申请/专利权人：南京大学

申请日：2021-06-15

公开（公告）日：2024-05-28

公开（公告）号：CN113298179B

主分类号：G06F18/22

分类号：G06F18/22;G06F18/214;G06Q30/0201;G06Q30/0202;G06N3/0464;G06N3/0442;G06N3/045;G06N3/084;G06F40/284

优先权：

专利状态码：有效-授权

法律状态：2024.05.28#授权;2021.09.10#实质审查的生效;2021.08.24#公开

摘要：本发明公开了一种海关商品异常价格检测方法及装置，其中方法包括：把数据集分割成训练集和验证集；将数据集文本的不同信息分割成不同的词序列；对于每个数据，将分割成的词序列输入语言表示层，得到关于词向量的二维矩阵；将得到的二维矩阵输入文本双向多尺度神经网络中，从中提取相应的特征向量；将得到的特征向量输入用指数函数激活的单层感知机网络中，得到价格预测值；通过平均绝对对数误差损失函数计算网络的预测损失，然后使用随机梯度下降算法更新网络参数；结合得到的预测的价格，计算价格相似度；根据价格相似度，判断价格数据是否异常。本发明检测方法能较好地检测出异常价格，为海关部门异常报关价格数据的检测提供了参考依据。

主权项：1.一种海关商品异常价格检测方法，其特征在于，包括如下步骤：步骤1：把数据集分割成训练集和验证集；步骤2：对数据集文本信息中的不同信息分割成不同的词序列，其中不同信息包括品牌、型号，品名以及产地；步骤3：对于每个数据，将步骤2中分割成的词序列输入语言表示层，使离散的词的文字表示编码为词向量，得到关于词向量的二维矩阵；步骤4：将步骤3得到的二维矩阵输入文本双向多尺度神经网络中，从中提取特征向量；步骤5：将步骤4得到的特征向量输入指数函数激活的单层感知机网络中，得到价格预测值步骤6：通过平均对数误差损失函数计算网络的预测损失，然后使用随机梯度下降算法更新步骤3至步骤5中网络参数；步骤7：结合真实的海关报关数据，对于当前预测的商品，给定申报价格Y，结合步骤6得到的预测的价格计算价格相似度α；步骤8：设定风险控制阈值用于判断异常，如果价格相似度不满足设定的风险控制阈值条件，则该价格数据判定为异常；步骤4中，提取的特征向量包括如下步骤：步骤4-1：将步骤3获得的词向量矩阵FE输入多尺度卷积层提取特征，得到激活后的特征向量：FH＝ReLUConvFE；W其中，FH表示生成的特征向量；ReLU表示激活层，Conv表示卷积层，W是卷积核；卷积核包括W1,W2,W3三个卷积核，大小分别为3×d×f,4×d×f,5×d×f，其中d是词向量维度，f为滤波器个数；步骤4-2：拼接卷积核W1,W2,W3作用后的特征，再经双向循环单元进行融合；融合后的特征向量为FM，表达式如下： 其中，分别为卷积核W1,W2,W3生成的特征，长度为f，Concate表示特征拼接操作，BiGRU表示双向门控循环单元。

全文数据：

权利要求：

百度查询： 南京大学 一种海关商品异常价格检测方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD