Categorization Architecture with Predictive Reasoning and Alignment for UNSPSC

Wang, Erli

doi:10.1007/978-981-95-4969-6_24

Categorization Architecture with Predictive Reasoning and Alignment for UNSPSC

2026-01-01

0

PRE

AI

W

Wang, Erli *

G

Geeganage, Dakshi Kapugama

K

Kemp, Opec

DOI：10.1007/978-981-95-4969-6_24

原文链接

原文求助

摘要

En 中文

联合国标准产品与服务分类代码（UNSPSC）是一个包含四个层级（段、族、类和商品）的层级分类体系，旨在促进全球统一的货物和服务分类。昆士兰州政府每季度处理超过700万笔新的采购交易，所有交易均按照昆士兰州审计署的建议映射到UNSPSC层级，以支持及时决策并提高运营效率。本文介绍了一种具有预测推理和一致性校准的分类架构（CAPRA），该框架用于严格评估现实世界中的标签流程。CAPRA系统性地比较了多个候选配置在四个关键维度上的表现：准确性、模型大小、推理速度和API成本。为在不过度增加人类专家负担的前提下保持数据质量（因专家无法每季度验证数百万笔交易），我们嵌入了AI驱动的反馈机制和基于检索的审查流程，该流程仅选择标记置信度最低的预测结果供专家裁决。这种基于置信度的选择性审查通过聚焦于最重要的领域知识来闭合数据-服务循环。最后，我们通过在昆士兰州政府支出数据上的大量实验验证了CAPRA的有效性。结果表明，CAPRA在预测准确率上比微调后的LLM高出19%，同时仅需其10%的推理时间，从而能够无缝部署到生产环境中。

Keyword:

Government Procurement

UNSPSC

Semantic Similarity

LLM

Machine Learning Architecture

Multiclass Prediction

Categorization Architecture with Predictive Reasoning and Alignment for UNSPSC

摘要

期刊

机构

引用论文