메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
이앞길 (한밭대학교) 최근호 (한밭대학교) 김건우 (한밭대학교)
저널정보
한국지능정보시스템학회 한국지능정보시스템학회 학술대회논문집 2022년 한국지능정보시스템학회 추계학술대회 초록집
발행연도
2022.11
수록면
39 - 51 (13page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

2023

수입물품의 품목 분류를 위한 멀티모달 표현 학습
이앞길 ,  최근호 ,  김건우 지능정보연구 2023.03 학술저널

2022

관세 품목 C1.7 분류를 위한 멀티모달 표현 학습
이앞길 ,  최근호 ,  김건우 한국지능정보시스템학회 학술대회논문집 2022.11 학술대회자료

2021

멀티모달 학습 기반의 관세 품목 분류를 위한 HS코드 추천 시스템
이앞길 ,  최근호 ,  김건우 한국지능정보시스템학회 학술대회논문집 2021.06 학술대회자료

초록· 키워드

오류제보하기
최근 COVID-19로 촉발된 전세계적인 팬데믹(Pandemic)으로 인해 국내뿐만 아니라 국제간 비대면 거래가 활성화되면서 전자상거래를 통한 거래량이 폭발적으로 증가하고 있다. 국내 전자상거래물품의 수입통관 건수는 2017년 2월 2,359만건에서 2021년 2월 8,838만건으로 약 275% 증가하였으며 2021년 전체 수입 건수는 2011년 대비 약 258% 급증하였다. 이와 같은 수입 물품은 수입신고 절차를 진행해야 하며 이 과전에서 모든 수입 물품은 HS CODE(Harmonized System Code)로 분류되는데, 이에 따라 관세율이 정해지게 되고 납세의무자는 그에 따른 세금을 납부해야 한다. 현행법상 이와 같은 수입 신고와 이에 따른 세금 납부의 책임은 모두 납세의무자에게 있기 때문에, 수입 신고가 제대로 이행하지 못하여 발생하게된 세액 추징과 가산세에 대한 책임도 납세의무자에게 있다. HS CODE는 2022년 기준 11,293개로 세분화되어, 납세의무자가 스스로 수입 물품에 대해 품목 분류를 하는데 어려움이 있기 때문에, 정확한 품목 분류를 위해서 관세 전문가 또는 관세청의 품목 분류 사전 심사제도를 통해 품목 분류를 위뢰하는 경우가 많다. 따라서 수입량의 증가는 관세 업무량의 증가로 이어지게 되고, 이는 품목 분류의 정확도 하락 및 분류 시간 지연의 문제로 이어질 수 있다. 또한 다양한 분야의 기술이 융합된 제품의 등장으로 인한 품목 분류의 업무 난이도가 높아 짐에 따라 업무의 효율성을 높이기 위한 방법이 매우 필요한 실정이다. 이에 따라 본 연구는 품목 분류 사전심사 의뢰서의 물품명, 물품 상세설명, 물품 이미지와 같이 다양한 형태의 데이터를 모두 활용할 수 있도록 멀티모달 표현 학습(Moltimodal Representation Learning) 방법을 적용한 관세 품목 자동 분류 모델을 개발함으로ㅆ, 수입 물품별로 알맞은 HS CODE를 추천하는 것을 목적으로 한다. 본 연구에서 제안한 모델은 수입 물품에 대한 신속한 품목 분류를 가능하게 함으로써, 관세 업무의 효율성을 높이고 납세의무자의 통관 절차에 소요되는 시간과 비용을 줄여주는 등 관세 행정 고도화에 기여할 것으로 기대된다.
#멀티모달 학습 #품목분류 #사전학습 #딥러닝 #HS code

목차

국문초록
1. 서론
2. 선행 연구
3. 멀티모달 학습(multi-madal learning) 기반 관세 품목 분류 모델
4. 실험 상세 및 결과 검증
5. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

텍스트와 이미지 데이터를 활용한 관세 품목 분류 모델 분석
김시현 ,  이은지 ,  김선동 외 1명 한국정보과학회 학술발표논문집 2022 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-003-000340000