摘要
本发明提供了一种基于动态风险学习的跨境电子报关查验预警方法及系统,该方法包括:获取历史申报数据和实时申报数据,历史申报数据包括结构化字段和半结构化字段,实时申报数据包括状态标记、申报时间戳及企业编号;从结构化字段和半结构化字段中提取静态特征,并从状态标记、申报时间戳及企业编号中提取动态特征;构建双通道深度森林模型,并将静态特征和动态特征分别输入至双通道深度森林模型中,得到静态风险概率和动态风险概率;根据静态风险概率和动态风险概率得到风险概率,并根据风险概率执行对应策略。本发明通过综合提取静态特征和动态特征,并构建双通道深度森林模型进行风险评估,能够实现了对报关数据的全面、动态分析。
技术关键词
深度森林模型
静态特征
预警方法
风险
动态
企业
语义特征
电子
标记
时间段
特征提取模块
数据获取模块
策略
字段
编码
数值
时序
预警系统
指数
系统为您推荐了相关专利信息
网络安全态势感知
主动防御系统
网络流量数据
卷积神经网络结构
模式
关联性分析方法
灰色关联分析
传动链部件
灰色关联度
多源异构监测数据
通信节点
组网协议
数据传输优先级
回归预测模型
动态优先级排序