CN106933814A - 税务数据异常分析方法及系统 - Google Patents

税务数据异常分析方法及系统 Download PDF

Info

Publication number
CN106933814A
CN106933814A CN201511001208.6A CN201511001208A CN106933814A CN 106933814 A CN106933814 A CN 106933814A CN 201511001208 A CN201511001208 A CN 201511001208A CN 106933814 A CN106933814 A CN 106933814A
Authority
CN
China
Prior art keywords
enterprise object
tax data
tax
information
trade name
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201511001208.6A
Other languages
English (en)
Inventor
李泽然
尹春天
张玉魁
魏海建
范立波
黄新华
陈懿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aisino Corp
Original Assignee
Aisino Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aisino Corp filed Critical Aisino Corp
Priority to CN201511001208.6A priority Critical patent/CN106933814A/zh
Publication of CN106933814A publication Critical patent/CN106933814A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12—Accounting
    • G06Q40/123—Tax preparation or submission

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明实施例公开了一种税务数据异常分析方法及系统，其中，所述税务数据异常分析方法包括：访问根据税务信息生成的商品信息树，其中，所述商品信息树中至少保存有商品名称和商品所属分类；根据所述税务信息和所述商品信息树，对目标企业对象设定时间段内的税务数据，以及所述目标企业对象所属分类内的所有企业对象在所述设定时间段内的税务数据进行统计；根据统计结果分析所述目标企业对象在所述设定时间段内的税务数据是否异常。通过本发明实施例，有效实现了偷税漏税行为的甄别，效率高，且大大节约了甄别成本。

Description

税务数据异常分析方法及系统
技术领域
本发明涉及税控技术领域，尤其涉及一种税务数据异常分析方法及系统。
背景技术
税收是国家财政收入的重要来源之一，对国家的发展起着举足轻重的作用。然而，近些年来，一些贪污受贿、企业偷税漏税等不诚信行为的出现，大大减少了国家财政收入，破坏了国家经济秩序。偷税漏税的存在，使税收固有的调节收入分配作用无法发挥，不利于实现公平；偷税漏税会增加偷漏税企业的税后净利润，高额的利润会吸引更多的资源流入，造成资源配置的扭曲，影响人们的经济决策和投资决策，造成经济损失。因此，对偷税漏税行为进行遏制已刻不容缓。
但是，纳税企业的财务状况千差万别，目前只能通过人工操作来对企业是否偷税漏税进行甄别，不仅效率低下，而且管理成本极高。
发明内容
本发明实施例提供了一种税务数据异常分析方法及系统，以解决现有甄别偷税漏税行为的方式效率低下，成本高的问题。
为了解决上述问题，本发明实施例公开了一种税务数据异常分析方法，包括：访问根据税务信息生成的商品信息树，其中，所述商品信息树中至少保存有商品名称和商品所属分类；根据所述税务信息和所述商品信息树，对目标企业对象设定时间段内的税务数据，以及所述目标企业对象所属分类内的所有企业对象在所述设定时间段内的税务数据进行统计；根据统计结果分析所述目标企业对象在所述设定时间段内的税务数据是否异常。
为了解决上述问题，本发明实施例还公开了一种税务数据异常分析系统，包括：访问模块，用于访问根据税务信息生成的商品信息树，其中，所述商品信息树中至少保存有商品名称和商品所属分类；统计模块，用于根据所述税务信息和所述商品信息树，对目标企业对象设定时间段内的税务数据，以及所述目标企业对象所属分类内的所有企业对象在所述设定时间段内的税务数据进行统计；分析模块，用于根据统计结果分析所述目标企业对象在所述设定时间段内的税务数据是否异常。
本发明具有如下有益效果：
本发明实施例提供的税务数据异常分析方案，通过现代化的计算机手段，基于构建的商品信息树和企业对象分类，当需要确定目标企业对象是否偷税漏税时，针对该目标企业对象在一定时间段内的税务数据进行统计，并将统计结果与其所属分类内的企业对象的统计结果进行比对分析，以根据结果判断该企业是否正常纳税。因为目标企业对象所属分类内的其它企业对象的数据更具有参考些，能够较好地提供参照，较为准确地对企业的纳税情况进行鉴别。通过本发明的方案，有效实现了偷税漏税行为的甄别，效率高，且大大节约了甄别成本。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为根据本发明实施例一的一种税务数据异常分析方法的步骤流程图；
图2为根据本发明实施例二的一种税务数据异常分析方法的步骤流程图；
图3为根据本发明实施例三的一种税务数据异常分析系统的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
参照图1，示出了根据本发明实施例一的一种税务数据异常分析方法的步骤流程图。
本实施例的税务数据异常分析方法包括以下步骤：
步骤S101：根据税务信息生成商品信息树。
其中，商品信息树是以树状数据结构保存的商品信息，商品信息树中至少保存有商品名称和商品所属分类。但不限于此，与商品有关的信息均可保存，如价格，产地，生产厂商等等。
一种可行的根据税务信息生成商品信息树的方式包括：从税务数据信息库中获取元税务数据，根据元税务数据获取商品明细信息，其中，商品明细信息包括商品名称；爬取商品名称对应的网页；对网页进行解析，获取商品名称对应的商品的所属分类；根据商品名称和其对应的所属分类生成商品信息树。
税务数据信息库中预存有商品发票对应的数据信息，可以认为是元税务数据，该元税务数据中包括商品明细信息，而商品明细信息中又包括商品名称；根据商品名称可以去相应的电商平台爬取商品名称对应的网页；进而，对网页进行解析后，可获得商品所属分类；根据商品名称和商品对应的分类可生成商品信息树。采用这种方式存储商品信息，使得商品信息更易于查找，提高查找和处理速度。
但在某些情况下，商品名称可能不够规范，因此，需要对商品名称进行处理后进行进一步网页爬取和所属分类确定。因此，可选地，在爬取商品名称对应的网页时，可以判断是否成功爬取到商品名称对应的网页；若是，则对网页进行解析，获取商品名称对应的商品的所属分类；若否，则对商品名称进行分词后重新爬取网页，然后，再对网页进行解析，获取商品名称对应的商品的所属分类。
需要说明的是，本步骤为可选步骤，仅需在初始时构建相应数据库，生成商品信息树，后续可长期使用，在需要时进行更新即可。
步骤S102：对企业对象进行分类。
一种可行的方式包括：从税务数据信息库中获取企业对象信息，其中，企业对象信息包括以下至少之一：注册地址信息、注册资本信息、主营项目信息；根据企业对象信息，确定企业对象的相似度；根据企业对象的相似度，对企业对象进行聚类，生成多个企业对象分类，其中，每个企业对象分类包括至少一个企业对象。
其中，确定不同企业对象之间相似度的方式可以采用相关任意适当的相似度计算方式实现，本发明实施例对此不作限制。同亲，对企业对象进行聚类的方式也可以采用相关任意适当的聚类方法实现，本发明实施例对此也不作限制。
需要说明的，在实际应用中，本领域技术人员也可以采用其它对企业对象分类的方式，使相类似企业能够归属在相同类别下即可。
此外，还需要说明的是，本步骤也为可选步骤，仅需在初始时对企业对象进行分类即可，后续可长期使用，在需要时进行更新。而且，步骤101和步骤S102之间可以不分先后顺序，也可以并行执行。
步骤S103：访问根据税务信息生成的商品信息树。
其中，商品信息树中至少保存有商品名称和商品所属分类。
步骤S104：根据税务信息和商品信息树，对目标企业对象设定时间段内的税务数据，以及目标企业对象所属分类内的所有企业对象在所述设定时间段内的税务数据进行统计。
例如，对于A企业在一个月内开具的发票信息，从中提取出商品信息，包括商品名称和商品所属分类，根据这两个信息在商品信息树中查找，确定商品价格，进而统计出A企业在这一个月内开具的发票总额。
另外，假设A企业属于X类，如电器类企业，该X类企业下还有5家类似企业，则同时对该5家企业在这一个月内开具的发票总额进行统计。
最终根据统计结果，按照预设规则判断A企业是否正常纳税。如，A企业的发票总额与X类企业发票总额的差别是否在一定范围内，或者，A企业的发票总额占有的X类企业发票总额的份额是否在一定范围内等。
步骤S105：根据统计结果分析目标企业对象在设定时间段内的税务数据是否异常。
例如，将目标企业对象的统计结果，与，目标企业对象所属分类内的所有企业对象的统计结果的平均值进行比较；若比较结果大于或等于设定阈值，则确定目标企业对象在所述设定时间段内的税务数据异常；否则，则确定目标企业对象在所述设定时间段内的税务数据正常。
本实施例提供的税务数据异常分析方法，通过现代化的计算机手段，基于构建的商品信息树和企业对象分类，当需要确定目标企业对象是否偷税漏税时，针对该目标企业对象在一定时间段内的税务数据进行统计，并将统计结果与其所属分类内的企业对象的统计结果进行比对分析，以根据结果判断该企业是否正常纳税。因为目标企业对象所属分类内的其它企业对象的数据更具有参考些，能够较好地提供参照，较为准确地对企业的纳税情况进行鉴别。通过本实施例，有效实现了偷税漏税行为的甄别，效率高，且大大节约了甄别成本。
实施例二
参照图2，示出了根据本发明实施例二的一种税务数据异常分析方法的步骤流程图。本实施例以一个具体实例的形式对本发明的税务数据异常分析方法进行说明，本领域技术人员应当明了，本实施例仅为示例性说明，本领域技术人员在实际应用中，可以参照本实施例，采用其它适当方式对本实施例中的技术手段进行替换或修改，均在本发明的保护范围内。
本实施例的税务数据异常分析方法包括以下步骤：
步骤S201：构建商品信息树。
可以通过税务信息数据库（包括有发票信息）中的开具的发票的商品明细信息，提取其中发票中所有商品的明细（包括但不限于商品头、商品行、发票代码、时间、金额，单位名称、税号。单位信息，信用度等），对每件商品进行分类。
具体地，本步骤可以包括：
步骤A1：提取商品明细字段中的商品明细信息，并将商品明细信息的商品名称在电商商品搜索框进行搜索，将搜索的结果网页爬取到本地，对结果网页进行解析，在所有类目一栏中获得该商品的所属分类。
步骤A2：由于商品明细信息中的商品名称有时并不十分规范，因此部分商品无法一次找到所属分类。此时，可以对不规范的商品名称进行分词功能，并返还相关的可能商品。将分词后的返回结果重新组合，并重复步骤A1，继续进行搜索，来获得商品的所属分类。
步骤A3：将所有可以获得到商品所属分类的商品名称，及其所属分类进行整合，并用树的数据结构对其进行组织，优选为二叉树，构建商品信息树。
通过本步骤构建的商品信息树，可以对税务信息数据库中的开具的发票的商品明细信息的覆盖率达到70%以上，分类的准确率达到65%。
步骤S202：对企业对象进行分类。
本步骤对企业对象进行相似度计算，并进行排序，将企业对象进行分类，相似的企业聚为一类。
具体地，本步骤包括：
步骤B1：根据纳税人信息扩展表中企业对象的注册地址字段进行分类，将在同一市（县）的企业对象分为一类。
步骤B2：根据纳税人信息扩展表中企业对象的注册资本字段进行分类，按注册资本多少分为多个等级如5个等级，将企业对象按此等级进行归类。
步骤B3:根据纳税人信息扩展表中企业对象的主营字段进行分类，求出不同企业对象的主营项目的相似度，将相似的企业对象分为一类。
需要说明的是，上述步骤之间没有必然的先后顺序，也可以并行执行，还可以择一或择多执行。
以上述三个步骤均执行为例，依次按照以上3个标准，即地区、规模、经营范围，对所有企业对象整合分类或进行聚类，构成最终的企业对象分类。
步骤S203：对企业对象的税务数据进行统计及比对，确定是否正常纳税。
本步骤根据税务信息、商品信息树和企业对象分类，对目标企业对象的税务数据进行整合统计分析，对相似的企业对象根据一些指标进行比较，找出异常税务数据。
具体地，本步骤包括：
步骤C1:根据税务信息数据库中的税务信息和商品信息树中的商品信息，查询出某一目标企业对象开出的所有发票，再根据开具发票的开具金额按月（或季度）进行统计，形成一张该目标企业对象的税务数据统计表。
步骤C2：对相该目标企业对象所属分类中的所有企业对象整合进行统计，计算该类企业对象每月或每季度交易金额的平均值，将目标企业对象的交易金额与平均值进行比较，确定目标企业对象是否正常纳税。
以此类推，将目标企业对象所属分类中的每个企业对象的交易情况均与平均值进行比较，即可找出异常值，根据大数据分析结果进再进行分析，确定出异常值大于或等于设定阈值的企业对象。其中，设定阈值可以由本领域技术人员根据实际情况适当设定，本发明实施例对此不作限制。
通过本实施例，针对基于网票发票的企业交易行为中目前频频出现的企业偷税漏税行为，而税务人员人工进行偷税漏税检测又犹如“大海里捞针”的现象，对企业进行自动归类，自动筛选出同类企业，并提供一定范围的统计分析，方便税务人员进行同类企业的税务比较，加快偷税漏税的人工检测。
需要说明的是，对于前述的方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必需的。
实施例三
参照图3，示出了根据本发明实施例三的一种税务数据异常分析系统的结构框图。
本实施例的税务数据异常分析系统包括：访问模块301，用于访问根据税务信息生成的商品信息树，其中，商品信息树中至少保存有商品名称和商品所属分类；统计模块302，用于根据所述税务信息和所述商品信息树，对目标企业对象设定时间段内的税务数据，以及目标企业对象所属分类内的所有企业对象在所述设定时间段内的税务数据进行统计；分析模块303，用于根据统计结果分析目标企业对象在所述设定时间段内的税务数据是否异常。
优选地，本实施例的税务数据异常分析系统还包括：本体构建模块304，用于在访问模块301访问税务数据信息库之前，根据税务信息生成商品信息树；本体构建模块304具体包括：第一获取模块，用于从税务数据信息库中获取元税务数据，根据元税务数据获取商品明细信息，其中，商品明细信息包括商品名称；爬取模块，用于爬取所述商品名称对应的网页；第二获取模块，用于对网页进行解析，获取所述商品名称对应的商品的所属分类；生成模块，用于根据所述商品名称和其对应的所属分类生成商品信息树。
优选地，爬取模块包括：判断单元，用于判断是否成功爬取到所述商品名称对应的网页；执行单元，用于若判断单元的判断结果为是，则执行第二获取模块；若判断单元的判断结果为否，则对所述商品名称进行分词后重新爬取网页。
优选地，本实施例的税务数据异常分析系统还包括：企业对象分类模块305，用于在访问模块301访问税务数据信息库之前，从税务数据信息库中获取企业对象信息，其中，企业对象信息包括以下至少之一：注册地址信息、注册资本信息、主营项目信息；根据企业对象信息，确定企业对象的相似度；根据企业对象的相似度，对企业对象进行聚类，生成多个企业对象分类，其中，每个企业对象分类包括至少一个企业对象。
优选地，分析模块303包括：对比模块，用于将目标企业对象的统计结果，与，目标企业对象所属分类内的所有企业对象的统计结果的平均值进行比较；确定模块，用于若对比模块的比较结果为大于或等于设定阈值，则确定目标企业对象在所述设定时间段内的税务数据异常；否则，则确定目标企业对象在所述设定时间段内的税务数据正常。
本实施例的税务数据异常分析系统用于实现前述多个方法实施例中相应的税务数据异常分析方法，并具有相应的方法实施例的有益效果，在此不再赘述。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种税务数据异常分析方法，其特征在于，包括：
访问根据税务信息生成的商品信息树，其中，所述商品信息树中至少保存有商品名称和商品所属分类；
根据所述税务信息和所述商品信息树，对目标企业对象设定时间段内的税务数据，以及所述目标企业对象所属分类内的所有企业对象在所述设定时间段内的税务数据进行统计；
根据统计结果分析所述目标企业对象在所述设定时间段内的税务数据是否异常。
2.根据权利要求1所述的方法，其特征在于，在所述访问税务数据信息库的步骤之前，还包括：根据税务信息生成商品信息树，包括：
从税务数据信息库中获取元税务数据，根据所述元税务数据获取商品明细信息，其中，所述商品明细信息包括商品名称；
爬取所述商品名称对应的网页；
对所述网页进行解析，获取所述商品名称对应的商品的所属分类；
根据所述商品名称和其对应的所属分类生成所述商品信息树。
3.根据权利要求2所述的方法，其特征在于，所述爬取所述商品名称对应的网页的步骤包括：
判断是否成功爬取到所述商品名称对应的网页；
若是，则执行所述对所述网页进行解析，获取所述商品名称对应的商品的所属分类的步骤；
若否，则对所述商品名称进行分词后重新爬取网页。
4.根据权利要求1所述的方法，其特征在于，在所述访问税务数据信息库的步骤之前，还包括：
从税务数据信息库中获取企业对象信息，其中，所述企业对象信息包括以下至少之一：注册地址信息、注册资本信息、主营项目信息；
根据所述企业对象信息，确定企业对象的相似度；
根据所述企业对象的相似度，对所述企业对象进行聚类，生成多个企业对象分类，其中，每个企业对象分类包括至少一个企业对象。
5.根据权利要求1所述的方法，其特征在于，所述根据统计结果分析所述目标企业对象在所述设定时间段内的税务数据是否异常的步骤包括：
将所述目标企业对象的统计结果，与，所述目标企业对象所属分类内的所有企业对象的统计结果的平均值进行比较；
若比较结果大于或等于设定阈值，则确定所述目标企业对象在所述设定时间段内的税务数据异常；否则，则确定所述目标企业对象在所述设定时间段内的税务数据正常。
6.一种税务数据异常分析系统，其特征在于，包括：
访问模块，用于访问根据税务信息生成的商品信息树，其中，所述商品信息树中至少保存有商品名称和商品所属分类；
统计模块，用于根据所述税务信息和所述商品信息树，对目标企业对象设定时间段内的税务数据，以及所述目标企业对象所属分类内的所有企业对象在所述设定时间段内的税务数据进行统计；
分析模块，用于根据统计结果分析所述目标企业对象在所述设定时间段内的税务数据是否异常。
7.根据权利要求6所述的系统，其特征在于，还包括：本体构建模块，用于在所述访问模块访问税务数据信息库之前，根据税务信息生成商品信息树；所述本体构建模块具体包括：
第一获取模块，用于从税务数据信息库中获取元税务数据，根据所述元税务数据获取商品明细信息，其中，所述商品明细信息包括商品名称；
爬取模块，用于爬取所述商品名称对应的网页；
第二获取模块，用于对所述网页进行解析，获取所述商品名称对应的商品的所属分类；
生成模块，用于根据所述商品名称和其对应的所属分类生成所述商品信息树。
8.根据权利要求7所述的系统，其特征在于，所述爬取模块包括：
判断单元，用于判断是否成功爬取到所述商品名称对应的网页；
执行单元，用于若所述判断单元的判断结果为是，则执行所述第二获取模块；若所述判断单元的判断结果为否，则对所述商品名称进行分词后重新爬取网页。
9.根据权利要求6所述的系统，其特征在于，还包括：企业对象分类模块，用于在所述访问模块访问税务数据信息库之前，从税务数据信息库中获取企业对象信息，其中，所述企业对象信息包括以下至少之一：注册地址信息、注册资本信息、主营项目信息；根据所述企业对象信息，确定企业对象的相似度；根据所述企业对象的相似度，对所述企业对象进行聚类，生成多个企业对象分类，其中，每个企业对象分类包括至少一个企业对象。
10.根据权利要求6所述的系统，其特征在于，所述分析模块包括：
对比模块，用于将所述目标企业对象的统计结果，与，所述目标企业对象所属分类内的所有企业对象的统计结果的平均值进行比较；
确定模块，用于若所述对比模块的比较结果为大于或等于设定阈值，则确定所述目标企业对象在所述设定时间段内的税务数据异常；否则，则确定所述目标企业对象在所述设定时间段内的税务数据正常。
CN201511001208.6A 2015-12-28 2015-12-28 税务数据异常分析方法及系统 Pending CN106933814A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511001208.6A CN106933814A (zh) 2015-12-28 2015-12-28 税务数据异常分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511001208.6A CN106933814A (zh) 2015-12-28 2015-12-28 税务数据异常分析方法及系统

Publications (1)

Publication Number Publication Date
CN106933814A true CN106933814A (zh) 2017-07-07

Family

ID=59458322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511001208.6A Pending CN106933814A (zh) 2015-12-28 2015-12-28 税务数据异常分析方法及系统

Country Status (1)

Country Link
CN (1) CN106933814A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108491887A (zh) * 2018-03-29 2018-09-04 安徽航天信息有限公司 一种商品税收编码的获取方法
CN109426968A (zh) * 2017-08-22 2019-03-05 阿里巴巴集团控股有限公司 待测主体的异常检测方法、装置和企业的异常检测方法
CN109919690A (zh) * 2017-12-07 2019-06-21 航天信息股份有限公司 一种用于对发票变票虚开行为进行监控的方法及系统
CN110599189A (zh) * 2019-09-24 2019-12-20 腾讯科技（深圳）有限公司 一种票据风险分析方法、相关设备及计算机存储介质
CN110955735A (zh) * 2018-09-26 2020-04-03 北京国双科技有限公司 一种企业融资性贸易分析方法及装置
CN111428053A (zh) * 2020-03-30 2020-07-17 西安交通大学 一种面向税务领域知识图谱的构建方法
CN111695979A (zh) * 2020-06-18 2020-09-22 税友软件集团股份有限公司 一种原材料与成品的关系分析方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040260477A1 (en) * 2001-10-01 2004-12-23 Andreas Dittrich Regulatory classification system
CN102053983A (zh) * 2009-11-02 2011-05-11 阿里巴巴集团控股有限公司 一种垂直搜索的查询方法、系统和装置
CN103345645A (zh) * 2013-06-27 2013-10-09 复旦大学 面向网购平台的商品图像类别预测方法
CN103377454A (zh) * 2013-07-11 2013-10-30 西安交通大学 基于余弦相似度的异常报税数据检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040260477A1 (en) * 2001-10-01 2004-12-23 Andreas Dittrich Regulatory classification system
CN102053983A (zh) * 2009-11-02 2011-05-11 阿里巴巴集团控股有限公司 一种垂直搜索的查询方法、系统和装置
CN103345645A (zh) * 2013-06-27 2013-10-09 复旦大学 面向网购平台的商品图像类别预测方法
CN103377454A (zh) * 2013-07-11 2013-10-30 西安交通大学 基于余弦相似度的异常报税数据检测方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109426968A (zh) * 2017-08-22 2019-03-05 阿里巴巴集团控股有限公司 待测主体的异常检测方法、装置和企业的异常检测方法
CN109426968B (zh) * 2017-08-22 2022-08-30 阿里巴巴集团控股有限公司 待测主体的异常检测方法、装置和企业的异常检测方法
CN109919690A (zh) * 2017-12-07 2019-06-21 航天信息股份有限公司 一种用于对发票变票虚开行为进行监控的方法及系统
CN108491887A (zh) * 2018-03-29 2018-09-04 安徽航天信息有限公司 一种商品税收编码的获取方法
CN110955735A (zh) * 2018-09-26 2020-04-03 北京国双科技有限公司 一种企业融资性贸易分析方法及装置
CN110599189A (zh) * 2019-09-24 2019-12-20 腾讯科技（深圳）有限公司 一种票据风险分析方法、相关设备及计算机存储介质
CN111428053A (zh) * 2020-03-30 2020-07-17 西安交通大学 一种面向税务领域知识图谱的构建方法
CN111428053B (zh) * 2020-03-30 2023-10-20 西安交通大学 一种面向税务领域知识图谱的构建方法
CN111695979A (zh) * 2020-06-18 2020-09-22 税友软件集团股份有限公司 一种原材料与成品的关系分析方法、装置及设备

Similar Documents

Publication Publication Date Title
Chu et al. A global supply chain risk management framework: An application of text-mining to identify region-specific supply chain risks
CN106933814A (zh) 税务数据异常分析方法及系统
Wei et al. Discovering bank risk factors from financial statements based on a new semi‐supervised text mining algorithm
CN101819573B (zh) 一种自适应的网络舆情识别方法
CN111445028A (zh) Ai驱动的交易管理系统
US20200074486A1 (en) Information processing system, information processing device, prediction model extraction method, and prediction model extraction program
CN110807527A (zh) 一种基于客群筛选的额度调整方法、装置和电子设备
KR102089666B1 (ko) 빅데이터를 활용한 판매자 신용 등급 자동집계 및 평가 방법 및 ai 자동 분류 서버
CN103927615A (zh) 将实体与类别相关联
CN111985937A (zh) 交易商价值信息评估方法、系统、存储介质、计算机设备
Papavasileiou et al. Tourism carbon Kuznets-curve hypothesis: A systematic literature review and a paradigm shift to a corporation-performance perspective
CN107609771A (zh) 一种供应商价值评价方法
CN113159881B (zh) 一种数据聚类及b2b平台客户偏好获取方法、系统
CN110689437A (zh) 一种基于随机森林的通信施工项目财务风险预测方法
KR20210033294A (ko) 자동보고서생성장치 및 그 동작 방법
Yu et al. Credit rating system for small businesses using the KS test to select an indicator system
CN112232944A (zh) 一种评分卡创建方法、装置和电子设备
Liu et al. Application of hierarchical clustering in tax inspection case-selecting
CN105359172A (zh) 计算企业存在拖欠的概率
Canello et al. Investigating space‐time patterns of regional industrial resilience through a micro‐level approach: An application to the Italian wine industry
Hu Predicting and improving invoice-to-cash collection through machine learning
Balcı et al. Hierarchies in communities of UK stock market from the perspective of Brexit
CN112785112A (zh) 一种风险规则提取方法及风险规则提取装置
Fresard et al. The incentives for vertical mergers and vertical integration
CN114528448B (zh) 一种全球外贸客户客户画像精准分析系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170707

RJ01 Rejection of invention patent application after publication