[发明专利]增值税发票的检测方法、装置和可读存储介质

说明书

本发明提供了一种增值税发票的检测方法、装置和可读存储介质。增值税发票的检测方法，包括获取数据，对数据进行数据处理，得到清洁数据；基于清洁数据，获取第一特征向量集合；基于第一特征向量集合，采用第一风险量化模型进行检测，得到第一风险量化值；基于企业关联关系拓扑图，获取风险扩散变量；基于风险扩散变量和第一风险量化值，获取第二特征向量集合；基于第二特征向量集合，采用第二风险量化模型进行检测，获取第二风险量化值。本发明提出了洗票风险扩散机制，对洗票风险在企业之间的扩散过程进行建模，实现了企业间风险扩散行为的精确捕获与计算，同时清晰地区分了正常企业与洗票嫌疑企业。

技术领域

本发明涉及检测技术领域，具体而言，涉及一种增值税发票的检测方法、装置和可读存储介质。

背景技术

增值税发票洗票企业检测是指对涉嫌增值税专用发票洗票行为的一般纳税实体（企业）进行检测和甄别。

在实现本发明的过程中，本发明的发明人发现：相关方案在增值税专用发票洗票企业检测时，存在着检测准确率较低、检测方案泛化性能较差以及检测方案可扩展性较差等不足，难以满足税务稽查、风控等部门的实际业务需求等问题。

发明内容

本发明旨在解决上述技术问题的至少之一。

为此，本发明的第一目的在于提供一种增值税发票的检测方法。

本发明的第二目的在于提供一种增值税发票的检测装置。

本发明的第三目的在于提供一种可读存储介质。

为实现本发明的第一目的，本发明的技术方案提供了一种增值税发票的检测方法，包括：获取数据，数据包括增值税发票数据、企业申报数据和企业变更数据，对数据进行数据处理，得到清洁数据；基于清洁数据，提取第一特征向量，获取第一特征向量集合；基于第一特征向量集合，采用第一风险量化模型进行检测，得到第一风险量化值；获取企业关联数据，构建企业关联关系拓扑图；基于企业关联关系拓扑图，获取风险扩散变量；基于风险扩散变量和第一风险量化值，计算第二特征向量，获取第二特征向量集合；基于第二特征向量集合，采用第二风险量化模型进行检测，获取第二风险量化值。

本实施例提出了洗票风险扩散机制，对洗票风险在企业之间的扩散过程进行建模，实现了企业间风险扩散行为的精确捕获与计算，同时清晰地区分了正常企业与洗票嫌疑企业。

另外，本发明提供的技术方案还可以具有如下附加技术特征：

上述技术方案中，在获取数据之前还包括：建立梯度提升树模型；获取历史稽查数据集合，将历史稽查数据集合划分为训练数据集合、测试数据集合和验证数据集合；分别获取训练数据集合、测试数据集合和验证数据集合的第一特征向量集合；基于训练数据集合、测试数据集合和验证数据集合的第一特征向量集合，采用交叉验证方式，对梯度提升树模型进行训练和参数调整，得到第一风险量化模型。

本实施例中，采用梯度提升树模型作为最终的检测算法，可以显著提高洗票企业检测的精确率以及召回率，在提高洗票企业检测效率的同时确保稽查工作的有效开展。

上述任一技术方案中，对数据进行数据处理，具体包括：对数据进行缺失值处理、异常值处理、量纲处理、去重处理和/或噪声处理。

本实施例中，通过对数据进行预处理，实现数据的标准化，使预处理后的数据符合机器学习算法的要求，降低数据因素对检测模型推理性能的影响。

上述任一技术方案中，基于清洁数据，提取第一特征向量，获取第一特征向量集合，具体包括：根据清洁数据，抽取企业进销数量特征、企业进销金额特征、企业集中开票特征、企业顶额开票特征、企业开票金额变化特征、抽取企业变更特征和企业申报特征；获取第一特征向量集合，第一特征向量集合包括企业进销数量特征、企业进销金额特征、企业集中开票特征、企业顶额开票特征、企业开票金额变化特征、企业变更特征和企业申报特征。