[发明专利]非正常纳税人识别方法及装置

说明书

本发明公开了一种非正常纳税人识别方法及装置，该方法包括：获取待识别纳税人的选定信息；从所述待识别纳税人的选定信息中获取所述待识别纳税人的至少一个选定特征的特征值；将所述待识别纳税人的至少一个选定特征的特征值依次输入第一设定数量的训练后的xgboost模型中，得到所述待识别纳税人的第一设定数量的概率值；基于所述待识别纳税人的第一设定数量的概率值得到所述待识别纳税人的识别结果。该方案可以实现借助机器学习算法和大数据技术，来构建非正常纳税人识别模型来识别纳税人是否正常。

技术领域

本发明涉及信息处理技术领域，尤指一种非正常纳税人识别方法及装置。

背景技术

税收是国家公共财政最主要的收入形式和来源。尽管增值税防伪税控系统的推广使用，是税收征管和增加国家收入的一个强有力手段，但在税收风险管理方面仍然不足，还是主要依托于税收分析人员的业务经验，不仅主观成分浓厚，准确性不强，而且效率低下，尤其在虚开发票企业和走逃企业的判别上。借助机器学习算法和大数据技术，来构建非正常纳税人识别模型来识别纳税人是否正常，不仅可以提升可疑企业的监控识别效果和识别效率，而且有助于维持正常的税收和经济秩序。

发明内容

本发明实施例提供一种非正常纳税人识别方法及装置，用以实现借助机器学习算法和大数据技术，来构建非正常纳税人识别模型来识别纳税人是否正常。

根据本发明实施例，提供一种非正常纳税人识别方法，所述方法包括：

获取待识别纳税人的选定信息；

从所述待识别纳税人的选定信息中获取所述待识别纳税人的至少一个选定特征的特征值；

将所述待识别纳税人的至少一个选定特征的特征值依次输入第一设定数量的训练后的xgboost模型中，得到所述待识别纳税人的第一设定数量的概率值；

基于所述待识别纳税人的第一设定数量的概率值得到所述待识别纳税人的识别结果。

具体的，从所述待识别纳税人的选定信息中获取所述待识别纳税人的至少一个选定特征的特征值，具体包括：

从所述待识别纳税人的选定信息中获取所述待识别纳税人的至少一个选定特征的初始特征值；

将所述待识别纳税人的至少一个选定特征的初始特征值中不合理的初始特征值更改为设定值、将所述待识别纳税人的至少一个选定特征的初始特征值中表示类别的初始特征值标识为类别、将所述待识别纳税人的至少一个选定特征的初始特征值进行标准化处理，得到所述待识别纳税人的至少一个选定特征的特征值。

具体的，基于所述第一设定数量的概率值得到识别结果，具体包括：

计算所述第一设定数量的概率值的均值；

将所述均值与设定阈值进行比较；

若所述均值大于或等于所述设定阈值，则确定所述待识别纳税人为非正常纳税人；若所述均值小于所述设定阈值，则确定所述待识别纳税人为正常纳税人。

具体的，还包括：

获取第二设定数量的正常纳税人的选定信息和第三设定数量的非正常纳税人的选定信息；

从所述第二设定数量的正常纳税人的选定信息中获取对应的正常纳税人的至少一个选定特征的特征值，将各个正常纳税人的至少一个选定特征的特征值和正常纳税人标签添加到特征值标签宽表中；

从所述第三设定数量的非正常纳税人的选定信息中获取对应的非正常纳税人的至少一个选定特征的特征值，将各个非正常纳税人的至少一个选定特征的特征值和非正常纳税人标签添加到所述特征值标签宽表中；

从所述特征值标签宽表中获取测试样本集和所述第一设定数量的训练样本集；