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！

龙图腾网恭喜南京大学申请的专利一种海关数据的关口预测方法、装置及存储介质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：CN114971001B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202210546521.1，技术领域涉及：G06Q10/04；该发明授权一种海关数据的关口预测方法、装置及存储介质是由路通;王文卓;朱立平;徐倩;王甲豪;陈致远;孟伟光设计研发完成，并于2022-05-18向国家知识产权局提交的专利申请。

本一种海关数据的关口预测方法、装置及存储介质在说明书摘要公布了：本发明公开了一种海关数据的关口预测方法、装置及存储介质，方法包括：将海关每条多属性数据转换为二维矩阵；将得到的二维矩阵与常数一维卷积得到组合基础关键词信息；将基础关键词特征输入个体注意力模块和一个关系注意力模块，提取关键词的特征和不同关键词之间的关系特征；将二维矩阵输入双向长短期神经网络中，将输出特征输入注意力机制模块中，提取原始文本的时序特征；将两个模块得到的特征向量融合，最后通过一个全连接的softmax分类层得到关口预测的条件概率。本发明结合海关实际电商数据部分字段丢失以及关键词显著的特点，提出了关键词特征融合模型，有效地提取关键词属性特征以及长程的关键词关系，为解决关口预测问题提供了有效的方法。

本发明授权一种海关数据的关口预测方法、装置及存储介质在权利要求书中公布了：1.一种海关数据的关口预测方法，其特征在于，包括如下步骤：步骤1：将海关每条多属性数据合并为长度为T的序列文本；步骤2：将步骤1中得到的长度为T的序列文本输入语言表示层，编码成词向量，得到大小为T，k的二维矩阵；步骤3：将步骤2得到的二维矩阵与常数一维卷积得到组合基础关键词信息；步骤4：将步骤3得到的组合后的基础关键词特征先后输入一个个体注意力模块和一个关系注意力模块，提取重要关键词的特征和不连续关键词之间的关系特征；步骤5：将步骤4中分别得到的重要关键词的特征与不连续关键词之间的关系特征基于跃层连接的方式相融合；步骤6：将步骤2中编码后的二维矩阵输入双向长短期神经网络中，提取特征向量；步骤7：将步骤6中得到的特征向量输入自注意力机制中，提取特征向量；步骤8：将步骤5得到的特征向量输入全连接层，再经过一步maxpooling；步骤9：将步骤7得到的特征向量输入全连接层；步骤10：将步骤8和步骤9得到的特征向量融合，后输入一个全连接的softmax分类层得到关口预测的条件概率；步骤3中，使用三个常量卷积核处理二维词向量，卷积核大小分别为1,2，1,3，1,4；通过卷积核处理，将输入信息变换为3T，32的关键词特征A；将步骤3得到的组合后的3T，32的关键词特征A输入到创建的特征注意力层中，用以寻找并强调对给定任务有用的关键词特征或关键词间关系特征；特征注意力层中包含两个用于处理关键词特征A的模块，一个模块为体注意力模块，另一个模块为关系注意力模块：个体注意力模块，使用一个输出通道为64的卷积层和一个BN层和激活层将输入特征A处理为3T，64的特征B；将特征B通过一个四层的卷积网络，卷积网络中每一层包含“卷积-BN层-激活”，四层卷积的输入输出通道数均为64，最终输出大小为3T，64的特征B1；在64维度对特征B1进行一步maxpooling变成3T维向量，将3T维向量通过两个包含BN层和激活层的全连接层；利用基于exp函数来表示最后一层的激活函数，函数形式表现为： 其中，α和β是经验常数，y为激活函数的输出，x为激活函数的输入；将3T维向量与maxpooling前3T，64维特征的3T维度相点乘，得到3T，64的输出特征C＝C1,C2,…,CT，其中第i个64维向量Ci表示为：Ci＝yi*BiBi表示将特征B划分为3T个64维向量其中的第i个向量；关系注意力模块，将3T，64维特征C中的第i个64维向量和第j个64维向量相拼接得到128维向量，在3T维度上遍历i和j，构建一个3T，3T，128的特征D：Dij＝[Ci,Cj]令此特征D通过四个“1乘1卷积，BN，ReLU激活”层，最后一层的激活函数为tanh函数，变成3T，3T，1维的矩阵D′，用矩阵D′表示词汇间关系特征；用矩阵D′与维度为3T，64的特征C做矩阵乘法，得到大小为3T，64包含词间关系的特征E：E＝D′C将个体注意力机制的输出特征C跃层连接到关系注意力的输出特征E上，输出结果为C+E。

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南京大学，其通讯地址为：210000 江苏省南京市栖霞区仙林大道163号；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”。