CN109636111B - 一种确定企业进项销项差异度的方法和系统 - Google Patents

Abstract

本发明提供一种确定企业进项销项差异度的方法和系统，所述方法和系统针对特定的经营周期内进行分类编码的校正/补全后的发票数据分别计算其经营类别中的分类编码占比特征向量以及销项经营金额和进项经营金额的比值；对所有企业的进项特征向量和销项特征向量分别进行聚类；最后根据所述聚类和所述比值计算每个企业的进项销项差异度，将归属于同一个销项主营业务的企业数较少的企业判定为进销项异常企业。所提出方法能适用于商贸型和生产型企业进项销项差异度量，无需对生产型企业的生产模型进行建模，可按概率给出企业进项销项差异度的可能性，可用于指导税收征管部门查找偷逃税企业。

Description

一种确定企业进项销项差异度的方法和系统

技术领域

本发明涉及税收征管防伪领域,并且更具体地，涉及一种确定企业进项 销项差异度的方法和系统。

背景技术

在防伪税控领域，目前存在不法企业利用当前税收征管的不足，从事 违法违规的经营活动，从而出现“有进无销、有销无进、销售不实、抵扣 不符、阴阳票”等问题，即大量存在企业在使用防伪税控系统办理抄报税 和认证的过程中，通过满足发票七要素的条件，任意修改进项发票和销项 发票中的商品数量、单价、金额等要素以实现逃税行为。而且，即使企业 在抄报税和认证过程中填写同一商品，但是名称在进项和销项中也可能存 在名称不一致的情况，比如某品牌手机在进项中的名称为“××手机”，但 在销项中的名称为“××手机64G”，如何刻画企业的进项和销项特征存在 一定的难度，从而造成查找出存在“有进无销、有销无进、销售不实、抵 扣不符、阴阳票”等问题的企业存在较大的困难，因此，如何通过一种快 速有效的方法确定企业的进项销项差异度，从而找出违法违规企业就成为 防伪税控领域一个急需解决的问题。

发明内容

为了解决现有技术中缺乏快速有效的方法确定企业的进项销项差异度 从而摸出违法违规企业的技术问题，本发明提供了一种确定企业进项销项 差异度的方法，所述方法包括：

基于预先设置的确定企业进项销项差异度的数据源，计算所述经营周 期内每个企业的每个商品和服务分类编码的进项金额，将所述进项金额和 其对应的分类编码的组合作为企业的进项经营金额和进项经营类别的特征 数据；

将每个企业进项经营类别中的每个分类编码的进项金额进行归一化， 得到每个企业进项经营类别中的每个分类编码的进项金额表征的特征向量 值；

对数据源中的所有企业，按照其进项经营类别中的所有分类编码的进 项金额表征的特征向量值对企业进行聚类，生成若干个归属于不同进项主 营业务的企业的集合；

基于所述数据源，计算所述经营周期内每个企业的每个商品和服务分 类编码的销项金额，并将所述销项金额和其对应的分类编码组合作为企业 销项经营金额和销项经营类别的特征数据；

将每个企业销项经营类别中的每个分类编码的销项金额进行归一化， 得到每个企业销项经营类别中的每个分类编码的销项金额的特征向量值；

对数据源中的所有企业，按照其销项经营类别中的所有分类编码的销 项金额的特征向量值对企业进行聚类，生成若干个归属于不同销项主营业 务的企业的集合；

对归属于同一个进项主营业务的企业集合中的m个企业，将其销项主 营业务相同的n个企业形成集合P，根据所述企业数目m和n确定所述集合 P中的n个企业的进项销项差异度R_c。

进一步地，所述方法在计算每个企业的每个商品和服务分类编码的进 项金额之前还包括获取企业特定经营周期内的发票明细数据，并对所述发 票明细数据中的商品和服务分类编码进行校正/补全，形成确定企业进项销 项差异度的数据源。

进一步地，所述基于预先设置的确定企业进项销项差异度的数据源， 计算每个企业的每个商品和服务分类编码的进项金额，将所述进项金额和 其对应的分类编码的组合作为企业的进项经营金额和进项经营类别的特征 数据是指基于预先设置的确定企业进项销项差异度的数据源，计算所述经 营周期内每个企业的每个商品和服务分类编码的进项金额，并将所述进项 金额按照从大到小的顺序排序形成进项金额序列，当所述进项金额序列中 按照从大到小的顺序筛选出的进项金额的和与进项金额序列的总和的比例 超过设置的进项金额占比阈值时，将筛选出的进项金额和其对应的分类编 码的组合作为企业的进项经营金额和进项经营类别的特征数据。

进一步地，所述基于预先设置的确定企业进项销项差异度的数据源， 计算每个企业的每个商品和服务分类编码的销项金额，将所述销项金额和 其对应的分类编码的组合作为企业的销项经营金额和销项经营类别的特征 数据是指基于预先设置的确定企业进项销项差异度的数据源，计算每个企 业的每个商品和服务分类编码的销项金额，并将所述销项金额按照从大到 小的顺序排序形成销项金额序列，当所述销项金额序列中按照从大到小的 顺序筛选出的销项金额的和与销项金额序列的总和的比例超过设置的销项 金额占比阈值时，将筛选出的销项金额和其对应的分类编码的组合作为企 业的销项经营金额和销项经营类别的特征数据。

进一步地，所述对归属于同一个进项主营业务的企业集合中的m个企 业，将其销项主营业务相同的n个企业形成集合P，根据所述企业数目m和 n确定归属于同一个销项主营业务的n个企业的进项销项差异度R_c，其计算 公式为：

R_c＝1-n/m

其中，当R_c的值越大时，所述销项主营业务相同的n个企业相对于归 属于同一个进项主营业务的企业集合中的其他企业进项销项差异度越大。

进一步地，所述方法还包括：

根据所述集合P中的n个企业的进项经营金额和销项经营金额，分别 计算其销项经营金额和进项经营金额的比值R_JXi，其中1≤i≤n；

计算所述集合P中n个企业的比值R_JXi的均值和标准差，根据计算确 定的均值和标准差来判断所述企业相对于所述集合P中的其他企业的差异 度。

进一步地，所述计算所述集合P中n个企业的比值R_JXi的均值和标准 差，根据计算确定的均值和标准差来判断所述企业相对于所述集合P中的 其他企业的差异度包括：

计算所述集合P中n个企业的比值R_JX的均值和标准差，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比 值，

是集合P中n个企业的比值的均值，σ是集合P中n个企业的比值 的标准差；

根据计算确定的均值和标准差来判断所述企业相对于所述集合P中的 其他企业的差异度，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比 值，

是集合P中n个企业的比值的均值，

为所述R_JXi和

差 值的绝对值，σ是集合P中n个企业的比值的标准差，S_JXi是集合P中第i个 企业相对于集合P中其他企业的差异度，其中，当所述S_JXi越大时，与其 他企业的进项销项差异度越大。

根据本发明的另一方面，本发明提供一种确定企业进项销项差异度的 系统，所述系统包括：

进项数据单元，其用于基于预先设置的确定企业进项销项差异度的数 据源，计算每个企业的每个商品和服务分类编码的进项金额，并将所述进 项金额和其对应的分类编码的组合作为企业的进项经营金额和进项经营类 别的特征数据；

进项特征向量单元，其用于将每个企业进项经营类别中的每个分类编 码的进项金额进行归一化，得到每个企业进项经营类别中的每个分类编码 的进项金额表征的特征向量值；

进项主营业务单元，其用于对数据源中的所有企业，按照其进项经营 类别中的所有分类编码的进项金额表征的特征向量值对企业进行聚类，生 成若干个归属于不同进项主营业务的企业的集合；

销项数据单元，其用于基于所述数据源，计算每个企业的每个商品和 服务分类编码的销项金额，并将所述销项金额和其对应的分类编码组合作 为企业销项经营金额和销项经营类别的特征数据；

销项特征向量单元，其用于将每个企业销项经营类别中的每个分类编 码的销项金额进行归一化，得到每个企业销项经营类别中的每个分类编码 的销项金额的特征向量值；

销项主营业务单元，其用于对数据源中的所有企业，按照其销项经营 类别中的所有分类编码的销项金额的特征向量值对企业进行聚类，生成若 干个归属于不同销项主营业务的企业的集合；

第一差异度单元，其用于对归属于同一个进项主营业务的企业集合中 的m个企业，将其销项主营业务相同的n个企业形成集合P，根据所述企 业数目m和n确定所述集合P中的n个企业的进项销项差异度R_c。

进一步地，所述系统还包括：

数据源单元，其用于获取企业特定经营周期内的发票明细数据，并对 所述发票明细数据中的商品和服务分类编码进行校正/补全，形成确定企业 进项销项差异度的数据源；

比值计算单元，其用于根据所述集合P中的n个企业的进项经营金额 和销项经营金额，分别计算其销项经营金额和进项经营金额的比值R_JXi， 其中1≤i≤n；

第二差异度单元，其用于计算所述集合P中n个企业的比值R_JXi的均 值和标准差，根据计算确定的均值和标准差来判断所述企业相对于所述集 合P中的其他企业的差异度。

进一步地，所述进项数据单元基于预先设置的确定企业进项销项差异 度的数据源，计算每个企业的每个商品和服务分类编码的进项金额，将所 述进项金额和其对应的分类编码的组合作为企业的进项经营金额和进项经 营类别的特征数据是指基于预先设置的确定企业进项销项差异度的数据源， 计算每个企业的每个商品和服务分类编码的进项金额，并将所述进项金额 按照从大到小的顺序排序形成进项金额序列，当所述进项金额序列中按照 从大到小的顺序筛选出的进项金额的和与进项金额序列的总和的比例超过 设置的进项金额占比阈值时，将筛选出的进项金额和其对应的分类编码的 组合作为企业的进项经营金额和进项经营类别的特征数据。

进一步地，所述销项数据单元基于预先设置的确定企业进项销项差异 度的数据源，计算每个企业的每个商品和服务分类编码的销项金额，将所 述销项金额和其对应的分类编码的组合作为企业的销项经营金额和销项经 营类别的特征数据是指基于预先设置的确定企业进项销项差异度的数据源， 计算每个企业的每个商品和服务分类编码的销项金额，并将所述销项金额 按照从大到小的顺序排序形成销项金额序列，当所述销项金额序列中按照 从大到小的顺序筛选出的销项金额的和与销项金额序列的总和的比例超过 设置的销项金额占比阈值时，将筛选出的销项金额和其对应的分类编码的 组合作为企业的销项经营金额和销项经营类别的特征数据。

进一步地，所述第一差异度单元对归属于同一个进项主营业务的企业 集合中的m个企业，将其销项主营业务相同的n个企业形成集合P，根据 所述企业数目m和n确定归属于同一个销项主营业务的n个企业的进项销 项差异度R_c，其计算公式为：

R_c＝1-n/m

其中，当R_c的值越大时，所述销项主营业务相同的n个企业相对于归 属于同一个进项主营业务的企业集合中的其他企业进项销项差异度越大。

进一步地，所述第二差异度单元包括：

第一计算单元，其用于计算所述集合P中n个企业的比值R_JX的均值和 标准差，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比 值，

是集合P中n个企业的比值的均值，σ是集合P中n个企业的比值 的标准差；

第二计算单元，其用于根据计算确定的R_JX的均值和标准差来判断所 述企业相对于所述集合P中的其他企业的差异度，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比 值，

是集合P中n个企业的比值的均值，

为所述R_JXi和

差 值的绝对值，σ是集合P中n个企业的比值的标准差，S_JXi是集合P中第i个 企业相对于集合P中其他企业的差异度，其中，当所述S_JXi越大时，与其 他企业的进项销项差异度越大。

本发明技术方案提供的确定企业进项销项差异度的方法和系统，通过 对企业在特定时间周期内进行校正/补全后的发票数据，分别根据每个企业 的每个进项、销项分类编码和所述进项、销项分类编码对应的进项、销项 金额来确定刻画每个企业进项、销项经营类别和进项、销项经营金额的特 征数据，在对所述每个企业的进项、销项经营类别中的每个分类编码进项、 销项金额进行归一化并得到每个企业的进项、销项经营类别中的每个分类 编码的进项、销项金额表征的特征向量值后，将每个企业的经营类别中所 有分类编码的特征向量值进行聚类，从而在得到若干个归属于不同进项主 营业务的企业集合的基础上，针对每个归属于同一个进项主营业务的企业 集合，又得到若干个归属于不同销项主营业务的企业集合，然后针对归属 于同一个进项主营业务的企业集合中的若干个归属于不同销项主营业务的 企业集合，分别计算其进项销项差异度，从而确定归属于同一个进项主营 业务的企业集合中归属于不同销项主营业务的企业集合的进项销项差异度， 并在此基础上，计算归属于同一个销售主营业务的企业集合中的每个企业 的进项经营金额和销项金额的比值，以及所述比值的均值和标准差，从而 确定所述企业集合中每个企业相对于集合中其他企业的差异度。所述确定 企业进项销项差异度的方法和系统的优点如下：

1、针对获取的企业特定经营周期内的发票明细数据，通过对所述发票 明细数据中的商品和服务分类编码进行校正/补全，提升了分类编码准确率， 为商品和服务分类提供了一个统一的标准；

2、根据进项、销项金额的和与进项、销项金额序列的总和的比值达到 设置的进项、销项金额占比阈值来筛选刻画每个企业进项、销项经营类别 和进项、销项经营金额的特征数据，从而忽略了每个企业的进项金额和销 项金额较少的分类编码，有效避免了进项、销项主营业务划分错误的可能 性；

3、对每个企业的进项、销项经营类别中每个分类编码的进项、销项金 额进行归一化，得到每个企业的进项、销项经营类别中的每个分类编码的 进项、销项金额表征的特征向量值，并根据所述特征向量值对企业进行聚 类，有效克服了企业经营规模大小对企业聚类的影响，使对企业的聚类以 确定归属于同一个进项、销项主营业务的企业集合的结果更为准确；

4、针对归属于同一个进项主营业务的企业集合，首先通过归属于不同 销项主营业务的企业集合中企业的数目，确定归属于不同销项主营业务的 企业集合之间的进项销项差异度。并在此基础上还可通过计算归属于同一 个销项主营业务的企业集合中每个企业的进项销项差异度，确定每个企业 相对于归属于同一个销项主营业务的企业集合中其他企业的进项销项差异 度，通过两次进项销项差异度的判断使发现不同于正常企业进项销项一致 的经营行为的异常企业的判断更为准确；

5、本发明有效解决了生产加工型企业的进项和销项差异度的计算问题， 传统的商贸型企业的进项销项差异度确定较为容易，判断购进商品和销售 商品的名称和金额是否一致即可判断其进项销项差异度，而生产型加工企 业的进项销项差异度判断，常规的方法需要针对特定行业，刻画生产某种 商品的生产效率，即多少原材料组合能得到多少商品，但针对数量众多的 生产加工新行业，所述方法不能推广，而本发明不去关心特定行业的生产 效率，而是通过找出进项销项差异度大的企业来确定违法违规企业，计算 更方便，更简单。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明优选实施方式的确定企业进项销项差异度的方法的 流程图；

图2为根据本发明优选实施方式的确定企业进项销项差异度的系统的 结构示意图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许 多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例 是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分 传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是 对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的 技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典 限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应 该被理解为理想化的或过于正式的意义。

图1为根据本发明优选实施方式的确定企业进项销项差异度的方法的 流程图。如图1所示，本优选实施方式所述的确定企业进项销项差异度的 方法100从步骤101开始。

在步骤101，获取企业特定经营周期内的发票明细数据，并对所述发 票明细数据中的商品和服务分类编码进行校正/补全，形成确定企业进项销 项差异度的数据源。所述发票明细数据在国家税务局实施《商品和服务税 收分类与编码》规范前，存在大量不含分类编码的发票，随着系统改造上 线，分类编码属于必填选项，但存在不准确的情况。因此，对获取的发票 明细数据需要通过商品和服务分类编码推荐系统完成发票明细数据中的分类编码的校正或补全，从而有效提高发票明细数据的分类编码正确率。

在本优选实施方式中，所述获取企业特定经营周期内的发票明细数据， 并对所述发票明细数据中的商品和服务分类编码进行校正/补全，形成确定 企业进项销项差异度的数据源包括：

获取税局管辖范围内的所有纳税人企业在1个自然年度内的发票明细 数据；

将所述发票明细数据经过商品和服务编码推荐系统进行校正/补全；

将所述校正/补全后的发票明细数据作为确定企业进项销项差异度的 数据源。

此外，获取企业发票明细数据的特定经营周期也不限于1个自然年度， 在少于1年的时间跨度内也可以计算企业每个分类编码的进项、销项金额 表征的特征向量值，并根据所述特征向量值将企业归属于特定的进项、销 项经营类别，并进一步确定进项、销项主营业务，通过近期特征反应出企 业的进销项差异的即时特征。

在步骤102，基于所述数据源，根据设置的进项占比阈值计算所述经 营周期内每个企业的每个商品和服务分类编码的进项金额，并将所述进项 金额和其对应的分类编码的组合作为企业的进项经营金额和进项经营类别 的特征数据。

优选地，所述基于所述数据源，根据设置的进项占比阈值计算每个企 业的每个商品和服务分类编码的进项金额，将所述进项金额和其对应的分 类编码的组合作为企业的进项经营金额和进项经营类别的特征数据是指基 于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商 品和服务分类编码的进项金额，并将所述进项金额按照从大到小的顺序排 序形成进项金额序列，当所述进项金额序列中按照从大到小的顺序筛选出 的进项金额的和与进项金额序列的总和的比例超过设置的进项金额占比阈 值时，将筛选出的进项金额和其对应的分类编码的组合作为企业的进项经 营金额和进项经营类别的特征数据。通过将所述进项金额按照从大到小的 顺序排列，并按照从大到小的顺序筛选进项金额的和与进项金额序列的总 和求商很好地避免了一些金额少的分类编码的影响，从而提高了确定的企 业的进项经营类别的准确性。

在本优选实施方式中，所述进项金额占比阈值和销项金额占比阈值均 为80％。

在步骤103，将每个企业进项经营类别中的每个分类编码的进项金额 进行归一化，得到每个企业进项经营类别中的每个分类编码的进项金额表 征的特征向量值。

在步骤104，对数据源中的所有企业，按照其进项经营类别中的所有 分类编码的进项金额表征的特征向量值对企业进行聚类，生成若干个归属 于不同进项主营业务的企业的集合。

通过将每个企业进项经营类别中的每个分类编码的进项金额进行归一 化，从而得到同一个企业进项经营类别中的每个分类编码的进项金额表征 的特征向量值，并利用每个企业所有分类编码的所述特征向量值对企业进 行聚类，避免了企业经营规模大小的差异对企业聚类的影响，使划分的归 属于同一个进项主营业务的企业集合更加准确。在本优选实施方式中，采 用Kmeans算法对企业进行聚类，生成进项主营业务特征相同的企业集合。 同样地，在本优选实施方式中，采用Kmeans算法，根据每个企业销项经营 类别中所有的分类编码的销项金额特征向量值对企业进行聚类，生成销项 主营业务特征相同的企业集合。

在步骤105，基于所述数据源，根据设置的销项金额占比阈值计算所 述经营周期内每个企业的每个商品和服务分类编码的销项金额，并将所述 销项金额和与销项金额序列的总和的比例超过设置的销项金额占比阈值时， 将筛选出的销项金额和其对应的分类编码组合作为企业销项经营金额和销 项经营类别的特征数据。

优选地，基于所述数据源，计算每个企业的每个商品和服务分类编码 的销项金额，将所述销项金额和其对应的分类编码的组合作为企业的销项 经营金额和销项经营类别的特征数据是指基于预先设置的确定企业进项销 项差异度的数据源，计算每个企业的每个商品和服务分类编码的销项金额， 并将所述销项金额按照从大到小的顺序排序形成销项金额序列，当所述销 项金额序列中按照从大到小的顺序筛选出的销项金额的和与销项金额序列 的总和的比例超过设置的销项金额占比阈值时，将筛选出的销项金额和其 对应的分类编码的组合作为企业的销项经营金额和销项经营类别的特征数 据。通过将所述销项金额按照从大到小的顺序排列，并按照从大到小的顺 序筛选销项金额的和与销项金额序列的总和求商很好地避免了一些金额少 的分类编码的影响，从而提高了确定的企业的销项经营类别的准确性。

在本优选实施方式中，所述销项金额占比阈值和销项金额占比阈值均 为80％。

在步骤106，将每个企业销项经营类别中的每个分类编码的销项金额 进行归一化，得到每个企业销项经营类别中的每个分类编码的销项金额的 特征向量值。

在步骤107，对数据源中的所有企业，按照其销项经营类别中的所有 分类编码的销项金额的特征向量值对企业进行聚类，生成若干个归属于不 同销项主营业务的企业的集合。通过将每个企业销项经营类别中的每个分 类编码的进项金额进行归一化，从而得到同一个企业销项经营类别中的每 个分类编码的销项金额表征的特征向量值，并利用每个企业所有分类编码 的所述特征向量值对企业进行聚类，避免了企业经营规模大小的差异对企 业聚类的影响，使划分的归属于同一个销项主营业务的企业集合更加准确。

在步骤108，对归属于同一个进项主营业务的企业集合中的m个企业， 将其销项主营业务相同的n个企业形成集合P，根据所述企业数目m和n确 定所述集合P中的n个企业的进项销项差异度R_c。

优选地，所述对归属于同一个进项主营业务的企业集合中的m个企业， 将其销项主营业务相同的n个企业形成集合P，根据所述企业数目m和n确 定归属于同一个销项主营业务的n个企业的进项销项差异度R_c，其计算公 式为：

R_c＝1-n/m

其中，当R_c的值越大时，所述销项主营业务相同的n个企业相对于归 属于同一个进项主营业务的企业集合中的其他企业进项销项差异度越大。

在步骤109，根据所述集合P中的n个企业的进项经营金额和销项经营 金额，分别计算其销项经营金额和进项经营金额的比值R_JXi，其中1≤i≤n。

在步骤110，计算所述集合P中n个企业的比值R_JXi的均值和标准差， 根据计算确定的均值和标准差来判断所述企业相对于所述集合P中的其他 企业的差异度。

优选地，所述计算所述集合P中n个企业的比值R_JXi的均值和标准差， 根据计算确定的均值和标准差来判断所述企业相对于所述集合P中的其他 企业的差异度包括：

计算所述集合P中n个企业的比值R_JX的均值和标准差，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比 值，

是集合P中n个企业的比值的均值，σ是集合P中n个企业的比值 的标准差；

根据计算确定的均值和标准差来判断所述企业相对于所述集合P中的 其他企业的差异度，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比 值，

是集合P中n个企业的比值的均值，

为所述R_JXi和

差 值的绝对值，σ是集合P中n个企业的比值的标准差，S_JXi是集合P中第i个 企业相对于集合P中其他企业的差异度，其中，当所述S_JXi越大时，与其 他企业的进项销项差异度越大。

图2为根据本发明优选实施方式的确定企业进项销项差异度的系统的 结构示意图。如图2所示，本优选实施方式中所述的确定企业进项销项差 异度的系统200包括：

数据源单元201，其用于获取企业特定经营周期内的发票明细数据， 并对所述发票明细数据中的商品和服务分类编码进行校正/补全，形成确定 企业进项销项差异度的数据源。

在本优选实施方式中，所述数据源单元201获取企业特定经营周期内 的发票明细数据，并对所述发票明细数据中的商品和服务分类编码进行校 正/补全，形成确定企业进项销项差异度的数据源包括：

获取税局管辖范围内的所有纳税人企业在1个自然年度内的发票明细 数据；

将所述发票明细数据经过商品和服务编码推荐系统进行校正/补全；

将所述校正/补全后的发票明细数据作为确定企业进项销项差异度的 数据源。

进项数据单元202，其用于基于所述数据源，计算所述经营周期内每 个企业的每个商品和服务分类编码的进项金额，并将所述进项金额和其对 应的分类编码的组合作为企业的进项经营金额和进项经营类别的特征数据。

优选地，所述进项数据单元基于预先设置的确定企业进项销项差异度 的数据源，计算每个企业的每个商品和服务分类编码的进项金额，将所述 进项金额和其对应的分类编码的组合作为企业的进项经营金额和进项经营 类别的特征数据是指基于预先设置的确定企业进项销项差异度的数据源， 计算每个企业的每个商品和服务分类编码的进项金额，并将所述进项金额 按照从大到小的顺序排序形成进项金额序列，当所述进项金额序列中按照 从大到小的顺序筛选出的进项金额的和与进项金额序列的总和的比例超过 设置的进项金额占比阈值时，将筛选出的进项金额和其对应的分类编码的 组合作为企业的进项经营金额和进项经营类别的特征数据。同理，所述销 项数据单元基于所述数据源，计算每个企业的每个商品和服务分类编码的 销项金额，将所述销项金额和其对应的分类编码的组合作为企业的销项经 营金额和销项经营类别的特征数据是指基于预先设置的确定企业进项销项 差异度的数据源，计算每个企业的每个商品和服务分类编码的销项金额， 并将所述销项金额按照从大到小的顺序排序形成销项金额序列，当所述销 项金额序列中按照从大到小的顺序筛选出的销项金额的和与销项金额序列 的总和的比例超过设置的销项金额占比阈值时，将筛选出的销项金额和其 对应的分类编码的组合作为企业的销项经营金额和销项经营类别的特征数 据。

进项特征向量单元203，其用于将每个企业进项经营类别中的每个分 类编码的进项金额进行归一化，得到每个企业进项经营类别中的每个分类 编码的进项金额表征的特征向量值。

在本优选实施方式中，采用Kmeans算法对企业进行聚类，生成进项主 营业务特征相同的企业集合。同理，本优选实施方式中，所述销项主营业 务单元207对数据源中所有企业，也基于每个企业销项经营类别中所有的 分类编码的销项金额的特征向量值，采用Kmeans算法对企业进行聚类，生 成销项主营业务特征相同的企业集合。

进项主营业务单元204，其用于对数据源中的所有企业，按照其进项 经营类别中的所有分类编码的进项金额表征的特征向量值对企业进行聚类， 生成若干个归属于不同进项主营业务的企业的集合；

销项数据单元205，其用于基于所述数据源，计算所述经营周期内每 个企业的每个商品和服务分类编码的销项金额，并将所述销项金额和其对 应的分类编码组合作为企业销项经营金额和销项经营类别的特征数据；

销项特征向量单元206，其用于将每个企业销项经营类别中的每个分 类编码的销项金额进行归一化，得到每个企业销项经营类别中的每个分类 编码的销项金额的特征向量值；

销项主营业务单元207，其用于对数据源中的所有企业，按照其销项 经营类别中的所有分类编码的销项金额的特征向量值对企业进行聚类，生 成若干个归属于不同销项主营业务的企业的集合；

第一差异度单元208，其用于对归属于同一个进项主营业务的企业集 合中的m个企业，将其销项主营业务相同的n个企业形成集合P，根据所 述企业数目m和n确定所述集合P中的n个企业的进项销项差异度R_c；

比值计算单元209，其用于根据所述集合P中的n个企业的进项经营金 额和销项经营金额，分别计算其销项经营金额和进项经营金额的比值R_JXi， 其中1≤i≤n；

第二差异度单元210，其用于计算所述集合P中n个企业的比值R_JXi的 均值和标准差，根据计算确定的均值和标准差来判断所述企业相对于所述 集合P中的其他企业的差异度。

优选地，所述第一差异度单元208对归属于同一个进项主营业务的企 业集合中的m个企业，将其销项主营业务相同的n个企业形成集合P，根 据所述企业数目m和n确定归属于同一个销项主营业务的n个企业的进项 销项差异度R_c，其计算公式为：

R_c＝1-n/m

其中，当R_c的值越大时，所述销项主营业务相同的n个企业相对于归 属于同一个进项主营业务的企业集合中的其他企业进项销项差异度越大。

优选地，所述第二差异度单元211包括：

第一计算单元221，其用于计算所述集合P中n个企业的比值R_JX的均 值和标准差，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比 值，

是集合P中n个企业的比值的均值，σ是集合P中n个企业的比值 的标准差；

第二计算单元222，其用于根据计算确定的R_JX的均值和标准差来判断 所述企业相对于所述集合P中的其他企业的差异度，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比 值，

是集合P中n个企业的比值的均值，

为所述R_JXi和

差 值的绝对值，σ是集合P中n个企业的比值的标准差，S_JXi是集合P中第i个 企业相对于集合P中其他企业的差异度，其中，当所述S_JXi越大时，与其 他企业的进项销项差异度越大。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所 公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他 的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常 含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该 [装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例， 除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确 的顺序运行，除非明确地说明。

Claims (13)

1.一种确定企业进项销项差异度的方法，其特征在于，所述方法包括：

基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的进项金额，将所述进项金额和其对应的分类编码的组合作为企业的进项经营金额和进项经营类别的特征数据；

将每个企业进项经营类别中的每个分类编码的进项金额进行归一化，得到每个企业进项经营类别中的每个分类编码的进项金额表征的特征向量值；

对数据源中的所有企业，按照其进项经营类别中的所有分类编码的进项金额表征的特征向量值对企业进行聚类，生成若干个归属于不同进项主营业务的企业的集合；

基于所述数据源，计算每个企业的每个商品和服务分类编码的销项金额，并将所述销项金额和其对应的分类编码组合作为企业销项经营金额和销项经营类别的特征数据；

将每个企业销项经营类别中的每个分类编码的销项金额进行归一化，得到每个企业销项经营类别中的每个分类编码的销项金额的特征向量值；

对数据源中的所有企业，按照其销项经营类别中的所有分类编码的销项金额的特征向量值对企业进行聚类，生成若干个归属于不同销项主营业务的企业的集合；

对归属于同一个进项主营业务的企业集合中的m个企业，将其销项主营业务相同的n个企业形成集合P，根据所述企业数目m和n确定所述集合P中的n个企业的进项销项差异度R_c。

2.根据权利要求1所述的方法，其特征在于，所述方法在计算每个企业的每个商品和服务分类编码的进项金额之前还包括获取企业特定经营周期内的发票明细数据，并对所述发票明细数据中的商品和服务分类编码进行校正/补全，形成确定企业进项销项差异度的数据源。

3.根据权利要求1所述的方法，其特征在于，所述基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的进项金额，将所述进项金额和其对应的分类编码的组合作为企业的进项经营金额和进项经营类别的特征数据是指基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的进项金额，并将所述进项金额按照从大到小的顺序排序形成进项金额序列，当所述进项金额序列中按照从大到小的顺序筛选出的进项金额的和与进项金额序列的总和的比例超过设置的进项金额占比阈值时，将筛选出的进项金额和其对应的分类编码的组合作为企业的进项经营金额和进项经营类别的特征数据。

4.根据权利要求1所述的方法，其特征在于，所述基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的销项金额，将所述销项金额和其对应的分类编码的组合作为企业的销项经营金额和销项经营类别的特征数据是指基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的销项金额，并将所述销项金额按照从大到小的顺序排序形成销项金额序列，当所述销项金额序列中按照从大到小的顺序筛选出的销项金额的和与销项金额序列的总和的比例超过设置的销项金额占比阈值时，将筛选出的销项金额和其对应的分类编码的组合作为企业的销项经营金额和销项经营类别的特征数据。

5.根据权利要求1所述的方法，其特征在于，所述对归属于同一个进项主营业务的企业集合中的m个企业，将其销项主营业务相同的n个企业形成集合P，根据所述企业数目m和n确定归属于同一个销项主营业务的n个企业的进项销项差异度R_c，其计算公式为：

R_c＝1-n/m

其中，当R_c的值越大时，所述销项主营业务相同的n个企业相对于归属于同一个进项主营业务的企业集合中的其他企业进项销项差异度越大。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述集合P中的n个企业的进项经营金额和销项经营金额，分别计算其销项经营金额和进项经营金额的比值R_JXi，其中1≤i≤n；

计算所述集合P中n个企业的比值R_JXi的均值和标准差，根据计算确定的均值和标准差来判断所述企业相对于所述集合P中的其他企业的差异度。

7.根据权利要求6所述的方法，其特征在于，所述计算所述集合P中n个企业的比值R_JXi的均值和标准差，根据计算确定的均值和标准差来判断所述企业相对于所述集合P中的其他企业的差异度包括：

计算所述集合P中n个企业的比值R_JX的均值和标准差，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比值，

是集合P中n个企业的比值的均值，σ是集合P中n个企业的比值的标准差；

根据计算确定的均值和标准差来判断所述企业相对于所述集合P中的其他企业的差异度，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比值，

是集合P中n个企业的比值的均值，

为所述R_JXi和

差值的绝对值，σ是集合P中n个企业的比值的标准差，S_JXi是集合P中第i个企业相对于集合P中其他企业的差异度，其中，当所述S_JXi越大时，与其他企业的进项销项差异度越大。

8.一种确定企业进项销项差异度的系统，其特征在于，所述系统包括：

进项数据单元，其用于基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的进项金额，将所述进项金额和其对应的分类编码的组合作为企业的进项经营金额和进项经营类别的特征数据；

进项特征向量单元，其用于将每个企业进项经营类别中的每个分类编码的进项金额进行归一化，得到每个企业进项经营类别中的每个分类编码的进项金额表征的特征向量值；

进项主营业务单元，其用于对数据源中的所有企业，按照其进项经营类别中的所有分类编码的进项金额表征的特征向量值对企业进行聚类，生成若干个归属于不同进项主营业务的企业的集合；

销项数据单元，其用于基于所述数据源，计算每个企业的每个商品和服务分类编码的销项金额，并将所述销项金额按照从大到小的顺序排序形成销项金额序列，当所述销项金额序列中按照从大到小的顺序筛选出的销项金额的和与销项金额序列的总和的比例超过设置的销项金额占比阈值时，将筛选出的销项金额和其对应的分类编码组合作为企业销项经营金额和销项经营类别的特征数据；

销项特征向量单元，其用于将每个企业销项经营类别中的每个分类编码的销项金额进行归一化，得到每个企业销项经营类别中的每个分类编码的销项金额的特征向量值；

销项主营业务单元，其用于对数据源中的所有企业，按照其销项经营类别中的所有分类编码的销项金额的特征向量值对企业进行聚类，生成若干个归属于不同销项主营业务的企业的集合；

第一差异度单元，其用于对归属于同一个进项主营业务的企业集合中的m个企业，将其销项主营业务相同的n个企业形成集合P，根据所述企业数目m和n确定所述集合P中的n个企业的进项销项差异度R_c。

9.根据权利要求8所述的系统，其特征在于，所述系统还包括：

数据源单元，其用于获取企业特定经营周期内的发票明细数据，并对所述发票明细数据中的商品和服务分类编码进行校正/补全，形成确定企业进项销项差异度的数据源；

比值计算单元，其用于根据所述集合P中的n个企业的进项经营金额和销项经营金额，分别计算其销项经营金额和进项经营金额的比值R_JXi，其中1≤i≤n；

第二差异度单元，其用于计算所述集合P中n个企业的比值R_JXi的均值和标准差，根据计算确定的均值和标准差来判断所述企业相对于所述集合P中的其他企业的差异度。

10.根据权利要求8所述的系统，其特征在于，所述进项数据单元基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的进项金额，将所述进项金额和其对应的分类编码的组合作为企业的进项经营金额和进项经营类别的特征数据是指基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的进项金额，并将所述进项金额按照从大到小的顺序排序形成进项金额序列，当所述进项金额序列中按照从大到小的顺序筛选出的进项金额的和与进项金额序列的总和的比例超过设置的进项金额占比阈值时，将筛选出的进项金额和其对应的分类编码的组合作为企业的进项经营金额和进项经营类别的特征数据。

11.根据权利要求8所述的系统，其特征在于，所述销项数据单元基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的销项金额，将所述销项金额和其对应的分类编码的组合作为企业的销项经营金额和销项经营类别的特征数据是指基于预先设置的确定企业进项销项差异度的数据源，计算每个企业的每个商品和服务分类编码的销项金额，并将所述销项金额按照从大到小的顺序排序形成销项金额序列，当所述销项金额序列中按照从大到小的顺序筛选出的销项金额的和与销项金额序列的总和的比例超过设置的销项金额占比阈值时，将筛选出的销项金额和其对应的分类编码的组合作为企业的销项经营金额和销项经营类别的特征数据。

12.根据权利要求8所述的系统，其特征在于，所述第一差异度单元对归属于同一个进项主营业务的企业集合中的m个企业，将其销项主营业务相同的n个企业形成集合P，根据所述企业数目m和n确定归属于同一个销项主营业务的n个企业的进项销项差异度R_c，其计算公式为：

R_c＝1-n/m

其中，当R_c的值越大时，所述销项主营业务相同的n个企业相对于归属于同一个进项主营业务的企业集合中的其他企业进项销项差异度越大。

13.根据权利要求9所述的系统，其特征在于，所述第二差异度单元包括：

第一计算单元，其用于计算所述集合P中n个企业的比值R_JX的均值和标准差，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比值，

是集合P中n个企业的比值的均值，σ是集合P中n个企业的比值的标准差；

第二计算单元，其用于根据计算确定的R_JX的均值和标准差来判断所述企业相对于所述集合P中的其他企业的差异度，其计算公式为：

式中，R_JXi是集合P中第i个企业的销项经营金额和进项经营金额的比值，

是集合P中n个企业的比值的均值，

为所述R_JXi和

差值的绝对值，σ是集合P中n个企业的比值的标准差，S_JXi是集合P中第i个企业相对于集合P中其他企业的差异度，其中，当所述S_JXi越大时，与其他企业的进项销项差异度越大。

Images