文献类型：期刊文章

作　　者：王昊[1,2] 邓三鸿[1,2] 朱立平[1,2,3] 王鑫芸[1,2] 范涛[1,2]

WANG Hao;DENG San-hong;ZHU Li-ping;WANG Xin-yun;FAN Tao(School of Information Management,Nanjing University,Nanjing 210023;Jiangsu Key Laboratory of Data Engineering and Knowledge Service,Nanjing 210023;Nanjing Customs,Nanjing 210001)

机构地区：[1]南京大学信息管理学院,南京210023 [2]江苏省数据工程与知识服务重点实验室,南京210023 [3]南京海关,南京210001

出　　处：《科技情报研究》

基　　金：“南京海关税收大数据分析咨询项目”;“江苏青年社科英才”;南京大学“仲英青年学者(Tang Schloar)”。

年　　份：2020

卷　　号：2

期　　号：4

起止页码：74-89

语　　种：中文

收录情况：普通刊

摘　　要：[目的/意义]为充分挖掘大数据环境下政务数据中的情报价值,文章以海关报关商品自动归类研究为例,探讨经过长时间积累的大规模数据在数据自动处理和分析中的典型应用,从而有效体现数据的情报价值。[方法/过程]提取积累的政务数据中的报关商品及其类目的相关特征信息,进而采用深度学习方法对其进行建模和训练,最终利用机器学习获得情报,实现对未知类目报关商品的自动分类,达到风险规避的目的。[结果/结论]文章首先对不同的深度学习文本分类模型进行比较,在对得到的情报进行分析后,选择构建加入Attention机制的TextRNN模型。实验结果表明,该模型表现最优,能够较好的对海关报关商品进行归类,进而规避风险,并能更加充分挖掘海关报关数据中的情报价值。[局限]实验中对于报关商品特征的讨论有限,选取特征时仅参考了历史研究、专家意见与相关性值,其他有效特征可能被过滤,存在一定的局限性。

关 键 词：政务数据  风险判别  文本分类 TextRNN  报送商品  情报价值 HS编码  

分 类 号：G353]