[發明專利]一種基于ANN的風險納稅人自動預警方法及系統

在審

• 申請號: 201911301665.5
• 申請日: 2019-12-17
• 公開（公告）號: CN111192121A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 李闖;楚五斌;董紅順
• 申請（專利權）人: 航天信息股份有限公司
• 主分類號: G06Q40/00
• 分類號: G06Q40/00;G06Q10/06;G06Q10/04;G06N3/08;G06N3/04;G06F16/245
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 姜麗樓

1.一種基于ANN的風險納稅人自動預警方法，其特征在于，所述方法包括：

接收業務數據；

根據所述業務數據識別納稅人，并根據所述納稅人在數據庫中關聯提取該納稅人的其他業務信息，生成納稅人信息；

將所述納稅人信息輸入至預設的ANN判斷模型，獲得針對該納稅人的風險參數；

將所述風險參數與預先獲得的風險閾值進行比較；

若所述風險參數滿足風險閾值要求，則將所述納稅人信息存儲至數據庫中；

若所述風險參數不滿足風險閾值的要求，則將所述納稅人標記為風險納稅人，并反饋至預設業務處理位置。

2.根據權利要求1所述的方法，其特征在于，所述其他業務信息包括在接收本次業務數據前，所述數據庫中針對該納稅人存儲的：企業登記信息、企業購票信息、企業開票信息、企業信用登記、企業申報信息、企業欠稅信息、企業逾期信息、企業認證信息以及企業違章信息。

3.根據權利要求1所述的方法，其特征在于，所述預先獲得的風險閾值的獲得方法包括：

在所述數據庫中采集獲得多組以往被標記為風險納稅人的納稅人信息；

將所述多組納稅人信息作為學習樣本數據，以有監督學習模式將在預先設置的人工神經網絡中進行學習；

將輸出的預測結果作為風險閾值。

4.根據權利要求1所述的方法，其特征在于：所述預設的ANN判斷模型的訓練方法包括：

在所述數據庫中采集獲得多組以往被標記為風險納稅人的納稅人信息；

將所述多組納稅人信息作為學習樣本數據，以強化學習模式將在預先設置的人工神經網絡中進行學習，獲得ANN判斷模型。

5.根據權利要求3或4所述的系統，其特征在于：

所述人工神經網絡采用sigmoid型神經元，所述人工神經網絡的結構為反饋型網絡模型。

6.一種基于ANN的風險納稅人自動預警系統，其特征在于，所述系統包括：

業務采集單元，所述業務采集單元用于接收業務數據；

信息關聯單元，所述信息關聯單元用于根據所述業務數據識別納稅人，并根據所述納稅人在數據庫中關聯提取該納稅人的其他業務信息，生成納稅人信息；

風險參數計算單元，所述風險參數計算單元用于將所述納稅人信息輸入至預設的ANN判斷模型，獲得針對該納稅人的風險參數；

風險判斷單元，所述風險判斷單元用于將所述風險參數與預先獲得的風險閾值進行比較；若所述風險參數滿足風險閾值要求，則將所述納稅人信息存儲至數據庫中；若所述風險參數不滿足風險閾值的要求，則將所述納稅人標記為風險納稅人，并反饋至預設業務處理位置。

7.根據權利要求6所述的系統，其特征在于，所述系統包括：所述其他業務信息包括在接收本次業務數據前，所述數據庫中針對該納稅人存儲的：企業登記信息、企業購票信息、企業開票信息、企業信用登記、企業申報信息、企業欠稅信息、企業逾期信息、企業認證信息以及企業違章信息。

8.根據權利要求6所述的系統，其特征在于：所述系統包括風險閾值計算單元；

風險閾值計算單元用于在所述數據庫中采集獲得多組以往被標記為風險納稅人的納稅人信息；

風險閾值計算單元用于將所述多組納稅人信息作為學習樣本數據，以有監督學習模式將在預先設置的人工神經網絡中進行學習；將輸出的預測結果作為風險閾值。

9.根據權利要求6所述的系統，其特征在于：所述系統包括ANN判斷模型訓練單元；

所述ANN判斷模型訓練單元用于在所述數據庫中采集獲得多組以往被標記為風險納稅人的納稅人信息；

將所述多組納稅人信息作為學習樣本數據，以強化學習模式將在預先設置的人工神經網絡中進行學習，獲得ANN判斷模型。

10.根據權利要求8或9所述的系統，其特征在于：

所述風險閾值計算單元應用的人工神經網絡采用sigmoid型神經元，所述人工神經網絡的結構為反饋型網絡模型；

所述ANN判斷模型訓練單元應用的人工神經網絡采用sigmoid型神經元，所述人工神經網絡的結構為反饋型網絡模型。