Automatizace validace celních dat pomocí NLP a strojového učení

Bc. Roman Havlík

Bakalářská práce

Automation of Customs Data Validation Using NLP and Machine Learning

Anotace:

Tato bakalářská práce se zaměřuje na automatizaci celní klasifikace zboží pomocí metod strojového učení a zpracování přirozeného jazyka (NLP). Cílem je vytvořit prototyp, který automaticky přiřadí šestimístné HS kódy na základě textových popisů produktů. Práce porovnává tři přístupy: TF–IDF s lineární SVM, embeddingy Word2Vec s klasifikátorem Random Forest a transformerový model SBERT s logistickou regresí. Výsledky ukazují, že tyto NLP techniky umožňují rychlejší klasifikaci velkého množství záznamů a mohou sloužit jako efektivní podpora pro manuální kontrolu a opravy historických dat.

Abstract:

This bachelor thesis focuses on automating customs goods classification using machine learning and natural language processing (NLP) methods. The goal is to develop a prototype capable of assigning six-digit HS codes based on textual product descriptions. Three methodologies are compared: TF–IDF combined with linear SVM, Word2Vec embeddings with a Random Forest classifier, and the transformer-based SBERT model with logistic regression. Results show that these NLP techniques enable faster classification of large datasets and can effectively support manual checking and correction of historical records

Klíčová slova

Celní klasifikace, Harmonizovaný systém, HS kódy, strojové učení, NLP, TF-IDF, Word2Vec, SBERT, automatizace, textová klasifikace.

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 8. 12. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 20. 1. 2026
• Vedoucí: Mgr. Bc. Martin Chvátal, Ph.D.
• Oponent: Ing. Lukáš Kokrda

Masarykova univerzita

Ekonomicko-správní fakulta

Bakalářský studijní program / obor:
Analytika byznysových dat / Analytika byznysových dat