[發明專利]一種基于納稅人年報的納稅人稅務交易行為識別方法

有效

• 申請號: 201410389579.5
• 申請日: 2014-08-08
• 公開（公告）號: CN104156351B
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 劉均;張莎;鄭慶華;張未展;米建紅
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30;G06Q40/00
• 代理公司: 西安通大專利代理有限責任公司61200
• 代理人: 陸萬壽

技術領域

本發明屬于計算機應用領域，具體涉及一種基于納稅人年報的納稅人稅務交易行為識別方法。

背景技術

在現實經濟生活中，存在部分企業利用稅目、稅收優惠、少報收入偷稅等手段進行偷稅，如對企業下屬分支機構以及參加展銷會、交易會的經營收入不報稅、設立假合資企業、隱瞞或者少記銷售收入、隱瞞投資收入等。缺乏這些企業經營和交易信息的支持，國家稅務系統難以識別大量偷稅騙稅行為，導致稅收流失率和流失稅金居高不下。通過從國家電子稅務收集的納稅人年度報表中自動抽取與稅務相關的納稅人交易行為，核對納稅人申報的納稅內容，對發現和識別偷稅漏稅行為十分必要。在稅務分析系統中，對透漏稅的行為預防、檢測和分析已有不少的研究成果和專利。

專利《一種企業稅務檔案管理平臺CN103116860A》提供了一種企業稅務檔案管理平臺，獲取企業涉稅信息并建立檔案，構建稅務事項跟蹤管理模塊和查詢模塊，使企業的稅務人員能及時發現并管控企業涉稅方面的潛在風險,亦可以查詢企業與稅局之間的交流所產生的所有資料或檔案，該專利從企業角度收集并建立納稅人稅務信息，但是還不能自動識別納稅人信息。

發明內容

本發明的目的在于提出一種基于納稅人年報的納稅人稅務交易行為識別方法，該方法能夠自動識別納稅人信息。

為了達到上述目的，本發明采用的技術方案包括以下步驟：

1)稅務領域觸發詞表的構建：

1.1)抽取納稅人年報訓練文檔的數據中所有句子作為觸發詞構建的輸入數據；

1.2)利用謂語‐論元模型解析輸入數據中所有句子以抽取所有句子中的主謂關系二元組SBV(V_sbv,sub)和動賓關系二元組VOB(V_vob,obj)，當主謂關系二元組SBV(V_sbv,sub)中的動詞V_sbv和動賓關系二元組VOB(V_vob,obj)中的動詞V_vob相同時，抽取主謂關系二元組SBV(V_sbv,sub)中的動詞V_sbv作為候選觸發詞并生成候選觸發詞集合；其中，sub為主語，obj為賓語；

1.3)使用最大熵模型ME將候選觸發詞集合中的選觸發詞的詞性分為8類，分別是系動詞VX、助動詞VZ、形式動詞VF、趨向動詞VQ、補動動詞VB、一般動詞VG、名動詞VN以及副動詞VD，然后濾除系動詞VX、助動詞VZ、形式動詞VF、趨向動詞VQ、補動動詞VB以及副動詞VD，形成由一般動詞VG和名動詞VN作為候選觸發詞的過濾后候選觸發詞集合；

1.4)根據過濾后候選觸發詞集合中候選觸發詞在稅務領域術語庫和納稅人年報訓練文檔中的分布情況計算過濾后候選觸發詞集合中所有的候選觸發詞與稅務領域的相關度，其計算公式為：

rel(v)＝Freq_s(v)/Freq_a(v)

其中，rel(v)是候選觸發詞v與稅務領域相關度值，Freq_s(v)是候選觸發詞v出現在稅務領域術語庫中的頻率，Freq_a(v)是候選觸發詞v出現在納稅人年報訓練文檔中的頻率；

1.5)根據rel(v)的大小對過濾后候選觸發詞集合中所有候選觸發詞進行排序，選取前100個rel(v)所對應的候選觸發詞以形成稅務領域觸發詞表；

2)觸發詞檢測：

2.1)對納稅人年報訓練文檔中觸發詞所在的句子進行人工標注，以標注出所在句子中的觸發詞以及出現的位置；然后對觸發詞所在的句子進行分詞以及詞性標注，判斷分詞結果與人工標注的觸發詞的詞性是否一致，將不一致的觸發詞的詞性人工標注情況進行記錄以生成分詞勘誤表；

2.2)對待檢測的納稅人年報中所有交易行為描述句進行分詞；將所有交易行為描述句的分詞結果與稅務領域觸發詞表中的候選觸發詞進行匹配；匹配成功時，抽取稅務領域觸發詞表中的候選觸發詞作為已知觸發詞，并同時得到其對應的候選交易行為描述句；匹配不成功時，對稅務領域觸發詞表中的候選觸發詞不做任何處理；