[发明专利]一种基于多模组文本智能编码算法的海关进出口商品归类方法

权利要求书

1.一种基于多模组文本智能编码算法的海关进出口商品归类方法，其特征在于，具体包括：

步骤1：对进出口商品申报文本进行数据清洗，按照商品编号前4位，定位进出口商品对应的“海关进出口商品申报要素目录”；

步骤2：按照所述“海关进出口商品申报要素目录”，对所述进出口商品申报文本进行拆分形成要素内容，该要素内容一一对应于“要素目录”，并对其进行排序；

步骤3：针对要素内容，通过关键词查找、独立词合并、同义词替换进行模块化的数据处理，得到要素文本；

步骤4：获取由字母与数字生成的随机码，将所述要素文本与所述随机码建立一一映射关系，把整条文本转化为编码结构信息；

步骤5：对所述编码结构信息，通过归并相同编码的商品申报文本，查找出具有不同商品编号的进出口商品申报文本，并认为其存在商品归类异常风险。

2.根据权利要求1所述一种基于多模组文本智能编码算法的海关进出口商品归类方法，其特征在于，所述步骤1使用正则表达式对进出口商品申报文本进行数据清洗。

3.根据权利要求1所述一种基于多模组文本智能编码算法的海关进出口商品归类方法，其特征在于，所述步骤2具体实现方式为：

步骤21.按照所述“海关进出口商品申报要素目录”，对所述进出口商品申报文本进行拆分，而后建立一一对应关系；

步骤22.根据要素在“章节”和单个章节中的“出现顺序”赋予一个4位的编码，所述“章节”编码从“01”至“98”，所述出现顺序编码从“01”数字表示到“a0”混合表示，最后到“zz”字母表示；

步骤23.按照要素顺序章节不同，小章节排序在前大章节排序在后、同章节先出现的要素排在前面的规则，对“申报要素”和“要素内容”按照一样的顺序排序。

4.根据权利要求1所述一种基于多模组文本智能编码算法的海关进出口商品归类方法，其特征在于，所述步骤3具体实现方式为：

步骤31.将要素内容送入关键词查找模块进行关键词替换：当前要素存在关键词时，整个要素内容将被替换为关键词；

步骤32.将要素内容送入独立词查找模块进行独立词合并：当前要素经过分词操作后，如果该要素存在独立词，则将被可能拆分成几个部分的独立词合并；

步骤33.将要素内容送入同义词替换模块：该模块将归并单个“申报要素”下的所有“要素内容”，通过BERT预训练语言模型，对“要素内容”做词向量表示，然后计算所述词向量之间的余弦值，该值越大，证明两个词语语义越接近；设定余弦值大于阈值的词语为同义词，然后进行同义词替换。

5.根据权利要求1所述一种基于多模组文本智能编码算法的海关进出口商品归类方法，其特征在于，所述步骤4具体实现方式为：

步骤41.设定随机码标识位数；

步骤42.从数字+大写字母+小写字母库中随机生成固定位数的随机码；

步骤43.判断要素文本在数据库中是否存在对应的随机码，如果存在，则将该段要素文本转化为随机码；如果不存在，则选择一个随机码与该段文本建立映射关系并存入库中，该段文本也将被对应的随机码替换。

6.根据权利要求1所述一种基于多模组文本智能编码算法的海关进出口商品归类方法，其特征在于，所述步骤5整合所有编码后的要素文本，逐要素进行同码归并，当出现整条文本的随机码都相同时，判断其商品编号是否一致，如果出现不一致的情况，则认定除申报了正确商品编号以外其他的文本，存在错误申报情况。