[发明专利]一种海关商品异常价格检测方法和装置

权利要求书

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。

2.根据权利要求1所述的方法，其特征在于，步骤3中，得到关于词向量的二维矩阵为：

其中，F_E是生成的词向量组成的二维矩阵，大小为n×d，n是单词的个数，d是词向量维度；Embedding表示用嵌入层对文本进行词嵌入；N₁,N₂...,N_n是步骤2中分割成的词序列；(x_i1...x_id)表明N_i编码后的词向量。

3.根据权利要求2所述的方法，其特征在于，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F_E输入多尺度卷积层提取特征，得到激活后的特征向量：

F_H＝Re LU(Conv(F_E；W))

其中，F_H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F_M，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。

4.根据权利要求3所述的方法，其特征在于，步骤5中，所述单层感知机网络由一个全连接层和一个指数函数构成；由单层感知机网络中得到价格预测值的方法包括：

步骤5-1：将步骤4得到的特征向量F_M输入全连接层，得到输出z；其中全连接层表达式如下：

z＝Linear(F_M；W,b)＝WF_M+b

其中，F_M为步骤4得到的特征向量，W为全连接层的权重系数，b为偏置系数，z为全连接层的输出；

步骤5-2：将步骤5-1的输出z输入激活函数中，得到价格预测激活函数实现公式如下：

其中，activate为激活操作，z为步骤5-1的输出，为价格预测值。

5.根据权利要求1所述的方法，其特征在于，步骤6中，损失函数表示为：

其中，为步骤5-2的预测价格，Y为价格真实值，ε为保持数值稳定的小正常数。

6.根据权利要求1所述的方法，其特征在于，步骤7中，相似度α的计算方法为：

其中，α为价格相似度；Y为申报价格；为预测价格；c是偏差敏感系数，0c1。