面向稅務(wù)稽查選案的信息處理方法.pdf

1、稅務(wù)稽查選案是指稅務(wù)機(jī)關(guān)通過分析企業(yè)定期呈報(bào)給稅務(wù)部門的綜合財(cái)務(wù)數(shù)據(jù)資料和納稅申報(bào)數(shù)據(jù)資料,最大限度地發(fā)現(xiàn)企業(yè)申報(bào)納稅中存在的問題和疑點(diǎn),查找出有偷漏稅嫌疑的企業(yè),確定為稅務(wù)稽查對(duì)象的過程。稅務(wù)稽查選案信息處理研究的核心內(nèi)容是對(duì)企業(yè)申報(bào)納稅狀況進(jìn)行模式識(shí)別,其研究結(jié)果直接影響稅務(wù)稽查計(jì)劃的合理制定,是稅收學(xué)的重要研究領(lǐng)域。
　　 本文針對(duì)現(xiàn)有稅務(wù)稽查選案存在的企業(yè)涉稅經(jīng)濟(jì)數(shù)據(jù)量大,選案方法對(duì)樣本的可靠程度依賴性強(qiáng)、企業(yè)納稅申報(bào)情

2、況和偷逃稅行為之間高度的非線性關(guān)系難以反映等特征,將機(jī)器學(xué)習(xí)中的支持向量機(jī)(Support Vector Machine,簡稱SVM)方法和神經(jīng)網(wǎng)絡(luò)聚類方法引入到稽查選案信息處理中,通過對(duì)企業(yè)涉稅數(shù)據(jù)樣本的分類判斷和聚類分析,確定稅務(wù)稽查對(duì)象清冊。
　　 文章在分析研究支持向量機(jī)、遺傳算法(Genetic Algorithm,簡稱GA)和聚類分析的原理和實(shí)現(xiàn)方法的基礎(chǔ)上,利用系統(tǒng)工程的思想,設(shè)計(jì)了基于支持向量機(jī)和自組織特征映射網(wǎng)

3、絡(luò)(Self-organizing feature map,簡稱SOM)相結(jié)合的稅務(wù)稽查選案信息處理模型。首先運(yùn)用支持向量機(jī)良好的分類能力,根據(jù)納稅人的歷史稅收征管信息資料,對(duì)納稅人是否需要納入稽查范圍進(jìn)行判斷分類,在具體實(shí)施分類時(shí),充分考慮支持向量機(jī)核函數(shù)參數(shù)和正則化參數(shù)C難以確定的因素,引入了遺傳算法,運(yùn)用遺傳算法良好的全局搜索能力來自動(dòng)確定支持向量機(jī)的參數(shù)；然后根據(jù)有相類似的偷漏稅手段的納稅人必然具有相類似的樣本屬性的特點(diǎn),運(yùn)用自

4、組織特征映射網(wǎng)絡(luò)和K均值聚類算法相結(jié)合的方法對(duì)納入稽查選案范圍的納稅人進(jìn)行聚類,為合理制定稅務(wù)稽查計(jì)劃提供參考依據(jù),并可據(jù)此確定實(shí)施稅務(wù)稽查檢查的側(cè)重點(diǎn),更有利于稅務(wù)稽查的實(shí)施。
　　 在自組織特征映射網(wǎng)絡(luò)和K均值算法相結(jié)合的聚類方法中,先用SOM算法對(duì)數(shù)據(jù)進(jìn)行粗略的聚類,然后用SOM的連接權(quán)值對(duì)K均值算法的初始聚類中心進(jìn)行初始化,通過K均值算法對(duì)樣本進(jìn)行精確聚類,實(shí)驗(yàn)結(jié)果表明該聚類組合算法能提高聚類的準(zhǔn)確率。
　　 文