面向人在回路海关查验的主动学习
机器学习
2022-02-24 v3 人工智能
信息检索
摘要
我们研究人在回路的海关查验场景，其中 AI 辅助算法通过推荐一组待查验的进口货物来支持海关官员。若被查验物品存在欺诈，官员可征收额外关税。所形成的日志随后被用作后续迭代的额外训练数据。优先选择查验可疑物品可带来海关收入的即时增益，然而此类查验可能无法为学习动态贸易模式提供新见解。另一方面，查验不确定物品有助于获取新知识，这些知识将作为补充训练资源用于更新选择系统。基于从三个国家获得的多年海关数据集，我们证明了一定程度的探索对于应对贸易数据中的域偏移是必要的。结果表明，选择高欺诈概率与不确定物品的混合策略最终将优于仅利用策略。
引用
@article{arxiv.2010.14282,
title = {Active Learning for Human-in-the-Loop Customs Inspection},
author = {Sundong Kim and Tung-Duong Mai and Sungwon Han and Sungwon Park and Thi Nguyen Duc Khanh and Jaechan So and Karandeep Singh and Meeyoung Cha},
journal= {arXiv preprint arXiv:2010.14282},
year = {2022}
}
备注
To Appear at IEEE TKDE