Dual-Attentive-Tree-aware Embedding for Date

日期：用于海关欺诈检测的双注意树嵌入 我们的KDD论文。 DATE是对非法贸易流进行分类和排名的模型，这些非法贸易流在被捕获时对整体海关收入的贡献最大。 DATE结合了基于树的可解释性模型和具有双重关注机制的事务级嵌入。 DATE同时从每笔交易的违法性和附加费中学习。 在仅检查了尼日利亚所有贸易流量的1％之后，DATE显示非法案件的准确度为92.7％，召回收入的比率为49.3％。 初赛 为了进行初步了解，我们建议读者阅读下面的资料库，该资料库致力于为海关管理当局和官员提供通往DATE模型的垫脚石，他们希望发展自己在日常工作中使用机器学习的能力。 该存储库提供了机器学习的先决知识和实践，以便海关社区可以更好地了解DATE模型中的前沿算法。 交易级导入数据概述 进口声明是由进口商（货物所有人）或其代理商（有执照的报关行）作出的声明，以提供有关所进口货物的信息。 进口声明收集有关进口商