-
公开(公告)号:CN119579187A
公开(公告)日:2025-03-07
申请号:CN202411618942.6
申请日:2024-11-13
Applicant: 北京信息科技大学 , 北京京信科高端信息产业技术研究院有限公司
IPC: G06Q30/018 , G06Q30/02 , G06F18/25 , G06N3/0455
Abstract: 本发明属于智能算法欺诈识别领域,提出一种基于FTransformer‑LightGBM的进口商品价格欺诈识别方法,通过提出的双分支架构和动态特征融合,提高对价格欺诈数据的特征表达,进而提高进口商品价格欺诈类别识别准确率。首先,设计基于机器学习方法和深度学习方法构建的双分支架构,通过融合LightGBM和FTModel模型的输出特征,可以更好地应对数据的多样性,增强对欺诈价格数据的特征表达;其次,基于全连接层和Transformer设计一个基于FTModel的特征提取分支,聚焦复杂场景下商品价格欺诈数据关键特征的提取增强欺诈价格数据的特征表达,加强欺诈数据全局特征的提取;最后,提出的动态特征融合通过动态调整权重可以更加自主地选择有效特征,深度挖掘关联特征,提升模型识别性能。
-
公开(公告)号:CN116975707A
公开(公告)日:2023-10-31
申请号:CN202310664940.X
申请日:2023-06-06
Applicant: 北京信息科技大学
IPC: G06F18/241 , G06F18/2415 , G06F18/22 , G06F18/214 , G06N3/045 , G06N3/08 , G06N3/047 , G06Q40/10
Abstract: 本发明涉及深度学习领域,公开了一种基于深度学习的税号分类及关联要素识别方法;本发明通过Bert预训练语言模型构建,通过使用多层次税号分类任务顺序学习的方式建模税号编码层次结构,更高精度的编码是低精度编码进一步划分的结果,主要包括:数据集构建、模型构建、模型训练和黑白样本识别;本发明使用税号向量逐一与申报要素向量进行相似度计算,获得关联要素,并形成完整的自然语言描述;本发明解决了过往研究中未充分利用不同层次分类特征的问题,缓解了预训练语言模型全量参数微调带来的训练开销问题,增加了分类结果的可解释性,同时加快了研判速度,增速通关效率。
-
公开(公告)号:CN119599687A
公开(公告)日:2025-03-11
申请号:CN202411575249.5
申请日:2024-11-06
Applicant: 北京信息科技大学 , 北京京信科高端信息产业技术研究院有限公司
IPC: G06Q30/018 , G06F18/15 , G06F18/214 , G06F18/21 , G06F18/2433 , G06N3/0475 , G06N3/094 , G06N3/0499 , G06N3/0985 , G06N3/006 , G06N7/08
Abstract: 本发明属于智能算法欺诈识别领域,提出一种进口商品价格欺诈识别的方法及系统,通过改进海鸥算法优化核极限学习机参数,提高核极限学习机的进口商品价格欺诈识别性能。首先是将Sinusoidal混沌思想引入种群初始化,改变种群初始化的方式,增强初始个体的质量和种群多样性;二是附加变量的以线性递减的方式模拟海鸥种群的迁徙过程,更好的改善全局寻优能力;三是引入莱维飞行策略在最优解位置进行扰动变异,增强算法跳出局部空间能力,最终解决海鸥算法种群多样性、收敛速度慢和易陷入局部最优的问题,实现核极限学习机参数自动选择,提高进口商品价格欺诈识别精度。
-
-