[发明专利]一种面向标记样本缺失行政区域的纳税风险识别方法

说明书

本发明公开了一种面向标记样本缺失行政区域的纳税风险识别方法，该方法包括以下内容：首先，从税务局数据库中提取缺失标记数据的行政区域的数据和标记数据充足的行政区域的数据，构建数据集；其次，从目标特征空间中提取重要特征，减少特征维数；再次，提出一种基于特征筛选的特征映射方法，进行特征映射减少区域间差异；最后，提出一种基于梯度提升树的实例迁移方法，并建立面向标记样本缺失行政区域的纳税风险识别模型，将模型应用于面向标记样本缺失行政区域的纳税风险识别系统中。本发明所述方法能够解决缺乏充足税收样本标记行政区域难以进行纳税风险识别的问题，并且极大提高标记样本缺失行政区域的纳税风险识别效率。

技术领域

本发明属于税务稽查领域，具体涉及一种面向标记样本缺失行政区域的纳税风险识别方法，用于解决缺少标记的税收数据样本的行政区域难以建立有效的稽查模型，纳税风险难以识别的问题。

背景技术

纳税风险识别在减少税收损失这方面发挥着关键作用，目前已经有许多关于机器学习的技术被应用于纳税风险识别模型之中，但在现有针对纳税风险识别的实际工作中，仍然依托于标注数据，人工标注效率低，主观成分较重。当行政区域缺乏充足标记的税收数据时，标注成本大，且不同行政区域税务特征分布不同，难以跨区域迁移。如何建立一种适用于不同行政区域的纳税风险识别的统一模型，成了亟待解决的难题。

针对如何有效地识别纳税风险，以下专利提供了相应的技术方案：

文献1.一种发票虚开企业监控识别方法及系统(201611220015.4)；

文献2.刘鹏.数据挖掘技术在税务稽查中的研究与实现[D].西安电子科技大学,2011.

文献1公开了一种发票虚开企业监控识别方法，包括：提取目标企业的特征信息，将目标特征信息输入至预先创建的企业类型预测模型，获取企业类型预测模型根据目标特征信息输出的企业类型预测结果，以根据企业类型预测结果确定目标企业的企业类型是否为虚开发票企业；文献2在分析税务部门稽查工作的过程之后，针对税务稽查选案中存在的问题，在研究生成决策树的ID3算法和基于划分的聚类分析K-Means算法的基础上，设计实现了分类分析中的决策树方法和聚类分析中的基于划分的方法，并且以税务稽查中的实际数据作为系统输入，进行了税务稽查的分析和评估，验证了分类分析方法与聚类分析方法这些数据挖掘技术在实际稽查工作中的可行性和实用性。

以上文献所述方法主要存在以下问题：文献1中的方法依托于大量标注数据，耗时且费力，标记数据缺失时标注成本大，然而文献1中的企业类型预测模型只能在一些标记数据充足的行政区域进行应用，由于不同行政区域之间存在差异，该模型无法应用于其他行政区域；文献2中所用的方法同样基于大量标注数据，标记数据缺失时标注成本大。在现有的针对发票虚开企业的纳税风险防控的实际工作中仍然依托于税收分析人员的业务经验，导致纳税遵从风险模型的主观成分较重，准确性不够强，覆盖面不够广，并且由于人工分析的效率较低，难以高效地识别出存在虚开发票的企业。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供了一种面向标记样本缺失行政区域的纳税风险识别方法。该方法首先，从税务局数据库中提取缺失标记数据的行政区域的数据和标记数据充足的行政区域的数据，构建数据集；其次，从特征空间中提取重要特征，减少特征维数；再次，提出一种基于特征筛选的特征映射方法，进行特征映射减少区域间的数据分布差异；最后，基于梯度提升树的实例迁移方法，并建立面向标记样本缺失行政区域的纳税风险识别模型，将模型应用于面向标记样本缺失行政区域的纳税风险识别系统中。本发明面向缺乏充足的税收样本标记的行政区域，提出了一种可迁移的通用方法，该方法结合了基于特征筛选的特征映射方法和基于梯度提升树的实例迁移方法，建立可解释性强和准确性高的纳税风险识别模型，并将模型应用于面向标记样本缺失行政区域的纳税风险识别系统中，解决缺乏充足税收样本标记的行政区域难以进行纳税风险识别的问题，能极大地提高标记样本缺失行政区域的纳税风险的识别效率。

本发明采用如下技术方案来实现的：