研究人员开发了UCVE,一个用于结构化合规性验证的新颖框架。与将需求独立处理的现有系统不同,UCVE将合规性需求空间建模为约束需求图(CRG)。它采用谱重排和强化学习来识别违规并确保文档中所有义务都得到满足、违反或未处理。在三个合规性领域的评估表明,与标准的余弦检索相比,UCVE在匹配K召回率方面提高了4.3%,并且优于其他强大的检索和基于图的方法。 AI
影响 该框架可以通过利用基于图的人工智能技术,提高各行业合规性检查的准确性和效率。
排序理由 这是一篇详细介绍合规性验证新框架和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →