Using Machine Learning for Automated Assessment of Misclassification of Goods for Fraud Detection

Similarity versus Supervision: Best Approaches for HS Code Prediction

“…From four datasets (ranging in size from 4,000 to 12,000) obtained through Electronic Data Interchange (EDI) files, the results showed a top-10 precision that varied from 43% to 70% on the best sentence embedding model Universal Sentence Encoder (USE), along with variations of the Bert model [2]. Closer to our work, Spichakova and Haav [7] introduced an innovative way that allows for the prediction of HS6 codes using a combination of two different measures on the Bill of Lading Summary 2017 dataset. First of all, using the Doc2Vec [8] embedding a cosine similarity measure of sentences describing a product is calculated, displaying the most similar text sentences associated with an input and the corresponding HS6 codes.…”

Prova de Conceito de um Classificador de OPMEs em Notas Fiscais

“…Isto, alinhado com o grande volume de notas fiscais emitidas, dificulta o processo de auditoria e investigação de fraudes por parte dos órgãos competentes. Esse problema não é exclusivo do Brasil, em 2017, por exemplo, o Tribunal de Contas Europeu comunicou que as formas de evasão de pagamento amplamente aplicadas são a subavaliação, classificação errada ao mudar para uma classificação de um produto com alíquota mais baixa, e a descrição errada das mercadorias (Spichakova & Haav, 2020).…”