Application of Machine Learning for Assessment of HS Code Correctness

Spichakova, Margarita; Haav, Hele-Mai

doi:10.22364/bjmc.2020.8.4.13

Cited by 3 publications

(3 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A number of previous studies have proposed alternative approaches to automatically classify products into HS codes across a large number of tariff lines. Spichakova and Haav (2020) use ML methods to provide 6-digit HS code predictions and recommendations using a model trained with product descriptions from the United States Bill of Lading 2017 database.…”

Section: Introductionmentioning

confidence: 99%

Automatic Product Classification in International Trade: Machine Learning and Large Language Models

Marra de Artiñano,

Riottini Depetris,

Volpe Martincus

2023

View full text Add to dashboard Cite

Accurately classifying products is essential in international trade. Virtually all countries categorize products into tariff lines using the Harmonized System (HS) nomenclature for both statistical and duty collection purposes. In this paper, we apply and assess several different algorithms to automatically classify products based on text descriptions. To do so, we use agricultural product descriptions from several public agencies, including customs authorities and the United States Department of Agriculture (USDA). We find that while traditional machine learning (ML) models tend to perform well within the dataset in which they were trained, their precision drops dramatically when implemented outside of it. In contrast, large language models (LLMs) such as GPT 3.5 show a consistently good performance across all datasets, with accuracy rates ranging between 60% and 90% depending on HS aggregation levels. Our analysis highlights the valuable role that artificial intelligence (AI) can play in facilitating product classification at scale and, more generally, in enhancing the categorization of unstructured data.

show abstract

Section: Introductionmentioning

confidence: 99%

Automatic Product Classification in International Trade: Machine Learning and Large Language Models

Marra de Artiñano,

Riottini Depetris,

Volpe Martincus

2023

View full text Add to dashboard Cite

show abstract

“…Itt fontos még megjegyezni, hogy például az eltérő nyelvek (Paramartha at al., 2021) és az eltérő szakmai terminológiák használata(Ding at al., 2015) is problémás lehet, különösen például olyan esetekben, amikor szakszavak meghatározásával igyekeznek pontosítani egy-egy terméket.Mindezek ahhoz a problémához vezetnek, hogy az egyszerű szöveges keresés, amelyet jelenleg számos HR-kód adatbázis és keresőrendszer használ, nem tud segíteni a kereskedőknek a megfelelő HR-kódok meghatározásában (Spichakova & Haav, 2020)…”

unclassified

“…Manuális áruosztályozás és mesterséges intelligenciaAmint azt az előzőekben kifejtettük, az Európai Unióban számtalan az áruosztályozáshoz szükséges forrást kell megvizsgálni és figyelembe venni egy-egy áru tarifális besorolásával kapcsolatban, nem elegendő önmagában a Nómenklatúra szövege és Megjegyzés pontjai. árumegnevezések közötti terminológiai és szemantikai különbség (Spichakova & Haav, 2020)…”

unclassified

Mesterséges intelligencia alkalmazása az áruosztályozás területén : Szkepticizmus vagy generációváltás?

Zsámbokiné Ficskovszky,

Zsitnyánszky

2023

Tudás- És Értékmegosztás - Mesterséges Intelligencia - Generációváltás?

View full text Add to dashboard Cite

A tanulmány célja feltérképezni és összefoglalni a vámtarifa- és áruosztályozás területét érintő digitális megoldásokat és aktuális irányzatokat. Alapvető kiindulási pontunk az áruosztályozás komplexitása és az arra adott automatizált válaszok és lehetőségek. Egy rövid áttekintést követően bemutatásra kerül a vámtarifa- és áruosztályozás területét jelenleg is érintő piaci kihívásokkal kapcsolatos digitális trendek. Vizsgáljuk a különböző piaci szereplők áruosztályozással kapcsolatos gyakorlati kihívásait. Munkánkban körbejárjuk az árumegnevezések, mint beviteli adathalmaz kritikus témakörét, illetve, hogy ez hogyan hat a manuális és digitális áruosztályozási megoldásokra, valamint a tömeges árubesorolás problematikáját az idő, pontosság és jog-végrehajtói elvárások függvényében.

show abstract

Legal Informatics of HS Code Automatic Compliance Translation Based on Cross-border Trade Digitization

Mao

Dawod

2022

2022 International Electrical Engineering Congress (iEECON)

View full text Add to dashboard Cite

Application of Machine Learning for Assessment of HS Code Correctness

Cited by 3 publications

References 13 publications

Automatic Product Classification in International Trade: Machine Learning and Large Language Models

Automatic Product Classification in International Trade: Machine Learning and Large Language Models

Mesterséges intelligencia alkalmazása az áruosztályozás területén : Szkepticizmus vagy generációváltás?

Legal Informatics of HS Code Automatic Compliance Translation Based on Cross-border Trade Digitization

Contact Info

Product

Resources

About