[發明專利]一種基于稅務大數據分析的信用評估方法

在審

• 申請號: 201910541754.0
• 申請日: 2019-06-21
• 公開（公告）號: CN110264343A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 李鐵軍;劉發朋;徐兵兵
• 申請（專利權）人: 山東浪潮商用系統有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q40/00
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 馮春連

1.一種基于稅務大數據分析的信用評估方法，其特征在于,該信用評估方法包括如下步驟：

步驟一、提取稅務數據，將稅務數據進行按照評價主體進行歸一處理；

步驟二、針對評價主體進行顯著特征提取，將企業的非常規行為按照納稅人進行打標簽，并通過群體畫像的形式分析顯著特征標簽提取；

步驟三、利用AI方式分析稅務數據，選取指標并進行驗證，基于驗證通過的指標，將提取的顯著特征進行場景化；

步驟四、基于AHP建立指標體系遞階層次結構，將影響評價的各因素按照不同屬性自上而下分解成目標層、準則層和標簽層三個層次，且同一層次的各因素從屬于上一層次的因素；

步驟五、在指標體系遞階層次結構的基礎上，根據上下層次之間的隸屬關系構造判斷矩陣；

步驟六、根據步驟五構造的判斷矩陣，計算判斷矩陣的最大特征值所對應的正規化的特征向量，該特征向量即為本層次因素相對于上層次所屬因素的相對重要性權重值；

步驟七、根據步驟六計算得到個指標的權重，每個準則及指標都有一個權重系數，且每一層的權重系數之和等于1；

步驟八、利用專家評分法根據各指標對整個體系中影響程度，為每一個指標設定初始值；

步驟九、依據步驟一到步驟八貨物的數據，構建信用評分模型，并抽樣某地市的稅務數據灌入信用評分模型進行訓練，得到打分結果，根據打分結果不斷調整信用評分模型的參數，并最終得到可以直接輸出打分結果的新信用評分模型。

2.根據權利要求1所述的一種基于稅務大數據分析的信用評估方法，其特征在于，在步驟一中，所述評價主體包括納稅人和辦稅人；

A)所述評價主體為納稅人時，將數據信息按照納稅人進行歸集；

B)評價主體為辦稅人時，辦稅人員進行數據歸集，數據歸集方式包括：

B1)若采集數據的系統進行了實名制，則按照實名為主線進行歸集，與實名制的主體相關的信息都認為是該主體的信息；

B2)若采集數據的系統未進行實名制，未實名制的信息則統一采用相同識別號或者身份證號為主線歸集。

3.根據權利要求1所述的一種基于稅務大數據分析的信用評估方法，其特征在于，在步驟二中，所述企業的非常規行為包括注銷行為、非正常行為、逾期行為；

利用大數據的打標簽方法，人工標簽或者自動標簽企業的非常規行為。

4.根據權利要求1所述的一種基于稅務大數據分析的信用評估方法，其特征在于，在步驟三中，基于驗證通過的指標，將提取的顯著特征進行場景化，其具體操作內容包括：

1)刪除取值變化小的指標，若某個特征90％的實例取值相等，就認為該指標作用不大，隨后刪除該取值變化小的指標；

2)通過皮爾遜相關系數度量不同指標之間的相關性，尤其通過皮爾遜相關系數對連續指標之間的線性相關進行度量，減少冗余指標；

3)采用距離相關系數，若距離相關系數為0，則判定這兩個指標是各自獨立的；

4)對于離散型指標之間的相關性，采用Spearman相關系數進行度量，通過不同的相關系數計算方法，度量任意兩個離散指標之間的相關性，根據相關性的大小進行單指標提取；

5)基于機器學習模型的方法進行特征選擇，采用決策樹算法、隨機森林算法、支持向量機算法至少一種算法對選擇的特征進行打分，隨后將打分結果運用到特征任務選擇中，用來提取顯著特征。

5.根據權利要求1所述的一種基于稅務大數據分析的信用評估方法，其特征在于，在步驟四中，所述目標層評價結果量化預定目標；

所述準則層表示支持預定目標的分項支撐，準則層分為三級：

a)一級準則層分為基本特質-稅務屬性、行為偏好-涉稅行為、歷史信息-涉稅歷史、履約能力-遵從能力、稅務關系-關聯關系，以全面覆蓋評價主體和稅務數據范圍為準；

b)二級準則層，按照稅務業務分類，登記、認定、優惠、證明、申報、征收、法制等，囊括納稅人或辦稅人的全部涉稅行為；

c)第三級為具體辦理業務事項；

所述標簽層表示實現預定目標所采用的指標，標簽層包含增值稅申報、個人所得稅繳納、增值稅專用發票領用各具體事項，標簽層是整個分析系統的最小單位。