[發明專利]一種基于風險分析及AI人工智能模型風險分析方法

在審

• 申請號: 201811241294.1
• 申請日: 2018-10-24
• 公開（公告）號: CN109377050A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 陶偉
• 申請（專利權）人: 江蘇稅軟軟件科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/00
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙) 32231
• 代理人: 王清

本發明公開了一種基于風險分析及AI人工智能模型風險分析方法，屬于AI人工智能技術領域，建立稅收風險特征庫，根據現有人工經驗，針對不同行業、不同稅種的風險點建立風險指標模型，并匯集成稅收風險特征庫；建立自主學習方法，根據稅收政策要求自主建立指標模型，并根據新稅收政策自主提出新指標模型；建立指標優化機制，建立設置?驗證?推廣的指標優化機制，對人工智能系統提出的指標模型，在既往案例中自主驗證有效性，或者指派風險應對人員進行驗證，其評價結果決定該指標模型是否進入稅收風險分析特征庫。本發明利用AI人工智能學習稅收風險分析模型并自主不斷學習完成模型校驗，不斷提升模型的精準度。

技術領域

本發明涉及一種風險分析方法，特別是涉及一種基于風險分析及AI人工智能模型風險分析方法，屬于AI人工智能技術領域。

背景技術

近年來，隨著經濟的快速發展，大企業已多數實現跨行業、跨區域甚至跨國經營，交易事項和業務流程日趨復雜多樣，稅收風險控管難度越來越大，稅收風險的發生離不開稅收法律法規的執行、稅收征管的實踐。

但是人工分析稅收分析不僅工作強度大，而且數據越來越龐大，面對新數據，又要開發一套新的風險特征指標，工作量太大且耗費時間，為此，需要快速即時的分析當前數據，及時更新風險指標，需要建立一套自主學習方法，能夠智能分析存在的異常狀況并及時判斷出風險值。

發明內容

本發明的主要目的是為了提供一種基于風險分析及AI人工智能模型風險分析方法，利用人工智能學習稅收風險分析模型并自主不斷學習完成模型校驗，不斷提升模型的精準度。

本發明的目的可以通過采用如下技術方案達到：

一種基于風險分析及AI人工智能模型風險分析方法，包括如下步驟：

步驟1：建立稅收風險特征庫，根據現有人工經驗，針對不同行業、不同稅種的風險點建立風險指標模型，并匯集成稅收風險特征庫；

步驟2：建立自主學習方法，根據稅收政策要求自主建立指標模型，并根據新稅收政策自主提出新指標模型；

步驟3：建立指標優化機制，建立設置-驗證-推廣的指標優化機制，對人工智能系統提出的指標模型，在既往案例中自主驗證有效性，或者指派風險應對人員進行驗證，其評價結果決定該指標模型是否進入稅收風險分析特征庫。

進一步的，建立風險特征庫的步驟如下：

步驟1.1：根據企業所處行業、生產經營情況、遵從意愿、管理基礎和遵從能力、財務會計核算規范度、近年來納稅申報數據、互聯網第三方信息等，進行風險初評，制定風險點；

步驟1.2：提取出企業可能存在的若干風險點，按所涉交易事項或業務環節進行分類集成，根據是否申報、時間是否逾期、金額是否足額、填報數據錯誤數量、逾期時間標準差、金額缺少標準差、異常區間納稅戶總和、異常區間納稅戶變異系數等問題，取風險閥值，制定風險指標；

步驟1.3：運用審核、篩選、分析、比對、推理、計算、判斷、定性、定量等方法，根據風險指標，對企業風險事項逐一做出初步判斷，進行風險識別和評級，創建各類風險指標模型；

步驟1.4：結合稅收數據庫、各類風險指標模型以及風險評定等級制定稅收風險特征庫。

進一步的，AI人工智能自主學習強化風險指標模型的過程如下：

步驟2.1：建立細分、整理、發布到知識庫的流程，首先細分稅收數據庫各個行業的稅種、問題類型、時間、地區、企業性質，進行細致的劃分，進行系統化、合理化的分類，然后將各個區別特征歸類整理綜合，是否申報、時間是否逾期、金額是否足額、填報數據錯誤數量、逾期時間標準差、金額缺少標準差、異常區間納稅戶總和、異常區間納稅戶變異系數最后傳輸到稅收風險特征庫，為計算機語音自動應答提共依據；