CN111027832A - 一种税务风险确定方法、装置及存储介质 - Google Patents
一种税务风险确定方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111027832A CN111027832A CN201911194747.4A CN201911194747A CN111027832A CN 111027832 A CN111027832 A CN 111027832A CN 201911194747 A CN201911194747 A CN 201911194747A CN 111027832 A CN111027832 A CN 111027832A
- Authority
- CN
- China
- Prior art keywords
- tax payment
- information
- tax
- entity
- entities
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000000605 extraction Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 48
- 230000008569 process Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q40/10—Tax strategies
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (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风险确定方法、装置及存储介质，其中，所述方法包括：获取纳税信息；确定所述纳税信息的数据类型，根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；基于所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，确定出所述纳税实体及所述纳税实体之间的关系；根据所述纳税实体、所述纳税实体之间的关系及纳税实体的实体属性，构建关系图；基于所述关系图，确定所述纳税实体的税务风险。
Description
技术领域
本发明涉及信息技术领域，尤其涉及一种税务风险确定方法、装置及存储介质。
背景技术
随着企业开展的业务越广泛，接触的经济体越多，涉及的税务事项越繁杂，导致企业面临的税务风险种类也越多，对整个企业的生存与发展的影响也越大。税务风险管理作为企业风险管理的一部分，其管理水平与质量直接影响到企业整体的风险管理效率。基于此，加强企业的税务风险管理变得必不可少。
但是目前，大多数企业的税务风险的管理都是围绕着企业自身进行统计、分析和查询等功能展开，只能在单一方向进行税务风险的分析，无法从整体上清晰地掌握企业的动态，使得企业的税务风险无法精确确定。
发明内容
有鉴于此，本发明实施例期望提供一种税务风险确定方法、装置及存储介质。
本发明的技术方案是这样实现的：
本发明实施例提供一种税务风险确定方法，所述方法包括：
获取纳税信息；
确定所述纳税信息的数据类型，根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
基于所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，确定出所述纳税实体及所述纳税实体之间的关系；
根据所述纳税实体、所述纳税实体之间的关系及纳税实体的实体属性，构建关系图；
基于所述关系图，确定所述纳税实体的税务风险。
在上述方案中，所述根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，包括：
当所述纳税信息为非结构化数据时，根据信息识别算法从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
当所述纳税信息为半结构化数据时，根据预先设置的目标字段从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
当所述纳税信息为结构化数据时，根据所述纳税实体的名称从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息。
在上述方案中，所述纳税信息包括以下至少之一：
包含在发票信息中的纳税信息；
包含在工商登记信息中的纳税信息；
包含在网站信息中的纳税信息；
包含在数据库信息中的纳税信息。
在上述方案中，所述基于所述关系图，确定所述纳税实体的税务风险，包括：
从所述关系图中，提取待评估的第一纳税实体的实体属性及所述第一纳税实体与第二纳税实体的关系；
基于风控模型对所述待评估的第一纳税实体的实体属性及所述第一纳税实体与所述第二纳税实体的关系进行处理，确定所述待评估的第一纳税实体的税务风险。
在上述方案中，所述构建关系图还包括：
将确定出的所述纳税实体与所述关系图中的纳税实体进行匹配，确定所述关系图中是否存在所述纳税实体；
当所述关系图中不存在所述纳税实体，在所述关系图中创建所述纳税实体；
当所述关系图中存在所述纳税实体，将确定出的纳税实体之间的关系添加至所述关系图中。
本发明实施例还提供一种税务风险确定装置，所述装置包括：
获取单元，用于获取纳税信息；
提取单元，用于确定所述纳税信息的数据类型，根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
关系确定单元，用于基于所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，确定出所述纳税实体及所述纳税实体之间的关系；
构建单元，用于根据所述纳税实体、所述纳税实体之间的关系及纳税实体的实体属性，构建关系图；
风险确定单元，用于基于所述关系图，确定所述纳税实体的税务风险。
本发明实施例还提供一种存储介质，所述存储介质存储有可执行指令，当所述可执行指令被至少一个处理器执行时，实现上述任一项所述的方法。
本发明实施例还提供一种税务风险确定装置，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现上述任一项所述的方法。
本发明实施例所提供的税务风险确定方法、装置及存储介质，通过获取的纳税信息确定出纳税信息的数据类型，进而根据数据类型对应的提取方式来提取出纳税实体之间的关系信息及纳税实体的实体属性信息，从而确定出纳税实体及纳税实体之间的关系，进而根据纳税实体、纳税实体之间的关系及纳税实体的实体属性来构建关系图；通过该关系图，实现对纳税实体的税务风险的精确确定。如此，通过建立纳税实体的关系图的方式，既可以从整体上清楚的看到供应链中各纳税实体的动态和地位，还可以在确定出纳税实体的税务风险的基础上，实现对税务地监控。
附图说明
图1为本发明实施例提供的一种税务风险确定方法的实现流程示意图；
图2为本发明实施例提供的一种税务风险确定方法中关系图的示意图；
图3为本发明实施例提供的一种税务风险确定方法中不同的数据类型的提取方式示意图；
图4为本发明实施例提供的一种税务风险确定装置的结构示意图；
图5为本发明实施例提供的一种税务风险确定装置的具体硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了有效地确定出企业的税务风险，本发明实施例提供一种税务风险确定方法，图1为本发明实施例提供的一种税务风险确定方法的实现流程示意图，如图1所示，所述方法包括：
步骤101，获取纳税信息；
步骤102，确定所述纳税信息的数据类型，根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
步骤103，基于所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，确定出所述纳税实体及所述纳税实体之间的关系；
步骤104，根据所述纳税实体、所述纳税实体之间的关系及纳税实体的实体属性，构建关系图；
步骤105，基于所述关系图，确定所述纳税实体的税务风险。
需要说明的是，所述税务风险确定方法可以应用于任何一种具备数据处理功能的电子设备，所述电子设备可以是智能手机、笔记本、平板电脑以及后台服务器等，本发明实施例对所述电子设备的类型不作限制。
所述纳税信息是指与纳税实体的交易情况和纳税情况相关的任意信息，所述纳税信息中包括纳税实体的实体属性信息、及纳税实体与其他纳税实体之间的交易信息。所述纳税实体的实体属性信息是指纳税实体的固有属性所包含的信息，包括：纳税实体的市值信息、地址信息、规模信息及注册资本信息。所述纳税实体与其他纳税实体之间的交易信息是指纳税实体与其他纳税实体发生产品和资金的交换过程中产生的信息，包括：交易标的的数量信息、交易标的的金额信息、资金交换的账户信息及交易日期。交易标的包括：实体的商品和/或服务。
这里，所述纳税实体是指有纳税义务、直接向政府缴纳税款的自然人和法人。例如，所述纳税实体可以是个人或企业或组织等。
需要说明的是，由于税务风险的确定对于企业的经营管理更为重要，本发明实施例以所述纳税实体为企业为例进行下述的说明。
所述纳税信息的获取可以是从各种数据源中采集得到，所述各种数据源可以是发票信息、工商登记信息、网站信息以及企业的数据库信息。如此，所述纳税信息包括以下至少之一：
包含在发票信息中的纳税信息；
包含在工商登记信息中的纳税信息；
包含在网站信息中的纳税信息；
包含在数据库信息中的纳税信息。
这里，由于企业在与其他经济体发生产品和资金的交换过程中，同时伴随着发票信息的流动，对发票信息进行监控、归集和分析，就可以掌握企业的日常经营情况及纳税情况。所述发票信息具体可以是增值税发票信息，所述增值税发票信息是增值税发票所包含的信息。所述增值税发票是一种作为纳税实体反映经济活动中的重要会计凭证，又是兼记销货方纳税义务和购货方进项税额的合法证明，是增值税计算和管理中重要的决定性的合法的专用发票。
由于企业在创立时，须依法向工商局申请设立登记，且企业的股权投资信息也须依法向工商局登记。如此，可以通过工商登记信息获取到纳税实体的纳税信息。同样的，一些金融类网站、机关网站上也会对企业的年度纳税情况进行报道，可以通过网站信息获取到纳税实体的纳税信息。另外，企业的商品交易过程中会在自身的数据库中记录交易情况，如此，也可以通过数据库信息获取到纳税实体的纳税信息。本发明实施例对所述纳税信息的获取途径不作限制。
这里，在获取到纳税信息后，由于纳税信息中包含了纳税实体的实体属性信息、纳税实体与其他纳税实体之间的交易信息，那么可以通过纳税信息确定出纳税实体及纳税实体之间的关系；进而根据纳税实体、所述纳税实体之间的关系及纳税实体的实体属性，构建关系图。
以包含在发票信息中的纳税信息为例，发票信息中一般包含交易账户名称、银行账户、商品名称或经营项目、计量单位、数量、金额、开票日期以及单位印章等，对所述包含在发票信息中的纳税信息进行提取，即可确定出纳税实体及纳税实体之间的关系。
需要说明的是，本发明实施例中获取纳税实体以及所述纳税实体之间的关系的目的是为了更为准确地判断纳税实体的合规性以及确定出纳税实体的业务特质。与获取公司股东组成或者对外报表中纰漏的信息不同的是，从发票信息、数据库信息以及网站信息等中获取的纳税信息以及纳税实体之间的关系更能在某种程度上说明该纳税实体的合规性以及业务特质。例如，由于发票信息更多地可以反映出纳税实体的社会活动，如从住宿、用餐或者出行等社会活动中产生的发票信息能反映纳税实体的活动内容，进而可以基于活动内容确定纳税实体的合规性；从商品交易中产生的发票信息能反映纳税实体的业务特征，如发票信息中存在商品名称或经营项目的内容，基于所述内容可以反映出业务特征。
本发明实施例中，所述根据纳税实体、所述纳税实体之间的关系及纳税实体的实体属性构建的关系图可以如图2所示，图2为本发明实施例提供的一种税务风险确定方法中关系图的示意图；在图2中存在两类表达：纳税实体之间的关系和纳税实体的实体属性；这里的纳税实体之间通过关系相互联结，构成网状的知识结构。如图2所示，企业A、B和C均是纳税实体，所述纳税实体之间的关系以三元组的形式来表达，所述三元组表示为：纳税实体-关系-纳税实体，所述关系是指纳税实体之间的交易细节。在图2中，企业A和B之间存在交易，企业C和B之间也存在交易，所述交易的信息包括商品名称、金额、银行账户以及日期等。所述纳税实体A、B和C的实体属性信息包括市值信息、地址信息、规模信息及注册资本信息等。
需要说明的是，上述以三元组的形式表达的所述纳税实体之间的关系是通过对自然语言进行整理，通过构建语法树得到的一种具有逻辑形式的表达。在具体实施中，将所述纳税实体之间的关系表达为三元组的形式可以通过语义解析和知识图谱等技术实现。所述语义解析用于对自然语言进行解析。在本发明实施例中，所述语义解析就是对各种类型的纳税信息中包含的自然语言进行解析。知识图谱是一种揭示实体之间关系的语义网络，以纳税实体(概念)为节点，以关系为边，可用图结构表来存储结构化的语义知识库，由此实现基于推理的概念检索。
这里，通过将所述纳税实体之间的关系以三元组的形式表达可以构成一种结构化的知识库，即将各种类型的纳税信息中的实体名字链接到知识库中特定的实体上，通过对逻辑形式进行自底向上的解析得到一种可以表达整个纳税情况的逻辑形式，如此，通过相应的查询语句在知识库中进行查询，从而得出答案。如此，由于所述纳税实体之间的关系是通过三元组的形式来体现，使得所述纳税实体之间的关系可以被计算机查找和识别，为数据的提取、查找和调用提供了方便。
在基于纳税实体的实体属性及纳税实体之间的关系构建出关系图后，当需要对某个纳税实体进行税务风险评估时，可以在关系图中调出该纳税实体的实体属性和纳税实体之间的关系，根据该纳税实体的实体属性和纳税实体之间的关系来确定该纳税实体的税务风险。
需要说明的是，通过构建关系图的方式可以实现数据的可视化。所述关系图可以在屏幕上显示出来，并可以基于该关系图还可以实施图像处理技术，以实现对关系图所述关系图的保存或者从所述关系图中找到更多的信息。这里，对数据进行可视化处理可以直观的看到各个纳税实体之间的联系以及纳税实体自身的信息，以此可以简化纳税实体之间的关系的复杂性，便于对所述纳税实体之间的关系的理解。
由于数字化得到的一幅图像的数据量十分巨大，一幅典型的数字图像通常由500×500或1000×1000个像素组成，如果是动态图像则数据量更大。因此图像压缩对于图像的存储和传输都十分必要，在本发明实施例中可以对该关系图进行编码以满足传输和存储的要求。在本发明实施例中，通过构建关系图的方式可以从整体上掌握纳税实体的经济活动情况和外部关系，为纳税实体的经济业务的完整性、纳税申报的准确性以及关联交易的合理性提供了保障；在此基础上，基于关系图进行税务风险的分析，实现了对税务风险的有效确定。
这里，上述步骤102中的所述数据类型包括结构化数据、非结构化数据以及半结构化数据；所述结构化数据包含二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理；例如，企业的财务系统、医疗数据库以及其他核心数据库等。
所述非结构化数据是指数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据；例如，所有格式的办公文档、文本、图片、各类报表、图像和音频/视频信息等。
所述半结构化数据是指结构化数据的一种形式，虽不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，用来分隔语义元素以及对记录和字段进行分层；例如，例如日志文件、超文本标记语言(Hyper Text Markup Language，HTML)文档、对象简谱(JavaScript Object Notation，JSON)文档、电子邮件(ElectronicMail，Email)等。
此处的所述半结构化数据可为所述结构化数据和所述非结构化数据以外的一种数据。
这里，所述发票信息是图片的形式，所述工商登记信息是文档的形式，所述网站信息是HTML文档的形式，所述数据库信息就是数据库的形式。那么，包含在发票信息中的纳税信息就是一种非结构化数据。包含在工商登记信息中的纳税信息如果是以文档的形式进行存储的，那么包含在工商登记信息中的纳税信息也是一种非结构化数据。如果所述包含在工商登记信息中的纳税信息是以数据库规定的形式进行存储时，所述包含在工商登记信息中的纳税信息就是一种结构化数据。包含在网站信息中的纳税信息是一种半结构化数据，包含在数据库信息中的纳税信息是一种结构化数据。
由于在实际应用中，所述纳税信息的获取方式有多种，通过每种获取方式获得的纳税信息的数据类型存在不同，而不同的数据类型中提取信息方式也存在不同。那么，当想从纳税信息中确定出纳税实体及纳税实体之间的关系时，需要确定出纳税信息的数据类型，再根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；进而确定出所述纳税实体及所述纳税实体之间的关系。
基于此，考虑到从不同的数据类型中提取信息方式存在不同，本发明实施例在提取信息之前先对纳税信息的数据类型进行确定，进而根据确定出的数据类型有针对性地选择提取方式对从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息。
这里，所述根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，包括：
当所述纳税信息为非结构化数据时，根据信息识别算法从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
当所述纳税信息为半结构化数据时，根据预先设置的目标字段从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
当所述纳税信息为结构化数据时，根据所述纳税实体的名称从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息。
在本发明实施例中，所述信息识别算法用于对非结构化数据进行识别，从非结构化数据中提取出需要的信息。所述信息识别算法包括光学字符信息识别算法(OpticalCharacter Recognition，OCR)、命名实体信息识别算法、中文分词算法、词句法分析算法、关系挖掘算法。这里，以OCR算法为例对所述信息识别算法进行简要说明。
所述OCR算法是指是指对输入图像数据进行分析识别处理，获取图像数据中文字信息的过程。所述OCR算法具有广泛的应用场景，例如，图像的文字识别、文档图像的识别、卡证识别(如身份证、银行卡、社保卡)、票据识别等。
所述OCR算法从图片或文档中识别出文字的过程可以概括为：对图片中存在文字的区域进行定位，即找到文本行的边界框；对定位后的文字进行识别。这里，所述对图片中存在文字的区域进行定位可以通过滑动窗口算法来遍历整个图片，有监督的标记训练样本的特征，进而基于标记的特征进行判断，找到图片中存在文字的区域，将该存在文字的区域摘取出来。进而通过神经网络模型对文字的特征进行处理，实现对文字的识别。
需要说明的是，上述对非结构化数据中信息的提取方式均是实现的对非结构化数据中文字信息的识别，进而从识别出的文字信息中提出需要的信息。如此，所述对非结构化数据中信息的提取方式可以称之为正文抽取，即从非结构化数据中识别出正文文本。
对于半结构化数据，由于半结构化数据是具有一定的结构形式，或者说是具有一定的呈现形式，但不符合关系型数据库或其他数据表的形式关联起来的数据模型结构；那么，当找到半结构化数据的呈现形式，针对该呈现形式制定相应的规则，既可实现获取数据。以网页数据HTML文档为例，HTML文档中呈现数据的方式一般都是按照导航页、列表页以及详情页进行设计，这就会使得数据展示存在一定的呈现形式，通过找出这种呈现形式，就可以制定相应的规则来获取数据。
实际应用中，所述半结构化数据中的呈现形式是以目标字段的方式来展现的；例如HTML文档中的导航页、列表页以及详情页等字段；Email中收件人、发件人以及主题等字段。如此，当想要从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息时，通过对半结构化数据的呈现形式进行分析，或者说对每个部分对应的目标字段进行分析，进而针对该目标字段制定提取规则即可实现对目标数据的提取。
这里，所述从半结构化数据中提取出数据，并将数据还原为结构化数据可称之为包装器的提取方式；包装器的提取方式用于从相同的模板(呈现形式)中抽取出目标数据。例如，从相同布局的网页数据中提取出详情页。
对于结构化数据，由于结构化数据是指由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范。那么直接通过关键字(如纳税实体的名称)即可实现从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息。例如，从文档中直接通过关键字查找即可找到对应的内容。
图3为本发明实施例提供的一种税务风险确定方法中不同的数据类型的提取方式示意图，如图3所示，通过信息识别算法从非结构化数据中提取出本发明实施例需要的纳税实体之间的关系信息及所述纳税实体的实体属性信息；通过目标字段从半结构化数据中提取出本发明实施例需要的纳税实体之间的关系信息及所述纳税实体的实体属性信息；通过纳税实体的名称从半结构化数据中提取出本发明实施例需要的纳税实体之间的关系信息及所述纳税实体的实体属性信息。
如此，在确定出纳税信息的数据类型后，根据不同的提取方式有针对性对纳税信息进行提取，保证了信息提取的完整性和有效性，为后续构建关系图提供了保障。
这里，通过确定纳税信息的数据类型，根据数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，进而确定出所述纳税实体及所述纳税实体之间的关系，从而根据纳税实体、所述纳税实体之间的关系及纳税实体的实体属性，构建得到关系图后，当需要对某个纳税实体进行税务风险评估时，可以在关系图中调出该纳税实体的实体属性信息和纳税实体之间的关系信息，根据该纳税实体的实体属性信息和纳税实体之间的关系信息来确定该纳税实体的税务风险。所述步骤105中，所述基于所述关系图，确定所述纳税实体的税务风险，包括：
步骤1051，从所述关系图中，提取待评估的第一纳税实体的实体属性及所述第一纳税实体与第二纳税实体的关系；
步骤1052，基于风控模型对所述待评估的第一纳税实体的实体属性及所述第一纳税实体与所述第二纳税实体的关系进行处理，确定所述待评估的第一纳税实体的税务风险。
这里，所述待评估的第一纳税实体是指需要进行税务风险评估的纳税实体。所述第二纳税实体是指与所述第一纳税实体存在联系的纳税实体，这里的联系可以是指所述第二纳税实体与第一纳税实体存在交易关系、并购关系或者从属关系等。
为了对该第一纳税实体的税务风险进行确定，可以引入风控模型。所述风控模型可以是风险预测决策树模型、神经网络模型以及回归模型等。所述风控模型用于对输入的信息将进行分析，预测出纳税实体存在的税务风险。
如此，通过引入风控模型的方式可以实现对纳税实体的税务风险的确定。由于需要通过风控模型进行处理的数据是关系图中经过了归纳整理的数据，那么，当需要对纳税实体的税务风险进行确定时，直接提取相应的数据，将相应的数据输入到风控模型中即可完场对纳税实体的税务风险的确定，实际应用中可以直接使用，不需要再次进行整理，方便快捷。
这里，步骤1052中所述基于风控模型对所述待评估的第一纳税实体的实体属性及所述第一纳税实体与所述第二纳税实体的关系进行处理，确定所述待评估的第一纳税实体的税务风险可以是：
从所述第一纳税实体与第二纳税实体的关系中提取出满足预设条件的关系；
基于风控模型对所述满足预设条件的关系进行处理，确定所述待评估的第一纳税实体的税务风险。
需要说明的是，所述预设条件包括：预设时间和/或预设金额。
实际应用中，与第一纳税实体存在联系的第二纳税实体通常不只一个，并且，发生交易的时间、交易涉及的金额以及交易标的的对象等对第一纳税实体的税务风险的影响程度也存在不同。基于此，在对所述第一纳税实体进行税务风险的确定时，需要将预设时间内与第一纳税实体存在联系的第二纳税实体都确定出来，找到第一纳税实体和第二纳税实体的关系，从所述关系中查找满足预设金额的交易，进而通过风控模型对所述第一纳税实体的实体属性以及第一纳税实体和第二纳税实体的关系中满足预设时间内，且满足预设金额的交易进行处理，得到第一纳税实体的税务风险的确定结果。
这里，所述预设时间可以根据交易的频次来确定，考虑到时间久远的信息对第一纳税实体的税务风险的确定的重要度不高，并且会增加计算量；在本发明实施例中，将交易的频次为高对应的预设时间设置较短，即当第一纳税实体与第二纳税实体之间如果交易的频次高，则所述预设时间可以设置较短。所述交易的频次的高低可以根据交易标的的对象来确定，例如，日用百货的消耗量大，并且销售快，则可以设置交易的频次超过15次/月则认为该交易的频次为高。
所述预设金额可以根据交易标的的对象以及数量来确定；数量越多或者说交易标的的对象越重要则可以将预设金额设置的越高。
如此，对于交易的频次为高的第一纳税实体来说，可以设置预设时间为10天，即在该关系图中查找到与所述第一纳税实体在10天内发生交易的第二实体，提取所述第一纳税实体和所述第二纳税实体的关系，进而从该关系中找出交易金额大于预设金额的交易，将该交易和所述第一纳税实体的实体属性输入到所述风控模型中，经所述风控模型的处理，得到第一纳税实体的税务风险的确定结果。
进一步地，所述构建关系图还包括：
将确定出的所述纳税实体与所述关系图中的纳税实体进行匹配，确定所述关系图中是否存在所述纳税实体；
当所述关系图中不存在所述纳税实体，在所述关系图中创建所述纳税实体；
当所述关系图中存在所述纳税实体，将确定出的纳税实体之间的关系添加至所述关系图中。
这里，由于实际应用中，需要实时采集纳税实体的纳税信息，并且将纳税实体近期产生的信息实时地添加到关系图中，如此才能保证该关系图中的数据的有效性以及实时性。需要说明的是，只有保证关系图中的数据是实时性以及有效性地，才能进一步保证后续通过所述风控模型的处理确定出的纳税实体的税务风险的可靠性以及有效性。
所述纳税实体近期产生的信息是指所述纳税实体产生的新的交易信息。
基于此，在将纳税实体的纳税信息添加至所述关系图中之前，需要先将纳税信息确定出的所述纳税实体与所述关系图中的纳税实体进行匹配，确定所述关系图中是否存在所述纳税实体；只有关系图已经存在纳税实体时，可以直接将纳税实体近期产生的信息添加至关系图中。当关系图中不存在纳税实体时，需要在所述关系图中创建所述纳税实体，再基于纳税实体之间的关系及纳税实体的实体属性生成关系图。
上述当关系图已经存在纳税实体时，可以直接将纳税实体近期产生的信息添加至关系图中。这里的关系图已经存在纳税实体是指近期产生的信息所对应的纳税实体都存在于关系图中。一般而言，交易信息会至少涉及两方，即产品提供方、产品接收方；如此，需要这两个纳税实体都存在与关系图中，即为关系图已经存在纳税实体。
进一步地，对于重复出现的信息可以判断该信息的正确性；在该信息存在问题时，对该信息进行添加或修改。
这里，确定信息是否重复的方式也可以通过匹配的方式，即：将确定出的所述纳税实体之间的关系与所述关系图中的纳税实体之间的关系进行匹配，确定所述关系图中是否存在所述纳税实体之间的关系；当所述关系图中存在所述纳税实体之间的关系，则认为获取的纳税信息为重复出现的信息；当所述关系图中不存在所述纳税实体之间的关系，则认为获取的纳税信息不是重复出现的信息，将所述确定出的所述纳税实体之间的关系添加至所述关系图中。
这里，可以为上述所述纳税实体之间的关系与所述关系图中的纳税实体之间的关系进行匹配设置对应的匹配程度，所述匹配程度可以设置为：完全匹配、高匹配、低匹配以及完全不匹配；这里，可以通过百分比的形式来表示匹配程度。例如，匹配过程中，发现100％的信息相同，则认为所述匹配程度为完全匹配；发现95％-99％的信息相同，则认为所述匹配程度为高匹配；发现30％-94％的信息相同，则认为所述匹配程度为低匹配；30％以下则认为所述匹配程度为完全不匹配。
如此，当将确定出的所述纳税实体之间的关系与所述关系图中的纳税实体之间的关系进行匹配，得到的匹配结果处于95％-99％之间，则认为所述匹配程度为高匹配，此时，可能两次信息都是同一个信息，但有一次的信息存在错误，需要进一步确定两次信息中哪次是错的，进而对错误的信息进行修改，以保证信息的正确性。
对于匹配结果处于95％-99％之间的高匹配来说，可以重新采集所述纳税实体之间的关系，通过此次采集的数据来判断两次信息中哪次为正确的信息。这里，重新采集所述纳税实体之间的关系可以是在第三方的数据中去采集，也可以还是从之前的数据中去采集。例如，当第一次或者第二次采集的数据是从发票信息中采集的，那么第三次可以从网站信息中去采集，通过网站信息中得到的数据去判断两次信息中哪次的信息据为正确的信息。同样的，当第一次或者第二次采集的数据是从发票信息中采集的，第三次还是可以从发票信息中去采集，但考虑到重复验算的准确性，以第三次采集的信息为准。
这里，关于所述纳税实体之间的关系与所述关系图中的纳税实体之间的关系进行匹配的过程，由于所述纳税实体之间的关系是以交易信息来表征的，交易信息可以是以文字的信息记载，那么，可以根据字数的相同个数来确定匹配结果。例如，交易信息中所有字数都相同，则匹配结果为100％；交易信息中97％的字数都相同，则匹配结果为97％。
如此，通过不断的更新关系图的方式，能灵活有效的把握住纳税风险控制的数据的真实性及有效性，进而基于该真实及有效的信息进行税务风险的确定，能实现对税务风险准确地分析，以此给出合理的建议。
本发明实施例所提供的税务风险确定方法，通过获取的纳税信息确定出纳税信息的数据类型，进而根据数据类型对应的提取方式来提取出纳税实体之间的关系信息及纳税实体的实体属性信息，从而确定出纳税实体及纳税实体之间的关系，进而根据纳税实体、纳税实体之间的关系及纳税实体的实体属性来构建关系图；通过该关系图，实现对纳税实体的税务风险的精确确定。如此，通过建立纳税实体的关系图的方式，既可以从整体上清楚的看到供应链中各纳税实体的动态和地位，还可以在确定出纳税实体的税务风险的基础上，实现对税务地监控。
基于上述实施例的同一发明构思，本发明实施例提供一种税务风险确定装置，图4为本发明实施例提供的一种税务风险确定装置400的结构示意图，如图4所示，所述税务风险确定装置400包括：
获取单元401，用于获取纳税信息；
提取单元402，用于确定所述纳税信息的数据类型，根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
关系确定单元403，用于基于所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，确定出所述纳税实体及所述纳税实体之间的关系；
构建单元404，用于根据所述纳税实体、所述纳税实体之间的关系及纳税实体的实体属性，构建关系图；
风险确定单元405，用于基于所述关系图，确定所述纳税实体的税务风险。
需要说明的是，所述提取单元402，还用于当所述纳税信息为非结构化数据时，根据信息识别算法从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；当所述纳税信息为半结构化数据时，根据预先设置的目标字段从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；当所述纳税信息为结构化数据时，根据所述纳税实体的名称从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息。
需要说明的是，所述纳税信息包括以下至少之一：
包含在发票信息中的纳税信息；
包含在工商登记信息中的纳税信息；
包含在网站信息中的纳税信息；
包含在数据库信息中的纳税信息。
需要说明的是，风险确定单元405包括提取子单元4051以及确定子单元4052；其中，
所述提取子单元4051，用于从所述关系图中，提取待评估的第一纳税实体的实体属性及所述第一纳税实体与第二纳税实体的关系；
所述确定子单元4052，用于基于风控模型对所述待评估的第一纳税实体的实体属性及所述第一纳税实体与所述第二纳税实体的关系进行处理，确定所述待评估的第一纳税实体的税务风险。
需要说明的是，构建单元404还包括：匹配单元4041、第一处理单元4042和第二处理单元4043；其中，
所述匹配单元4041，用于将确定出的所述纳税实体与所述关系图中的纳税实体进行匹配，确定所述关系图中是否存在所述纳税实体；
所述第一处理单元4042，用于当所述关系图中不存在所述纳税实体，在所述关系图中创建所述纳税实体；
所述第二处理单元4043，当所述关系图中存在所述纳税实体，将确定出的纳税实体之间的关系添加至所述关系图中。
还需要说明的是，由于所述税务风险确定装置400解决问题的原理与前述税务风险确定方法相似，因此，所述税务风险确定装置400的具体实施过程及实施原理均可以参见前述方法和实施过程，重复之处不再赘述。
本发明实施例所提供的税务风险确定装置，通过获取的纳税信息确定出纳税实体及纳税实体之间的关系，进而根据纳税实体、纳税实体之间的关系及纳税实体的实体属性来构建关系图；通过该关系图，实现对纳税实体的税务风险的有效确定。如此，通过建立纳税实体的关系图的方式，既可以从整体上清楚的看到供应链中各纳税实体的动态和地位，还可以在确定出纳税实体的税务风险的基础上，实现对税务地监控。
在本发明实施例中的各组成部分可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时，可以存储在一个计算机可读取存储介质中，基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或processor(处理器)执行本发明实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
因此，本发明实施例提供了一种计算机存储介质，该计算机存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时实现上述实施例所述的步骤。
参见图5，图5示出了本发明实施例提供的一种税务风险确定装置500的具体硬件结构，包括：网络接口501、存储器502和处理器503；各个组件通过总线系统504耦合在一起。可理解，总线系统504用于实现这些组件之间的连接通信。总线系统504除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线系统504。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种税务风险确定方法，其特征在于，所述方法包括：
获取纳税信息；
确定所述纳税信息的数据类型，根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
基于所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，确定出所述纳税实体及所述纳税实体之间的关系；
根据所述纳税实体、所述纳税实体之间的关系及纳税实体的实体属性，构建关系图；
基于所述关系图，确定所述纳税实体的税务风险。
2.根据权利要求1所述的方法，其特征在于，所述根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，包括：
当所述纳税信息为非结构化数据时，根据信息识别算法从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
当所述纳税信息为半结构化数据时，根据预先设置的目标字段从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
当所述纳税信息为结构化数据时，根据所述纳税实体的名称从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息。
3.根据权利要1至2任一项所述的方法，其特征在于，所述纳税信息包括以下至少之一：
包含在发票信息中的纳税信息；
包含在工商登记信息中的纳税信息；
包含在网站信息中的纳税信息；
包含在数据库信息中的纳税信息。
4.根据权利要求1所述的方法，其特征在于，所述基于所述关系图，确定所述纳税实体的税务风险，包括：
从所述关系图中，提取待评估的第一纳税实体的实体属性及所述第一纳税实体与第二纳税实体的关系；
基于风控模型对所述待评估的第一纳税实体的实体属性及所述第一纳税实体与所述第二纳税实体的关系进行处理，确定所述待评估的第一纳税实体的税务风险。
5.根据权利要求1所述的方法，其特征在于，所述构建关系图还包括：
将确定出的所述纳税实体与所述关系图中的纳税实体进行匹配，确定所述关系图中是否存在所述纳税实体；
当所述关系图中不存在所述纳税实体，在所述关系图中创建所述纳税实体；
当所述关系图中存在所述纳税实体，将确定出的纳税实体之间的关系添加至所述关系图中。
6.一种税务风险确定装置，其特征在于，所述装置包括：
获取单元，用于获取纳税信息；
提取单元，用于确定所述纳税信息的数据类型，根据所述数据类型对应的提取方式，从所述纳税信息中提取出所述纳税实体之间的关系信息及所述纳税实体的实体属性信息；
关系确定单元，用于基于所述纳税实体之间的关系信息及所述纳税实体的实体属性信息，确定出所述纳税实体及所述纳税实体之间的关系；
构建单元，用于根据所述纳税实体、所述纳税实体之间的关系及纳税实体的实体属性，构建关系图；
风险确定单元，用于基于所述关系图，确定所述纳税实体的税务风险。
7.一种存储介质，其特征在于，所述存储介质存储有可执行指令，当所述可执行指令被至少一个处理器执行时，实现权利要求1至5任一项所述的方法。
8.一种税务风险确定装置，其特征在于，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911194747.4A CN111027832A (zh) | 2019-11-28 | 2019-11-28 | 一种税务风险确定方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911194747.4A CN111027832A (zh) | 2019-11-28 | 2019-11-28 | 一种税务风险确定方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111027832A true CN111027832A (zh) | 2020-04-17 |
Family
ID=70203208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911194747.4A Pending CN111027832A (zh) | 2019-11-28 | 2019-11-28 | 一种税务风险确定方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111027832A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861595A (zh) * | 2020-07-23 | 2020-10-30 | 山东浪潮商用系统有限公司 | 一种基于知识图谱的循环开票风险识别方法 |
| CN112308693A (zh) * | 2020-11-03 | 2021-02-02 | 桂林格林拜尔网络科技有限公司 | 一种基于大数据的财税优化系统及方法 |
| CN113283780A (zh) * | 2021-06-09 | 2021-08-20 | 四川云栖智海大数据科技研究院(有限合伙) | 基于企业内外部环境大数据的税务风险分析系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
| CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测系统 |
| CN109271530A (zh) * | 2018-10-17 | 2019-01-25 | 长沙瀚云信息科技有限公司 | 一种疾病知识图谱构建方法和平台系统、设备、存储介质 |
| CN110197280A (zh) * | 2019-05-20 | 2019-09-03 | 中国银行股份有限公司 | 一种知识图谱构建方法、装置及系统 |
| CN110309234A (zh) * | 2019-06-14 | 2019-10-08 | 广发证券股份有限公司 | 一种基于知识图谱的客户持仓预警方法、装置及存储介质 |
| CN110334212A (zh) * | 2019-07-01 | 2019-10-15 | 南京审计大学 | 一种基于机器学习的领域性审计知识图谱构建方法 |
| CN110503236A (zh) * | 2019-07-08 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于知识图谱的风险预测方法、装置、设备以及存储介质 |
-
2019
- 2019-11-28 CN CN201911194747.4A patent/CN111027832A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
| CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测系统 |
| CN109271530A (zh) * | 2018-10-17 | 2019-01-25 | 长沙瀚云信息科技有限公司 | 一种疾病知识图谱构建方法和平台系统、设备、存储介质 |
| CN110197280A (zh) * | 2019-05-20 | 2019-09-03 | 中国银行股份有限公司 | 一种知识图谱构建方法、装置及系统 |
| CN110309234A (zh) * | 2019-06-14 | 2019-10-08 | 广发证券股份有限公司 | 一种基于知识图谱的客户持仓预警方法、装置及存储介质 |
| CN110334212A (zh) * | 2019-07-01 | 2019-10-15 | 南京审计大学 | 一种基于机器学习的领域性审计知识图谱构建方法 |
| CN110503236A (zh) * | 2019-07-08 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于知识图谱的风险预测方法、装置、设备以及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861595A (zh) * | 2020-07-23 | 2020-10-30 | 山东浪潮商用系统有限公司 | 一种基于知识图谱的循环开票风险识别方法 |
| CN112308693A (zh) * | 2020-11-03 | 2021-02-02 | 桂林格林拜尔网络科技有限公司 | 一种基于大数据的财税优化系统及方法 |
| CN113283780A (zh) * | 2021-06-09 | 2021-08-20 | 四川云栖智海大数据科技研究院(有限合伙) | 基于企业内外部环境大数据的税务风险分析系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110020660B (zh) | 使用人工智能（ai）技术的非结构化过程的完整性评估 | |
| US11157926B2 (en) | Digital content prioritization to accelerate hyper-targeting | |
| US9990356B2 (en) | Device and method for analyzing reputation for objects by data mining | |
| US20190205993A1 (en) | Transaction data categorizer system and method | |
| CN111382279B (zh) | 审单方法和装置 | |
| CN109034988A (zh) | 一种会计分录生成方法和装置 | |
| CN110929969A (zh) | 一种供应商的评价方法及装置 | |
| CN111027832A (zh) | 一种税务风险确定方法、装置及存储介质 | |
| CN109118094B (zh) | 一种基于信用体系的企业服务应用系统 | |
| US20140114941A1 (en) | Search activity prediction | |
| US20190171774A1 (en) | Data filtering based on historical data analysis | |
| CN111062799A (zh) | 家庭客户的管理方法、装置、电子设备及存储介质 | |
| CN113205402A (zh) | 对账方法、装置、电子设备及计算机可读介质 | |
| CN110765101A (zh) | 标签的生成方法、装置、计算机可读存储介质及服务器 | |
| CN110942392A (zh) | 一种业务数据处理方法、装置、设备和介质 | |
| CN111651552A (zh) | 结构化信息确定方法、装置和电子设备 | |
| Alghushairy et al. | Data storage | |
| CN118153964B (zh) | 基于大数据技术的供应商企业风险评估方法及系统 | |
| US11798100B2 (en) | Transaction counterpart identification | |
| US20210240928A1 (en) | Mapping feedback to a process | |
| CN117273968A (zh) | 一种跨业务线产品的会计凭证生成方法及其相关设备 | |
| CN117033431A (zh) | 工单处理方法、装置、电子设备和介质 | |
| US11893008B1 (en) | System and method for automated data harmonization | |
| CN111815378A (zh) | 一种基于单据汇总生成发票的管理系统及方法 | |
| CN113609407B (zh) | 地区一致性校验方法和装置 |
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: 20200417 |
|
| RJ01 | Rejection of invention patent application after publication |