面向和顺系统编码预测的多模态方法
软件工程
2024-06-10 v1 人工智能
摘要
电子商务的快速增长给关税代表带来了巨大的压力，促使发展出先进的方法。在应对这一挑战时，人工智能 (AI) 系统作为一种有前景的途径，旨在最大限地降低所面临的风险。鉴于和顺系统 (Harmonized System, HS) 编码是准确关税申报的关键要素，我们提出了一种新颖的多模态 HS 编码预测方法，通过深度学习模型利用从关税申报中获取的图像和文本特征，以及来自电子商务平台的信息。我们评估了两种早期融合方法，并引入了我们的 MultConcat 融合方法。鉴于鲜有研究分析文本和图像在 HS 编码预测的最先进技术中的特征层面组合，我们的论文及其发现因此备受关注。实验结果证明了我们方法和融合方法的有效性，其 top-3 和 top-5 准确率分别为 93.5% 和 98.2%。
引用
@article{arxiv.2406.04349,
title = {Multimodal Approach for Harmonized System Code Prediction},
author = {Otmane Amel and Sedrick Stassin and Sidi Ahmed Mahmoudi and Xavier Siebert},
journal= {arXiv preprint arXiv:2406.04349},
year = {2024}
}
备注
Accepted for poster presentation at ESANN 2023