[发明专利]一种基于纳税人年报的纳税人税务交易行为识别方法

说明书

技术领域

本发明属于计算机应用领域，具体涉及一种基于纳税人年报的纳税人税务交易行为识别方法。

背景技术

在现实经济生活中，存在部分企业利用税目、税收优惠、少报收入偷税等手段进行偷税，如对企业下属分支机构以及参加展销会、交易会的经营收入不报税、设立假合资企业、隐瞒或者少记销售收入、隐瞒投资收入等。缺乏这些企业经营和交易信息的支持，国家税务系统难以识别大量偷税骗税行为，导致税收流失率和流失税金居高不下。通过从国家电子税务收集的纳税人年度报表中自动抽取与税务相关的纳税人交易行为，核对纳税人申报的纳税内容，对发现和识别偷税漏税行为十分必要。在税务分析系统中，对透漏税的行为预防、检测和分析已有不少的研究成果和专利。

专利《一种企业税务档案管理平台CN103116860A》提供了一种企业税务档案管理平台，获取企业涉税信息并建立档案，构建税务事项跟踪管理模块和查询模块，使企业的税务人员能及时发现并管控企业涉税方面的潜在风险,亦可以查询企业与税局之间的交流所产生的所有资料或档案，该专利从企业角度收集并建立纳税人税务信息，但是还不能自动识别纳税人信息。

发明内容

本发明的目的在于提出一种基于纳税人年报的纳税人税务交易行为识别方法，该方法能够自动识别纳税人信息。

为了达到上述目的，本发明采用的技术方案包括以下步骤：

1)税务领域触发词表的构建：

1.1)抽取纳税人年报训练文档的数据中所有句子作为触发词构建的输入数据；

1.2)利用谓语‐论元模型解析输入数据中所有句子以抽取所有句子中的主谓关系二元组SBV(V_sbv,sub)和动宾关系二元组VOB(V_vob,obj)，当主谓关系二元组SBV(V_sbv,sub)中的动词V_sbv和动宾关系二元组VOB(V_vob,obj)中的动词V_vob相同时，抽取主谓关系二元组SBV(V_sbv,sub)中的动词V_sbv作为候选触发词并生成候选触发词集合；其中，sub为主语，obj为宾语；

1.3)使用最大熵模型ME将候选触发词集合中的选触发词的词性分为8类，分别是系动词VX、助动词VZ、形式动词VF、趋向动词VQ、补动动词VB、一般动词VG、名动词VN以及副动词VD，然后滤除系动词VX、助动词VZ、形式动词VF、趋向动词VQ、补动动词VB以及副动词VD，形成由一般动词VG和名动词VN作为候选触发词的过滤后候选触发词集合；

1.4)根据过滤后候选触发词集合中候选触发词在税务领域术语库和纳税人年报训练文档中的分布情况计算过滤后候选触发词集合中所有的候选触发词与税务领域的相关度，其计算公式为：

rel(v)＝Freq_s(v)/Freq_a(v)

其中，rel(v)是候选触发词v与税务领域相关度值，Freq_s(v)是候选触发词v出现在税务领域术语库中的频率，Freq_a(v)是候选触发词v出现在纳税人年报训练文档中的频率；

1.5)根据rel(v)的大小对过滤后候选触发词集合中所有候选触发词进行排序，选取前100个rel(v)所对应的候选触发词以形成税务领域触发词表；

2)触发词检测：

2.1)对纳税人年报训练文档中触发词所在的句子进行人工标注，以标注出所在句子中的触发词以及出现的位置；然后对触发词所在的句子进行分词以及词性标注，判断分词结果与人工标注的触发词的词性是否一致，将不一致的触发词的词性人工标注情况进行记录以生成分词勘误表；

2.2)对待检测的纳税人年报中所有交易行为描述句进行分词；将所有交易行为描述句的分词结果与税务领域触发词表中的候选触发词进行匹配；匹配成功时，抽取税务领域触发词表中的候选触发词作为已知触发词，并同时得到其对应的候选交易行为描述句；匹配不成功时，对税务领域触发词表中的候选触发词不做任何处理；