ترجمه فارسی مقاله باز کردن تعبیه‌های طبقه‌بندی NACE با OpenAI برای تجزیه و تحلیل و پردازش پیشرفته

چکیده

The Statistical Classification of Economic Activities in the European Community (NACE) is the standard classification system for the categorization of economic and industrial activities within the European Union. This paper proposes a novel approach to transform the NACE classification into low-dimensional embeddings, using state-of-the-art models and dimensionality reduction techniques. The primary challenge is the preservation of the hierarchical structure inherent within the original NACE classification while reducing the number of dimensions. To address this issue, we introduce custom metrics designed to quantify the retention of hierarchical relationships throughout the embedding and reduction processes. The evaluation of these metrics demonstrates the effectiveness of the proposed methodology in retaining the structural information essential for insightful analysis. This approach not only facilitates the visual exploration of economic activity relationships, but also increases the efficacy of downstream tasks, including clustering, classification, integration with other classifications, and others. Through experimental validation, the utility of our proposed framework in preserving hierarchical structures within the NACE classification is showcased, thereby providing a valuable tool for researchers and policymakers to understand and leverage any hierarchical data.

چکیده به فارسی (ترجمه ماشینی)

طبقه بندی آماری فعالیتهای اقتصادی در جامعه اروپا (NACE) سیستم طبقه بندی استاندارد برای طبقه بندی فعالیت های اقتصادی و صنعتی در اتحادیه اروپا است.در این مقاله یک رویکرد جدید برای تبدیل طبقه بندی NACE به تعبیه های کم بعدی ، با استفاده از مدل های پیشرفته و تکنیک های کاهش ابعاد ارائه شده است.چالش اصلی حفظ ساختار سلسله مراتبی ذاتی در طبقه بندی اصلی NACE و در عین حال کاهش تعداد ابعاد است.برای پرداختن به این مسئله ، ما معیارهای سفارشی را برای تعیین کمیت حفظ روابط سلسله مراتبی در طول فرآیندهای جاسازی و کاهش معرفی می کنیم.ارزیابی این معیارها اثربخشی روش پیشنهادی در حفظ اطلاعات ساختاری ضروری برای تجزیه و تحلیل روشنگری را نشان می دهد.این رویکرد نه تنها اکتشاف بصری روابط فعالیت اقتصادی را تسهیل می کند ، بلکه اثربخشی کارهای پایین دست از جمله خوشه بندی ، طبقه بندی ، ادغام با سایر طبقه بندی ها و سایر موارد را نیز افزایش می دهد.از طریق اعتبارسنجی تجربی ، ابزار چارچوب پیشنهادی ما در حفظ ساختارهای سلسله مراتبی در طبقه بندی NACE به نمایش گذاشته می شود ، در نتیجه ابزاری ارزشمند برای محققان و سیاستگذاران برای درک و بهره برداری از هرگونه داده سلسله مراتبی فراهم می کند.