进出口大数据的分析和决策方法、装置、设备及存储介质

技术领域

本发明涉及数据决策技术领域，尤其涉及一种进出口大数据的分析和决策方法、装置、设备及存储介质。

背景技术

近年来，在大力发展进出口贸易的基础上，由于进出口货物信息种类繁多，急需行之有效的方法对进出口货物进行管理，因此，越来越重视对进出口货物的管控，从而适应社会的发展。

但是，现阶段对进出口货物信息的管理主要依赖于近场数据，通过对进出口货物信息进行编码，得到相应的条码信息，根据条码信息进行货物管控，其管理方法过于单一，无法实现对进出口货物信息进行有效管控。

发明内容

本发明的主要目的在于提出一种进出口大数据的分析和决策方法、装置、设备及存储介质，旨在解决现有技术中无法对进出口货物信息进行有效管控的技术问题。

为实现上述目的，本发明提供一种进出口大数据的分析和决策方法，所述进出口大数据的分析和决策方法包括以下步骤：

获取进出口货物的编码信息；

根据所述进出口货物的编码信息进行关联处理，得到进出口货物的申报信息；

提取所述进出口货物的申报信息中的预设风险信息；

根据所述预设风险信息确定风险等级信息，并根据所述进出口货物的申报信息确定权重信息；

将所述风险等级信息以及所述权重信息通过风险预测模型进行预测，得到风险预测结果，并根据所述风险预测结果进行货物管控。

可选地，所述根据所述进出口货物的编码信息进行关联处理，得到进出口货物的申报信息，包括：

对所述进出口货物的编码信息进行解析，得到所述进出口货物的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息；

根据所述进出口货物的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息得到对应的处理终端信息；

与处理终端进行关联，得到所述处理终端中与所述进出口货物相关的货物信息；

根据所述进出口货物相关的货物信息得到所述进出口货物的申报信息。

可选地，所述对提取所述进出口货物的申报信息中的预设风险信息，包括：

获取预设关键字信息；

根据所述预设关键字信息对所述进出口货物的申报信息进行参数特征识别，得到所述申报信息中的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息以及物流运输信息；

将所述申报信息中的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息以及物流运输信息作为预设风险信息。

可选地，所述根据所述预设风险信息确定风险等级信息，包括：

获取所述制造商信息中的进口规模信息，并根据所述进口规模信息确定制造商风险等级信息；

获取所述国内进口商信息中的管理能力信息，并根据所述管理能力信息确定国内进口商等级信息；

获取所述申报代理方信息中的代理状况信息，并根据所述代理状况信息确定申报代理方等级信息；

获取所述符合性文件信息中的法规约束信息，并根据所述法规约束信息确定符合性文件等级信息；

获取所述物流运输信息中的事故调查信息，并根据所述事故调查信息确定物流运输等级信息；

根据所述制造商风险等级信息、国内进口商等级信息、申报代理方等级信息、符合性文件等级信息以及物流运输等级信息确定风险等级信息。

可选地，根据所述进出口货物的申报信息确定权重信息，包括：

根据所述进出口货物的申报信息确定进出口货物类型；

根据所述进出口货物类型确定区域风险信息、外汇风险信息、合同风险信息以及信用证风险信息；

将所述区域风险信息、外汇风险信息、合同风险信息以及信用证风险信息作为标定指标；

根据所述标定指标按照预设重要性级别进行标定，得到评分结果；

根据所述评分结果的平均值进行两两对比，得到指标判别矩阵；

根据所述指标判别矩阵确定权重信息。

可选地，所述根据所述指标判别矩阵确定权重信息之前，还包括：

根据所述标定指标得到标定数量；

根据所述指标判别矩阵以及所述标定数量得到矩阵最大特征值；

根据所述矩阵最大特征值以及标定数量得到矩阵一致性指标；

获取平均一致性指标，并根据所述平均一致性指标以及所述矩阵一致性指标得到相对一致性指标；

将所述相对一致性指标与预设阈值进行比较；

在所述相对一致性指标小于等于预设阈值时，执行根据所述指标判别矩阵确定权重信息的步骤。

可选地，所述将所述风险等级信息以及对应的权重信息通过风险预测模型进行风险预测，得到风险预测结果，包括：

获取监管关系方风险信息、产品风险信息以及监管方要求信息；

根据所述监管关系方风险信息、产品风险信息以及监管方要求信息建立与批次风险参数之间的第一风险预测模型；

根据所述风险等级信息中的制造商风险等级信息、进口方风险等级信息、代理方风险等级信息、符合性文件风险等级信息以及运输物流风险等级信息建立与监管关系方风险之间的第二风险预测模型；

根据所述风险等级信息中预定/预警式布控参数、产品某时间段内是否首次进口、产品类别风险参数、基础抽样率以及对应的权重信息建立与批次风险参数之间的第三风险预测模型；

通过所述第一风险预测模型、第二风险预测模型以及第三风险预测模型进行风险预测，得到风险预测结果。

此外，为实现上述目的，本发明还提出一种进出口大数据的分析和决策方法装置，所述进出口大数据的分析和决策方法装置包括：

获取模块，用于获取进出口货物的编码信息；

关联模块，用于根据所述进出口货物的编码信息进行关联处理，得到进出口货物的申报信息；

提取模块，用于提取所述进出口货物的申报信息中的预设风险信息；

所述获取模块，还用于根据所述预设风险信息确定风险等级信息，并根据所述进出口货物的申报信息确定权重信息；

预测模块，用于将所述风险等级信息以及所述权重信息通过风险预测模型进行预测，得到风险预测结果，并根据所述风险预测结果进行货物管控。

此外，为实现上述目的，本发明还提出一种设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的进出口大数据的分析和决策程序，所述进出口大数据的分析和决策程序配置为实现如上所述的进出口大数据的分析和决策方法。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有进出口大数据的分析和决策程序，所述进出口大数据的分析和决策程序被处理器执行时实现如上文所述的进出口大数据的分析和决策方法。

本发明提出的进出口大数据的分析和决策方法，通过获取进出口货物的编码信息；根据所述进出口货物的编码信息进行关联处理，得到进出口货物的申报信息；提取所述进出口货物的申报信息中的预设风险信息；根据所述预设风险信息确定风险等级信息，并根据所述进出口货物的申报信息确定权重信息；将所述风险等级信息以及所述权重信息通过风险预测模型进行预测，得到风险预测结果，并根据所述风险预测结果进行货物管控，从而对进出口货物的申报信息进行细化分析，得到对应的风险等级信息以及权重，实现更有效的数据分析以及决策，以对进出口货物信息进行有效管控。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的进出口大数据的分析和决策方法设备结构示意图；

图2为本发明进出口大数据的分析和决策方法第一实施例的流程示意图；

图3为本发明进出口大数据的分析和决策方法第二实施例的流程示意图；

图4为本发明进出口大数据的分析和决策方法一实施例的判别矩阵示意图；

图5为本发明进出口大数据的分析和决策方法装置第一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。

如图1所示，该设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如按键，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的进出口大数据的分析和决策方法设备结构并不构成对进出口大数据的分析和决策方法设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及进出口大数据的分析和决策方法程序。

在图1所示的进出口大数据的分析和决策方法设备中，网络接口1004主要用于连接服务器，与服务器进行数据通信；用户接口1003主要用于连接用户终端，与终端进行数据通信；本发明进出口大数据的分析和决策方法设备通过处理器1001调用存储器1005中存储的进出口大数据的分析和决策方法程序，并执行本发明实施例提供的进出口大数据的分析和决策方法。

基于上述硬件结构，提出本发明进出口大数据的分析和决策方法实施例。

参照图2，图2为本发明进出口大数据的分析和决策方法第一实施例的流程示意图。

在第一实施例中，所述进出口大数据的分析和决策方法包括以下步骤：

步骤S10，获取进出口货物的编码信息。

需要说明的是，本实施例的执行主体可为进出口大数据的分析和决策装置，进出口大数据的分析和决策装置设有进出口大数据的分析和决策方法程序，还可为其他可实现相同或相似功能的设备，本实施例对此不作限制，在本实施例中，以进出口货物服务器为例进行说明。

在本实施例中，进出口货物的编码可为EAC编码，还可为UPC编码，本实施例对此不做限制，在本实施例中，以EAC编码为例进行说明，例如包括前缀码信息、厂商识别代码信息、商品项目代码信息以及校验码信息，还可包括其他信息，本实施例对此不做限制。

在具体实现中，进出口货物信息还可布设在云端，在采集进出口货物信息时，将进出口货物信息发送至云服务器，通过云服务器实现对进出口货物的管理，其中，云服务器可基于大数据平台，通过大数据平台采集各种进出口货物，以实现对进出口货物的分析。

步骤S20，根据所述进出口货物的编码信息进行关联处理，得到进出口货物的申报信息。

可以理解的是，根据进出口货物的编码信息可得到对应的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息，即可根据厂商识别代码信息或商品项目代码信息进行查询，得到对应的数据信息，但是，为了根据代理信息查询得到对应的数据信息，需要与代码信息对应的查询设备进行交互，从而可根据代码信息查询到对应的数据信息，以提高数据的准确性。

在具体实现中，可根据代码信息确定需要查询的查询设备，与查询设备进行握手，从而与查询设备进行交互，在与查询设备进行交互时，可得到查询设备上相关的查询信息，将进出口货物的编码信息与查询信息进行数据整合，以对进出口货物的编码信息进行关联处理，得到进出口货物的申报信息，即进出口货物的申报信息为通过进出口货物的编码信息查询到的与进出口货物相关的所有货物信息，例如根据进出口货物的编码信息得到厂商识别代码信息，可根据厂商识别代码信息与厂商数据库进行通信，从而可得到除了进出口货物的编码信息之外的，可从厂商数据库中得到的，与当前进出口货物相关的其他信息，以扩展货物信息，实现数据的完整性。

步骤S30，提取所述进出口货物的申报信息中的预设风险信息。

在本实施例中，预设风险信息可包括进出口货物的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息、物流运输信息以及外汇信息，还可包括其他信息，本实施例对此不做限制，通过对进出口货物的申报信息进行关键字提取，得到进出口货物中的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息、物流运输信息以及外汇信息，对制造商信息、国内进口商信息、申报代理方信息、符合性文件信息、物流运输信息以及外汇信息进行分析，从而确定预设风险信息，以实现进出口货物的安全分析。

在具体实现中，例如在获取到进出口货物的制造商信息时，可通过对制造商的规模、诚信度以及用户评价得到制造商信息的风险评估，在获取到进出口货物的符合性文件信息时，可通过对符合性文件信息的条款信息以及是否有相关法规政策约束等信息进行风险评估，在获取到国内进口商信息时，可通过是否存在失信行为或验收、管理能力存在严重问题、是否存在因年进口批次或经营规模未达到要求没有纳入评定范围的或首次进口以及信用状况是否优秀，产品验收、管理能力是否强等方面进行风险评估，从而通过对申报进行细化分析，实现更准确的风险评估。

步骤S40，根据所述预设风险信息确定风险等级信息，并根据所述进出口货物的申报信息确定权重信息。

需要说明的是，风险等级信息可分为三个等级，例如风险等级1级、风险等级2级以及风险等级3级，还可进行更细化的划分，例如四级五级等，本实施例对此不作限制。

可以理解的是，由于各个进出口货物的申报信息中存在的风险信息影响的程度存在不同，为了保证分析的准确性，可根据进出口货物的申报信息进行分析，确定对应的权重信息，根据风险等级信息以及权重信息进行风险预测，例如外汇风险的权重为A％，合同风险的权重为B％以及信用证风险为C％等等，从而引入风险信息对应的权重与风险等级信息进行综合分析，保证风险预测的正确性。

步骤S50，将所述风险等级信息以及所述权重信息通过风险预测模型进行预测，得到风险预测结果，并根据所述风险预测结果进行货物管控。

在本实施例中，风险预测模型可为通过深度学习模型通过训练得到的，例如基于卷积神经网络进行训练得到的，还可通过其他形式的模型进行训练得到的，本实施例对此不做限制。

在具体实现中，可通过采集样本数据，其中，样本数据包括定义的风险等级、权重信息以及风险结果，通过定义的风险等级、权重信息以及风险结果进行训练得到风险预测模型，通过风险预测模型进行风险预测，但是，在对实际预测数据无法进行预测时，可对实际预测数据采用预测规则进行预测，得到预测结果，然后通过预测结果对风险预测模型进行更新，从而实现风险预测模型的实时更新，其中，预测规则可为对预测数据的风险指标进行评估和判别。

在本实施例中，通过获取进出口货物的编码信息；根据所述进出口货物的编码信息进行关联处理，得到进出口货物的申报信息；提取所述进出口货物的申报信息中的预设风险信息；根据所述预设风险信息确定风险等级信息，并根据所述进出口货物的申报信息确定权重信息；将所述风险等级信息以及所述权重信息通过风险预测模型进行预测，得到风险预测结果，并根据所述风险预测结果进行货物管控，从而对进出口货物的申报信息进行细化分析，得到对应的风险等级信息以及权重，实现更有效的数据分析以及决策，以对进出口货物信息进行有效管控。

在一实施例中，如图3所示，基于第一实施例提出本发明进出口大数据的分析和决策方法第二实施例，所述步骤S20，包括：

步骤S201，对所述进出口货物的编码信息进行解析，得到所述进出口货物的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息。

在本实施例中，可通过将进出口货物的编码信息与预设关键字进行比较，得到进出口货物的编码信息中的预设编码信息，根据预设编码信息查询代码映射表，得到对应的进出口货物的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息，其中，区域代码信息可为国家代码信息，还可为地区代码信息，本实施例对此不做限制。

步骤S202，根据所述进出口货物的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息得到对应的处理终端信息。

在具体实现中，处理终端信息可为管理数据的服务器，例如厂商信息对应的厂商服务器，商品项目代码信息对应的商品厂商的服务器，还可为其他形式的处理终端信息，根据所述进出口货物的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息得到对应的数据存储终端，从而可通过数据存储终端得到与当前进出口货物数据相关的其他数据，以实现数据的扩展。

步骤S203，与处理终端进行关联，得到所述处理终端中与所述进出口货物相关的货物信息。

在本实施例中，例如根据进出口货物I的厂商识别代码信息A，得到对应的厂商服务器B，根据厂商服务器B得到与进出口货物I相关的其他信息C，从而实现数据的扩展。

为了实现根据进出口货物的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息得到对应的处理终端信息，可根据代码信息查询服务器标签表，通过服务器标签表得到对应的服务器标签信息，以通过服务器标签信息定位对应的处理终端，但是，还可通过其他方式进行处理终端的识别，例如MAC地址或者IP地址等，本实施例对此不做限制。

步骤S204，根据所述进出口货物相关的货物信息得到所述进出口货物的申报信息。

在一实施例中，所述步骤S30，包括：

为了进行风险信息识别，通过获取预设关键字信息；根据所述预设关键字信息对所述进出口货物的申报信息进行参数特征识别，得到所述申报信息中的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息以及物流运输信息；将所述申报信息中的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息以及物流运输信息作为预设风险信息。

在本实施例中，预设关键字信息可为“制造商”、“进口商”、“文件”以及“运输”等，从而通过预设关键字信息进行风险信息的识别，还可包括其他形式的关键字信息，本实施例对此不做限制。

具体实现中，通过获取所述制造商信息中的进口规模信息，并根据所述进口规模信息确定制造商风险等级信息；获取所述国内进口商信息中的管理能力信息，并根据所述管理能力信息确定国内进口商等级信息；获取所述申报代理方信息中的代理状况信息，并根据所述代理状况信息确定申报代理方等级信息；获取所述符合性文件信息中的法规约束信息，并根据所述法规约束信息确定符合性文件等级信息；获取所述物流运输信息中的事故调查信息，并根据所述事故调查信息确定物流运输等级信息；根据所述制造商风险等级信息、国内进口商等级信息、申报代理方等级信息、符合性文件等级信息以及物流运输等级信息确定风险等级信息。

在一实施例中，根据所述进出口货物的申报信息确定权重信息，包括：

根据所述进出口货物的申报信息确定进出口货物类型；根据所述进出口货物类型确定区域风险信息、外汇风险信息、合同风险信息以及信用证风险信息；将所述区域风险信息、外汇风险信息、合同风险信息以及信用证风险信息作为标定指标；根据所述标定指标按照预设重要性级别进行标定，得到评分结果；根据所述评分结果的平均值进行两两对比，得到指标判别矩阵；根据所述指标判别矩阵确定权重信息。

在具体实现中，区域风险信息、外汇风险信息、合同风险信息以及信用证风险信息分别用B1、B2、B3以及B4表示。得到判别矩阵，例如图4所示的判别矩阵示意图，根据判别矩阵中各元素的矩阵得到各行元素的乘积M

其中，b

根据M

对

即w

在一实施例中，根据所述指标判别矩阵确定权重信息之前，还包括：

根据所述标定指标得到标定数量；根据所述指标判别矩阵以及所述标定数量得到矩阵最大特征值；根据所述矩阵最大特征值以及标定数量得到矩阵一致性指标；获取平均一致性指标，并根据所述平均一致性指标以及所述矩阵一致性指标得到相对一致性指标；将所述相对一致性指标与预设阈值进行比较；在所述相对一致性指标小于等于预设阈值时，执行根据所述指标判别矩阵确定权重信息的步骤。

在具体实现中，矩阵一致性指标为CI，平均一致性指标RI，平均一致性指标CR；

其中，λ

其中，BW表示判别矩阵。

通过以上公式(一)、公式(二)以及公式(三)得到相对一致性指标，其中，预设阈值可为0.1，还可为其他参数，本实施例对此不做限制。

在本实施例中，根据所述标定指标得到标定数量；根据所述指标判别矩阵以及所述标定数量得到矩阵最大特征值；根据所述矩阵最大特征值以及标定数量得到矩阵一致性指标；获取平均一致性指标，并根据所述平均一致性指标以及所述矩阵一致性指标得到相对一致性指标；将所述相对一致性指标与预设阈值进行比较，从而验证权重信息的正确性。

在一实施例中，所述步骤S50，包括：

获取监管关系方风险信息、产品风险信息以及监管方要求信息。根据所述监管关系方风险信息、产品风险信息以及监管方要求信息建立与批次风险参数之间的第一风险预测模型。

在本实施例中，第一风险预测模型为：

R(w)＝∫L(y,f(x,ω))dF(x,y)；

其中，F(x,y)表示两个概率，f(x,ω)表示一组函数，R(ω)表示f(x,ω)求出一个最优函数f(x,ω)预测的期望风险。

根据所述风险等级信息中的制造商风险等级信息、进口方风险等级信息、代理方风险等级信息、符合性文件风险等级信息以及运输物流风险等级信息建立与监管关系方风险之间的第二风险预测模型。根据所述风险等级信息中预定/预警式布控参数、产品某时间段内是否首次进口、产品类别风险参数、基础抽样率以及对应的权重信息建立与批次风险参数之间的第三风险预测模型。通过所述第一风险预测模型、第二风险预测模型以及第三风险预测模型进行风险预测，得到风险预测结果，其中，第二风险预测模型以及第三风险预测模型为输入的参数不同，采用的模型相同。

在本实施例中，通过第一风险预测模型、第二风险预测模型以及第三风险预测模型进行风险预测，得到风险预测结果，从而通过结合多个模型进行预测，提高预测的准确性。

本发明进一步提供一种进出口大数据的分析和决策装置。

参照图5，图5为本发明进出口大数据的分析和决策装置第一实施例的功能模块示意图。

本发明进出口大数据的分析和决策装置第一实施例中，该进出口大数据的分析和决策装置包括：

获取模块10，用于获取进出口货物的编码信息。

在本实施例中，进出口货物的编码可为EAC编码，还可为UPC编码，本实施例对此不做限制，在本实施例中，以EAC编码为例进行说明，例如包括前缀码信息、厂商识别代码信息、商品项目代码信息以及校验码信息，还可包括其他信息，本实施例对此不做限制。

在具体实现中，进出口货物信息还可布设在云端，在采集进出口货物信息时，将进出口货物信息发送至云服务器，通过云服务器实现对进出口货物的管理，其中，云服务器可基于大数据平台，通过大数据平台采集各种进出口货物，以实现对进出口货物的分析。

关联模块20，用于根据所述进出口货物的编码信息进行关联处理，得到进出口货物的申报信息。

可以理解的是，根据进出口货物的编码信息可得到对应的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息，即可根据厂商识别代码信息或商品项目代码信息进行查询，得到对应的数据信息，但是，为了根据代理信息查询得到对应的数据信息，需要与代码信息对应的查询设备进行交互，从而可根据代码信息查询到对应的数据信息，以提高数据的准确性。

在具体实现中，可根据代码信息确定需要查询的查询设备，与查询设备进行握手，从而与查询设备进行交互，在与查询设备进行交互时，可得到查询设备上相关的查询信息，将进出口货物的编码信息与查询信息进行数据整合，以对进出口货物的编码信息进行关联处理，得到进出口货物的申报信息，即进出口货物的申报信息为通过进出口货物的编码信息查询到的与进出口货物相关的所有货物信息，例如根据进出口货物的编码信息得到厂商识别代码信息，可根据厂商识别代码信息与厂商数据库进行通信，从而可得到除了进出口货物的编码信息之外的，可从厂商数据库中得到的，与当前进出口货物相关的其他信息，以扩展货物信息，实现数据的完整性。

提取模块30，用于用于提取所述进出口货物的申报信息中的预设风险信息。

在本实施例中，预设风险信息可包括进出口货物的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息、物流运输信息以及外汇信息，还可包括其他信息，本实施例对此不做限制，通过对进出口货物的申报信息进行关键字提取，得到进出口货物中的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息、物流运输信息以及外汇信息，对制造商信息、国内进口商信息、申报代理方信息、符合性文件信息、物流运输信息以及外汇信息进行分析，从而确定预设风险信息，以实现进出口货物的安全分析。

在具体实现中，例如在获取到进出口货物的制造商信息时，可通过对制造商的规模、诚信度以及用户评价得到制造商信息的风险评估，在获取到进出口货物的符合性文件信息时，可通过对符合性文件信息的条款信息以及是否有相关法规政策约束等信息进行风险评估，在获取到国内进口商信息时，可通过是否存在失信行为或验收、管理能力存在严重问题、是否存在因年进口批次或经营规模未达到要求没有纳入评定范围的或首次进口以及信用状况是否优秀，产品验收、管理能力是否强等方面进行风险评估，从而通过对申报进行细化分析，实现更准确的风险评估。

所述获取模块10，还用于根据所述预设风险信息确定风险等级信息，并根据所述进出口货物的申报信息确定权重信息。

需要说明的是，风险等级信息可分为三个等级，例如风险等级1级、风险等级2级以及风险等级3级，还可进行更细化的划分，例如四级五级等，本实施例对此不作限制。

可以理解的是，由于各个进出口货物的申报信息中存在的风险信息影响的程度存在不同，为了保证分析的准确性，可根据进出口货物的申报信息进行分析，确定对应的权重信息，根据风险等级信息以及权重信息进行风险预测，例如外汇风险的权重为A％，合同风险的权重为B％以及信用证风险为C％等等，从而引入风险信息对应的权重与风险等级信息进行综合分析，保证风险预测的正确性。

预测模块40，用于将所述风险等级信息以及所述权重信息通过风险预测模型进行预测，得到风险预测结果，并根据所述风险预测结果进行货物管控。

在本实施例中，风险预测模型可为通过深度学习模型通过训练得到的，例如基于卷积神经网络进行训练得到的，还可通过其他形式的模型进行训练得到的，本实施例对此不做限制。

在具体实现中，可通过采集样本数据，其中，样本数据包括定义的风险等级、权重信息以及风险结果，通过定义的风险等级、权重信息以及风险结果进行训练得到风险预测模型，通过风险预测模型进行风险预测，但是，在对实际预测数据无法进行预测时，可对实际预测数据采用预测规则进行预测，得到预测结果，然后通过预测结果对风险预测模型进行更新，从而实现风险预测模型的实时更新，其中，预测规则可为对预测数据的风险指标进行评估和判别。

在本实施例中，通过获取进出口货物的编码信息；根据所述进出口货物的编码信息进行关联处理，得到进出口货物的申报信息；提取所述进出口货物的申报信息中的预设风险信息；根据所述预设风险信息确定风险等级信息，并根据所述进出口货物的申报信息确定权重信息；将所述风险等级信息以及所述权重信息通过风险预测模型进行预测，得到风险预测结果，并根据所述风险预测结果进行货物管控，从而对进出口货物的申报信息进行细化分析，得到对应的风险等级信息以及权重，实现更有效的数据分析以及决策，以对进出口货物信息进行有效管控。

在一实施例中，所述关联模块20，还用于对所述进出口货物的编码信息进行解析，得到所述进出口货物的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息；

根据所述进出口货物的区域代码信息、厂商识别代码信息、商品项目代码信息以及校验码信息得到对应的处理终端信息；

与处理终端进行关联，得到所述处理终端中与所述进出口货物相关的货物信息；

根据所述进出口货物相关的货物信息得到所述进出口货物的申报信息。

在一实施例中，所述关联模块30，还用于所述对提取所述进出口货物的申报信息中的预设风险信息，包括：

获取预设关键字信息；

根据所述预设关键字信息对所述进出口货物的申报信息进行参数特征识别，得到所述申报信息中的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息以及物流运输信息；

将所述申报信息中的制造商信息、国内进口商信息、申报代理方信息、符合性文件信息以及物流运输信息作为预设风险信息。

在一实施例中，所述获取模块10，还用于获取所述制造商信息中的进口规模信息，并根据所述进口规模信息确定制造商风险等级信息；

获取所述国内进口商信息中的管理能力信息，并根据所述管理能力信息确定国内进口商等级信息；

获取所述申报代理方信息中的代理状况信息，并根据所述代理状况信息确定申报代理方等级信息；

获取所述符合性文件信息中的法规约束信息，并根据所述法规约束信息确定符合性文件等级信息；

获取所述物流运输信息中的事故调查信息，并根据所述事故调查信息确定物流运输等级信息；

根据所述制造商风险等级信息、国内进口商等级信息、申报代理方等级信息、符合性文件等级信息以及物流运输等级信息确定风险等级信息。

在一实施例中，所述获取模块10，还用于根据所述进出口货物的申报信息确定进出口货物类型；

根据所述进出口货物类型确定区域风险信息、外汇风险信息、合同风险信息以及信用证风险信息；

将所述区域风险信息、外汇风险信息、合同风险信息以及信用证风险信息作为标定指标；

根据所述标定指标按照预设重要性级别进行标定，得到评分结果；

根据所述评分结果的平均值进行两两对比，得到指标判别矩阵；

根据所述指标判别矩阵确定权重信息。

在一实施例中，所述进出口大数据的分析和决策装置还包括：比较模块，所述比较模块，用于根据所述标定指标得到标定数量；

根据所述指标判别矩阵以及所述标定数量得到矩阵最大特征值；

根据所述矩阵最大特征值以及标定数量得到矩阵一致性指标；

获取平均一致性指标，并根据所述平均一致性指标以及所述矩阵一致性指标得到相对一致性指标；

将所述相对一致性指标与预设阈值进行比较；

在所述相对一致性指标小于等于预设阈值时，执行根据所述指标判别矩阵确定权重信息的步骤。

在一实施例中，所述预测模块，还用于获取监管关系方风险信息、产品风险信息以及监管方要求信息；

根据所述监管关系方风险信息、产品风险信息以及监管方要求信息建立与批次风险参数之间的第一风险预测模型；

根据所述风险等级信息中的制造商风险等级信息、进口方风险等级信息、代理方风险等级信息、符合性文件风险等级信息以及运输物流风险等级信息建立与监管关系方风险之间的第二风险预测模型；

根据所述风险等级信息中预定/预警式布控参数、产品某时间段内是否首次进口、产品类别风险参数、基础抽样率以及对应的权重信息建立与批次风险参数之间的第三风险预测模型；

通过所述第一风险预测模型、第二风险预测模型以及第三风险预测模型进行风险预测，得到风险预测结果。

此外，为实现上述目的，本发明还提出一种进出口大数据的分析和决策设备，所述进出口大数据的分析和决策设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的进出口大数据的分析和决策程序，所述进出口大数据的分析和决策程序配置为实现如上文所述的进出口大数据的分析和决策方法的步骤。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有进出口大数据的分析和决策程序，所述进出口大数据的分析和决策程序被处理器执行时实现如上文所述的进出口大数据的分析和决策方法的步骤。

由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台智能终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。