Муратова Шохиста Ниматуллаевна

МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ

КОДА ТН ВЭД: ПЕРСПЕКТИВЫ И ЭФФЕКТИВНОСТЬ

ИСПОЛЬЗОВАНИЯ

Начальник кафедры Таможенного института,

д.э.н., профессор

ORCID: 0000-0002-8133-9094

Аннотация

В статье рассматриваются различные модели машинного обучения для

прогнозирования кода ТН ВЭД на основе введенных в грузовую таможенную

декларацию описаний товаров. Коды ТН ВЭД широко используется всеми

таможенными службами благодаря ряду преимуществ, включая более удобный

и упрощенный подход к расчету пошлин, а также предотвращение

потенциальной потери доходов. Данное исследование основано на

межотраслевом процессе разработки методологии интеллектуального анализа

данных. Результаты исследования показывают, что модели машинного обучения

являются эффективными инструментами для прогнозирования кода ТН ВЭД на

основе вводимых данных.

Ключевые слова: машинное обучение, код ТН ВЭД, прогнозные модели,

таможенные службы, предотвращение потери доходов, торговля.

Annotatsiya

Maqolada bojxona yuk deklaratsiyalariga kiritilgan tovar tavsiflari asosida TIF

TN kodlarini bashorat qilish uchun turli xil mashinaviy o‘qitish modellari ko‘rib

chiqilgan. TIF TN kodlari bir qator afzalliklar, jumladan, bojlarni hisoblash

va daromadning potensial yo‘qotishlarining oldini olishning yanada qulay

va soddalashtirilgan yondashuvi tufayli barcha bojxona xizmatlari tomonidan keng

qo‘llaniladi. Ushbu tadqiqot ma’lumotlarni intellektual tahlil qilish metodologiyasini

ishlab chiqish uchun tarmoqlararo jarayonga asoslangan. Natijalar shuni ko‘rsatdiki,

mashinaviy o‘qitish modellari kiritiladigan ma’lumotlarga asoslangan TIF TN

kodlarini bashorat qilish uchun samarali vositalardir.

Kalit soʻzlar: mashinaviy o‘qitish, TIF TN kodi, prognoz modellari, bojxona

xizmati, daromad yo‘qotishlarining oldini olish, savdo.

Abstract

The article examines various machine learning models for predicting GN FEA

codes based on product descriptions entered into customs declarations.

GN FEA codes are widely used by all customs services due to a number of advantages,

including a more convenient and simplified approach to calculating duties and

preventing potential revenue loss. This study is based on a cross-industry process to

develop a data mining methodology. The results demonstrate that machine learning

models are effective tools for predicting GN FEA codes based on input data.

Keywords: machine learning, GN FEA codes, predictive models, customs

services, revenue loss prevention, trade.

Недавние посты