Применение искусственного интеллекта для идентификации товаров в таможенных целях


Цитировать

Полный текст

Аннотация

Применение искусственного интеллекта в различных сферах жизни является актуальной задачей. Международная торговля не стала исключением для внедрения инноваций. Ключевым вопросом межстранового перемещения является идентификация товара в таможенных целях. Представлены результаты комплексного практического сравнительного исследования возможности применения искусственного интеллекта для классификации товаров в таможенных целях. В качестве модели применена нейронная сеть искусственного интеллекта, разработанная Всемирной таможенной организацией. Исследование включало четыре этапа, в т. ч. отбор товаров для повышения надежности полученных результатов, исследование применимости модели для классификации товаров и возможности ее использования в таможенных целях, а также критериальный анализ признаков, учитываемых моделью при классификации товаров. Выявлена ограниченная применимость модели, предложенной Всемирной таможенной организацией, как для идентификации на основе классификации, так и для таможенных целей на основе прямого анализа текстов Гармонизированной системы описания и кодирования товаров. Модель в описаниях товаров не видит степень завершенности, не учитывает признак самостоятельности товара в части использования. Увеличение количества слов в описании товара также снижает вероятность его правильной идентификации. Наиболее успешно модель учитывает характеристики товаров, связанные со сферой применения и функциональным назначением. Полученный результат комплексного исследования позволил всесторонне рассмотреть возможности практического применения искусственного интеллекта и оценить фактически полученные результаты для исследуемой группы товаров. Полученные данные по выявлению классификационных признаков товаров, учитываемых в модели, могут быть использованы для ее дальнейшего развития.

Об авторах

Галина Юрьевна Федотова

Санкт-Петербургский политехнический университет Петра Великого

Автор, ответственный за переписку.
Email: fedotova_gyu@spbstu.ru
ORCID iD: 0000-0002-1430-4991

кандидат технических наук, доцент, доцент Высшей школы сервиса и торговли Института промышленного менеджмента, экономики и торговли

Россия, 195251, г. Санкт-Петербург, ул. Политехническая, 29

Анна Юрьевна Комелова

Санкт-Петербургский имени В.Б. Бобкова филиал Российской таможенной академии

Email: komelova2014@ya.ru
ORCID iD: 0009-0006-2807-7976

кандидат экономических наук, доцент кафедры таможенных доходов и тарифного регулирования

Россия, 192249, г. Санкт-Петербург, ул. Софийская, 52, лит. А

Список литературы

  1. Белов В.А. Международная торговля в XXI в.: глобальный и страновой аспекты с точки зрения обеспечения национальной экономической безопасности // Геополитика и экогеодинамика регионов. 2024. Т. 20. № 2. С. 39–48. EDN: GYDXEW.
  2. Побирченко В.В., Шутаева Е.А. Приоритеты развития внешней торговли товарами государств-членов ЕАЭС // Геополитика и экогеодинамика регионов. 2024. Т. 20. № 3. С. 42–57. EDN: MMSYTW.
  3. Allende H.H.J. Nomenclature and classification of goods // The World Customs Organization. Law for Professionals. London: Springer, Cham, 2022. P. 121–131. doi: 10.1007/978-3-030-85296-2_6.
  4. Федотова Г.Ю. Гармонизированная система описания и кодирования товаров как основа ТН ВЭД ЕАЭС: проблемы и перспективы применения // Управленческое консультирование. 2022. № 1. С. 84–102. doi: 10.22394/1726-1139-2022-1-84-102.
  5. Edirisinghe L. Customs Harmonized System Coding; Simplifying the Classification Process // OPA Journal. 2017. Vol. 33. P. 61–64.
  6. Shumba W. The International Convention on the Harmonized Commodity Description and Coding System: Legal Pillar Behind the Harmonized System // Global Trade and Customs Journal. 2024. Vol. 19. № 2. P. 114–123. doi: 10.54648/GTCJ2024004.
  7. Алексеева Н.Н. Анализ судебной практики по оспариванию законности решений таможенных органов по классификации товаров по ТН ВЭД ЕАЭС // Таможенная политика России на Дальнем Востоке. 2018. № 3. C. 5–17. doi: 10.17238/issn1815-0683.2018.3.5.
  8. Grainger A. Customs Tariff Classification and the Use of Assistive Technologies // World Customs Journal. 2024. Vol. 18. № 1. P. 3–32.
  9. Филиппова Л.А., Васина Е.Н., Никитченко И.И., Сомов Ю.И. Технологии искусственного интеллекта для таможенного контроля // Вестник Российской таможенной академии. 2022. № 2. С. 91–97. doi: 10.54048/20727240_2022_02_91.
  10. Андреева Е.И. Искусственный интеллект и перспективы его использования при идентификации товаров в таможенных целях // Вестник Российской таможенной академии. 2021. № 1. C. 96–102. EDN: VCNRAH.
  11. Хоршев Д.Ю. Идентификация и классификация продовольственных товаров для таможенных целей с использованием технологий искусственного интеллекта // Товаровед продовольственных товаров. 2016. № 1. С. 50–55. EDN: VZBENF.
  12. Соменков С.А. Искусственный интеллект: от объекта к субъекту? // Вестник Университета имени О.Е. Кутафина (МГЮА). 2019. № 2. C. 75–85. EDN: ZBOCAP.
  13. Ding Liya, Fan Zhen Zhen, Chen Dong Liang. Auto-Categorization of HS Code Using Background Net Approach // Procedia Computer Science. 2015. Vol. 60. P. 1462–1471. doi: 10.1016/j.procs.2015.08.224.
  14. Luppes J. Classifying Short Text for the Harmonized System with Convutional Neural Network. Nijmegen: Radboud University, 2019. 58 p.
  15. Li Guo, Li Na. Customs classification for cross-border e-commerce based on text-image adaptive convolutional neural network // Electronic Commerce Research. 2019. Vol. 19. P. 779–800. doi: 10.1007/s10660-019-09334-x.
  16. Захарова О.И., Кулешов С.В. Разработка графовой нейросети обработки текстовых данных // Искусственный интеллект и принятие решений. 2024. № 4. С. 67–78. doi: 10.14357/20718594240406.
  17. Комелова А.Ю., Федотова Г.Ю. Исследование возможности применения искусственного интеллекта “AI HS Code” для целей таможенно-тарифного регулирования // Учёные записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. 2024. № 2. С. 34–40. EDN: WWOYRD.
  18. Рогачев А.Ф., Мелихова Е.В. Разработка искусственных нейронных сетей со сверточными слоями для анализа ретроспективных данных интернет-контента // Международный журнал прикладных наук и технологий “Integral”. 2020. № 2-1. С. 168–173. EDN: PIAHRR.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Федотова Г.Ю., Комелова А.Ю., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах