on a bag of domain words and a neural network are analyzed for filtering. Computational experiments have shown that it is possible to achieve 93% filtering completeness with acceptable losses of the necessary information.