一种将建设工程成本文件分类至国际建设工程测量标准的机器学习方法
计算与语言
2022-11-16 v1 机器学习
摘要
我们提出了首批自动化模型，用于将基础设施施工行业中流行的称为“工程量清单”（BoQs）的成本文件所提供的自然语言描述分类至国际建设工程测量标准（ICMS）。我们所部署并系统评估的多类文本分类模型，习自从英国24个大型基础设施建设项目获取的逾五万条物品描述数据集。我们描述了语言表示及后续建模方法，以考察施工项目文档中所用语言的上下文语义与时序依赖强度。为此，我们基于两种不同的语言表示模型及一系列包括循环与卷积神经网络架构的先进基于序列的分类方法，评估了两条从文本推断ICMS代码的实验流程。结果表明，高效率高精度的ICMS自动化模型可期，在32个ICMS类别上平均F1分数准确率逾90%。此外，由于BoQs文本语言的特殊性——简短、大体描述性与技术性，我们发现较简单模型在取得更高精度结果方面表现更优。我们的分析表明，信息更可能嵌入于描述性文本的局部关键特征中，这解释了为何容量相同的较简单通用时序卷积网络（TCN）展现出与循环架构相当的记忆力，并随后在此任务上优于后者。
引用
@article{arxiv.2211.07705,
title = {A Machine Learning Approach to Classifying Construction Cost Documents into the International Construction Measurement Standard},
author = {J. Ignacio Deza and Hisham Ihshaish and Lamine Mahdjoubi},
journal= {arXiv preprint arXiv:2211.07705},
year = {2022}
}
备注
Submitted to Engineering Applications of Artificial Intelligence