基于Bi-LSTM网络机制的自然语言自动化对标系统设计

针对CNAS评审现场不符合项自动化对标研究，设计一种基于Bi-LSTM网络机制的自然语言自动化对标系统，用于辅助评审员现场对不符合项对标的工作。首先，阐述了Bi-LSTM的基本原理和网络框架，并引入embedding与Attention层对其网络结构进行优化；然后引入了SimCSE无监督模式，以及采用同义词替换的方法对数据集进行增强和扩充；根据CNAS实验室评审常见不符合项构建语料库，并对其进行预处理和分词，紧接着训练数据集和评价网络模型，最后通过实验与传统的DSSM、SVM模型进行对比，实验结果表明：基于Bi-LSTM网络机制模型的训练、检索耗时为三个模型中最短，且从准确率折线图中可以看出，本研究设计的模型准确率高达85.5%,同时随着数据量的不断增加，准确率还能继续提高。因此，本研究设计的模型性能效果最佳。