[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在审
| 申请号： | 201910023663.8 | 申请日： | 2019-01-10 |
| 公开（公告）号： | CN109829804A | 公开（公告）日： | 2019-05-31 |
| 发明（设计）人： | 董博;郑庆华;阮建飞;毛李欣;朱旭律;高宇达;张发;查志超 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06Q40/00 | 分类号： | G06Q40/00;G06Q10/06;G06K9/62;G06K9/66 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 徐文权 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 行政区域 风险识别 标记样本 纳税 映射 区域间差异 标记数据 模型应用 目标特征 缺失标记 实例迁移 特征筛选 特征维数 样本标记 数据集 构建 数据库 税收 | ||
【主权项】：
1.一种面向标记样本缺失行政区域的纳税风险识别方法，其特征在于，包括以下步骤：步骤1，读取数据：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；步骤2，提取特征：接收步骤1的数据集，利用随机重采样技术和节点随机分裂技术构建多棵决策树，采用随机森林的选取方法减少特征维数，从特征空间中提取重要的特征信息；步骤3，映射特征：提出一种基于特征筛选的特征映射方法，基于两个分布的样本数据集，采用最大均值差异作为评价指标，进行特征映射，最小化子空间特征分布差异；步骤4，建立纳税风险识别模型：提出一种基于梯度提升树的实例迁移方法，减小数据集中会对目标域数据的分类器造成消极影响的实例的权重，建立面向标记样本缺失行政区域的纳税风险识别模型，并将纳税风险识别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，进行纳税风险识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910023663.8/，转载请声明来源钻瓜专利网。
