買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京大學申請的專利一種海關數據的關口預測方法、裝置及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114971001B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210546521.1，技術領域涉及：G06Q10/04；該發明授權一種海關數據的關口預測方法、裝置及存儲介質是由路通;王文卓;朱立平;徐倩;王甲豪;陳致遠;孟偉光設計研發完成，并于2022-05-18向國家知識產權局提交的專利申請。

本一種海關數據的關口預測方法、裝置及存儲介質在說明書摘要公布了：本發明公開了一種海關數據的關口預測方法、裝置及存儲介質，方法包括：將海關每條多屬性數據轉換為二維矩陣；將得到的二維矩陣與常數一維卷積得到組合基礎關鍵詞信息；將基礎關鍵詞特征輸入個體注意力模塊和一個關系注意力模塊，提取關鍵詞的特征和不同關鍵詞之間的關系特征；將二維矩陣輸入雙向長短期神經網絡中，將輸出特征輸入注意力機制模塊中，提取原始文本的時序特征；將兩個模塊得到的特征向量融合，最后通過一個全連接的softmax分類層得到關口預測的條件概率。本發明結合海關實際電商數據部分字段丟失以及關鍵詞顯著的特點，提出了關鍵詞特征融合模型，有效地提取關鍵詞屬性特征以及長程的關鍵詞關系，為解決關口預測問題提供了有效的方法。

本發明授權一種海關數據的關口預測方法、裝置及存儲介質在權利要求書中公布了：1.一種海關數據的關口預測方法，其特征在于，包括如下步驟：步驟1：將海關每條多屬性數據合并為長度為T的序列文本；步驟2：將步驟1中得到的長度為T的序列文本輸入語言表示層，編碼成詞向量，得到大小為T，k的二維矩陣；步驟3：將步驟2得到的二維矩陣與常數一維卷積得到組合基礎關鍵詞信息；步驟4：將步驟3得到的組合后的基礎關鍵詞特征先后輸入一個個體注意力模塊和一個關系注意力模塊，提取重要關鍵詞的特征和不連續關鍵詞之間的關系特征；步驟5：將步驟4中分別得到的重要關鍵詞的特征與不連續關鍵詞之間的關系特征基于躍層連接的方式相融合；步驟6：將步驟2中編碼后的二維矩陣輸入雙向長短期神經網絡中，提取特征向量；步驟7：將步驟6中得到的特征向量輸入自注意力機制中，提取特征向量；步驟8：將步驟5得到的特征向量輸入全連接層，再經過一步maxpooling；步驟9：將步驟7得到的特征向量輸入全連接層；步驟10：將步驟8和步驟9得到的特征向量融合，后輸入一個全連接的softmax分類層得到關口預測的條件概率；步驟3中，使用三個常量卷積核處理二維詞向量，卷積核大小分別為1,2，1,3，1,4；通過卷積核處理，將輸入信息變換為3T，32的關鍵詞特征A；將步驟3得到的組合后的3T，32的關鍵詞特征A輸入到創建的特征注意力層中，用以尋找并強調對給定任務有用的關鍵詞特征或關鍵詞間關系特征；特征注意力層中包含兩個用于處理關鍵詞特征A的模塊，一個模塊為體注意力模塊，另一個模塊為關系注意力模塊：個體注意力模塊，使用一個輸出通道為64的卷積層和一個BN層和激活層將輸入特征A處理為3T，64的特征B；將特征B通過一個四層的卷積網絡，卷積網絡中每一層包含“卷積-BN層-激活”，四層卷積的輸入輸出通道數均為64，最終輸出大小為3T，64的特征B1；在64維度對特征B1進行一步maxpooling變成3T維向量，將3T維向量通過兩個包含BN層和激活層的全連接層；利用基于exp函數來表示最后一層的激活函數，函數形式表現為： 其中，α和β是經驗常數，y為激活函數的輸出，x為激活函數的輸入；將3T維向量與maxpooling前3T，64維特征的3T維度相點乘，得到3T，64的輸出特征C＝C1,C2,…,CT，其中第i個64維向量Ci表示為：Ci＝yi*BiBi表示將特征B劃分為3T個64維向量其中的第i個向量；關系注意力模塊，將3T，64維特征C中的第i個64維向量和第j個64維向量相拼接得到128維向量，在3T維度上遍歷i和j，構建一個3T，3T，128的特征D：Dij＝[Ci,Cj]令此特征D通過四個“1乘1卷積，BN，ReLU激活”層，最后一層的激活函數為tanh函數，變成3T，3T，1維的矩陣D′，用矩陣D′表示詞匯間關系特征；用矩陣D′與維度為3T，64的特征C做矩陣乘法，得到大小為3T，64包含詞間關系的特征E：E＝D′C將個體注意力機制的輸出特征C躍層連接到關系注意力的輸出特征E上，輸出結果為C+E。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京大學，其通訊地址為：210000 江蘇省南京市棲霞區仙林大道163號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。