买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜拓尔思信息技术股份有限公司申请的专利一种基于可解释性深度学习的海关风险评估规则挖掘方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119624143B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510161594.2，技术领域涉及：G06Q10/0635；该发明授权一种基于可解释性深度学习的海关风险评估规则挖掘方法是由常明会;黄鸿发;李银松;肖诗斌;李渝勤设计研发完成，并于2025-02-14向国家知识产权局提交的专利申请。

本一种基于可解释性深度学习的海关风险评估规则挖掘方法在说明书摘要公布了：本发明属于海关风险监测技术领域，提出了一种基于可解释性深度学习的海关风险评估规则挖掘方法，通过规格型号栏清洗和从海关风险知识库引入互联网公开信息拓展报关单特征项，利用tabnet模型的可解释性从拓展后的众多报关单特征项中定位关键的特征项，再结合决策树模型，用特征归因方法分别生成全局风险规则和局部风险规则，为海关风险评估规则设计提供了参考。本发明能够提升海关风险评估规则设计的效率，确保特征选择的全面性，并使研判结果更加精准，通过生成全局风险规则和局部风险规则，本发明全面解决了海关业务专家在为海关风险研判规则引擎设计规则时所面临的难题，即无法充分考虑报关单的众多特征项，以及难以利用互联网上的公开信息的问题。

本发明授权一种基于可解释性深度学习的海关风险评估规则挖掘方法在权利要求书中公布了：1.一种基于可解释性深度学习的海关风险评估规则挖掘方法，其特征在于，S1，数据预处理：通过字段筛选得到与目标类型商品同类的目标类型商品报关单；对所述目标类型商品报关单的规格型号栏数据进行拆分和清洗，得到“申报要素名称”和“申报要素内容”字段，并查询海关风险知识库得到融合知识数据作为补充字段，储存得到海关风险特征字段列表；S2：获取特征：将海关风险特征字段列表作为样本，输入到tabnet模型，调整超参数获得最佳性能后生成全局特征重要性以及局部特征重要性mask；所述全局特征重要性为由字段组成的每个商品特征在所有样本中被选择用于推理是否存在海关风险的频率或权重；S3：生成全局可解释规则：依据全局特征重要性选择海关风险特征项集合并结合先验高频特征项组成模型输入，基于决策树模型生成海关风险的全局可解释规则；S4：生成局部可解释规则：获取海关风险特征字段列表中黑样本，依据所述黑样本的局部特征重要性，采用自底向上的规则学习方法生成局部可解释规则；S5：合并所述局部可解释规则和全局可解释规则并输入海关规则引擎得到海关风险评估规则。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人拓尔思信息技术股份有限公司，其通讯地址为：100096 北京市海淀区建枫路(南延)6号院3号楼1至7层101；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。