▶ ダウ グローバル テクノロジーズ エルエルシーの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-02-26
(45)【発行日】2024-03-05
(54)【発明の名称】コード分類のためのハイブリッド機械学習モデル
(51)【国際特許分類】
G06F 16/35 20190101AFI20240227BHJP
G06N 20/00 20190101ALI20240227BHJP
【ＦＩ】
G06F16/35
G06N20/00
【請求項の数】
15
(21)【出願番号】P 2021515604
(86)(22)【出願日】2019-09-11
(65)【公表番号】
(43)【公表日】2022-01-11
(86)【国際出願番号】 US2019050555
(87)【国際公開番号】W WO2020068421
(87)【国際公開日】2020-04-02
【審査請求日】2022-08-30
(31)【優先権主張番号】62/738,482
(32)【優先日】2018-09-28
(33)【優先権主張国・地域又は機関】US
(73)【特許権者】
【識別番号】502141050
【氏名又は名称】ダウ グローバル テクノロジーズ エルエルシー
(74)【代理人】
【識別番号】100092783
【弁理士】
【氏名又は名称】小林 浩
(74)【代理人】
【識別番号】100095360
【弁理士】
【氏名又は名称】片山 英二
(74)【代理人】
【識別番号】100120134
【弁理士】
【氏名又は名称】大森 規雄
(74)【代理人】
【識別番号】100104282
【弁理士】
【氏名又は名称】鈴木 康仁
(72)【発明者】
【氏名】ワン、チュン
(72)【発明者】
【氏名】ワシック、ジョン、マーティン
(72)【発明者】
【氏名】ロスハー、ヴィッキー
(72)【発明者】
【氏名】デブ、カラヤンモイ
(72)【発明者】
【氏名】デーバー、ヤシェシュ、ディーパッククマー
(72)【発明者】
【氏名】グッドマン、エリック、デビッド
【審査官】齊藤 貴孝
(56)【参考文献】
【文献】米国特許出願公開第２００５／０００４８９４（ＵＳ，Ａ１）
【文献】国際公開第２０１６／０５７０００（ＷＯ，Ａ１）
【文献】特開２０１２－１１８７４９（ＪＰ，Ａ）
【文献】特表２０１８－５２６７３２（ＪＰ，Ａ）
【文献】国際公開第２０１２／０２９１５２（ＷＯ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ １６／００－１６／９５８
Ｇ０６Ｎ ２０／００－２０／２０
(57)【特許請求の範囲】
【請求項1】
システムであって、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、前記関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、を含むメモリと、
コンピューティングデバイスであって、
化学成分の新しいセットを取得することと、
前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
決定木分類器のランダムフォレストを前記特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記化学成分の新しいセットに関する特性に従って前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を行うように構成された、コンピューティングデバイスと、を備える、システム。
【請求項2】
前記メモリが、前記コンピューティングデバイスから物理的に分離されたデータベースデバイス内に配置されている、請求項１に記載のシステム。
【請求項3】
前記関税コードがｎ桁の長さであり、前記関税コードプレフィックスがｊ桁の長さであり、前記関税コードサフィックスがｎ－ｊ桁の長さであり、ｊがｎ未満である、請求項１に記載のシステム。
【請求項4】
ｎが１０であり、ｊが４である、請求項３に記載のシステム。
【請求項5】
前記関税コードプレフィックスがハーモナイズド関税スケジュールコードの単一の類によって定義される、請求項１に記載のシステム。
【請求項6】
前記化学成分の新しいセットの前記類似性スコアを計算することが、前記化学成分の新しいセットに関する単語を決定することと、
決定された前記単語から、句読点とストップワードを削除することと、を含む、請求項１に記載のシステム。
【請求項7】
前記化学成分の新しいセットの前記類似性スコアを計算することが、決定された前記単語において頭字語を拡張することをさらに含む、請求項６に記載のシステム。
【請求項8】
前記それぞれのファイル中の前記単語の少なくとも１つが正規表現として表されている、請求項１に記載のシステム。
【請求項9】
前記編集距離を決定することが、前記化学成分の新しいセットを記述するために使用される前記単語と前記それぞれのファイル中の名前との間の正規化されたレーベンシュタイン距離を計算することを含む、請求項１に記載のシステム。
【請求項10】
前記類似性スコアが、前記編集距離の合計に基づいて計算される、請求項１に記載のシステム。
【請求項11】
コンピュータ実装方法であって、コンピューティングデバイスによって、化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリー（各関税コードプレフィックスに対して１つ）を使用して、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へアクセスする、取得することと、
前記コンピューティングデバイスによっておよび前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記コンピューティングデバイスによって、前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記コンピューティングデバイスによって、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記コンピューティングデバイスによって、前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、決定木分類器のランダムフォレストを特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記コンピューティングデバイスによっておよび前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記コンピューティングデバイスによって、前記化学成分の新しいセットに関する特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記コンピューティングデバイスによって、前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を含む、コンピュータ実装方法。
【請求項12】
コンピューティングデバイスによる実行時に、前記コンピューティングデバイスに動作を実行させるプログラム命令を格納した、非一時的なコンピュータ可読媒体を含む製造品であって、前記動作が、化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリー（各関税コードプレフィックスに対して１つ）を使用して、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へアクセスする、取得することと、
前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
前記決定木分類器のランダムフォレストを特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記化学成分の新しいセットに関する前記特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を含む、製造品。
【請求項13】
コンピューティングデバイスであって、プロセッサと、
メモリと、
前記メモリに格納された、前記プロセッサによる実行時にコンピューティングデバイスに動作を実行させるプログラム命令であって、前記動作が、
化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリー（各関税コードプレフィックスに対して１つ）を使用して、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へアクセスする、取得することと、
前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
決定木分類器のランダムフォレストを特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記化学成分の新しいセットに関する前記特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を含む、プログラム命令と、を含む、コンピューティングデバイス。
【請求項14】
コンピュータ実装方法であって、コンピューティングデバイスによって、化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器へとアクセスする、取得することと、
前記コンピューティングデバイスによっておよび前記化学成分の新しいセットから、前記化学成分の新しいセット中の他の化学成分と比較した主要な化学成分の割合を決定することと、
前記コンピューティングデバイスによっておよび前記化学成分の新しいセットを記述するために使用される単語と関税コードプレフィックスに関連付けられた単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記コンピューティングデバイスによって、前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、予測関税コードを取得することであって、予測関税コードの予測関税コードプレフィックスが、決定木分類器のランダムフォレストを特徴ベクトルに適用することによって決定され、予測関税コードの予測関税コードサフィックスが、化学成分の新しいセットに関する特性に従って特定のエキスパートツリーを渡り歩くことによって決定され、特定のエキスパートツリーが、予測関税コードプレフィックスに関連付けられている、取得することと、を含む、コンピュータ実装方法。
【請求項15】
前記化学成分の新しいセットの前記類似性スコアを計算することが、前記化学成分の新しいセットに関する単語を決定することと、
決定された前記単語から、句読点とストップワードを削除することと、を含む、請求項１４に記載のコンピュータ実装方法。
【発明の詳細な説明】
【背景技術】
【0001】
優先権
この出願は、２０１８年９月２８日に出願された米国特許出願第６２／７３８，４８２号の利益を主張し、参照によりその全体が本明細書に組み込まれる。
この出願は、２０１８年９月２８日に出願された米国特許出願第６２／７３８，４８２号の利益を主張し、参照によりその全体が本明細書に組み込まれる。
【0002】
国際貿易または国境を越えた取引の際、取引される製品は通関プロセスを経る。その種類、輸出入国、用途などに応じて適切な関税が課せられる。関税およびその他税を課すプロセスをより体系化するために、世界税関機構（ＷＣＯ）は、各製品が、ハーモナイズド関税スケジュールコード（略してＨＴＳまたはＨＳコード）と知られている特定のコードのいずれに割り当てることができるかに基づいた、コーディングスキームを採用している。このコードは、輸出入国に応じて８～１２桁を含み、最初の６桁はグローバルに一貫している。米国の場合、ＨＳコードの長さは１０桁である。新製品および既存製品の関税コードを適切に指定することは、専門家にとってさえも難しい。さらに、現在の半自動化された技術は、ある程度の人間の介入を必要とする一方で、正確さを欠いている。
【発明の概要】
【0003】
本明細書の実施形態は、ハイブリッド機械学習分類器を用いて製品のＨＳコードを予測するための改善された技術を提供する。特に、製品の構成化学成分は、ＨＳコードのプレフィックスを高精度で予測するために使用される。そのためには、トレーニング済みの決定木のランダムフォレストを使用する必要がある。次に、製品の追加の化学的性質を使用して、ＨＳコードの残りの部分（サフィックス）を予測する。分類のこの側面には、エキスパートツリーを選択して追加の特性に適用することが含まれる。平均して、これらの実施形態を使用して、結果として得られる完全なＨＳコードを９５％を超える精度で予測することができる。
【0004】
本明細書に記載の技術はまた、一般に、製品の、構成成分、物理的特性（例えば、サイズ、形状、長さ、幅、深さ）、供給源、製造技術、市場用途、梱包サイズ等に基づいて、他のタイプの製品のＨＳコードを予測するために使用され得る。特に、ＨＳコードに関する１つ以上の類は、本明細書と同様の実施形態を採用し得る。さらに、ここで説明する手法は、税関コード、輸出入コード、商品コード、税コード、危険物分類、輸出管理分類番号（ＥＣＣＮ）、Ｇｌｏｂａｌｌｙ Ｈａｒｍｏｎｉｚｅｄ Ｓｙｓｔｅｍ Ｌａｂｅｌｉｎｇ Ｃｌａｓｓｉｆｉｃａｔｉｏｎなど、製品またはサービスに関する他のタイプのコードを予測するために使用され得る。
【0005】
したがって、第１の例示的な実施形態は、メモリから、関税コードマッピングのセットおよびサフィックスマッピングのそれぞれのセットを取得することであって、関税コードマッピングのセットが、化学成分の記述と関税コードとの間のものであり、関税コードは、関税コードプレフィックスおよび関税コードサフィックスを含み、各関税コードプレフィックスは、化学成分の記述に関する特性と関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットに関連付けられている、取得することを含み得る。第１の例示的な実施形態はまた、関税コードプレフィックスの各それぞれのプレフィックスについて、関税コードマッピングのセットから、それぞれのプレフィックスにマッピングされる化学成分の記述中の化学成分の名前を含む成分ファイルを生成することを含み得る。第１の例示的な実施形態はまた、化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分を決定することと、（ｉｉ）それぞれの記述中の他の化学成分と比較した主要な化学成分の割合を決定することと、（ｉｉｉ）成分ファイルの各それぞれのファイルについて、それぞれの記述中の単語とそれぞれのファイル中の単語との間の編集距離を決定することによってそれぞれの記述の類似性スコアを計算することと、（ｉｖ）主要な化学成分と類似性スコアとの割合から、それぞれの記述の特徴ベクトルを生成することと、を含み得る。第１の例示的な実施形態はまた、それぞれの記述の特徴ベクトルを入力として、かつそれぞれの記述の関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることを含み得る。第１の例示的な実施形態はまた、関税コードプレフィックスの各それぞれのプレフィックスについて、それぞれのプレフィックスのサフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、化学成分の記述に関する特性に関連付けられたエキスパートツリーの渡り歩き（ｔｒａｖｅｒｓａｌ）が、サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、ハイブリッド機械学習分類器が、ランダムフォレストとエキスパートツリーとを使用して関税コードを予測する、構築することを含み得る。
【0006】
第２の例示的な実施形態は、メモリから、化学成分の記述と関税コードとの間の関税コードマッピングのセットを取得することであって、関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含む、取得することを含み得る。第２の例示的な実施形態はまた、化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分の割合、および（ｉｉ）それぞれの記述と関税コードにそれぞれ関連付けられた単語のセットとの間の類似性スコアから、それぞれの記述の特徴ベクトルを生成することを含み得る。第２の例示的な実施形態はまた、入力としてのそれぞれの記述の特徴ベクトルと、出力ラベルとしてのそれぞれの記述の関税コードプレフィックスと、を用いて、決定木分類器のランダムフォレストをトレーニングすることを含み得る。第２の例示的な実施形態はまた、関税コードプレフィックスの各それぞれのプレフィックスについて、それぞれの記述からそれぞれのプレフィックスの関税コードサフィックスへのそれぞれのエキスパートツリーマッピングを構築することであって、ハイブリッド機械学習分類器が、ランダムフォレストおよびエキスパートツリーを使用して関税コードを予測する、構築することを含み得る。
【0007】
第３の例示的な実施形態は、化学成分の新しいセットを取得することであって、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へのアクセスが利用可能である、取得することを含み得る。第３の例示的な実施形態はまた、化学成分の新しいセットから、主要な化学成分を決定することを含み得る。第３の例示的な実施形態はまた、化学成分の新しいセットン内の他の化学成分と比較した主要な化学成分の割合を決定することを含み得る。第３の例示的な実施形態はまた、複数の成分ファイルの各それぞれのファイルについて、化学成分の新しいセットを記述するために使用される単語とそれぞれのファイル中の単語との間の編集距離を決定することによって、化学成分の新しいセットの類似性スコアを計算することを含み得る。第３の例示的な実施形態はまた、主要な化学成分の割合および類似性スコアから、化学成分の新しいセットの特徴ベクトルを生成することを含み得る。第３の例示的な実施形態はまた、決定木分類器のランダムフォレストを特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することを含み得る。第３の例示的な実施形態はまた、複数のエキスパートツリーから、予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することを含み得る。第３の例示的な実施形態はまた、化学成分の新しいセットに関する特性に従う特定のエキスパートツリーを渡り歩くことによって予測される関税コードサフィックスを取得することを含み得る。第３の例示的な実施形態はまた、予測関税コードプレフィックスと予測関税コードサフィックスとを連結することによって、化学成分の新しいセットの関税コードを生成することを含み得る。
【0008】
第４の例示的な実施形態は、化学成分の新しいセットを取得することであって、ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器へのアクセスが利用可能である、取得することを含み得る。第４の例示的な実施形態はまた、化学成分の新しいセットから、化学成分の新しいセット中の他の化学成分と比較した主要な化学成分の割合を決定することを含み得る。第４の例示的な実施形態はまた、化学成分の新しいセットを記述するために使用される単語と関税コードプレフィックスに関連付けられた単語との間の編集距離を決定することによって、化学成分の新しいセットの類似性スコアを計算することを含み得る。第４の例示的な実施形態はまた、主要な化学成分の割合および類似性スコアから、化学成分の新しいセットの特徴ベクトルを生成することを含み得る。第４の例示的な実施形態はまた、予測関税コードを取得することであって、予測関税コードの予測関税コードプレフィックスが、決定木分類器のランダムフォレストを特徴ベクトルに適用することによって決定され、予測関税コードの予測関税コードサフィックスが、化学成分の新しいセットに関する特性に従う特定のエキスパートツリーを渡り歩くことによって決定され、特定のエキスパートツリーが、予測関税コードプレフィックスに関連付けられている、取得することを含み得る。
【0009】
第５の例示的な実施形態では、第１、第２、第３、および／または第４の例示的な実施形態による動作を実行する方法を使用し得る。
【0010】
第６の例示的な実施形態は、コンピューティングシステムによって実行されると、コンピューティングシステムに第１、第２、第３および／または第４の例示的な実施形態による動作を実行させるプログラム命令がそこに格納した非一時的なコンピュータ可読媒体を含み得る製造品である。
【0011】
第７の例示的な実施形態は、第１、第２、第３、および／または第４の例示的な実施形態の動作のそれぞれを実行するための様々な手段を含み得るシステムである。
【0012】
これらならびに他の実施形態、態様、利点、および代替案は、添付の図面を適切に参照しながら、以下の詳細な説明を読むことにより、当業者に明らかになるであろう。さらに、この概要および本明細書で提供される他の説明および図は、例としてのみ実施形態を説明することを意図しており、したがって、多くの変形が可能である。例えば、構造要素およびプロセスステップは、特許請求される実施形態の範囲内にとどまりながら、再配置、結合、分散、排除、または他の方法で変更することができる。
【図面の簡単な説明】
【0013】
【図1】例示的な実施形態による、コンピューティングデバイスの概略図を示す。
【図2】例示的な実施形態による、サーバデバイスクラスタの概略図を示す。
【図3】例示的な実施形態による、決定木を再帰的に構築するための擬似コードを示す。
【図4A】例示的な実施形態による、部分的な決定木を示す。
【図4B】例示的な実施形態による、完全な決定木を示す。
【図5】例示的な実施形態による、ハーモナイズド関税スケジュールコードの米国バージョン、第３９類の最初の１４の小見出しを示す。
【図6】例示的な実施形態による、フローチャートである。
【図7】例示的な実施形態による、製品情報から特徴ベクトルを生成することを示す。
【図8A】例示的な実施形態による、製品のＰファイルを生成するための擬似コードを示す。
【図8C】例示的な実施形態による、例示的な単語頻度チャートを示す。
【図9】例示的な実施形態による、特徴ベクトルの生成を示す。
【図10A】例示的な実施形態による、製品の記述と製品のＰファイルとの間の一致スコアを決定するための擬似コードを示す。
【図10B】例示的な実施形態による、製品の記述と製品のＰファイルとの間の一致スコアを決定するための正規表現を使用する擬似コードを示す。
【図11】例示的な実施形態による、集合特徴ベクトルの構築を示す。
【図12A】例示的な実施形態による、単語の頻度に基づいて単語の重みを決定するための擬似コードを示す。
【図12B】例示的な実施形態による、単語およびそれらに関連付けられた重みを示す。
【図13】例示的な実施形態による、フローチャートである。
【図14】例示的な実施形態による、ハイブリッド機械学習分類器の概略図である。
【図15】例示的な実施形態による、フローチャートである。
【図16】例示的な実施形態による、フローチャートである。
【図17】例示的な実施形態による、フローチャートである。
【図18】例示的な実施形態による、フローチャートである。
【図19】例示的な実施形態による、フローチャートである。
【図20】例示的な実施形態による、分類に潜在的に関連する特性のリストである。
【図21】例示的な実施形態による、輸出管理分類番号の例示的な決定木である。
【発明を実施するための形態】
【0014】
例示的な方法、デバイス、およびシステムを本明細書において説明する。本明細書では、「例」および「例示的」という用語は、「例、実例、または例証として機能する」ことを意味するために使用されることを理解されたい。「例」または「例示的」であるとして本明細書に説明される任意の実施形態または特徴は、そのように述べられない限り、必ずしも他の実施形態または特徴よりも好ましいまたは有利であると解釈されるべきではない。したがって、他の実施形態を利用することができ、本明細書において提示される主題の範囲から逸脱することなく、他の変更を行うことができる。
【0015】
したがって、本明細書に説明される例示的な実施形態は、限定することを意味するものではない。本明細書に概して説明され、図に示される本開示の態様は、多種多様な異なる構成で配置、置換、結合、分離、および設計され得ることが容易に理解されよう。例えば、「クライアント」コンポーネントと「サーバ」コンポーネントへの機能の分離は、様々な方法で発生し得る。
【0016】
さらに、文脈が別のことを示唆しない限り、各図に示されている特徴は、互いに組み合わせて使用され得る。したがって、図は、概して、１つ以上の全体的な実施形態の構成要素として見なされるべきであり、各実施形態にすべての図示された特徴が必要であるとは限らないことを理解されたい。
【0017】
さらに、本明細書または特許請求の範囲における要素、ブロック、またはステップの列挙は、明確にするためのものである。したがって、そのような列挙は、これらの要素、ブロック、またはステップが特定の配置に準拠している、または特定の順序で実行されることを要求または暗示するものとして解釈されるべきではない。
【0018】
Ｉ．例示的なコンピューティングデバイスおよびクラウドベースのコンピューティング環境
以下の実施形態は、開示された実装態様を使用し得る例示的なコンピューティングデバイスおよびシステムのアーキテクチャおよび動作の側面、ならびにそれらの特徴および利点を説明する。
以下の実施形態は、開示された実装態様を使用し得る例示的なコンピューティングデバイスおよびシステムのアーキテクチャおよび動作の側面、ならびにそれらの特徴および利点を説明する。
【0019】
図１は、コンピューティングデバイス１００を例示する簡略化されたブロック図であり、本明細書の実施形態に従って動作するように構成されたコンピューティングデバイスに含まれ得るいくつかの構成要素を示している。コンピューティングデバイス１００は、クライアントデバイス（例えば、ユーザによって能動的に操作されるデバイス）、サーバデバイス（例えば、クライアントデバイスに計算サービスを提供するデバイス）、または他のタイプの計算プラットフォームであり得る。一部のサーバデバイスは、特定の動作を実行するためにクライアントデバイスとして動作し得、一部のクライアントデバイスにはサーバ機能が組み込まれ得る。
【0020】
この例では、コンピューティングデバイス１００は、プロセッサ１０２、メモリ１０４、ネットワークインターフェース１０６、および入力／出力ユニット１０８を含み、これらはすべて、システムバス１１０または同様のメカニズムによって結合され得る。いくつかの実施形態では、コンピューティングデバイス１００は、他の構成要素および／または周辺デバイス（例えば、取り外し可能なストレージ、プリンタなど）を含み得る。
【0021】
プロセッサ１０２は、中央処理装置（ＣＰＵ）、コプロセッサ（例えば、数学、グラフィックス、または暗号化コプロセッサ）、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ、および／またはプロセッサ動作を実行する集積回路もしくはコントローラの形式など、任意のタイプのコンピュータ処理要素のうちの１つ以上であり得る。場合によっては、プロセッサ１０２は、１つ以上のシングルコアプロセッサであり得る。他の場合には、プロセッサ１０２は、複数の独立した処理ユニットを備えた１つ以上のマルチコアプロセッサであり得る。プロセッサ１０２はまた、実行中の命令および関連データを一時的に格納するためのレジスタメモリ、ならびに最近使用された命令およびデータを一時的に格納するためのキャッシュメモリを含み得る。
【0022】
メモリ１０４は、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、および不揮発性メモリを含むがこれらに限定されない、任意の形態のコンピュータ使用可能メモリであり得る。これには、ほんの数例として、フラッシュメモリ、ハードディスクドライブ、ソリッドステートドライブ、再書き込み可能なコンパクトディスク（ＣＤ）、再書き込み可能なデジタルビデオディスク（ＤＶＤ）、および／またはテープストレージが含まれ得る。コンピューティングデバイス１００は、固定メモリならびに１つ以上のリムーバブルメモリユニットを含み得、後者は、様々なタイプのセキュアデジタル（ＳＤ）カードを含むが、これらに限定されない。したがって、メモリ１０４は、メインメモリユニットと長期記憶装置の両方を表す。他のタイプのメモリには、生物学的メモリが含まれ得る。
【0023】
メモリ１０４は、プログラム命令および／またはプログラム命令が動作し得るデータを格納し得る。例として、メモリ１０４は、これらのプログラム命令を非一時的なコンピュータ可読媒体に格納し得、これにより、命令は、本明細書または添付の図面に開示される方法、プロセス、または操作のいずれかを実行するためにプロセッサ１０２によって実行可能になる。
【0024】
図１に示されるように、メモリ１０４は、ファームウェア１０４Ａ、カーネル１０４Ｂ、および／またはアプリケーション１０４Ｃを含み得る。ファームウェア１０４Ａは、コンピューティングデバイス１００の一部または全部を起動または他の方法で開始するために使用されるプログラムコードであり得る。カーネル１０４Ｂは、メモリ管理、プロセスのスケジューリングおよび管理、入力／出力、および通信のためのモジュールを含むオペレーティングシステムであり得る。カーネル１０４Ｂはまた、オペレーティングシステムがコンピューティングデバイス１００のハードウェアモジュール（例えば、メモリユニット、ネットワーキングインターフェース、ポート、およびバス）と通信することを可能にするデバイスドライバを含み得る。アプリケーション１０４Ｃは、ウェブブラウザまたは電子メールクライアントなどの１つ以上のユーザスペースソフトウェアプログラム、ならびにこれらのプログラムによって使用される任意のソフトウェアライブラリであり得る。メモリ１０４はまた、これらのおよび他のプログラムおよびアプリケーションによって使用されるデータを格納し得る。
【0025】
ネットワークインターフェース１０６は、イーサネット（例えば、ファストイーサネット、ギガビットイーサネットなど）などの１つ以上の有線インターフェースの形態をとり得る。ネットワークインターフェース１０６はまた、同軸ケーブルまたは電力線などの１つ以上の非イーサネット媒体を介した通信、または同期光ネットワーク（ＳＯＮＥＴ）またはデジタル加入者線（ＤＳＬ）技術などの広域媒体を介した通信をサポートし得る。ネットワークインターフェース１０６はさらに、ＩＥＥＥ８０２．１１（Ｗｉｆｉ）、ＢＬＵＥＴＯＯＴＨ（登録商標）、全地球測位システム（ＧＰＳ）、または広域無線インターフェースなどの１つ以上の無線インターフェースの形態をとり得る。しかしながら、他の形態の物理層インターフェースおよび他のタイプの標準または独自の通信プロトコルが、ネットワークインターフェース１０６を介して使用され得る。さらに、ネットワークインターフェース１０６は、複数の物理インターフェースを含み得る。例えば、コンピューティングデバイス１００のいくつかの実施形態は、イーサネット、ＢＬＵＥＴＯＯＴＨ（登録商標）、およびＷｉｆｉインターフェースを含み得る。
【0026】
入力／出力ユニット１０８は、例示的なコンピューティングデバイス１００とのユーザおよび周辺デバイスの相互作用を容易にし得る。入力／出力ユニット１０８は、キーボード、マウス、タッチスクリーンなどのような１つ以上のタイプの入力デバイスを含み得る。同様に、入力／出力ユニット１０８は、スクリーン、モニタ、プリンタ、および／または１つ以上の発光ダイオード（ＬＥＤ）などの１つ以上のタイプの出力デバイスを含み得る。追加的または代替的に、コンピューティングデバイス１００は、例えば、ユニバーサルシリアルバス（ＵＳＢ）または高精細マルチメディアインターフェース（ＨＤＭＩ）ポートインターフェースを使用して他のデバイスと通信し得る。
【0027】
いくつかの実施形態では、コンピューティングデバイス１００の１つ以上のインスタンスが、クラスタ化されたアーキテクチャをサポートするために展開され得る。これらのコンピューティングデバイスの正確な物理的な場所、接続、および構成は、クライアントデバイスにとって不明である、および／または重要ではないことがある。したがって、コンピューティングデバイスは、様々なリモートデータセンターの場所に収容し得る「クラウドベース」デバイスと呼ばれる場合がある。
【0028】
図２は、例示的な実施形態による、クラウドベースのサーバクラスタ２００を示している。図２では、コンピューティングデバイス（例えば、コンピューティングデバイス１００）の動作は、サーバデバイス２０２と、データストレージ２０４と、ルータ２０６との間で分散され得、これらはすべて、ローカルクラスタネットワーク２０８によって接続され得る。サーバクラスタ２００内のサーバデバイス２０２、データストレージ２０４、およびルータ２０６の数は、サーバクラスタ２００に割り当てられたコンピューティングタスク（複数可）および／またはアプリケーションに依存し得る。
【0029】
例えば、サーバデバイス２０２は、コンピューティングデバイス１００の様々なコンピューティングタスクを実行するように構成することができる。したがって、コンピューティングタスクは、サーバデバイス２０２のうちの１つ以上の間で分散することができる。これらのコンピューティングタスクを並行して実行できる範囲で、このようなタスクの分散により、これらのタスクを完了して結果を返すための合計時間が短縮され得る。簡単にするために、サーバクラスタ２００および個々のサーバデバイス２０２の両方は、「サーバデバイス」と称され得る。この命名法は、１つ以上の別個のサーバデバイス、データストレージデバイス、およびクラスタルータがサーバデバイスの動作に関与し得ることを暗に意味すると理解されたい。
【0030】
データストレージ２０４は、ハードディスクドライブおよび／またはソリッドステートドライブのグループへの読み取りおよび書き込みアクセスを管理するように構成されたドライブアレイコントローラを含むデータストレージアレイであり得る。ドライブアレイコントローラは、単独で、またはサーバデバイス２０２と組み合わせて、データストレージ２０４に格納されたデータのバックアップまたは冗長コピーを管理して、ドライブ障害またはサーバデバイス２０２のうちの１つ以上がクラスタデータストレージ２０４のユニットにアクセスすることを妨げる他のタイプの障害から保護するように構成され得る。ドライブ以外の他のタイプのメモリも使用し得る。
【0031】
ルータ２０６は、サーバクラスタ２００に内部および外部通信を提供するように構成されたネットワーク機器を含み得る。例えば、ルータ２０６は、（ｉ）クラスタネットワーク２０８を介したサーバデバイス２０２とデータストレージ２０４との間のネットワーク通信および／または、（ｉｉ）ネットワーク２１２への通信リンク２１０を介したサーバクラスタ２００と他のデバイスとの間のネットワーク通信と、を提供するように構成された１つ以上のパケット交換および／またはルーティングデバイス（スイッチおよび／またはゲートウェイを含む）を含み得る。
【0032】
さらに、クラスタルータ２０６の構成は、少なくとも部分的に、サーバデバイス２０２およびデータストレージ２０４のデータ通信要件、ローカルクラスタネットワーク２０８の待ち時間およびスループット、通信リンク２１０の待ち時間、スループット、およびコスト、および／またはシステムアーキテクチャのコスト、速度、フォールトトレランス、回復力、効率、および／または他の設計目標に寄与し得る他の要因に基づくことができる。
【0033】
取り得る例として、データストレージ２０４は、構造化照会言語（ＳＱＬ）データベースなどの任意の形式のデータベースを含み得る。テーブル、配列、リスト、ツリー、タプルなど、様々なタイプのデータ構造がこのようなデータベースに情報を格納され得るが、これらに限定されない。さらに、データストレージ２０４内の任意のデータベースは、モノリシックであるか、または複数の物理デバイスに分散され得る。
【0034】
サーバデバイス２０２は、クラスタデータストレージ２０４との間でデータを送受信するように構成され得る。この送信と取得は、それぞれＳＱＬクエリまたは他のタイプのデータベースクエリ、およびそのようなクエリの出力の形式をとり得る。追加のテキスト、画像、ビデオ、および／またはオーディオも含まれ得る。さらに、サーバデバイス２０２は、受信したデータをウェブページ表現に編成し得る。このような表現は、ハイパーテキストマークアップ言語（ＨＴＭＬ）、拡張可能マークアップ言語（ＸＭＬ）、またはその他の標準化された形式や独自の形式などのマークアップ言語の形式をとり得る。さらに、サーバデバイス２０２は、Ｐｙｔｈｏｎ、ＰＨＰハイパーテキストプリプロセッサ（ＰＨＰ）、Ａｃｔｉｖｅ Ｓｅｒｖｅｒ Ｐａｇｅｓ（ＡＳＰ）、ＪａｖａＳｃｒｉｐｔ、および／またはＣ＋＋、Ｃ＃、またはＪａｖａなどの他の言語など、様々なタイプのコンピュータ化されたスクリプト言語を実行する機能を備え得る。これらの言語で記述されたコンピュータプログラムコードは、クライアントデバイスへのＷｅｂページの提供、およびＷｅｂページとのクライアントデバイスの相互作用を容易にし得る。
【0035】
ＩＩ．決定木およびランダムフォレスト
決定木は、１つ以上のパラメータを使用して入力を受け取り、入力が関連付けられているラベルを予測する機械学習分類器の一種である。その名前が示すように、決定木は、木のような形式で具体化され、非リーフノードは入力パラメータの値に基づいて行われる決定を表す。非リーフノードからその子までのエッジは、非リーフノードに関連付けられた入力パラメータの取り得る値または値の範囲を表す。入力パラメータの値がルートからリーフノードへのパスで表される場合、リーフノードは予測ラベルを表す。
決定木は、１つ以上のパラメータを使用して入力を受け取り、入力が関連付けられているラベルを予測する機械学習分類器の一種である。その名前が示すように、決定木は、木のような形式で具体化され、非リーフノードは入力パラメータの値に基づいて行われる決定を表す。非リーフノードからその子までのエッジは、非リーフノードに関連付けられた入力パラメータの取り得る値または値の範囲を表す。入力パラメータの値がルートからリーフノードへのパスで表される場合、リーフノードは予測ラベルを表す。
【0036】
決定木は、入力パラメータ（観測値）とラベルとの間のマッピングがわかっているデータのコーパスによってトレーニングされる。このトレーニングプロセスは、妥当な精度で新しい観測値のラベルを予測することが期待される決定木を構築する。
【0037】
ランダムフォレストは、特定のデータセットに対して２つ以上の決定木を構築し、これらの決定木によって最も頻繁に生成されるか、または決定木によって生成されるラベルの平均の形式であるラベルを出力するアンサンブル学習手法である。
【0038】
Ａ．例示的な決定木
以下は、決定木の実例である。この例は、決定木をトレーニングおよび構築するための１つの可能なアプローチを提供するが、他のアプローチを使用してもよい。
以下は、決定木の実例である。この例は、決定木をトレーニングおよび構築するための１つの可能なアプローチを提供するが、他のアプローチを使用してもよい。
【表1】
【0039】
表１は、気象条件（見通し、気温、湿度、風）の１４の観測値と、それらの条件下でゴルフをすることが決定されたかどうかを示している。例えば、観測１では、見通しは晴れ、気温は高く、湿度は高く、風は弱かった。このような状況下で、ゴルフをしないことが決定された。一方、観測４では、見通しは雨、気温は暖かい、湿度は高く、風は弱かった。このような状況下で、ゴルフをすることが決定された。これらの観測値は、雨が降っていない、気温が暖かく、湿度が通常で、風が弱いときにゴルフをすることを好むことを反映している。ただし、これらの気象条件のいずれも決定的なものであるとは限らない。したがって、理想的ではないが許容できる気象条件でゴルフをすることを決定するかもしれない。
【0040】
表１の各観測値は、入力パラメータ（見通し、気温、湿度、および風の気象条件）とラベル（ゴルフをするかどうか）を関連付けている。表１および観察値を表す次の表では、ラベルの付いた列が斜体で示されている。これらの観察値は、決定木をトレーニング（構築）するために使用できる。しかしながら、そうするために、いくつかの方程式への迅速な転換が役立ち得る。これらの方程式を使用して、決定木内のどの非リーフノードがどの入力パラメータに関連付けられるかを決定することができる。
【0041】
エントロピーは、データセット内の不確実性またはランダム性の量の尺度である。このようなデータセットＳが与えられると、エントロピーＨ（Ｓ）は次のように計算される。
【数1】
【0042】
変数ｓは、データセットＳがとることができる値を表す。エントロピー０は、すべての値が同じであることを意味する。エントロピーが１に向かって増加するにつれて、値はますますランダムになる。
【0043】
表１のデータセットのように、入力パラメータとラベルを持つデータセットに関して、特定の入力パラメータの情報ゲインは、固定ラベルに分類された場合の特定の入力パラメータの合計エントロピーとして定義される。したがって、ラベルセットＸおよび入力パラメータＹに関連付けられた情報ゲインＩＧ（Ｘ、Ｙ）は、次のように計算される。
【数2】
【0044】
変数ｙは、入力パラメータＹがとることができる値を表し、Ｈ（Ｘ）はＸのエントロピーである。Ｈ（Ｘ｜ｙ）という用語は、入力パラメータＹがｙの値をとる場合のラベルの条件付きエントロピーである。直感的には、情報ゲインは、入力パラメータＹがラベルセットＸのエントロピーＨ（Ｘ）にどの程度寄与するかを表す。
【0045】
図３では、決定木を構築するための再帰関数ｍａｋｅ＿ｎｏｄｅ（）の例を示しており、擬似コード３００で示されている。擬似コード３００に示されているように、ｍａｋｅ＿ｎｏｄｅ（）は１つのパラメータ（現在の観測データセット）をとる。表１のデータを使用して、この関数と上記の式を示すことができる。
【0046】
以下の説明では、この手順を表１のデータセットに適用する。ステップ１で、データセット全体を使用してｍａｋｅ＿ｎｏｄｅ（）が呼び出され、ルートノードが生成される。ステップ４で、各ラベル（「する」と「しない」）のエントロピーは次のように計算される。
【数3】
【0047】
ステップ５～６で、各入力パラメータ（見通し、気温、湿度、風）の情報ゲインが決定される。風から始めて、計算は次のようになる。
【数4】
【0048】
Ｈ（Ｘ）は既知であるため、２番目の項のみを決定する必要がある。ここでは、風は弱いか強いかのどちらかである。それぞれの確率は表１から簡単に得られ、ｐ（ｗｅａｋ）＝８／１４およびｐ（ｓｔｒｏｎｇ）＝６／１４である。
【0049】
風が弱い８つの観測のうち、６つが「する」のラベルであり、２つが「しない」のラベルである。強風のある６つの観測のうち、３つは「する」のラベルであり、３つは「しない」のラベルである。その結果、次のようになる。
【数5】
【0050】
および
【数6】
【0051】
したがって、次のようになる。
【数7】
【0052】
他の３つの入力パラメータに対してこれらの計算を実行すると、次のようになる。
ＩＧ（Ｘ，ｏｕｔｌｏｏｋ）＝０．２４６
ＩＧ（Ｘ，ｔｅｍｐｅｒａｔｕｒｅ）＝０．０２９
ＩＧ（Ｘ，ｈｕｍｉｄｉｔｙ）＝０．１５１
ＩＧ（Ｘ，ｏｕｔｌｏｏｋ）＝０．２４６
ＩＧ（Ｘ，ｔｅｍｐｅｒａｔｕｒｅ）＝０．０２９
ＩＧ（Ｘ，ｈｕｍｉｄｉｔｙ）＝０．１５１
【0053】
ステップ７で、情報ゲインが最も高い入力パラメータが選択される。観測値の現在のセットでは、見通しに関する情報ゲインが最も高い。したがって、ステップ８で、この入力パラメータは、現在のノードに指定され、ステップ９で、データセットから削除される。ステップ１０で、ｍａｋｅ＿ｎｏｄｅは、選択されたパラメータのすべての取り得る値を反復処理する。見通しとしては、これらは晴れ、曇り、雨である。ステップ１１で、現在のノードから下がるエッジがこれらの値ごとに生成される。
【0054】
ステップ１２～１５には、これらのエッジのいずれかがリーフノードで終了するかどうかを判断することが含まれる。これは、ｄａｔａ＿ｓｅｔ内の残りのすべての観測値に、選択した入力パラメータの値によって完全に決定されるラベルがある場合に生じる。表１に戻ると、見通しが曇りの値になるときはいつでも、ラベルは「する」である。したがって、ステップ１２および１３に従って、ｃｕｒｒｅｎｔ＿ｎｏｄｅは、「する」と指定されたリーフノードとして返され、曇りのエッジに接続される。
【0055】
選択した入力パラメータの他の値のいずれも、ラベルを明確に決定するために使用することはできない。したがって、ｍａｋｅ＿ｎｏｄｅ（）は、これらの値のそれぞれに対して再度呼び出され、ｄａｔａ＿ｓｅｔはステップ９で変更されたとおりに渡される。
【0056】
結果として得られた部分ツリーを図４Ａに示す。ノード４００（ルートノード）は、見通しで指定されている。見通しの取り得る値（晴れ、曇り、および雨）ごとのエッジは、ノード４００からノード４０２、４０４、および４０６へと降順で表される。
【表2】
【0057】
上記のように、ｍａｋｅ＿ｎｏｄｅ（）は、ノード４０２に対して再帰的に呼び出される。見通しが晴れの観測値のみが考慮され、これらは表２に示されている。ラベルのエントロピーは次のように計算される。
【数8】
【0058】
次に、残りの各入力変数（湿度、気温、および風）の情報ゲインが次のように計算される。
ＩＧ（Ｘｓｕｎｎｙ，ｈｕｍｉｄｉｔｙ）＝０．９６０
ＩＧ（Ｘｓｕｎｎｙ，ｔｅｍｐｅｒａｔｕｒｅ）＝０．５７０
ＩＧ（Ｘｓｕｎｎｙ，ｗｉｎｄ）＝０．０１９
ＩＧ（Ｘｓｕｎｎｙ，ｈｕｍｉｄｉｔｙ）＝０．９６０
ＩＧ（Ｘｓｕｎｎｙ，ｔｅｍｐｅｒａｔｕｒｅ）＝０．５７０
ＩＧ（Ｘｓｕｎｎｙ，ｗｉｎｄ）＝０．０１９
【0059】
湿度は情報ゲインが最も高いため、ノード４０２の指定として選択される。なお、湿度の値によってノード４０２でラベルも決定される（湿度が高い場合、ラベルは「しない」であるが、湿度が通常の場合、ラベルは「する」である）。
【表3】
【0060】
関数ｍａｋｅ＿ｎｏｄｅは、ノード４０６に対しても再帰的に呼び出される。見通しが雨となる観測値のみが考慮される。これを表３に示す。ラベルのエントロピーは表２のエントロピーと同じである（３つの「する」ラベル、２つの「しない」ラベル）。
【数9】
【0061】
次に、残りの各入力変数（湿度、気温、および風）の情報ゲインが次のように計算される。
ＩＧ（Ｘｒａｉｎ，ｈｕｍｉｄｉｔｙ）＝０．５２６
ＩＧ（Ｘｒａｉｎ，ｔｅｍｐｅｒａｔｕｒｅ）＝０．５２６
ＩＧ（Ｘｒａｉｎ，ｗｉｎｄ）＝０．９６０
ＩＧ（Ｘｒａｉｎ，ｈｕｍｉｄｉｔｙ）＝０．５２６
ＩＧ（Ｘｒａｉｎ，ｔｅｍｐｅｒａｔｕｒｅ）＝０．５２６
ＩＧ（Ｘｒａｉｎ，ｗｉｎｄ）＝０．９６０
【0062】
風は情報ゲインが最も高いため、ノード４０６の指定として選択される。なお、風の値によってノード４０６でラベルも決定される（風が弱い場合、ラベルは「する」であるが、風が強い場合、ラベルは「しない」である）。
【0063】
結果として得られた最終決定木を図４Ｂに示す。ノード４０８および４１０は、ノード４０２にリーフノードとして追加されており、ノード４１２および４１４は、ノード４０６にリーフノードとして追加されている。取り得るすべてのパスはリーフノードで終了するため、決定木トレーニングは完了する。
【0064】
図４Ｂの決定木は、入力パラメータの特定のセットに関連付けられたラベルを予測するために使用することができる。例えば、現在の気象条件が晴れの見通し、暖かい気温、通常の湿度、弱い風であるとする。この決定木をこれらの条件に適用すると、最初にノード４００で見通しを検討する。見通しは晴れであるため、晴れと指定されたエッジを辿ってノード４０２へと進む。次に、湿度を考慮する。湿度は通常であるため、通常と指定されたエッジを辿ってノード４１０へと進む。決定木を通るこのパスに基づいて、結論はゴルフをすることになる。言い換えると、決定木の構築で明示的に考慮されなかった新しいセットの気象条件の場合でも、決定木は望ましい結果である可能性が高いラベルを予測することができる。
【0065】
なお、図３のｍａｋｅ＿ｎｏｄｅ（）関数は、決定木を構築するための１つの取り得るアルゴリズムにすぎない。Ｃ４．５、分類および回帰木（ＣＡＲＴ）、カイ２乗自動相互作用検出器（ＣＨＡＩＤ）、多変量適応回帰スプライン（ＭＡＲＳ）などの他のアルゴリズムを使用し得る。さらに、ジニ係数や分散減少など、情報ゲイン以外の入力パラメータを選択する他の手法を使用し得る。
【0066】
Ｂ．例示的なランダムフォレスト
決定木はラベルの堅牢な予測器であるが、データセットの過剰適合に悩まされる可能性がある。ランダムフォレストは、同じデータセットの様々な部分でトレーニングされた複数の決定木の出力を検討する方法である。このアプローチは、過剰適合に関連する分散を減らし得、実際には、決定木のみよりも優れた結果を生成することが観察されている。
決定木はラベルの堅牢な予測器であるが、データセットの過剰適合に悩まされる可能性がある。ランダムフォレストは、同じデータセットの様々な部分でトレーニングされた複数の決定木の出力を検討する方法である。このアプローチは、過剰適合に関連する分散を減らし得、実際には、決定木のみよりも優れた結果を生成することが観察されている。
【0067】
特に、ｎ個の観測値のデータセットでは、それぞれｊ個の観測値のｉ個のサブセットを選択し得る。これらのサブセットは、置換で選択され得る。次に、観測値のサブセットごとに決定木を構築する。これにより、決定木が効果的に非相関化される。これらの決定木の一部またはすべてが新しい観測値に適用され、ｉ個の予測されたラベルが生成される。上記のように、これらのラベルのモードまたは平均をとって、最終的な予測ラベルを生成し得る。非相関化されているため、個々の決定木がノイズに敏感であっても、そのランダムフォレストの感度ははるかに低くなる。
【0068】
いくつかの実施形態では、ランダムフォレストの構築は、各非リーフノードで、考慮すべき入力パラメータのランダムサブセットを選択するｍａｋｅ＿ｎｏｄｅ（）の修正バージョンを含み得る。少数の入力パラメータがラベルの強力な予測器である場合、これらの入力パラメータは多くの決定木で早期に（より高く）現れる。したがって、入力パラメータをランダム化すると、ツリーがさらに非相関化される。
【0069】
ＩＩＩ．関税コードおよびその決定
国際貿易または国境を越えた取引の際、取引される製品は通関プロセスを経る。その種類、輸出入国、用途などに応じて適切な関税が課せられる。関税／その他税を課すプロセスをより体系化するために、ＷＣＯは、各製品が、Ｈａｒｍｏｎｉｚｅｄ Ｔａｒｉｆｆ Ｓｃｈｅｄｕｌｅ Ｃｏｄｅ（ＨＳコード）として知られている特定のコードのいずれに割り当てることができるかに基づいた、コーディングスキームを採用している。このコードは、輸出入国に応じて８～１２桁を含み、最初の６桁はグローバルに一貫している。米国の場合、ＨＳコードの長さは１０桁である。本明細書の実施形態では、目標は、図５に示すように、第３９類の最初の１４の小見出し５００を含む、第３９類の化学ポリマーの１０桁の米国ベースのＨＳコードを正確に予測することである。
国際貿易または国境を越えた取引の際、取引される製品は通関プロセスを経る。その種類、輸出入国、用途などに応じて適切な関税が課せられる。関税／その他税を課すプロセスをより体系化するために、ＷＣＯは、各製品が、Ｈａｒｍｏｎｉｚｅｄ Ｔａｒｉｆｆ Ｓｃｈｅｄｕｌｅ Ｃｏｄｅ（ＨＳコード）として知られている特定のコードのいずれに割り当てることができるかに基づいた、コーディングスキームを採用している。このコードは、輸出入国に応じて８～１２桁を含み、最初の６桁はグローバルに一貫している。米国の場合、ＨＳコードの長さは１０桁である。本明細書の実施形態では、目標は、図５に示すように、第３９類の最初の１４の小見出し５００を含む、第３９類の化学ポリマーの１０桁の米国ベースのＨＳコードを正確に予測することである。
【表4】
【0070】
関税コードは、木のような構造になっている。例えば、第３９類では、見出し３９０１は、一次形態のエチレンのポリマーに言及している。見出し／小見出しのペア３９０１１０は、比重が０．９４未満のポリエチレンを指し、見出し／小見出しのペア３９０１２０は、比重が０．９４以上のポリエチレンを指す。この規程の下でより具体的な製品成分を定義するために、さらに小見出しと静的なサフィックスが使用される。例として、見出し３９０１の下にあるいくつかの１０桁のＨＳコードを表４に示す。
【0071】
これらのコードを決定するために、製品はそれぞれの名前、成分リスト、および／またはその他の説明情報に基づいて分類される。現在、この分類は手動で、多くの場合人間の専門家によって実行される。これらの手動プロセスはオントロジーベースであり、専門家はクエリベースのインターフェースを使用して整理された質問の連続セットをナビゲートし、最終的に特定の製品のＨＳコードを決定する。他のアプローチには、以前の分類データからの既存の知識ベースの使用が含まれる。次に、新製品がこれらの履歴分類と比較され、知識ベースから最も一致する製品に基づいてＨＳコードが割り当てられる。ルックアップモジュールを実装することにより、製品情報全体をキーワードのセットに分解し、ＨＳコードのリストを推奨するとともに、べき乗サポートベクターマシン（ｐｏｗｅｒ－ｍｅａｎ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ－ｍａｃｈｉｎｅ）とアドホックルールベースのシステムを使用してＨＳコードを予測する。
【0072】
しかしながら、これらのアプローチはすべて、完全に自動化されていないという欠点がある（すなわち、何らかの形の人間の入力が必要となる）。その上、専門家でさえすべての状況で適切なルールを適用できない可能性があるため、それらは依然として間違いが起こりやすく、特に新製品の場合、９５％以上の精度を一貫して達成することは困難である。結果として、多くの産業的および技術的プロセスは、関税コードの決定に関連付けられた遅延、およびこれらの決定された関税コードのかなりの部分が正しくないために弱点がある。
【0073】
ＩＶ．機械学習の実装
本明細書の実施形態は、手動介入の自律的な分類および削減（または除去）を伴う関税コードを予測する。特に、機械学習ベースの技術が、製品情報を処理し、適切なＨＳコードを割り当てる。自然言語処理（ＮＬＰ）ベースの特徴ベクトル生成器は、提供された製品データから重要な属性（または特徴）を抽出し、これは、ＨＳコードを予測するためのハイブリッドランダムフォレストおよびエキスパートツリーベースの分類システムへの入力として機能する。このシステムの全体的なフレームワークは、図６のフローチャート６００に概略的に表されている。特に、本明細書の実施形態は、以前は手動で使用されていなかった関税コードを予測するための新しい技術を提供し、それは一貫して９５％を超える精度を提供する。
本明細書の実施形態は、手動介入の自律的な分類および削減（または除去）を伴う関税コードを予測する。特に、機械学習ベースの技術が、製品情報を処理し、適切なＨＳコードを割り当てる。自然言語処理（ＮＬＰ）ベースの特徴ベクトル生成器は、提供された製品データから重要な属性（または特徴）を抽出し、これは、ＨＳコードを予測するためのハイブリッドランダムフォレストおよびエキスパートツリーベースの分類システムへの入力として機能する。このシステムの全体的なフレームワークは、図６のフローチャート６００に概略的に表されている。特に、本明細書の実施形態は、以前は手動で使用されていなかった関税コードを予測するための新しい技術を提供し、それは一貫して９５％を超える精度を提供する。
【0074】
より具体的には、本明細書の実施形態は、５つの主要なフェーズとして、前処理、特徴ベクトル生成、トレーニング、テスト、および後処理を含む。これらの各フェーズについて、以下に順番に説明する。
【0075】
Ａ．前処理
前処理段階は、提供されたデータをフィルタリングして整理し、より体系的で構造化することで構成される。化学製品の場合、溶媒を除去した後の成分割合の正規化、一貫した単位での成分割合の表現、頭字語の拡張、コポリマーのコモノマー比の決定などが含まれる。前処理段階中は、各製品は、製品名、製品仕様番号、成分ＩＤ、成分割合、成分名、および成分ケミカル・アブストラクツ・サービス（ＣＡＳ）番号の属性を持つ物体として、保管される。
前処理段階は、提供されたデータをフィルタリングして整理し、より体系的で構造化することで構成される。化学製品の場合、溶媒を除去した後の成分割合の正規化、一貫した単位での成分割合の表現、頭字語の拡張、コポリマーのコモノマー比の決定などが含まれる。前処理段階中は、各製品は、製品名、製品仕様番号、成分ＩＤ、成分割合、成分名、および成分ケミカル・アブストラクツ・サービス（ＣＡＳ）番号の属性を持つ物体として、保管される。
【0076】
Ｂ．特徴ベクトルの生成
データが整理されると、機械学習プロセス全体の次の段階である特徴ベクトルの生成に提供される。特徴ベクトルは、製品情報が数値のベクトルとして格納されている製品の表現である。前述のように、製品情報データは、製品名と成分名に関するテキスト情報と、成分割合に関する数値情報で構成される（成分ＣＡＳ番号などの他の情報は、アルゴリズム開発の後の段階で使用され得る）。特徴ベクトル生成器のタスクは、この情報を処理し、それをｎ次元空間のベクトルにマッピングすることである。これは、図７の図７００に概念的に表されている。結果として得られた特徴ベクトルは、おそらく追加情報とともに、決定木のランダムフォレストへの入力として使用される。
データが整理されると、機械学習プロセス全体の次の段階である特徴ベクトルの生成に提供される。特徴ベクトルは、製品情報が数値のベクトルとして格納されている製品の表現である。前述のように、製品情報データは、製品名と成分名に関するテキスト情報と、成分割合に関する数値情報で構成される（成分ＣＡＳ番号などの他の情報は、アルゴリズム開発の後の段階で使用され得る）。特徴ベクトル生成器のタスクは、この情報を処理し、それをｎ次元空間のベクトルにマッピングすることである。これは、図７の図７００に概念的に表されている。結果として得られた特徴ベクトルは、おそらく追加情報とともに、決定木のランダムフォレストへの入力として使用される。
【0077】
テキストデータを数値に変換する最初のステップは、文字列類似性スコア（次のサブセクションで説明する）を計算する際の比較の基礎として使用できる参照セットを確立することである。記事、ブログエントリ、製品の説明などのテキストデータの参照セットは、そのテキストデータを表すキーワードで構成される。各ＨＳコードには、その特定のＨＳコードに関連するテキスト情報から派生した独自の代表的なキーワードの参照セットがある。ＨＳコードごとに、キーワードの代表的な参照セットの２つのファイルを作成し得、１つは製品名のテキストを使用し、もう１つは成分名のテキストを使用する。これらのファイルは、それぞれ製品のバッグオブワード（ＢＯＷ）ファイル（または略してＰファイル）および成分のＢＯＷファイル（または略してＣファイル）と呼ばれる。コード３９０１のＰファイルを作成する手順は、図８Ａに示すように擬似コード８００で説明される。
【0078】
図８Ｂは、擬似コード８００に従ってＰファイルを構築するメカニズムを示している。なお、この単純な例は、単純化のための入力としてブロック８１０のテキストで始まるが、実際には、代わりに製品情報を使用することになる。
【0079】
擬似コード８００のステップ１で、テキストデータは、例えば、ファイルＴｐにいくつかの製品名を集約することによって取得される。ステップ２と３で、ストップワード（例えば、「ｔｈｉｓ」、「ｉｓ」、「ａｎ」、「ｔｏ」、「ｏｆ」、「ｔｈａｔ」、「ａ」）と句読点が削除され、頭字語が拡張される。図８Ｂに示すように、ブロック８１０はステップ２と３の後でブロック８１２になる。
【0080】
ステップ４で、ファイルＴｐに残存する各単語の頻度がカウントされる。これは、ブロック８１４で表される。ステップ５で、これらの頻度の平均、ｆａｖｇが決定される。ブロック８１４において単語頻度の場合、ｆａｖｇは１．４５である。ステップ６および７で、閾値ｆａｖｇよりも高い頻度を有する単語が代表的なキーワードとして選択され、Ｐファイルに格納される。場合によっては、非負、非ゼロのゲインτがｆａｖｇに適用され得、ｆａｖｇが高くなったり低くなったりする。図８Ｂの例では、選択された単語がブロック８１６に示されている。
【0081】
図８Ｃは、全体的な単語の頻度に基づいてＰファイルの単語を選択する別の（異なる）例を示している。図８Ｃでは、棒グラフ８２０は、１７単語の頻度、ｗ１．．．ｗ１７を示している。特に、棒グラフ８２０は、単語をｘ軸にプロットし、それらに対応する頻度をｙ軸にプロットしている。ストップワードを削除し、頭字語を拡張した後、ドキュメントに１７単語（ｗ１，ｗ２、．．．ｗ１７）があるとする。これらの単語のうちの１０個のそれぞれの頻度は、閾値頻度よりも大きい（ｆａｖｇは、図８Ｃでは水平の破線で表されている）。したがって、これらの１０単語は、ソーステキストドキュメントの代表的なキーワードと見なされ、このドキュメントのＰファイルに格納される。
【0082】
本明細書の実施形態では、Ｐファイルは、履歴データに基づいて、第３９類の４桁のＨＳコードプレフィックスごとに生成される。さらに、製品内の成分の１つ以上の名前に基づくＣファイルも、Ｐファイルの生成に使用されるのと同じまたは同様のプロセスを使用するが、製品の構成化学成分の名前からのテキストを使用して、ＨＳコードプレフィックスごとに生成される。分類されている新製品の場合、検討中のＨＳコードプレフィックスのそれぞれのＰファイルおよび／またはＣファイルを使用して、ＨＳコードプレフィックスごとに１つ（または２つ）の要素で数値の特徴ベクトルが生成される。
【0083】
このプロセスの概要を図９に示す。所与の製品９００について、製品名９０２および成分名９０４が導出される。成分名９０４は、製品で使用されるすべての成分の最大の割合を有する成分の名前であるという点で、主要な成分名であり得る。あるいは、複数の成分名を使用し得る。派生製品名は、ＨＳコードプレフィックスごとにＰファイル中の単語と比較され、派生成分名は、ＨＳコードプレフィックスごとにＣファイル中の単語と比較される。各比較の結果は、特徴ベクトルの要素に格納されている数値である。第３９類（３９０１－３９１４）の１４個のＨＳコードプレフィックスの場合、特徴ベクトルは１４個または２８個の要素（ＨＳコードプレフィックスごとに１個または２個である）を持つことができる。Ｐファイルベクトル９０６およびＣファイルベクトル９０８の簡略化された例が図９に示されている。
【0084】
テキストを数値に変換するこれらの比較は、分類されている製品の製品名または成分名からのテキストと、１４個のＨＳコードプレフィックスのそれぞれのＰファイルおよび／またはＣファイルとの間のレーベンシュタイン距離（編集距離）の正規化バージョンを計算することによって行われる。１つ目の文字列と２つ目の文字列との間のレーベンシュタイン距離は、１つ目の文字列を２つ目の文字列に変換するために必要な削除、挿入、置換の数である。完全に一致する場合（すなわち、比較されている２つの文字列が同一の場合）、レーベンシュタイン距離の値は０になる。レーベンシュタイン距離メトリックが持つことができる最大値は、比較対象の最長の文字列の文字列の長さである。本明細書の実施形態では、レーベンシュタイン距離スコアは、それを、比較されているものの中で最も長い文字列の文字列長で割ることによって正規化される。次に、一致スコアは、正規化されたレーベンシュタイン距離を１から引いたものとして計算される。したがって、正規化された一致スコアは０～１とすることができ、値が高いほど一致が良好であることを示す。
【0085】
図１０Ａは、製品名とＰファイルの１つとの間のネット一致スコアを決定するための擬似コード１０００を示している。つまり、製品の製品名の各単語（ｗ）とＰファイル中の単語（ｗｂ）との間の正規化された一致スコアが計算され、Ｐファイル中の最も一致する単語（ｗｂ＊）を決定する。ｗとそれに対応するｗｂ＊との間の一致スコアを「最一致スコア」と呼ぶ。製品名中の各単語（ｗ）に対するこれらの「最一致スコア」の値を合計して、ネット一致スコアを決定する。このネット一致スコアは、結果の特徴ベクトルの１つの要素になる。この手順を繰り返して、製品名とすべての４桁のＨＳコード（または略してＨＳ４コード）のＰファイルとの間のネット一致スコア値を計算し、計算されたネット一致スコア値をスタックして、図９に示すように、特徴ベクトル９０６を形成する。したがって、特徴ベクトル９０６の第１の要素の値は、分類されている製品の製品名とＨＳコードプレフィックス３９０１のＰファイルとの間のネット一致スコアに対応し、第２の要素の値は、分類されている製品の製品名とＨＳコードプレフィックス３９０２のＰファイルとの間のネット一致スコアに対応する。
【0086】
特徴ベクトル９０８を形成するために、同様の（しかし必ずしも同一ではない）手順が、分類されている製品の成分の記述および４桁のＨＳコードプレフィックスに関連付けられたＣファイルに適用され得る。特に、これには、割合に基づいて分類されている製品の成分を最高から最低にソートすることが含まれる。累積シェアが５０％以上の上位成分が特定される。実際には、この上位成分のセットには通常、最大２～３個の成分が含まれている。成分のこのセットから主要なポリマーまたは化学物質が決定され、この主要なポリマー／化学物質の対応する割合は、ｄｖとして格納される。主要な成分名がＣファイルと比較されて、対応するネット一致スコア値を取得し、ベクトル９０８を生成する（図９）。次に、完全な特徴ベクトルを、ｄｖ、特徴ベクトル９０６（略してＰベクトル）、および特徴ベクトル９０８（略してＣベクトル）をスタックすることによって形成する。
【0087】
図１１に、この手順を概略図１１００として示す。特に、特徴ベクトル９０６および特徴ベクトル９０８は、製品９００に関する情報から導出される。上述したように、この製品の支配的な成分の対応する割合ｄｖが得られる。図１１において、ｄｖが９７の値をとる。完全な特徴ベクトル１１０２は、ｄｖ、特徴ベクトル９０６、および特徴ベクトル９０８を連結することによって形成される。いくつかの実施形態では、要素の異なるセットまたは要素の順序を使用し得る。
【0088】
Ｃ．トレーニングおよびテスト
ＨＳコード分類を実行するために実装された機械学習アルゴリズムは、ランダムフォレスト分類器である。モデルは、最初にデータのサブセット（トレーニングデータとして知られる）を使用してトレーニングされ、次にデータの別の見えない（またはテストする）サブセットで検証される。このセクションでは、ランダムフォレスト分類器をトレーニングするために実装された実験セットアップについて簡単に説明する。簡単にするために、ＨＳコードの最初の４桁（ＨＳ４コード）を予測するＨＳ４分類タスクについて説明する。
ＨＳコード分類を実行するために実装された機械学習アルゴリズムは、ランダムフォレスト分類器である。モデルは、最初にデータのサブセット（トレーニングデータとして知られる）を使用してトレーニングされ、次にデータの別の見えない（またはテストする）サブセットで検証される。このセクションでは、ランダムフォレスト分類器をトレーニングするために実装された実験セットアップについて簡単に説明する。簡単にするために、ＨＳコードの最初の４桁（ＨＳ４コード）を予測するＨＳ４分類タスクについて説明する。
【0089】
所与のクラス（例えば３９０１）について、そのクラスラベル（例えば３９０１）に対応するＨＳ４コードを持つ製品のリストがデータベースから抽出される。クラスラベル３９０１の場合、このリストはＬ３９０１によって示され、Ｌ３９０１
ｔｒａｉｎとＬ３９０１
ｔｅｓｔとの２つのサブセットに分割される。Ｌ３９０１
ｔｒａｉｎには、トレーニングデータが含まれ、Ｌ３９０１
ｔｅｓｔには、テストデータが含まれる。トレーニングデータセットとテストデータセットにそれぞれ存在するトレーニングデータポイントとテストデータポイントの数は、６／４、７／３、８／２、９／１などに設定することができるトレイン／テスト比によって制御される。以下の結果の場合、７／３の比が使用された。この比は、サブセットＬ３９０１
ｔｒａｉｎが全データの約７０％であり、Ｌ３９０１
ｔｅｓｔが全データの約３０％であることを示す。他のクラスのトレーニングサブセットとテストサブセットは、同様の方法で生成される。これらのトレーニングサブセットとテストサブセット（Ｌｃ
ｔｒａｉｎとＬｃ
ｔｅｓｔ、ここでｃ＝３９０１，３９０２，３９０３，．．．，３９１４）がマージされて、最終的なトレーニングセッとテストセットであるＬｃ
ｔｒａｉｎとＬｃ
ｔｅｓｔが形成される。
【0090】
次に、ランダムフォレスト分類器がＬｃ
ｔｒａｉｎでトレーニングされる。結果として得られた分類器はセットＬｃ
ｔｅｓｔでテストされる。この分類器の精度は次のように計算される。
式中、ｎｃｏｒｒｅｃｔは、テストデータＬｃ
ｔｅｓｔ（すなわち、ランダムフォレスト分類器からの予測クラスラベルがデータベースに記録されている実際のクラスラベルと一致したデータポイント）の正しく分類されたデータポイントの数であり、ｎｔｅｓｔは、テストデータポイントの総数である。
【数10】
【0091】
Ｄ．予備的な結果
毎回異なるテストデータおよびトレーニングデータを使用して、１０回のランダム実験を実行した。これらの実験の平均精度スコアは、ＨＳ４分類タスク（目標がＨＳコードの最初の４桁を予測することである場合）、ＨＳ６分類タスク（目標がＨＳコードの最初の６桁を予測することである場合）、およびＨＳ１０分類タスク（目標がＨＳコードの最初の１０桁を予測することである場合）について報告された。分類タスクでそれを考慮するために、特定のクラス（すなわち、ＨＳコードプレフィックス）に少なくとも１０個の製品があるという制約が課された。データベース内の１０未満の製品のクラスは実験から除外された。つまり、このクラスのデータポイントはトレーニングセットでもテストセットでも使用されなかった。ＨＳ４、ＨＳ６、ＨＳ１０分類タスクの結果を、以下の表５に提供する。
毎回異なるテストデータおよびトレーニングデータを使用して、１０回のランダム実験を実行した。これらの実験の平均精度スコアは、ＨＳ４分類タスク（目標がＨＳコードの最初の４桁を予測することである場合）、ＨＳ６分類タスク（目標がＨＳコードの最初の６桁を予測することである場合）、およびＨＳ１０分類タスク（目標がＨＳコードの最初の１０桁を予測することである場合）について報告された。分類タスクでそれを考慮するために、特定のクラス（すなわち、ＨＳコードプレフィックス）に少なくとも１０個の製品があるという制約が課された。データベース内の１０未満の製品のクラスは実験から除外された。つまり、このクラスのデータポイントはトレーニングセットでもテストセットでも使用されなかった。ＨＳ４、ＨＳ６、ＨＳ１０分類タスクの結果を、以下の表５に提供する。
【表5】
【0092】
Ｅ．事後分析：フェーズ１
表５からわかるように、ＨＳコードプレフィックスのより長いバージョンを予測している間、精度スコアは一貫して低下した。このような傾向の理由の１つは、低桁の予測（ＨＳ４）から高桁の予測（ＨＳ６、ＨＳ１０）に移行する間に、各クラスのデータ量（すなわち、データポイント／製品の数）が減少することである。例えば、ＨＳ４コードが３９０１の製品が１００個あったとする。これらの１００個の製品は、３９０１見出し内で次の分布を持つことができる。３０個の製品はＨＳ６コード３９０１１０を持つことができ、３０個は３９０１２０を持つことができ、２０個は３９０１３０を持つことができ、２０個は３９０１９０を持つことができる。したがって、ＨＳ４分類タスクと比較して、ＨＳ６分類タスクの各クラスの製品は大幅に少なくなる。ＨＳ１０分類タスクの状況は悪化する。
表５からわかるように、ＨＳコードプレフィックスのより長いバージョンを予測している間、精度スコアは一貫して低下した。このような傾向の理由の１つは、低桁の予測（ＨＳ４）から高桁の予測（ＨＳ６、ＨＳ１０）に移行する間に、各クラスのデータ量（すなわち、データポイント／製品の数）が減少することである。例えば、ＨＳ４コードが３９０１の製品が１００個あったとする。これらの１００個の製品は、３９０１見出し内で次の分布を持つことができる。３０個の製品はＨＳ６コード３９０１１０を持つことができ、３０個は３９０１２０を持つことができ、２０個は３９０１３０を持つことができ、２０個は３９０１９０を持つことができる。したがって、ＨＳ４分類タスクと比較して、ＨＳ６分類タスクの各クラスの製品は大幅に少なくなる。ＨＳ１０分類タスクの状況は悪化する。
【0093】
それに加えて、データベースで提供された情報は、一部のＨＳ６およびＨＳ１０コードを予測するのに十分ではなかった。データベースには、ＨＳ６およびＨＳ１０コードを一意に割り当てるために必要な重要な製品機能（比重、弾性など）に関する情報が不足していた。この欠落している情報を処理する方法については、後で説明する。
【0094】
本明細書の実施形態は、階層的でハイブリッドな方法で分類を実行することによって、これらの予備的な結果の欠点に対処する。最初に、ＨＳ４分類が上記のように発生し、次に一連のエキスパートルールを使用して、ＨＳ６および／またはＨＳ１０分類の残りの数字を決定論的に予測する。ＨＳ６またはＨＳ１０コードの予測の成功は、ＨＳ４コード予測の精度に依存するため、ＨＳ４コードを予測するための分類精度をできるだけ高くすることが望ましい。ＨＳ４コードを予測するための全体的な分類精度９５％を達成するという目標が設定された。
【0095】
精度の点で人間のパフォーマンスを向上させることができる自動分類ツールを開発するために、ＨＳコード割り当ての分野の専門家からいくつかの洞察を得ることが役立つ。例えば、専門家はルールおよび／またはマッピングを使用して、新製品に適切なＨＳコードを提供し得る。これらのルールおよび／またはマッピングの調査は、特定のＨＳコードに関連する一意の属性とキーワードを決定するのに役立つ。これにより、様々なＨＳコードのＰファイルやＣファイルに新しい単語が追加された。
【0096】
図１０Ａに示すように、擬似コード１０００を使用してネット一致スコア値を計算することができる。いくつかの実施形態では、各単語のＰファイルまたはＣファイルに同等の重要性を与えることができる。これは、より少ない回数で現れるいくつかの単語に対して、図８ＡのＴｐファイルにしばしば現れたものと同じ重み（または強調）を与えられたことを意味する。ただし、ＰファイルまたはＣファイル内で頻繁に出現する単語の関連性が高くなることが予想される。したがって、ＰファイルまたはＣファイル中の各単語には、その出現頻度に基づいて重みを割り当てることができ、頻度カウントが高い単語には、より高い重み値が割り当てられる。
【0097】
そのような重み値をＰファイルまたはＣファイル中の単語に割り当てるための手順１２００を図１２Ａに示す。特に、その中の各単語には、単語の頻度および／または分類における単語の重要性に関する専門家からの入力に基づいて、１～１０の重み値が割り当てられる。重みが関連付けられた単語のリスト１２０２の例を図１２Ｂに示す。
【0098】
サンプル数が少ないクラスでオーバーサンプリングを実行することで、別の改善を行うことができる。これは、提供されたデータベース内のデータの分布が大きく偏っていたためであり、一部のクラスには数百の製品があり、他のクラスには数十の製品しかなかった。これは、より多くのデータを持つクラスにさらに重点を置くことにより、トレーニングフェーズ中にバイアスを課す。このバイアスを補うために、オーバーサンプリングのＳＭＯＴＥ法が使用された。ＳＭＯＴＥオーバーサンプリング法は、既知のデータポイントの周囲に合成データポイントを生成する。合成データポイントは、既存のセットから２つのデータポイントをランダムに選択し、次に、以前に選択した２つのデータポイントを接続する線分上のランダムなポイントを選択することによって生成される。このプロセスは、データポイントの総数が目的の値と一致するまで繰り返される。本明細書の実施形態では、この所望の値は、最大（ｓｉｚｅ（Ｌｃ
ｔｒａｉｎ））に設定され、ここで、ｃ＝３９０１，３９０２，３９０３，．．．，３９１４であり、ｓｉｚｅ（Ｌｃ
ｔｒａｉｎ）は、セットＬｃ
ｔｒａｉｎ内のデータポイントの数である。オーバーサンプリングは、すべてのクラスで同数のトレーニングサンプルを持つために、各Ｌｃ
ｔｒａｉｎセットで実行され得る。
【0099】
キーワードの加重セットを使用して製品名および／または成分名とＰファイルおよび／またはＣファイルとの間のネット一致スコアを計算するという更新されたアプローチにより、ＨＳ４分類の精度スコアが８５．８２％から９１．６％に向上した。オーバーサンプリングの有無にかかわらずほぼ同じ結果が得られ、オーバーサンプリングがランダムフォレストベースの分類器のパフォーマンスにほとんど影響を与えなかったことを示唆している。また、製品ファイルから派生したベクトル（すなわち、Ｐベクトル）を抑制した後に実行された実験では、精度の低下は観察されなかった。これにより、製品ファイルから派生したベクトルは、分類タスクで無視できるほどの重要性を持っていることが明らかになった。言い換えれば、製品名からのテキスト情報は、ＨＳ４コードの予測にほとんどまたはまったく影響を与えなかった。これの考えられる理由の１つは、最初の１４の見出し（すなわち、３９０１～３９１４）について、ＨＳ４コードを予測するために必要なすべての情報が製品の成分名に埋め込まれていたことである。したがって、以下の実験では、製品ファイルから派生したベクトルは、製品の完全な特徴ベクトル表現から削除された。
【0100】
Ｆ．事後分析：フェーズ２
ＨＳ４分類の全体的な精度スコア９１．６％は、上記の手法を使用して達成されたランダムフォレストベースの分類器で観測された最高のパフォーマンスであった。９５％以上の精度を目標として、さらに事後分析を実行した。特に、誤分類（すなわち、ランダムフォレストベースの分類器によって誤って分類された製品）の分析は、特徴ベクトル生成モジュールをさらに変更するための基盤として機能した。
ＨＳ４分類の全体的な精度スコア９１．６％は、上記の手法を使用して達成されたランダムフォレストベースの分類器で観測された最高のパフォーマンスであった。９５％以上の精度を目標として、さらに事後分析を実行した。特に、誤分類（すなわち、ランダムフォレストベースの分類器によって誤って分類された製品）の分析は、特徴ベクトル生成モジュールをさらに変更するための基盤として機能した。
【0101】
誤分類とは、誤って予測されたデータポイント（この場合は化学製品）であり、すなわち、予測されたＨＳコードがグラウンドトゥルースＨＳコードと一致しない。誤分類の分析は、アルゴリズム全体のボトルネックと特性を決定するのに役立つ。
【表6】
【0102】
表６は、分類器からの予測を実際のグラウンドトゥルース値と比較する混同行列の例を示している。この表には、２つのクラス（クラスＡとクラスＢ）があり、各クラスに合計１００の製品がある。混同行列の非対角要素は誤分類である。この例では、クラスＡに属する３０個の要素がクラスＢにあると予測され、実際にクラスＢにある２個の要素がクラスＡにあると予測される。したがって、クラスＡは７０％の精度で予測され、クラスＢは９８％の精度で予測される。この場合、クラスＡに属する要素の予測の精度を向上させると、分類器の全体的なパフォーマンスを大幅に向上させることができる。
【0103】
図５に示すように、第３９類の１４個のＨＳ４コード小見出しに対してサイズ１４ｘ１４の混同行列が生成された。誤分類は、この混同行列を使用して体系的に分析され、次の４つのカテゴリに分類された：タイプ１（分類器によって誤って予測されたが、製品データベースで正しく分類された）、タイプ２（分類器によって正しく予測されたが、データベースで誤って分類された）、タイプ３（分類器によって誤って予測され、データベースで誤って分類された）、およびタイプ４（情報が不完全または欠落している製品）。
【0104】
データベースで誤って分類された製品は、誤った分類ロジックで誤って導くことにより、分類器開発のトレーニングフェーズに影響を与えた。一方、状況によっては、分類器は、データベースで誤って分類された製品のＨＳ４コードを正しく予測できた。したがって、分類器は誤りを検知し、データベースの可能な修正を提案することが可能である。
【0105】
情報が不完全または欠落している製品では、特徴ベクトルの表現があいまいであった。これらの製品は通常、支配的なモノマーとその割合に関する情報を欠いていた。
【0106】
上記の４つのカテゴリの中で、焦点を当てるべき重要な領域は、データベースで正しく分類された製品を分類器が誤って予測したカテゴリであった。このカテゴリに該当する製品を分析したところ、それらの成分名が特定のパターンに従っていることが観察された。
【0107】
これにより、正規表現に基づく成分名のパターンマッチングアプローチが実現した。パターンベースの特徴抽出は、少数のパターンのみを使用して製品の完全なファミリをターゲットにする可能性があるため、一致するキーワードや成分名よりも一般的である。例えば、化学名が文字「ｅｎｅ」で終わるオレフィンクラスの化学物質は、正規表現「＊ｅｎｅ」（＊は任意の長さのテキスト文字列に一致することができる）で表すことができる。
【0108】
以下は、特定の化学ファミリに使用されるパターンと、開発されたこれらのパターンを表す対応する規則式のリストである。オレフィン（「ｅｎｅ」で終わる単語）、ポリオール（単語の末尾の「ｏｌ」、単語内の「ｏｘｙ」＋「ｅｎｅ」の組み合わせ、またはオレフィン＋「ｏｘｉｄｅ」の組み合わせ）、エステル（「ａｔｅ」で終わる単語または「ａｃｉｄ」＋ポリオールの組み合わせの存在）。
【0109】
正規表現ベースの特徴抽出のもう１つの利点は、特定のパターンに対して高いバイアスを作成できることであり、これにより、化学名の一意の特徴抽出が容易になる。この考えは、次の例からよりよく理解することができる。
【0110】
小見出し３９０２には、主要な／支配的な成分としてオレフィンを含む製品が含まれている。実際には、すべてのオレフィン名の完全なリストを作成し、かつそれらをＣファイルに格納して３９０２の小見出しとして単語のバッグとして格納することはできない。文献から、オレフィンは１つ以上の炭素－炭素二重結合を持つ炭化水素であり、それらの名前は通常「ｅｎｅ」という文字で終わることが知られている。したがって、前述のように、オレフィンベースの化学成分の名前のほとんどを表す正規表現の１つは「＊ｅｎｅ」である。
【0111】
小見出し３９０２のＣファイルには、「プロペン」と「ブテン」の２つの単語のみが含まれ、正規表現は含まれていないと想定する。主要な成分として「プロパン」を含む新製品がある場合、この製品は、小見出し３９０２のＣファイルとの文字列類似性の一致スコア（またはネット一致スコア）値が高くなる（「プロペン」という単語の存在のため）。一方、支配的な成分として「ヘキセン」を含む製品は、小見出し３９０２のＣファイルとの文字列類似性の一致スコアが比較的低くなる。したがって、「プロパン」ベースの化合物は、「ヘキセン」を成分として含む化合物よりも、ＨＳ４コード３９０２として分類される可能性が高くなる。
【0112】
この状況は、正規表現「＊ｅｎｅ」を使用し、正規表現ベースのパターンマッチングを実行することで改善することができる。「ヘキセン」という単語の正規表現パターン一致スコアは１（すなわち、１００％一致）であり、「プロパン」という単語の正規表現パターン一致スコアは０（すなわち、一致なし）である。正規表現ベースのパターン一致スコアをより強調するために、図１０Ａの正味一致スコアを計算する際に、その値に１０００の重みを掛けた。このようにして、正規表現（＊ｅｎｅ）ベースの特徴抽出により、オレフィンベースの製品の大部分が、オレフィンを主成分とする製品から分離される。
【0113】
特に、製品の特徴ベクトル表現は同じであった。追加されたのは、Ｃファイルに正規表現が含まれていることであった。製品の支配的な成分名がＣファイルの正規表現と一致した場合、ネット一致スコア値を１０００ずつ増加させた。支配的な成分の名前を正規表現パターンと比較した後、図１０Ｂに示すように、そのパターン一致スコア（０または１のいずれか）に最初に重み値１０００を掛けて、ネット一致スコア値に次のように追加した。
【0114】
いくつかの誤分類については、同一の支配的な成分を持つ製品が異なるＨＳ４コードを持っていることが観察された。例えば、エテンプロペンコポリマーは、ＨＳ４コード３９０１および３９０２の製品の支配的な成分として現れた。このあいまいさに対処し、一意のＨＳ４コードを取得するための決定的なパラメータは、コモノマー比であった。現在の例では、エタンが優勢である場合（すなわち、全体的なエタン含有量がプロペンの含有量よりも多い場合）、ＨＳ４コードは３９０１になり、そうでない場合は３９０２になる。したがって、コモノマー比に関する総合的な情報は、データベースに記載されているＨＳ４コードが正しいことを前提として提供された。例えば、データベースのＨＳ４コードが３９０１の場合、エテン含有量は手動で５０％より大きい値に設定された。
【0115】
上記の変更を組み込んだ後、各ＨＳ４コードで得られた精度、およびＨＳ４コードごとに使用されたデータポイントの数を表７に示す。
【表7】
【0116】
ランダムフォレスト分類器は、検討中の各クラスに０．０～１．０の信頼スコアを割り当てる。所与の製品の予測クラスは、最大の信頼スコアを持つクラスである。現在の製品データベースでは、すべての実験で、予測クラスの信頼スコアが他のすべてのクラスの信頼スコアよりもかなり高いことが観察された（少なくとも０．５のマージンよりも大きい）。このため、分類器からの最終出力は、所与の製品に対して１つの一意のＨＳ４コードのみを提案する。
【0117】
ただし、複数のＨＳ４コードを提案する手順は、提案されたフレームワークに組み込むことができる。分類器からの出力は、ＨＳ４コードとそれに対応する信頼スコアのリストであり、２段階のフィルタを通過する。フィルタの第１段階は、信頼スコアがユーザ指定の閾値ＴＡよりも大きいＨＳ４コードにフラグを立てる。フラグが立てられたこれらのＨＳ４コードは、次に、最大信頼スコア値のＴＢマージン内の信頼スコア値を有するＨＳ４コードが最終候補であるフィルタの第２段階を通過する。これらの最終候補のＨＳ４コードとそれに対応する信頼スコア値は、分類器からの最終出力として機能する。
【0118】
Ｇ．ＨＳ６およびＨ１０分類の予測
ＨＳ４コードの予測は、ランダムフォレスト手法に基づいて自動生成された決定木を使用して行われた。ランダムフォレスト分類器は、トレーニングデータでトレーニングされ、分離した個別のテストデータでテストされ得る。５桁目以降のＨＳコードの分類は、エキスパートツリーを使用して行うことができる。
ＨＳ４コードの予測は、ランダムフォレスト手法に基づいて自動生成された決定木を使用して行われた。ランダムフォレスト分類器は、トレーニングデータでトレーニングされ、分離した個別のテストデータでテストされ得る。５桁目以降のＨＳコードの分類は、エキスパートツリーを使用して行うことができる。
【0119】
エキスパートツリーは、専門家の知識を使用して開発されたカスタムコード化された決定木である。それらツリーは、ノードで複雑なルールを持つことができる。所与のＨＳ４コード内で（すなわち、ＨＳ４コードが予測されると）、完全なＨＳコードの他の数字を決定するための明確な一連のルールがある。これらのルールは通常、比重、弾性、粘度などの化学的性質に基づいており、本質的に２値である。
【0120】
例えば、ＨＳ４コードが３９０１の場合、ＨＳ６コードを３９０１１０にするか３９０１２０にするかを決定するには、製品の比重を確認する必要がある（表４を参照）。比重が０．９４未満の場合、製品のＨＳ６コードは３９０１１０になり、それ以外の場合、ＨＳ６コードは３９０１２０になる。ＨＳコードの４桁を超える上位桁を予測する場合の考慮事項は比較的少なく、ほとんどのケース／クラスは互いに簡単に区別できる。
【0121】
したがって、ＨＳ４コードの分類が正しければ、ＨＳコードの数字を１００％正確に予測することができる。また、ルールは専門家の知識とＷＣＯノートから事前に決定されているため、エキスパートツリーはデータドリブンではない（すなわち、モデル開発のためのトレーニングデータは必要ない）。カスタムコード化されたエキスパートルールのもう１つの利点は、変更が簡単なことである。４桁を超えるＨＳコードは定期的に更新することができ、これにより、一部のＨＳコードのルールが変更されるので、この側面は重要になる可能性がある。例えば、ＨＳコードの最初の６桁は５年ごとに改訂される。データに依存せず、カスタムコード化されているため、エキスパートツリーは新しいルールに適応するのに十分な適合性を備えている。
【0122】
これに加えて、クエリベースのシステムもエキスパートツリーに統合される。図１３のフローチャート１３００は、ハイブリッドＨＳ４分類器およびエキスパートツリーシステムと組み合わせて使用されるクエリを示している。状況によっては、ＣＡＳ番号をエキスパートルールで使用して、ＨＳ１０コードを直接決定する。その他のケースでは、エキスパートルール予測を行うのに十分な情報がない場合、システムはユーザにクエリを実行し得る。クエリベースのシステムは、一連のガイド付き質問を通じて体系的に追加情報を収集するように設計された。例えば、製品の比重がわからないがＨＳ６分類に必要な場合、システムはユーザからの入力としてこの情報を要求し得る。
【0123】
上記のように、製品データベースには典型的には、４桁を超える分類を実行し、完全なＨＳコードを予測するために必要な情報（例えば、比重、コモノマー比、弾性など）が不足している。したがって、概念を検証し、エキスパートツリーベースのシステムをテストするために、製品データベースにすでに分類されている製品のＨＳコードが正しいという仮定の下で、合成情報が人為的に生成された。例えば、製品データベースで製品にＨＳ６コード３９０１１０が割り当てられている場合、比重は０．９４未満であると見なされる。製品データベースは比重に関する情報を提供していなかったため、ＨＳ６コードが３９０１１０のすべての製品に０．９４未満のランダムな値を割り当てることにより、この情報を手動で提供することができる。この情報を使用して、ＨＳコードが不明な他の製品のＨＳコードを予測することができる。
【0124】
図１４は、全体的な分類手順の概要を提供する図１４００である。製品情報は、ＨＳ４コードを予測するためのランダムフォレストへの入力として使用される。ＨＳ４コードが決定されると、製品情報はＨＳ１０コードの残りの６桁を予測するために使用される。これは、エキスパートツリーベースのシステムを使用して行われる。エキスパートツリーは、ｉｆ－ｅｌｓｅステートメントに基づくシーケンシャルロジックを備えたカスタムコードツリーである。提供された製品情報において固有のＨＳ１０コードを決定するための重要な情報が不足している場合、エキスパートシステムはクエリベースのインターフェースを使用して追加の入力を求める。システムはまた、情報が不足しているために１つだけに収束できない場合に、取り得るＨＳ１０コードのリストを提案する。
【0125】
例として、小見出し３９０１の下の製品について考えてみる。ランダムフォレスト分類器がＨＳ４コードを正しく予測できたと仮定する。次の２桁を決定するための（すなわち、６桁のＨＳ６コードを生成するための）小見出し３９０１に続く階層を以下に示す。
【0126】
３９０１１０：比重が０．９４未満のポリエチレン。
【0127】
３９０１２０：比重０．９４以上のポリエチレン。
【0128】
３９０１３０：エチレン－酢酸ビニルコポリマー。
【0129】
３９０１４０：比重が０．９４未満のエチレン－アルファ－オレフィンコポリマー。
【0130】
３９０１９０：その他。
【0131】
エキスパートツリーの最初のレベルは、入力としてエチレン含有量を求める。提供された値は、ＨＳ６コードのリストをさらに、エチレン含有量が９５％以上の３９０１１０および３９０１２０と、エチレン含有量が９５％未満の３９０１３０、３９０１４０、および３９０１９０と、の２つのカテゴリに分割する。エチレン含有量の情報が欠落している場合、エキスパートツリーはユーザにエチレン含有量の入力を求めるクエリメッセージを生成する。情報が利用できない場合、エキスパートツリーは最初の４桁が３９０１であるすべてのＨＳ１０コードを出力として提供する。
【0132】
製品のエチレン含有量が９５％を超えることがわかっているとする。前述のように、これにより、ＨＳ６コードで３９０１１０と３９０１２０の２つのケースが取り得ることになる。次に、エキスパートツリーシステムが製品の比重を確認する。比重の値が０．９４より大きい場合、エキスパートツリーはＨＳ６コードを３９０１２０と予測し、そうでない場合、エキスパートツリーはＨＳ６コードを３９０１１０と予測する。
【0133】
製品の比重が０．９８であるとすると、エキスパートツリーはそれにＨＳ６コード３９０１２０を割り当てる。次に、３９０１２０１０００（相対粘度が１．４４以上の製品の場合）と３９０１２０５０００（その他の製品の場合）という、２つの取り得るＨＳ１０コードがある。製品データベースに相対粘度に関する情報が欠落している場合は、ユーザ提供の入力として相対粘度の値を求めるクエリが生成される。相対粘度の情報が利用できない状況では、エキスパートツリーは最終出力として両方のＨＳ１０コード（３９０１２０１００および３９０１２０５０００）で終了する。
【0134】
エキスパートツリーがＨＳ１０コードを予測するために必要な特徴は、製品分類に使用されるロジックパスによって異なる。上記のテスト例では、求められた特徴は、ポリエチレン含有量、比重、および相対粘度であった（パスは３９０１～３９０１２０～３９０１２０１０００であった）。製品にＨＳコード３９０２２０１０００がある場合、エキスパートツリーが時系列で求める機能は、（１）ＨＳ６コードを決定するためのプロピレン含有量およびイソブチレン含有量と、（２）ＨＳ１０コードを決定するための弾性度（エラストマーかどうか）である。
【0135】
製品分類プロセス全体の別のビューを図１５の図１５００に示す。製品は第３９類にあり、ポリマーベースであるとする。特徴抽出段階では、製品レシピに関して提供された情報（すなわち、化学成分とそれに対応する割合のリスト）を利用して、特徴ベクトルを生成する。最終的な出力は、完全な１０桁のＨＳコード、または推奨されるＨＳコードのリストのいずれかになる。
【表8】
【0136】
分類プロセスの全体的な精度を表８に示す。ＨＳ６コードおよびＨＳ１０コードの予測精度は、ＨＳ４分類が行われた後に計算され、正しいと見なされる。
【0137】
これらの結果から、機械学習ベースの自律システムが高精度のＨＳコード分類を実行できることが明らかである。ここでのアプローチは、混同行列を体系的に分析することにより、製品データベースの異常を感知するメカニズムとしても機能する。このアプローチは一般的であるため、そのバリエーションを使用して、ハーモナイズド関税スケジュールコードの他の類のＨＳコード分類、または製品またはサービスの任意の形式のコードへの分類に使用することができる。
【0138】
Ｖ．例示的な動作
図１６～１９は、例示的な実施形態を示すフローチャートである。図１６～１９に示されるプロセスは、コンピューティングデバイス１００などのコンピューティングデバイス、および／またはサーバクラスタ２００などのコンピューティングデバイスのクラスタによって実行され得る。ただし、プロセスは他のタイプのデバイスまたはデバイスサブシステムによって実行することができる。例えば、プロセスは、ラップトップやタブレットデバイスなどのポータブルコンピュータで実行することができる。
図１６～１９は、例示的な実施形態を示すフローチャートである。図１６～１９に示されるプロセスは、コンピューティングデバイス１００などのコンピューティングデバイス、および／またはサーバクラスタ２００などのコンピューティングデバイスのクラスタによって実行され得る。ただし、プロセスは他のタイプのデバイスまたはデバイスサブシステムによって実行することができる。例えば、プロセスは、ラップトップやタブレットデバイスなどのポータブルコンピュータで実行することができる。
【0139】
図１６～１９の実施形態は、そこに示されている特徴のうちのいずれか１つ以上を除去することによって簡略化され得る。さらに、これらの実施形態は、前の図のいずれかの特徴、態様、および／または実装と組み合わせることができるか、または本明細書に説明されている。
【0140】
図１６のフローチャートは、ハイブリッド機械学習分類器のトレーニングに向けられ得る。したがって、ブロック１６００は、メモリから、関税コードマッピングのセットおよびサフィックスマッピングのそれぞれのセットを取得することであって、関税コードマッピングのセットが、化学成分の記述と関税コードとの間のものであり、関税コードは、関税コードプレフィックスおよび関税コードサフィックスを含み、各関税コードプレフィックスは、化学成分の記述に関する特性と関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットに関連付けられている、取得することを含み得る。
【0141】
ブロック１６０２は、関税コードプレフィックスの各それぞれのプレフィックスについて、関税コードマッピングのセットから、それぞれのプレフィックスにマッピングされる化学成分の記述中の化学成分の名前を含む成分ファイルを生成することを含み得る。
【0142】
ブロック１６０４は、化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分を決定することと、（ｉｉ）それぞれの記述中の他の化学成分と比較した主要な化学成分の割合を決定することと、（ｉｉｉ）成分ファイルの各それぞれのファイルについて、それぞれの記述中の単語とそれぞれのファイル中の単語との間の編集距離を決定することによって、それぞれの記述の類似性スコアを計算することと、（ｉｖ）主要な化学成分と類似性スコアとの割合から、それぞれの記述の特徴ベクトルを生成することと、を含み得る。
【0143】
ブロック１６０６は、それぞれの記述の特徴ベクトルを入力として、かつそれぞれの記述の関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることを含み得る。
【0144】
ブロック１６０８は、関税コードプレフィックスの各それぞれのプレフィックスについて、それぞれのプレフィックスのサフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、化学成分の記述に関する特性に関連付けられたエキスパートツリーの渡り歩き（ｔｒａｖｅｒｓａｌ）が、サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、ハイブリッド機械学習分類器が、ランダムフォレストとエキスパートツリーとを使用して関税コードを予測する、構築することを含み得る。
【0145】
いくつかの実施形態では、メモリは、実施形態を実行するコンピューティングデバイスから物理的に分離されたデータベースデバイス内に配置される。
【0146】
いくつかの実施形態では、関税コードはｎ桁の長さであり、関税コードのプレフィックスはｊ桁の長さであり、関税コードのサフィックスはｎ－ｊ桁の長さであり、ｊはｎ未満である。例えば、ｎは１０であり得、ｊは４であり得る。
【0147】
いくつかの実施形態では、関税コードプレフィックスは、ハーモナイズド関税スケジュールコードの単一の類によって定義される。
【0148】
いくつかの実施形態では、成分ファイルを生成することは、成分ファイルにおいて、それぞれのプレフィックスにマッピングされる化学成分の記述中の化学成分の名前を組み合わせることと、成分ファイルから句読点およびストップワードを削除することと、を含み得る。これらの実施形態では、成分ファイルを生成することは、成分ファイル中の単語のそれぞれの頻度をカウントすることと、閾値より大きいそれぞれの頻度で成分ファイル中の単語を選択することと、選択されていない単語を成分ファイルから削除することと、をさらに含み得る。
【0149】
いくつかの実施形態では、成分ファイル中の単語の少なくとも１つは、正規表現として表される。
【0150】
いくつかの実施形態では、編集距離を決定することは、それぞれの記述中の単語とそれぞれのファイル中の単語との間の正規化されたレーベンシュタイン距離を計算することを含む。
【0151】
いくつかの実施形態では、類似性スコアは、編集距離の合計に基づいて計算される。
【0152】
【0153】
ブロック１７００は、メモリから、化学成分の記述と関税コードとの間の関税コードマッピングのセットを取得することであって、関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含む、取得することを含み得る。
【0154】
ブロック１７０２は、化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分の割合、および（ｉｉ）それぞれの記述と関税コードにそれぞれ関連付けられた単語のセットとの間の類似性スコアから、それぞれの記述の特徴ベクトルを生成することを含み得る。
【0155】
ブロック１７０４は、それぞれの記述の特徴ベクトルを入力として、かつそれぞれの記述の関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることを含み得る。
【0156】
ブロック１７０６は、関税コードプレフィックスの各それぞれのプレフィックスについて、それぞれの記述からそれぞれのプレフィックスの関税コードサフィックスへのそれぞれのエキスパートツリーマッピングを構築することを含み得、ハイブリッド機械学習分類器が、ランダムフォレストおよびエキスパートツリーを使用して関税コードを予測する。
【0157】
図１８のフローチャートは、トレーニング済みのハイブリッド機械学習分類器を使用することに向けられ得る。したがって、ブロック１８００は、化学成分の新しいセットを取得することを含み得、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器、および（ｉｉ）それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）へのアクセスが利用可能である。
【0158】
ブロック１８０２は、化学成分の新しいセットから、主要な化学成分を決定することを含み得る。
【0159】
ブロック１８０４は、化学成分の新しいセット中の他の化学成分と比較した主要な化学成分の割合を決定することを含み得る。
【0160】
ブロック１８０６は、複数の成分ファイルの各それぞれのファイルについて、化学成分の新しいセットを記述するために使用される単語とそれぞれのファイル中の単語との間の編集距離を決定することによって、化学成分の新しいセットの類似性スコアを計算することを含み得る。
【0161】
ブロック１８０８は、主要な化学成分の割合と類似性スコアから、化学成分の新しいセットの特徴ベクトルを生成することを含み得る。
【0162】
ブロック１８１０は、決定木分類器のランダムフォレストを特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することを含み得る。
【0163】
ブロック１８１２は、複数のエキスパートツリーから、予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することを含み得る。
【0164】
ブロック１８１４は、化学成分の新しいセットに関する特性に従う特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することを含み得る。
【0165】
ブロック１８１６は、予測関税コードプレフィックスと予測関税コードサフィックスを連結することによって、化学成分の新しいセットの関税コードを生成することを含み得る。
【0166】
いくつかの実施形態では、メモリは、実施形態を実行するコンピューティングデバイスから物理的に分離されたデータベースデバイス内に配置される。
【0167】
いくつかの実施形態では、関税コードはｎ桁の長さであり、関税コードのプレフィックスはｊ桁の長さであり、関税コードのサフィックスはｎ－ｊ桁の長さであり、ｊはｎ未満である。いくつかの実施形態では、ｎは１０であり得、ｊは４であり得る。
【0168】
いくつかの実施形態では、関税コードプレフィックスは、ハーモナイズド関税スケジュールコードの単一の類によって定義される。
【0169】
いくつかの実施形態では、化学成分の新しいセットの類似性スコアを計算することは、化学成分の新しいセットに関する単語を決定することと、決定された単語から句読点およびストップワードを削除することを含む。化学成分の新しいセットの類似性スコアを計算することは、決定された単語において頭字語を拡張することをさらに含み得る。
【0170】
いくつかの実施形態では、複数の成分ファイル中の単語の少なくとも１つは、正規表現として表される。
【0171】
いくつかの実施形態では、編集距離を決定することは、化学成分の新しいセットを記述するために使用される単語とそれぞれのファイル中の名前との間の正規化されたレーベンシュタイン距離を計算することを含む。
【0172】
いくつかの実施形態では、類似性スコアは、編集距離の合計に基づいて計算される。
【0173】
図１９のフローチャートは、トレーニング済みのハイブリッド機械学習分類器を使用することにも向けられ得る。したがって、図１８（または他の図）の文脈で説明されている追加特徴のいずれかを、図１９のフローチャートに適用し得る。
【0174】
ブロック１９００は、化学成分の新しいセットを取得することを含み得、コンピューティングデバイスが、ハイブリッド機械学習分類器へのアクセスを有し、ハイブリッド機械学習分類器が、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する。
【0175】
ブロック１９０２は、化学成分の新しいセットから、化学成分の新しいセット中の他の化学成分と比較した主要な化学成分の割合を決定することを含み得る。
【0176】
ブロック１９０４は、化学成分の新しいセットを記述するために使用される単語と関税コードプレフィックスに関連付けられた単語との間の編集距離を決定することによって、前化学成分の新しいセットの類似性スコアを計算することを含み得る。
【0177】
ブロック１９０６は、主要な化学成分の割合と類似性スコアから、化学成分の新しいセットの特徴ベクトルを生成することを含み得る。
【0178】
ブロック１９０８は、予測関税コードを取得することを含み得、予測関税コードの予測関税コードプレフィックスが、決定木分類器のランダムフォレストを特徴ベクトルに適用することによって決定され、予測関税コードの予測関税コードサフィックスが、化学成分の新しいセットに関する特性に従う特定のエキスパートツリーを渡り歩くことによって決定され、特定のエキスパートツリーが、予測関税コードプレフィックスに関連付けられている。
【0179】
ＶＩ．追加の実施形態
前述のように、本明細書で説明するハイブリッドアプローチは、ＨＳコード以外の分類タスクに適用することができる。その点で、図２０は、品目をＨＳコード２０００、危険物コード２００２、および輸出管理分類番号コード（ＥＣＣＮ）２００４に分類するために使用できる情報を示している。特に、この情報はこれらの様々なタイプのコード間で類似しており、上記のフレームワークをより広く適応できることを示唆している。例えば、ランダムフォレスト技術とエキスパートツリー技術との同様の組み合わせを使用して、様々な製品の危険物コードおよび／またはＥＣＣＮコードを予測することができる。
前述のように、本明細書で説明するハイブリッドアプローチは、ＨＳコード以外の分類タスクに適用することができる。その点で、図２０は、品目をＨＳコード２０００、危険物コード２００２、および輸出管理分類番号コード（ＥＣＣＮ）２００４に分類するために使用できる情報を示している。特に、この情報はこれらの様々なタイプのコード間で類似しており、上記のフレームワークをより広く適応できることを示唆している。例えば、ランダムフォレスト技術とエキスパートツリー技術との同様の組み合わせを使用して、様々な製品の危険物コードおよび／またはＥＣＣＮコードを予測することができる。
【0180】
その点を説明するために、図２１は、ＥＣＣＮコードの例示的な決定木２１００を示している。この決定木は、例えば表４の情報とは異なり、エキスパートツリーとして使用することができる。
【0181】
ＶＩＩ．結論
本開示は、様々な態様の例示として意図されている、本出願に説明される特定の実施形態に関して限定されるべきではない。当業者には明らかであるように、その範囲から逸脱することなく、多くの修正および変形を行うことができる。本明細書で説明されたものに加えて、本開示の範囲内の機能的に同等の方法および装置は、前述の説明から当業者には明らかであろう。そのような修正および変形は、添付の特許請求の範囲内に入ることが意図されている。
本開示は、様々な態様の例示として意図されている、本出願に説明される特定の実施形態に関して限定されるべきではない。当業者には明らかであるように、その範囲から逸脱することなく、多くの修正および変形を行うことができる。本明細書で説明されたものに加えて、本開示の範囲内の機能的に同等の方法および装置は、前述の説明から当業者には明らかであろう。そのような修正および変形は、添付の特許請求の範囲内に入ることが意図されている。
【0182】
上記の詳細な説明は、添付の図を参照して、開示されたシステム、デバイス、および方法の様々な特徴および動作を説明している。本明細書および図に記載されている例示的な実施形態は、限定することを意味するものではない。本明細書に提示される主題の範囲から逸脱することなく、他の実施形態を利用することができ、他の変更を行うことができる。本明細書に概して説明され、図に示される本開示の態様は、多種多様な異なる構成で配置、置換、結合、分離、および設計され得ることが容易に理解されよう。
【0183】
図中のメッセージフロー図、シナリオ、およびフローチャートのいずれかまたはすべてに関して、本明細書で説明するように、各ステップ、ブロック、および／または通信は、例示的な実施形態に従って情報の処理および／または情報の送信を表すことができる。代替の実施形態は、これらの例示的な実施形態の範囲内に含まれる。これらの代替の実施形態では、例えば、ステップ、ブロック、送信、通信、要求、応答、および／またはメッセージとして記述される動作は、関連する機能に依存して、実質的に同時を含む、示されるまたは論じられるものとは異なる順番で、または逆の順番で、実行することができる。さらに、より多くのまたはより少ないブロックおよび／または動作を、本明細書で論じられるメッセージフロー図、シナリオ、およびフローチャートのいずれかと共に使用することができ、これらのメッセージフロー図、シナリオ、およびフローチャートは、部分的にまたは全体的に互いに組み合わせることができる。
【0184】
情報の処理を表すステップまたはブロックは、本明細書で説明する方法または技法の特定の論理機能を実行するように構成することができる回路に対応することができる。代替的または追加的に、情報の処理を表すステップまたはブロックは、モジュール、セグメント、またはプログラムコードの一部（関連データを含む）に対応することができる。プログラムコードは、方法または技法において特定の論理演算またはアクションを実装するためにプロセッサによって実行可能な１つ以上の命令を含むことができる。プログラムコードおよび／または関連データは、ＲＡＭ、ディスクドライブ、ソリッドステートドライブ、または別の記憶媒体を含む記憶装置などの任意のタイプのコンピュータ可読媒体に記憶することができる。
【0185】
コンピュータ可読媒体はまた、レジスタメモリおよびプロセッサキャッシュのような短期間データを格納するコンピュータ可読媒体などの非一時的なコンピュータ可読媒体を含むことができる。コンピュータ可読媒体は、プログラムコードおよび／またはデータをより長期間保存する非一時的なコンピュータ可読媒体をさらに含むことができる。したがって、コンピュータ可読媒体は、例えば、ＲＯＭ、光または磁気ディスク、ソリッドステートドライブ、コンパクトディスク読み取り専用メモリ（ＣＤ－ＲＯＭ）のような二次的または永続的な長期間ストレージを含み得る。コンピュータ可読媒体はまた、他の任意の揮発性または不揮発性記憶システムとすることができる。コンピュータ可読媒体は、例えば、コンピュータ可読記憶媒体、または有形記憶デバイスと見なすことができる。
【0186】
さらに、１つ以上の情報送信を表すステップまたはブロックは、同じ物理デバイス内のソフトウェアおよび／またはハードウェアモジュール間の情報送信に対応することができる。ただし、他の情報送信は、異なる物理デバイスのソフトウェアモジュールおよび／またはハードウェアモジュール間で行うことができる。
【0187】
図に示されている特定の配置は、限定的なものと見なされるべきではない。他の実施形態は、所与の図に示される各要素の多かれ少なかれを含むことができることを理解されたい。さらに、図示された要素のいくつかは、組み合わせたり、省略したりすることができる。さらに、例示的な実施形態は、図に示されていない要素を含むことができる。
【0188】
様々な態様および実施形態が本明細書に開示されているが、他の態様および実施形態は当業者には明らかであろう。本明細書に開示される様々な態様および実施形態は、例示を目的とするものであり、限定することを意図するものではなく、真の範囲は、以下の特許請求の範囲によって示される。
本出願の発明の例として、以下のものが挙げられる。
[１] ハイブリッド機械学習分類器をトレーニングするためのシステムであって、
（ｉ）化学成分の記述と関税コードとの間の関税コードマッピングのセットであって、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含む、関税コードマッピングのセットと、（ｉｉ）前記関税コードプレフィックスのそれぞれについて、前記化学成分の記述に関する特性と前記関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットと、を含む、メモリと、
コンピューティングデバイスであって、
前記メモリから、前記関税コードマッピングのセットおよび前記サフィックスマッピングのそれぞれのセットを取得することと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記関税コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記化学成分の記述中の化学成分の名前を含む成分ファイルを生成することと、
前記化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分を決定することと、（ｉｉ）前記それぞれの記述中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、（ｉｉｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記それぞれの記述の類似性スコアを計算することと、（ｉｖ）前記主要な化学成分の前記割合および前記類似性スコアから、前記それぞれの記述の特徴ベクトルを生成することと、
前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記それぞれのプレフィックスの前記サフィックスマッピングのセットから各それぞれのエキスパートツリーマッピングを構築することであって、前記化学成分の記述に関する前記特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、前記ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記関税コードを予測する、構築することと、を行うように構築された、コンピューティングデバイスと、を備える、システム。
[２] 前記メモリが、前記コンピューティングデバイスから物理的に分離されたデータベースデバイス内に配置されている、請求項１に記載のシステム。
[３] 前記関税コードがｎ桁の長さであり、前記関税コードプレフィックスがｊ桁の長さであり、前記関税コードサフィックスがｎ－ｊ桁の長さであり、ｊがｎ未満である、上記[１]に記載のシステム。
[４] ｎが１０であり、ｊが４である、上記[３]に記載のシステム。
[５] 前記関税コードプレフィックスが、ハーモナイズド関税スケジュールコードの単一の類によって定義される、上記[１]に記載のシステム。
[６] 前記成分ファイルを生成することが、
前記成分ファイル内で、前記それぞれのプレフィックスにマッピングされている前記化学成分の記述中の化学成分の前記名前を組み合わせることと、
前記成分ファイルから、句読点とストップワードを削除することと、を含む、上記[１]に記載のシステム。
[７] 前記成分ファイルを生成することが、
前記成分ファイル中の前記単語のそれぞれの頻度をカウントすることと、
それぞれの頻度が閾値よりも大きい、前記成分ファイル中の前記単語を選択することと、
選択されていなかった単語を、前記成分ファイルから削除することと、をさらに含む、上記[６]に記載のシステム。
[８] 前記成分ファイル中の前記単語のうちの少なくとも１つが正規表現として表される、上記[１]に記載のシステム。
[９] 前記編集距離を決定することが、前記それぞれの記述中の前記単語と前記それぞれのファイル中の前記単語との間の正規化されたレーベンシュタイン距離を計算することを含む、上記[１]に記載のシステム。
[１０] 前記類似性スコアが、前記編集距離の合計に基づいて計算される、上記[１]に記載のシステム。
[１１] コンピュータ実装方法であって、
コンピューティングデバイスによっておよびメモリから、関税コードマッピングのセットおよびサフィックスマッピングのそれぞれのセットを取得することであって、前記関税コードマッピングのセットが、化学成分の記述と関税コードとの間のものであり、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含み、各関税コードプレフィックスが、前記化学成分の記述に関する特性と前記関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットに関連付けられている、取得することと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記コンピューティングデバイスによっておよび前記関税コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記化学成分の記述中の化学成分の名前を含む成分ファイルを生成することと、
前記化学成分の記述の各それぞれの記述について、前記コンピューティングデバイスであって、（ｉ）主要な化学成分を決定することと、（ｉｉ）前記それぞれの記述中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、（ｉｉｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって前記それぞれの記述の類似性スコアを計算することと、（ｉｖ）前記主要な化学成分の前記割合および前記類似性スコアから、前記それぞれの記述の特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記コンピューティングデバイスによって、前記それぞれのプレフィックスの前記サフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、前記化学成分の記述に関する前記特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記関税コードを予測する、構築することと、を含む、コンピュータ実装方法。
[１２] コンピューティングデバイスによる実行時に、前記コンピューティングデバイスに動作を実行させるプログラム命令を格納した、非一時的なコンピュータ可読媒体を含む製造品であって、前記動作が、
メモリから、関税コードマッピングのセットおよびサフィックスマッピングのそれぞれのセットを取得することであって、前記関税コードマッピングのセットが、化学成分の記述と関税コードとの間のものであり、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含み、各関税コードプレフィックスが、前記化学成分の記述に関する特性と前記関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットに関連付けられている、取得することと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記関税コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記化学成分の記述中の化学成分の名前を含む成分ファイルを生成することと、
前記化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分を決定することと、（ｉｉ）前記それぞれの記述中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、（ｉｉｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記それぞれの記述の類似性スコアを計算することと、（ｉｖ）前記主要な化学成分の前記割合および前記類似性スコアから、前記それぞれの記述の特徴ベクトルを生成することと、
前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記それぞれのプレフィックスの前記サフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、前記化学成分の記述に関する前記特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、前記ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記関税コードを予測する、構築することと、を含む、製造品。
[１３] コンピューティングデバイスであって、
プロセッサと、
メモリと、
前記メモリに格納された、前記プロセッサによる実行時に前記コンピューティングデバイスに動作を実行させるプログラム命令であって、前記動作が、
前記メモリから、関税コードマッピングのセットおよびサフィックスマッピングのそれぞれのセットを取得することであって、前記関税コードマッピングのセットが、化学成分の記述と関税コードとの間のものであり、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含み、各関税コードプレフィックスが、前記化学成分の記述に関する特性と前記関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットに関連付けられている、取得することと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記関税コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記化学成分の記述中の化学成分の名前を含む成分ファイルを生成することと、
前記化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分を決定することと、（ｉｉ）前記それぞれの記述中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、（ｉｉｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記それぞれの記述の類似性スコアを計算することと、（ｉｖ）前記主要な化学成分と前記類似性スコアとの割合から、前記それぞれの記述の特徴ベクトルを生成することと、
前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記それぞれのプレフィックスの前記サフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、前記化学成分の記述に関する前記特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、前記ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記関税コードを予測することと、を含む、プログラム命令と、を備える、コンピューティングデバイス。
[１４] コンピュータ実装方法であって、
コンピューティングデバイスによっておよびメモリから、化学成分の記述と関税コードとの間の関税コードマッピングのセットを取得することであって、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含む、取得することと、
前記化学成分の記述の各それぞれの記述について、前記コンピューティングデバイスによって、（ｉ）主要な化学成分の割合、および（ｉｉ）前記それぞれの記述と前記関税コードにそれぞれ関連付けられた単語のセットとの間の類似性スコアから、前記それぞれの記述の特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記コンピューティングデバイスによって、前記それぞれの記述から前記それぞれのプレフィックスの前記関税コードサフィックスへのそれぞれのエキスパートツリーマッピングを構築することであって、ハイブリッド機械学習分類器が、前記ランダムフォレストおよび前記エキスパートツリーを使用して前記関税コードを予測する、構築することと、を含む、コンピュータ実装方法。
[１５] システムであって、
（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、前記それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、を含むメモリと、
コンピューティングデバイスであって、
化学成分の新しいセットを取得することと、
前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
決定木分類器のランダムフォレストを特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記化学成分の新しいセットに関する特性に従って前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を行うように構成された、コンピューティングデバイスと、を備える、システム。
[１６] 前記メモリが、前記コンピューティングデバイスから物理的に分離されたデータベースデバイス内に配置されている、上記[１５]に記載のシステム。
[１７] 前記関税コードがｎ桁の長さであり、前記関税コードプレフィックスがｊ桁の長さであり、前記関税コードサフィックスがｎ－ｊ桁の長さであり、ｊがｎ未満である、上記[１５]に記載のシステム。
[１８] ｎが１０であり、ｊが４である、請求項１７に記載のシステム。
[１９] 前記関税コードプレフィックスがハーモナイズド関税スケジュールコードの単一の類によって定義される、上記[１５]に記載のシステム。
[２０] 前記化学成分の新しいセットの前記類似性スコアを計算することが、
前記化学成分の新しいセットに関する単語を決定することと、
決定された前記単語から、句読点とストップワードを削除することと、を含む、上記[１５]に記載のシステム。
[２１] 前記化学成分の新しいセットの前記類似性スコアを計算することが、
決定された前記単語において頭字語を拡張することをさらに含む、上記[２０]に記載のシステム。
[２２] 前記複数の成分ファイル中の前記単語の少なくとも１つが正規表現として表されている、上記[１５]に記載のシステム。
[２３] 前記編集距離を決定することが、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の名前との間の正規化されたレーベンシュタイン距離を計算することを含む、上記[１５]に記載のシステム。
[２４] 前記類似性スコアが、前記編集距離の合計に基づいて計算される、上記[１５]に記載のシステム。
[２５] コンピュータ実装方法であって、
コンピューティングデバイスによって、化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、前記それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へアクセスする、取得することと、
前記コンピューティングデバイスによっておよび前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記コンピューティングデバイスによって、前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記コンピューティングデバイスによって、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記コンピューティングデバイスによって、前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、決定木分類器のランダムフォレストを前記特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記コンピューティングデバイスによっておよび前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記コンピューティングデバイスによって、前記化学成分の新しいセットに関する特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記コンピューティングデバイスによって、前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を含む、コンピュータ実装方法。
[２６] コンピューティングデバイスによる実行時に、前記コンピューティングデバイスに動作を実行させるプログラム命令を格納した、非一時的なコンピュータ可読媒体を含む製造品であって、前記動作が、
化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、前記それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へアクセスする、取得することと、
前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
決定木分類器のランダムフォレストを前記特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記化学成分の新しいセットに関する前記特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を含む、製造品。
[２７] コンピューティングデバイスであって、
プロセッサと、
メモリと、
前記メモリに格納された、前記プロセッサによる実行時にコンピューティングデバイスに動作を実行させるプログラム命令であって、前記動作が、
化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、前記それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へアクセスする、取得することと、
前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
決定木分類器のランダムフォレストを前記特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記化学成分の新しいセットに関する前記特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を含むプログラム命令と、を含む、コンピューティングデバイス。
[２８] コンピュータ実装方法であって、
コンピューティングデバイスによって、化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器へとアクセスする、取得することと、
前記コンピューティングデバイスによっておよび前記化学成分の新しいセットから、前記化学成分の新しいセット中の他の化学成分と比較した主要な化学成分の割合を決定することと、
前記コンピューティングデバイスによっておよび前記化学成分の新しいセットを記述するために使用される単語と関税コードプレフィックスに関連付けられた単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記コンピューティングデバイスによって、前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、予測関税コードを取得することであって、予測関税コードの予測関税コードプレフィックスが、決定木分類器のランダムフォレストを前記特徴ベクトルに適用することによって決定され、予測関税コードの予測関税コードサフィックスが、化学成分の新しいセットに関する特性に従って特定のエキスパートツリーを渡り歩くことによって決定され、特定のエキスパートツリーが、予測関税コードプレフィックスに関連付けられている、取得することと、を含む、コンピュータ実装方法。
[２９] ハイブリッド機械学習分類器をトレーニングするためのシステムであって、
（ｉ）品目の記述とコードとの間のコードマッピングのセットであって、前記コードが、コードプレフィックスおよびコードサフィックスを含む、コードマッピングのセットと、（ｉｉ）前記コードプレフィックスのそれぞれについて、前記品目の記述に関する特性と前記コードサフィックスとの間のサフィックスマッピングのそれぞれのセットと、を含む、メモリと、
コンピューティングデバイスであって、
前記メモリから、前記コードマッピングのセットおよび前記サフィックスマッピングのそれぞれのセットを取得することと、
前記コードプレフィックスの各それぞれのプレフィックスについて、前記コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記品目の記述中の成分の名前を含む成分ファイルを生成することと、
前記品目の記述の各それぞれの記述について、（ｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記それぞれの記述の類似度スコアを計算することと、（ｉｉ）前記類似スコアからそれぞれの記述の特徴ベクトルを生成することと、
前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記コードプレフィックスの各それぞれのプレフィックスについて、前記それぞれのプレフィックスの前記サフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、前記品目の記述に関する特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定のコードサフィックスにつながり、前記ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記コードを予測する、構築することと、を行うように構成された、コンピューティングデバイスと、を備える、システム。
[３０] システムであって、
（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルからコードサフィックスを予測し、かつ複数のエキスパートツリーを使用して（各コードプレフィックスに対して１つ）、前記それぞれのコードプレフィックスに関連付けられた成分に関する特性からコードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれのコードプレフィックスに関連付けられた成分の名前を含む複数の成分ファイル（各コードプレフィックスに対して１つ）と、を含むメモリと、
コンピューティングデバイスであって、
前記複数の成分ファイルの各それぞれのファイルについて、成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、成分の前記新しいセットの類似性スコアを計算することと、
前記類似スコアから、成分の前記新しいセットの特徴ベクトルを生成することと、
決定木分類器の前記ランダムフォレストを前記特徴ベクトルに適用することによって、予測コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
成分の前記新しいセットに関する特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測コードサフィックスを取得することと、
前記予測コードプレフィックスと前記予測コードサフィックスとを連結することによって、成分の前記新しいセットのコードを生成することと、を行う、コンピューティングデバイスと、を備える、システム。
本出願の発明の例として、以下のものが挙げられる。
[１] ハイブリッド機械学習分類器をトレーニングするためのシステムであって、
（ｉ）化学成分の記述と関税コードとの間の関税コードマッピングのセットであって、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含む、関税コードマッピングのセットと、（ｉｉ）前記関税コードプレフィックスのそれぞれについて、前記化学成分の記述に関する特性と前記関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットと、を含む、メモリと、
コンピューティングデバイスであって、
前記メモリから、前記関税コードマッピングのセットおよび前記サフィックスマッピングのそれぞれのセットを取得することと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記関税コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記化学成分の記述中の化学成分の名前を含む成分ファイルを生成することと、
前記化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分を決定することと、（ｉｉ）前記それぞれの記述中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、（ｉｉｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記それぞれの記述の類似性スコアを計算することと、（ｉｖ）前記主要な化学成分の前記割合および前記類似性スコアから、前記それぞれの記述の特徴ベクトルを生成することと、
前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記それぞれのプレフィックスの前記サフィックスマッピングのセットから各それぞれのエキスパートツリーマッピングを構築することであって、前記化学成分の記述に関する前記特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、前記ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記関税コードを予測する、構築することと、を行うように構築された、コンピューティングデバイスと、を備える、システム。
[２] 前記メモリが、前記コンピューティングデバイスから物理的に分離されたデータベースデバイス内に配置されている、請求項１に記載のシステム。
[３] 前記関税コードがｎ桁の長さであり、前記関税コードプレフィックスがｊ桁の長さであり、前記関税コードサフィックスがｎ－ｊ桁の長さであり、ｊがｎ未満である、上記[１]に記載のシステム。
[４] ｎが１０であり、ｊが４である、上記[３]に記載のシステム。
[５] 前記関税コードプレフィックスが、ハーモナイズド関税スケジュールコードの単一の類によって定義される、上記[１]に記載のシステム。
[６] 前記成分ファイルを生成することが、
前記成分ファイル内で、前記それぞれのプレフィックスにマッピングされている前記化学成分の記述中の化学成分の前記名前を組み合わせることと、
前記成分ファイルから、句読点とストップワードを削除することと、を含む、上記[１]に記載のシステム。
[７] 前記成分ファイルを生成することが、
前記成分ファイル中の前記単語のそれぞれの頻度をカウントすることと、
それぞれの頻度が閾値よりも大きい、前記成分ファイル中の前記単語を選択することと、
選択されていなかった単語を、前記成分ファイルから削除することと、をさらに含む、上記[６]に記載のシステム。
[８] 前記成分ファイル中の前記単語のうちの少なくとも１つが正規表現として表される、上記[１]に記載のシステム。
[９] 前記編集距離を決定することが、前記それぞれの記述中の前記単語と前記それぞれのファイル中の前記単語との間の正規化されたレーベンシュタイン距離を計算することを含む、上記[１]に記載のシステム。
[１０] 前記類似性スコアが、前記編集距離の合計に基づいて計算される、上記[１]に記載のシステム。
[１１] コンピュータ実装方法であって、
コンピューティングデバイスによっておよびメモリから、関税コードマッピングのセットおよびサフィックスマッピングのそれぞれのセットを取得することであって、前記関税コードマッピングのセットが、化学成分の記述と関税コードとの間のものであり、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含み、各関税コードプレフィックスが、前記化学成分の記述に関する特性と前記関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットに関連付けられている、取得することと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記コンピューティングデバイスによっておよび前記関税コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記化学成分の記述中の化学成分の名前を含む成分ファイルを生成することと、
前記化学成分の記述の各それぞれの記述について、前記コンピューティングデバイスであって、（ｉ）主要な化学成分を決定することと、（ｉｉ）前記それぞれの記述中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、（ｉｉｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって前記それぞれの記述の類似性スコアを計算することと、（ｉｖ）前記主要な化学成分の前記割合および前記類似性スコアから、前記それぞれの記述の特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記コンピューティングデバイスによって、前記それぞれのプレフィックスの前記サフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、前記化学成分の記述に関する前記特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記関税コードを予測する、構築することと、を含む、コンピュータ実装方法。
[１２] コンピューティングデバイスによる実行時に、前記コンピューティングデバイスに動作を実行させるプログラム命令を格納した、非一時的なコンピュータ可読媒体を含む製造品であって、前記動作が、
メモリから、関税コードマッピングのセットおよびサフィックスマッピングのそれぞれのセットを取得することであって、前記関税コードマッピングのセットが、化学成分の記述と関税コードとの間のものであり、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含み、各関税コードプレフィックスが、前記化学成分の記述に関する特性と前記関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットに関連付けられている、取得することと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記関税コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記化学成分の記述中の化学成分の名前を含む成分ファイルを生成することと、
前記化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分を決定することと、（ｉｉ）前記それぞれの記述中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、（ｉｉｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記それぞれの記述の類似性スコアを計算することと、（ｉｖ）前記主要な化学成分の前記割合および前記類似性スコアから、前記それぞれの記述の特徴ベクトルを生成することと、
前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記それぞれのプレフィックスの前記サフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、前記化学成分の記述に関する前記特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、前記ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記関税コードを予測する、構築することと、を含む、製造品。
[１３] コンピューティングデバイスであって、
プロセッサと、
メモリと、
前記メモリに格納された、前記プロセッサによる実行時に前記コンピューティングデバイスに動作を実行させるプログラム命令であって、前記動作が、
前記メモリから、関税コードマッピングのセットおよびサフィックスマッピングのそれぞれのセットを取得することであって、前記関税コードマッピングのセットが、化学成分の記述と関税コードとの間のものであり、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含み、各関税コードプレフィックスが、前記化学成分の記述に関する特性と前記関税コードサフィックスとの間のサフィックスマッピングのそれぞれのセットに関連付けられている、取得することと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記関税コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記化学成分の記述中の化学成分の名前を含む成分ファイルを生成することと、
前記化学成分の記述の各それぞれの記述について、（ｉ）主要な化学成分を決定することと、（ｉｉ）前記それぞれの記述中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、（ｉｉｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記それぞれの記述の類似性スコアを計算することと、（ｉｖ）前記主要な化学成分と前記類似性スコアとの割合から、前記それぞれの記述の特徴ベクトルを生成することと、
前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記それぞれのプレフィックスの前記サフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、前記化学成分の記述に関する前記特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定の関税コードサフィックスにつながり、前記ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記関税コードを予測することと、を含む、プログラム命令と、を備える、コンピューティングデバイス。
[１４] コンピュータ実装方法であって、
コンピューティングデバイスによっておよびメモリから、化学成分の記述と関税コードとの間の関税コードマッピングのセットを取得することであって、前記関税コードが、関税コードプレフィックスおよび関税コードサフィックスを含む、取得することと、
前記化学成分の記述の各それぞれの記述について、前記コンピューティングデバイスによって、（ｉ）主要な化学成分の割合、および（ｉｉ）前記それぞれの記述と前記関税コードにそれぞれ関連付けられた単語のセットとの間の類似性スコアから、前記それぞれの記述の特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記関税コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記関税コードプレフィックスの各それぞれのプレフィックスについて、前記コンピューティングデバイスによって、前記それぞれの記述から前記それぞれのプレフィックスの前記関税コードサフィックスへのそれぞれのエキスパートツリーマッピングを構築することであって、ハイブリッド機械学習分類器が、前記ランダムフォレストおよび前記エキスパートツリーを使用して前記関税コードを予測する、構築することと、を含む、コンピュータ実装方法。
[１５] システムであって、
（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、前記それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、を含むメモリと、
コンピューティングデバイスであって、
化学成分の新しいセットを取得することと、
前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
決定木分類器のランダムフォレストを特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記化学成分の新しいセットに関する特性に従って前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を行うように構成された、コンピューティングデバイスと、を備える、システム。
[１６] 前記メモリが、前記コンピューティングデバイスから物理的に分離されたデータベースデバイス内に配置されている、上記[１５]に記載のシステム。
[１７] 前記関税コードがｎ桁の長さであり、前記関税コードプレフィックスがｊ桁の長さであり、前記関税コードサフィックスがｎ－ｊ桁の長さであり、ｊがｎ未満である、上記[１５]に記載のシステム。
[１８] ｎが１０であり、ｊが４である、請求項１７に記載のシステム。
[１９] 前記関税コードプレフィックスがハーモナイズド関税スケジュールコードの単一の類によって定義される、上記[１５]に記載のシステム。
[２０] 前記化学成分の新しいセットの前記類似性スコアを計算することが、
前記化学成分の新しいセットに関する単語を決定することと、
決定された前記単語から、句読点とストップワードを削除することと、を含む、上記[１５]に記載のシステム。
[２１] 前記化学成分の新しいセットの前記類似性スコアを計算することが、
決定された前記単語において頭字語を拡張することをさらに含む、上記[２０]に記載のシステム。
[２２] 前記複数の成分ファイル中の前記単語の少なくとも１つが正規表現として表されている、上記[１５]に記載のシステム。
[２３] 前記編集距離を決定することが、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の名前との間の正規化されたレーベンシュタイン距離を計算することを含む、上記[１５]に記載のシステム。
[２４] 前記類似性スコアが、前記編集距離の合計に基づいて計算される、上記[１５]に記載のシステム。
[２５] コンピュータ実装方法であって、
コンピューティングデバイスによって、化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、前記それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へアクセスする、取得することと、
前記コンピューティングデバイスによっておよび前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記コンピューティングデバイスによって、前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記コンピューティングデバイスによって、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記コンピューティングデバイスによって、前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、決定木分類器のランダムフォレストを前記特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記コンピューティングデバイスによっておよび前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記コンピューティングデバイスによって、前記化学成分の新しいセットに関する特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記コンピューティングデバイスによって、前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を含む、コンピュータ実装方法。
[２６] コンピューティングデバイスによる実行時に、前記コンピューティングデバイスに動作を実行させるプログラム命令を格納した、非一時的なコンピュータ可読媒体を含む製造品であって、前記動作が、
化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、前記それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へアクセスする、取得することと、
前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
決定木分類器のランダムフォレストを前記特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記化学成分の新しいセットに関する前記特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を含む、製造品。
[２７] コンピューティングデバイスであって、
プロセッサと、
メモリと、
前記メモリに格納された、前記プロセッサによる実行時にコンピューティングデバイスに動作を実行させるプログラム命令であって、前記動作が、
化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、前記それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれの関税コードプレフィックスに関連付けられた化学成分の名前を含む複数の成分ファイル（各関税コードプレフィックスに対して１つ）と、へアクセスする、取得することと、
前記化学成分の新しいセットから、主要な化学成分を決定することと、
前記化学成分の新しいセット中の他の化学成分と比較した前記主要な化学成分の割合を決定することと、
前記複数の成分ファイルの各それぞれのファイルについて、前記化学成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
決定木分類器のランダムフォレストを前記特徴ベクトルに適用することによって、予測関税コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測関税コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
前記化学成分の新しいセットに関する前記特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測関税コードサフィックスを取得することと、
前記予測関税コードプレフィックスと前記予測関税コードサフィックスとを連結することによって、前記化学成分の新しいセットの関税コードを生成することと、を含むプログラム命令と、を含む、コンピューティングデバイス。
[２８] コンピュータ実装方法であって、
コンピューティングデバイスによって、化学成分の新しいセットを取得することであって、前記コンピューティングデバイスが、ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルから関税コードプレフィックスを予測し、かつ複数のエキスパートツリーを使用して（各関税コードプレフィックスに対して１つ）、それぞれの関税コードプレフィックスに関連付けられた化学成分に関する特性から関税コードサフィックスを予測する、ハイブリッド機械学習分類器へとアクセスする、取得することと、
前記コンピューティングデバイスによっておよび前記化学成分の新しいセットから、前記化学成分の新しいセット中の他の化学成分と比較した主要な化学成分の割合を決定することと、
前記コンピューティングデバイスによっておよび前記化学成分の新しいセットを記述するために使用される単語と関税コードプレフィックスに関連付けられた単語との間の編集距離を決定することによって、前記化学成分の新しいセットの類似性スコアを計算することと、
前記コンピューティングデバイスによって、前記主要な化学成分の前記割合と前記類似性スコアから、前記化学成分の新しいセットの特徴ベクトルを生成することと、
前記コンピューティングデバイスによって、予測関税コードを取得することであって、予測関税コードの予測関税コードプレフィックスが、決定木分類器のランダムフォレストを前記特徴ベクトルに適用することによって決定され、予測関税コードの予測関税コードサフィックスが、化学成分の新しいセットに関する特性に従って特定のエキスパートツリーを渡り歩くことによって決定され、特定のエキスパートツリーが、予測関税コードプレフィックスに関連付けられている、取得することと、を含む、コンピュータ実装方法。
[２９] ハイブリッド機械学習分類器をトレーニングするためのシステムであって、
（ｉ）品目の記述とコードとの間のコードマッピングのセットであって、前記コードが、コードプレフィックスおよびコードサフィックスを含む、コードマッピングのセットと、（ｉｉ）前記コードプレフィックスのそれぞれについて、前記品目の記述に関する特性と前記コードサフィックスとの間のサフィックスマッピングのそれぞれのセットと、を含む、メモリと、
コンピューティングデバイスであって、
前記メモリから、前記コードマッピングのセットおよび前記サフィックスマッピングのそれぞれのセットを取得することと、
前記コードプレフィックスの各それぞれのプレフィックスについて、前記コードマッピングのセットから、前記それぞれのプレフィックスにマッピングされる前記品目の記述中の成分の名前を含む成分ファイルを生成することと、
前記品目の記述の各それぞれの記述について、（ｉ）前記成分ファイルの各それぞれのファイルについて、前記それぞれの記述中の単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、前記それぞれの記述の類似度スコアを計算することと、（ｉｉ）前記類似スコアからそれぞれの記述の特徴ベクトルを生成することと、
前記それぞれの記述の前記特徴ベクトルを入力として、かつ前記それぞれの記述の前記コードプレフィックスを出力ラベルとして、決定木分類器のランダムフォレストをトレーニングすることと、
前記コードプレフィックスの各それぞれのプレフィックスについて、前記それぞれのプレフィックスの前記サフィックスマッピングのセットからそれぞれのエキスパートツリーマッピングを構築することであって、前記品目の記述に関する特性に従う前記エキスパートツリーの渡り歩きが、前記サフィックスマッピングのセットにおいて特定される特定のコードサフィックスにつながり、前記ハイブリッド機械学習分類器が、前記ランダムフォレストと前記エキスパートツリーとを使用して前記コードを予測する、構築することと、を行うように構成された、コンピューティングデバイスと、を備える、システム。
[３０] システムであって、
（ｉ）ハイブリッド機械学習分類器であって、決定木分類器のランダムフォレストを使用して、入力特徴ベクトルからコードサフィックスを予測し、かつ複数のエキスパートツリーを使用して（各コードプレフィックスに対して１つ）、前記それぞれのコードプレフィックスに関連付けられた成分に関する特性からコードサフィックスを予測する、ハイブリッド機械学習分類器と、（ｉｉ）前記それぞれのコードプレフィックスに関連付けられた成分の名前を含む複数の成分ファイル（各コードプレフィックスに対して１つ）と、を含むメモリと、
コンピューティングデバイスであって、
前記複数の成分ファイルの各それぞれのファイルについて、成分の新しいセットを記述するために使用される単語と前記それぞれのファイル中の単語との間の編集距離を決定することによって、成分の前記新しいセットの類似性スコアを計算することと、
前記類似スコアから、成分の前記新しいセットの特徴ベクトルを生成することと、
決定木分類器の前記ランダムフォレストを前記特徴ベクトルに適用することによって、予測コードプレフィックスを取得することと、
前記複数のエキスパートツリーから、前記予測コードプレフィックスに関連付けられた特定のエキスパートツリーを選択することと、
成分の前記新しいセットに関する特性に従う前記特定のエキスパートツリーを渡り歩くことによって、予測コードサフィックスを取得することと、
前記予測コードプレフィックスと前記予測コードサフィックスとを連結することによって、成分の前記新しいセットのコードを生成することと、を行う、コンピューティングデバイスと、を備える、システム。
【図1】
【図2】
【図3】
【図4A】
【図4B】
【図5】
【図6】
【図7】
【図8A】
【図8B】
【図8C】
【図9】
【図10A】
【図10B】
【図11】
【図12A】
【図12B】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
