.png){kind=icon}
返回
Estimating concordance matrices using Artificial Intelligence
.png){kind=icon}
PRE
AI
DOI：10.1080/09535314.2026.2635628.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
协调矩阵在投入产出分析中发挥着关键作用，用于在不同部门分类的数据库之间进行转换，或将多个错配的数据库转换成通用格式。这些矩阵是利用所有可能的基本数据源编制投入产出表的关键工具，即使这些数据源完全错配也是如此。迄今为止，协调矩阵是通过解释成对部门标签手动构建的，导致过程通常劳动密集型。在本工作中，我们首次使用人工智能（AI）方法来估计投入产出分析的协调矩阵，旨在显著减少基本数据处理所涉及的时间和劳动。我们表明，当将深度学习技术应用于文本部门标签时，AI算法能够掌握复杂的语言关系并捕捉语义细微差别，从而弥合人类语言与数值二元关系之间的差距。我们使用了一系列性能评估指标，并证明了能够以高达85%的准确性预测广泛的协调矩阵。
Keyword:
Concordance matrices
Artificial Intelligence
Prediction
Accuracy
期刊
E
IF:
1.6
论文数:
33
被引数:
1.4K
机构
引用论文
暂无论文信息