[发明专利]一种海关进出口商品规范申报智能评估的方法

说明书

本发明公开了一种海关进出口商品规范申报智能评估的方法，包括：步骤1：对海关进出口商品申报文本进行预处理，提取商品规格型号一栏中的关键要素，将要素名称和对应的要素词语以及所属商品章节号下的内容作为进出口商品申报规范文本的评判内容；步骤2：将所述进出口商品申报规范文本进行分词处理，并去除标点符号和停用词；步骤3：将分词后的文本，利用Word2vec模型以无监督方式学习语义知识，用词向量方式表征词的语义信息；得到每一条文本的词向量矩阵。步骤4：将所述词向量矩阵送入规范申报智能评估模型中进行训练；选取其中分类效果最好的模型并加载，将待检验的商品申报文本送入该模型中判断申报信息是否规范。其评估准确率有显著的提高。

技术领域

本发明涉及自然语言处理技术领域，具体涉及一种基于深度学习模型的海关进出口商品规范申报智能评估的方法。

背景技术

规范申报指在填报海关进出口货物报关单的商品内容时，应按照商品不同申报要素的具体要求填写。规范申报是为了适应贸易发展以及海关监管需要，规范进出口企业申报行为，提高申报数据质量，加快通关速度，促进贸易便利化。海关进出口商品规范申报作为海关属地纳税人管理的重要内容之一，是构建新型征纳关系、提高企业纳税遵从度的重要方式，是确保税收征管质量、进出口货物实施查验监管、内部执法监督和廉政检查的基础，其结果正确与否对于海关办公效率以及国家政策的执行具有重要意义。

目前，海关主要依靠业务专家判断商品申报文本是否规范。由于人工判断费时费力，而海关每天的进出口商品数量巨大，所以只能每年抽取极少量商品的申报文本进行检验，其效率低下，缺乏全面性。

发明内容

针对现有技术存在上述问题，本申请将海关进出口商品规范申报智能评估转化为自然语言处理中的文本分类问题，结合海关进出口商品申报文本的特点，提出一种端对端的深度学习模型自动对申报文本进行规范评估。

为实现上述目的，本申请的技术方案为：一种海关进出口商品规范申报智能评估的方法，包括：

步骤1：商品申报文本是由一系列能够反映商品客观情况的要素组成的文本，如海关编号、商品编号、商品规格型号、实征从价关税率等。企业根据商品规格型号一栏中的要素名称填写对应的申报要素信息，商品编号前两位代表商品的章节，即所属大类。对海关进出口商品申报文本进行预处理，提取商品规格型号一栏中的关键要素，将要素名称和对应的要素词语以及所属商品章节号下的内容作为进出口商品申报规范文本的评判内容；

步骤2：利用python中的Jieba分词，将所述进出口商品申报规范文本进行分词处理，并去除标点符号和停用词；

步骤3：将分词后的文本，利用Word2vec模型以无监督方式学习语义知识，用词向量方式表征词的语义信息；因为申报文本是短文本数据，有75％的申报数据只有20个词左右的长度，所以用Word2vec模型训练时，将长度设置为20，超过的截断，不足的填充，维度设置为300，得到每一条文本的词向量矩阵。

步骤4：将所述词向量矩阵送入规范申报智能评估模型中进行训练，其中参数学习率设为0.001，批次设为64，迭代次数设为500，优化器使用Adam，使用准确率和F1值作为评判指标，保存训练后的模型和评价指标；选取其中分类效果最好的模型并加载，将待检验的商品申报文本送入该模型中判断申报信息是否规范。

进一步的，所述步骤4具体实现方式为：

步骤41.将所述词向量矩阵送入带注意力机制的双向长短时记忆网络(Bidirectional Long Short Term Memory，BiLSTM)中，提取商品文本上下文之间的关系。BiLSTM前向读取L_C1至L_C300的特征序列，后向则读取L_C300到L_C1的特征序列。通常，BiLSTM的输出表示如下：