“耳听为虚,眼见为实”,自然人流动(Movement of Natural Persons)是服务贸易的模式四,在货物贸易的信息传递中发挥了重要的作用。由于货物贸易合同存在信息的不完全性,进口国需派遣人员到出口国对进口产品进行“事中事后”检查,所以带...“耳听为虚,眼见为实”,自然人流动(Movement of Natural Persons)是服务贸易的模式四,在货物贸易的信息传递中发挥了重要的作用。由于货物贸易合同存在信息的不完全性,进口国需派遣人员到出口国对进口产品进行“事中事后”检查,所以带动了以自然人流动为载体的服务贸易。基于这样的判断,使用中国2010年至2016年自然人的国际流动数据,考察货物出口对自然人流动的影响,实证结论发现:差异化产品出口上升10%将带动8.8万人次的自然人流动,相当于增开1 500趟波音777客运入境航班。由此可见,如果地缘政治导致自然人流动持续低位运行,依赖于信息投入的产业或将出现“本土化”、“短链化”和“聚集化”的趋势。展开更多
针对各行各业海量文本文档的智能合约化需求,提取文本关键数据要素是首要基础.与传统命名实体识别(Named Entity Recognition,NER)相比,合约要素提取(Contract Element Extraction,CEE)技术旨在提取泛在较长、更多样、较冗余合约要素,...针对各行各业海量文本文档的智能合约化需求,提取文本关键数据要素是首要基础.与传统命名实体识别(Named Entity Recognition,NER)相比,合约要素提取(Contract Element Extraction,CEE)技术旨在提取泛在较长、更多样、较冗余合约要素,然而目前面临着中文研究不足、对新颖大语言模型(Large Language Model,LLM)技术应用不够充分、对文本上下文关联特征感知不足等挑战.本文首先提出了新颖的上下文语义感知动态填充方法(Context-sensitive Dynamic Padding Method,CDPM)、三重注意力层和要素边缘加权损失函数模块,在不增加硬件需求的前提下,为模型提供额外上下文语义信息,增强对上下文关联特征的感知能力,从而提升基于序列标注范式的CEE训练效率.其次,融合上述模块和BERT(Bidirectional Encoder Representations from Transformers)嵌入模型构建了一种基于上下文感知的合约要素提取模型(Context-Aware Model for Contract Element Extraction,CAM-CEE),实现了面向智能合约化场景的高性能要素提取.最后,在本文自主构建的数据集以及相关公开数据集上进行了大量实验.结果表明,本文提出框架CAM-CEE在micro F1、macro F1等指标上的性能超越最佳基线模型,并具有高通用性.展开更多
文摘“耳听为虚,眼见为实”,自然人流动(Movement of Natural Persons)是服务贸易的模式四,在货物贸易的信息传递中发挥了重要的作用。由于货物贸易合同存在信息的不完全性,进口国需派遣人员到出口国对进口产品进行“事中事后”检查,所以带动了以自然人流动为载体的服务贸易。基于这样的判断,使用中国2010年至2016年自然人的国际流动数据,考察货物出口对自然人流动的影响,实证结论发现:差异化产品出口上升10%将带动8.8万人次的自然人流动,相当于增开1 500趟波音777客运入境航班。由此可见,如果地缘政治导致自然人流动持续低位运行,依赖于信息投入的产业或将出现“本土化”、“短链化”和“聚集化”的趋势。
文摘针对各行各业海量文本文档的智能合约化需求,提取文本关键数据要素是首要基础.与传统命名实体识别(Named Entity Recognition,NER)相比,合约要素提取(Contract Element Extraction,CEE)技术旨在提取泛在较长、更多样、较冗余合约要素,然而目前面临着中文研究不足、对新颖大语言模型(Large Language Model,LLM)技术应用不够充分、对文本上下文关联特征感知不足等挑战.本文首先提出了新颖的上下文语义感知动态填充方法(Context-sensitive Dynamic Padding Method,CDPM)、三重注意力层和要素边缘加权损失函数模块,在不增加硬件需求的前提下,为模型提供额外上下文语义信息,增强对上下文关联特征的感知能力,从而提升基于序列标注范式的CEE训练效率.其次,融合上述模块和BERT(Bidirectional Encoder Representations from Transformers)嵌入模型构建了一种基于上下文感知的合约要素提取模型(Context-Aware Model for Contract Element Extraction,CAM-CEE),实现了面向智能合约化场景的高性能要素提取.最后,在本文自主构建的数据集以及相关公开数据集上进行了大量实验.结果表明,本文提出框架CAM-CEE在micro F1、macro F1等指标上的性能超越最佳基线模型,并具有高通用性.
