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！

龙图腾网获悉洛塔科技(宁波)有限公司申请的专利基于动态风险学习的跨境电子报关查验预警方法及系统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：CN120746425B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511165748.1，技术领域涉及：G06Q10/0831；该发明授权基于动态风险学习的跨境电子报关查验预警方法及系统是由庞彬江;刘玲燕;许力心设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本基于动态风险学习的跨境电子报关查验预警方法及系统在说明书摘要公布了：本发明提供了一种基于动态风险学习的跨境电子报关查验预警方法及系统，该方法包括：获取历史申报数据和实时申报数据，历史申报数据包括结构化字段和半结构化字段，实时申报数据包括状态标记、申报时间戳及企业编号；从结构化字段和半结构化字段中提取静态特征，并从状态标记、申报时间戳及企业编号中提取动态特征；构建双通道深度森林模型，并将静态特征和动态特征分别输入至双通道深度森林模型中，得到静态风险概率和动态风险概率；根据静态风险概率和动态风险概率得到风险概率，并根据风险概率执行对应策略。本发明通过综合提取静态特征和动态特征，并构建双通道深度森林模型进行风险评估，能够实现了对报关数据的全面、动态分析。

本发明授权基于动态风险学习的跨境电子报关查验预警方法及系统在权利要求书中公布了：1.一种基于动态风险学习的跨境电子报关查验预警方法，其特征在于，所述方法仅由以下步骤组成： 获取历史申报数据和实时申报数据，所述历史申报数据包括结构化字段和半结构化字段，所述实时申报数据包括状态标记、申报时间戳及企业编号； 所述获取实时申报数据，通过报关系统服务器实时采集获得； 从所述结构化字段和半结构化字段中提取静态特征，并从所述状态标记、申报时间戳及企业编号中提取动态特征； 从结构化字段中提取货值、重量、原产地编码的数值特征，所述数值特征包括货值离散系数、重量偏态系数，从半结构化字段中提取申报品名和描述文本的语义特征，所述语义特征包括TF-IDF词向量、商品HS编码嵌入，将所有的数值特征和语义特征进行连接，得到静态特征； 根据以下公式计算得到货值离散系数：；其中，为货值离散系数，为同一企业30天内申报货值的标准差，为同一企业30天内申报货值的平均值； 根据以下公式计算得到重量偏态系数：；其中，为重量偏态系数，为第i份申报单中的货物重量，n为申报单的总份数，所有申报单的货物重量的平均值，为所有申报单的货物重量的标准差； 根据以下公式计算得到TF-IDF词向量：； 其中，为词项t在文档d中的值，为词项t在历史申报数据中出现的频率，为包含词项t的文档数，为历史申报数据中的总文档数； 将5位HS编码H转换为数值向量，采用独热编码与词嵌入混合表示； 从所述实时申报数据中提取时序行为特征、状态迁移特征，并将所有的时序行为特征和状态迁移特征进行连接，得到动态特征；所述状态迁移特征包括状态滞留时间、状态回环次数，所述时序行为特征包括申报频次突变指数、申报间隔熵； 根据以下公式计算得到申报频次突变指数：；其中，为申报频次突变指数，为t时间段内企业的申报次数，为企业在每日的t时间段内的申报次数的均值，为企业在每日的t时间段内的申报次数的标准差； 根据以下公式计算得到申报间隔熵：； 其中，H为申报间隔熵，为第i个申报时间间隔区间的概率密度，k为时间间隔区间数； 根据以下公式计算得到状态滞留时间：； 其中，为状态滞留时间，均为经验系数，为历史申报从已申报到已放行的平均耗时，为历史申报流程中从已申报到已放行耗时的标准差； 统计申报流程从已申报到修改中再到已申报的频率； 构建双通道深度森林模型，并将所述静态特征和所述动态特征分别输入至双通道深度森林模型中，得到静态风险概率和动态风险概率； 根据所述静态风险概率和所述动态风险概率得到风险概率，并根据风险概率执行对应策略。

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洛塔科技(宁波)有限公司，其通讯地址为：315000 浙江省宁波市高新区创苑路750号003幢2楼210-1872室；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”。

以上内容由龙图腾AI智能生成。