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！

龙图腾网获悉福建电子口岸股份有限公司申请的专利基于非平衡集成学习的报关单预判模型训练方法及装置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：CN115860147B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202210109232.5，技术领域涉及：G06N20/20；该发明授权基于非平衡集成学习的报关单预判模型训练方法及装置是由林铠欣;王良;张荣杰;刘键涛;魏秋新设计研发完成，并于2022-01-28向国家知识产权局提交的专利申请。

本基于非平衡集成学习的报关单预判模型训练方法及装置在说明书摘要公布了：本发明公开了一种基于非平衡集成学习的报关单预判模型训练方法及装置，通过收集历史报关单数据，得到样本数据，对样本数据采用分层随机抽样方式进行分割，得到训练集和测试集；构建报关单预判模型，报关单预判模型为采用加权交叉熵损失函数的Xgboost模型，加权交叉熵损失函数包括乘数加权交叉熵损失函数、聚焦损失交叉熵损失函数和梯度均衡交叉熵损失函数中的其中一种；根据训练集训练报关单预判模型，在训练过程中调整报关单预判模型中的样本权重，样本权重为初始权重和时间价值权重的乘积，根据测试集测试经过训练的报关单预判模型，确定调整的网络模型参数和加权交叉熵损失函数。该方法明显加强模型对于报关单风险的学习能力，有效提高查验有效率。

本发明授权基于非平衡集成学习的报关单预判模型训练方法及装置在权利要求书中公布了：1.一种基于非平衡集成学习的报关单预判模型训练方法，其特征在于，包括以下步骤： S1，收集历史报关单数据，并标注样本类别作为标签，将所述历史报关单数据进行特征工程处理，得到特征数据，将所述特征数据进行特征编码，得到样本数据，对所述样本数据采用分层随机抽样方式进行分割，得到训练集和测试集； S2，构建报关单预判模型，所述报关单预判模型为采用加权交叉熵损失函数的Xgboost模型，所述加权交叉熵损失函数包括乘数加权交叉熵损失函数、聚焦损失交叉熵损失函数和梯度均衡交叉熵损失函数中的其中一种；乘数加权交叉熵损失函数表示为： 其中，yi表示样本数据i的类别，yi＝1表示样本为黑名单，yi＝0表示样本为白名单，m为样本数据的总数，表示样本数据i为黑名单的预测概率值，α表示乘数系数； 聚焦损失交叉熵损失函数表示为： 其中，γ表示指数系数； 梯度均衡交叉熵损失函数表示为： 其中，pi表示样本数据i为黑名单的预测概率值，β通过每个样本数据i的梯度密度求得，β的计算公式如下： 其中，GDgi为梯度密度，梯度密度通过预测概率值pi与实际值pi *差值的绝对值|pi-pi *|计算得到； S3，根据所述训练集训练所述报关单预判模型，在训练过程中调整所述报关单预判模型中的样本权重，所述样本权重为初始权重和时间价值权重的乘积，所述初始权重根据样本类别设置，所述时间价值权重根据所述历史报关单数据发生时间与训练时间的距离长短设置； S4，根据所述测试集测试经过训练的所述报关单预判模型，基于经过训练的所述报关单预判模型符合预设要求，确定调整后的网络模型参数和加权交叉熵损失函数。

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福建电子口岸股份有限公司，其通讯地址为：361000 福建省厦门市软件园二期观日路44号6楼；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”。