CN112581246A - 一种基于深度学习税务服务差异化方法与装置 - Google Patents
一种基于深度学习税务服务差异化方法与装置 Download PDFInfo
- Publication number
- CN112581246A CN112581246A CN202011535843.3A CN202011535843A CN112581246A CN 112581246 A CN112581246 A CN 112581246A CN 202011535843 A CN202011535843 A CN 202011535843A CN 112581246 A CN112581246 A CN 112581246A
- Authority
- CN
- China
- Prior art keywords
- service
- portrait
- taxpayer
- model
- data
- 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
- 238000013135 deep learning Methods 0.000 title claims abstract description 22
- 230000004069 differentiation Effects 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012821 model calculation Methods 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/123—Tax preparation or submission
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
本发明涉及政策解读技术领域,且公开了一种基于深度学习税务服务差异化方法,包括以下步骤:S1纳税人通过PC,页面,移动端,终端等形式进行业务访问查办咨询;S2通过纳税人请求办理‑实名登记等信息获取画像服务;S3画像服务获取纳税人画像和服务画像;S4将纳税人画像和服务画像输入给模型进行预测,预测哪些业务是纳税人关心的,哪些是纳税人需要办理的,哪些是纳税人不需要做操作的;S5得到模型计算结果等。本发明中,解决了传统政府流程不统一、传统政务IT整合难、多数据源整合难、通用解决方案无法完成精准触达、精准触达无法进行导办,督办,促办等问题。
Description
技术领域
本发明涉及政策解读技术领域,具体为一种基于深度学习税务服务差异化方法与装置。
背景技术
服务差异化是一个经济学名词。
现有税务服务差异化存在以下问题:
1传统政府流程不统一
2传统政务IT整合难
3多数据源整合难
4通用解决方案无法完成精准触达
5精准触达无法进行导办,督办,促办。为此,我们提出一种基于深度学习税务服务差异化方法与装置。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于深度学习税务服务差异化方法与装置,解决了上述的问题。
(二)技术方案
为实现上述所述目的,本发明提供如下技术方案:一种基于深度学习税务服务差异化方法,包括以下步骤:
S1纳税人通过PC,页面,移动端,终端等形式进行业务访问查办咨询;
S2通过纳税人请求办理-实名登记等信息获取画像服务;
S3画像服务获取纳税人画像和服务画像;
S4将纳税人画像和服务画像输入给模型进行预测,预测哪些业务是纳税人关心的,哪些是纳税人需要办理的,哪些是纳税人不需要做操作的;
S5得到模型计算结果;
S6结合模型计算结果和业务处理,将纳税人需要办理的,待办理的,纳税人关心的问题推送给纳税人,而不需要办理的和目前无法操作的业务则不推送,从而时间服务差异化;
S7根据相关结果更新画像数据以为下次服务做准备。
优选的,所述S3画像服务获取纳税人画像和服务画像中,具体流程为:
1)数据源抽取相关数据进行模型与画像训练;
2)模型与画像训练完成生成响应模型,并提供服务接口;
3)业务服务调用画像服务接口与模型服务接口进行相关业务处理。
优选的,所述S1纳税人通过PC,页面,移动端,终端等形式进行业务访问查办咨询中,纳税人用户需求包括:
1)纳税人服务,由终端,移动端,等其他系统为入口;
2)调用本系统外部服务。
优选的,所述S4将纳税人画像和服务画像输入给模型进行预测中,具体为:
纳税人税务服务关联服务:
1)纳税人与服务关联预测模型;
a)预测哪些业务是纳税人关心的业务;
2)利用深度学习技术训练;
a)使用Ensemble方式进行建模;
b)模型1:Xgboost特征输入:纳税人画像预测标签:服务画像;
c)模型2:LSTM特征输入:纳税人画像预测标签:服务画像
a)模型3:统计模型特征输入:纳税人行为统计,预测标签:服务画像;
d)将模型1,模型2,模型3以一定权重结合到一起得到最终模型;
e)最终模型预测纳税人和税务服务之间的关联关系。
优选的,所述S4将纳税人画像和服务画像输入给模型进行预测中,具体为:
服务关联模型预测服务预测相关服务的状态;
1)针对纳税人已办理,已查询服务;
2)获取当前查询,办理业务是否成功,是否已完成。
优选的,包括数据服务模块多数据源服务认证模块ETL,相关数仓服务模块画像管理模块以及模型离线训练模块。
优选的,所述ETL,相关数仓服务模块中:
1)针对数据源数据,进行存储,每种数据源单独存储;
2)针对相关业务,进行整合;
3)针对产品功能,将b中数据进行分拆;
4)C中数据提供给产品端。
优选的,所述画像管理模块中包含:
1)画像管理-纳税人画像:面向用户的用户模型;
纳税人相关的所有信息,按照类别存储;
2)画像管理-税务服务画像:面向税务业务模型;
税务服务相关的所有信息,按照类别存储;
3)画像生成Model:画像管理的模型生成;
生成意图识别数据;
生成纳税人画像数据;
生成税务服务画像数据;
4)画像服务:画像相关的查询,更新;
更新意图识别数据;
更新纳税人画像数据;
更新税务服务画像数据。
优选的,所述模型离线训练模块中:
1)根据相关业务数据进行深度学习模型训练
数据预处理;
数据迭代;
2)提供模型上线和下线,版本管理模块;
3)提供模型相关设置服务;
模型训练参数和超参数;
模型的并发设置。
(三)有益效果
与现有技术相比,本发明提供了一种基于深度学习税务服务差异化方法与装置,具备以下有益效果:
该基于深度学习税务服务差异化方法与装置,解决了传统政府流程不统一、传统政务IT整合难、多数据源整合难、通用解决方案无法完成精准触达、精准触达无法进行导办,督办,促办等问题。
附图说明
图1为本发明软件架构图;
图2为本发明特殊模块的数据处理流程图;
图3为本发明特殊模块的数据处理流程图。
具体实施方式
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,所描述的实施例仅仅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。
实施例:如图1-3所示:一种基于深度学习税务服务差异化方法,包括以下步骤:
S1纳税人通过PC,页面,移动端,终端等形式进行业务访问查办咨询;
S2通过纳税人请求办理-实名登记等信息获取画像服务;
S3画像服务获取纳税人画像和服务画像;
S4将纳税人画像和服务画像输入给模型进行预测,预测哪些业务是纳税人关心的,哪些是纳税人需要办理的,哪些是纳税人不需要做操作的;
S5得到模型计算结果;
S6结合模型计算结果和业务处理,将纳税人需要办理的,待办理的,纳税人关心的问题推送给纳税人,而不需要办理的和目前无法操作的业务则不推送,从而时间服务差异化;
S7根据相关结果更新画像数据以为下次服务做准备。
所述S3画像服务获取纳税人画像和服务画像中,具体流程为:
1)数据源抽取相关数据进行模型与画像训练;
2)模型与画像训练完成生成响应模型,并提供服务接口;
3)业务服务调用画像服务接口与模型服务接口进行相关业务处理。
所述S1纳税人通过PC,页面,移动端,终端等形式进行业务访问查办咨询中,纳税人用户需求包括:
1)纳税人服务,由终端,移动端,等其他系统为入口;
2)调用本系统外部服务。
所述S4将纳税人画像和服务画像输入给模型进行预测中,具体为:
纳税人税务服务关联服务:
1)纳税人与服务关联预测模型;
a)预测哪些业务是纳税人关心的业务;
2)利用深度学习技术训练;
a)使用Ensemble方式进行建模;
b)模型1:Xgboost特征输入:纳税人画像预测标签:服务画像;
c)模型2:LSTM特征输入:纳税人画像预测标签:服务画像
a)模型3:统计模型特征输入:纳税人行为统计,预测标签:服务画像;
d)将模型1,模型2,模型3以一定权重结合到一起得到最终模型;
e)最终模型预测纳税人和税务服务之间的关联关系。
所述S4将纳税人画像和服务画像输入给模型进行预测中,具体为:
服务关联模型预测服务预测相关服务的状态;
1)针对纳税人已办理,已查询服务;
2)获取当前查询,办理业务是否成功,是否已完成。
包括数据服务模块多数据源服务认证模块ETL,相关数仓服务模块画像管理模块以及模型离线训练模块。
所述ETL,相关数仓服务模块中:
1)针对数据源数据,进行存储,每种数据源单独存储;
2)针对相关业务,进行整合;
3)针对产品功能,将b中数据进行分拆;
4)C中数据提供给产品端。
所述画像管理模块中包含:
1)画像管理-纳税人画像:面向用户的用户模型;
纳税人相关的所有信息,按照类别存储;
2)画像管理-税务服务画像:面向税务业务模型;
税务服务相关的所有信息,按照类别存储;
3)画像生成Model:画像管理的模型生成;
生成意图识别数据;
生成纳税人画像数据;
生成税务服务画像数据;
4)画像服务:画像相关的查询,更新;
更新意图识别数据;
更新纳税人画像数据;
更新税务服务画像数据。
所述模型离线训练模块中:
1)根据相关业务数据进行深度学习模型训练
数据预处理;
数据迭代;
2)提供模型上线和下线,版本管理模块;
3)提供模型相关设置服务;
模型训练参数和超参数;
模型的并发设置。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化修改替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于深度学习税务服务差异化方法,其特征在于:包括以下步骤:
S1纳税人通过PC,页面,移动端,终端等形式进行业务访问查办咨询;
S2通过纳税人请求办理-实名登记等信息获取画像服务;
S3画像服务获取纳税人画像和服务画像;
S4将纳税人画像和服务画像输入给模型进行预测,预测哪些业务是纳税人关心的,哪些是纳税人需要办理的,哪些是纳税人不需要做操作的;
S5得到模型计算结果;
S6结合模型计算结果和业务处理,将纳税人需要办理的,待办理的,纳税人关心的问题推送给纳税人,而不需要办理的和目前无法操作的业务则不推送,从而时间服务差异化;
S7根据相关结果更新画像数据以为下次服务做准备。
2.根据权利要求1所述的一种基于深度学习税务服务差异化方法,其特征在于:所述S3画像服务获取纳税人画像和服务画像中,具体流程为:
1)数据源抽取相关数据进行模型与画像训练;
2)模型与画像训练完成生成响应模型,并提供服务接口;
3)业务服务调用画像服务接口与模型服务接口进行相关业务处理。
3.根据权利要求2所述的一种基于深度学习税务服务差异化方法,其特征在于:所述S1纳税人通过PC,页面,移动端,终端等形式进行业务访问查办咨询中,纳税人用户需求包括:
1)纳税人服务,由终端,移动端,等其他系统为入口;
2)调用本系统外部服务。
4.根据权利要求1所述的一种基于深度学习税务服务差异化方法,其特征在于:所述S4将纳税人画像和服务画像输入给模型进行预测中,具体为:
纳税人税务服务关联服务:
1)纳税人与服务关联预测模型;
a)预测哪些业务是纳税人关心的业务;
2)利用深度学习技术训练;
a)使用Ensemble方式进行建模;
b)模型1:Xgboost特征输入:纳税人画像预测标签:服务画像;
c)模型2:LSTM特征输入:纳税人画像预测标签:服务画像
a)模型3:统计模型特征输入:纳税人行为统计,预测标签:服务画像;
d)将模型1,模型2,模型3以一定权重结合到一起得到最终模型;
e)最终模型预测纳税人和税务服务之间的关联关系。
5.根据权利要求1所述的一种基于深度学习税务服务差异化方法,其特征在于:所述S4将纳税人画像和服务画像输入给模型进行预测中,具体为:
服务关联模型预测服务预测相关服务的状态;
1)针对纳税人已办理,已查询服务;
2)获取当前查询,办理业务是否成功,是否已完成。
6.一种基于深度学习税务服务差异化方装置,其特征在于:包括数据服务模块多数据源服务认证模块ETL,相关数仓服务模块画像管理模块以及模型离线训练模块。
7.根据权利要求6所述的一种基于深度学习税务服务差异化方装置,其特征在于:所述ETL,相关数仓服务模块中:
1)针对数据源数据,进行存储,每种数据源单独存储;
2)针对相关业务,进行整合;
3)针对产品功能,将b中数据进行分拆;
4)C中数据提供给产品端。
8.根据权利要求7所述的一种基于深度学习税务服务差异化方装置,其特征在于:所述画像管理模块中包含:
1)画像管理-纳税人画像:面向用户的用户模型;
纳税人相关的所有信息,按照类别存储;
2)画像管理-税务服务画像:面向税务业务模型;
税务服务相关的所有信息,按照类别存储;
3)画像生成Model:画像管理的模型生成;
生成意图识别数据;
生成纳税人画像数据;
生成税务服务画像数据;
4)画像服务:画像相关的查询,更新;
更新意图识别数据;
更新纳税人画像数据;
更新税务服务画像数据。
9.根据权利要求7所述的一种基于深度学习税务服务差异化方装置,其特征在于:所述模型离线训练模块中:
1)根据相关业务数据进行深度学习模型训练
数据预处理;
数据迭代;
2)提供模型上线和下线,版本管理模块;
3)提供模型相关设置服务;
模型训练参数和超参数;
模型的并发设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011535843.3A CN112581246A (zh) | 2020-12-23 | 2020-12-23 | 一种基于深度学习税务服务差异化方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011535843.3A CN112581246A (zh) | 2020-12-23 | 2020-12-23 | 一种基于深度学习税务服务差异化方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112581246A true CN112581246A (zh) | 2021-03-30 |
Family
ID=75138933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011535843.3A Pending CN112581246A (zh) | 2020-12-23 | 2020-12-23 | 一种基于深度学习税务服务差异化方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581246A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE29614871U1 (de) * | 1996-08-27 | 1996-12-05 | Polytronic Grosbildkommunikati | Computergesteuertes mobiles Großfarbgebungssystem |
JP2010182287A (ja) * | 2008-07-17 | 2010-08-19 | Steven C Kays | 適応型インテリジェント・デザイン |
WO2017157146A1 (zh) * | 2016-03-15 | 2017-09-21 | 平安科技(深圳)有限公司 | 基于用户画像的个性化推荐方法、装置、服务器及存储介质 |
CN107301596A (zh) * | 2017-07-24 | 2017-10-27 | 北京三正科技股份有限公司 | 一种基于纳税人画像的税务大数据挖掘方法及装置 |
CN107315810A (zh) * | 2017-06-27 | 2017-11-03 | 济南浪潮高新科技投资发展有限公司 | 一种物联网设备行为画像方法 |
CN107464037A (zh) * | 2017-07-05 | 2017-12-12 | 九次方大数据信息集团有限公司 | 基于多指标维度模型的企业画像方法及系统 |
CN108460100A (zh) * | 2018-02-02 | 2018-08-28 | 方欣科技有限公司 | 一种用户画像构建方法及装置 |
CN109658478A (zh) * | 2017-10-10 | 2019-04-19 | 爱信诺征信有限公司 | 一种提供企业画像的方法及系统 |
CN111291264A (zh) * | 2020-01-23 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 基于机器学习的访问对象预测方法、装置和计算机设备 |
-
2020
- 2020-12-23 CN CN202011535843.3A patent/CN112581246A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE29614871U1 (de) * | 1996-08-27 | 1996-12-05 | Polytronic Grosbildkommunikati | Computergesteuertes mobiles Großfarbgebungssystem |
JP2010182287A (ja) * | 2008-07-17 | 2010-08-19 | Steven C Kays | 適応型インテリジェント・デザイン |
WO2017157146A1 (zh) * | 2016-03-15 | 2017-09-21 | 平安科技(深圳)有限公司 | 基于用户画像的个性化推荐方法、装置、服务器及存储介质 |
CN107315810A (zh) * | 2017-06-27 | 2017-11-03 | 济南浪潮高新科技投资发展有限公司 | 一种物联网设备行为画像方法 |
CN107464037A (zh) * | 2017-07-05 | 2017-12-12 | 九次方大数据信息集团有限公司 | 基于多指标维度模型的企业画像方法及系统 |
CN107301596A (zh) * | 2017-07-24 | 2017-10-27 | 北京三正科技股份有限公司 | 一种基于纳税人画像的税务大数据挖掘方法及装置 |
CN109658478A (zh) * | 2017-10-10 | 2019-04-19 | 爱信诺征信有限公司 | 一种提供企业画像的方法及系统 |
CN108460100A (zh) * | 2018-02-02 | 2018-08-28 | 方欣科技有限公司 | 一种用户画像构建方法及装置 |
CN111291264A (zh) * | 2020-01-23 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 基于机器学习的访问对象预测方法、装置和计算机设备 |
Non-Patent Citations (1)
Title |
---|
余宣杰等: "《银行大数据应用》", vol. 1, 31 August 2019, 机械工业出版社, pages: 176 - 178 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368043A (zh) | 基于人工智能的事件问答方法、装置、设备及存储介质 | |
US11531987B2 (en) | User profiling based on transaction data associated with a user | |
CN116579339B (zh) | 任务执行方法和优化任务执行方法 | |
CN111400465A (zh) | 客服机器人的生成方法、装置、电子设备及介质 | |
CN112434501A (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
CN111047387B (zh) | 一种回收管理的方法及装置 | |
Han et al. | Research on commercial logistics inventory forecasting system based on neural network | |
CN114003600A (zh) | 数据处理方法、系统、电子设备和存储介质 | |
CN114265921A (zh) | 问答知识库构建方法及其装置、设备、介质、产品 | |
Digilina et al. | The artificial intelligence: Prospects for development and problems of humanization | |
CN112328873A (zh) | 信息推荐方法、装置、设备及存储介质 | |
CN112581246A (zh) | 一种基于深度学习税务服务差异化方法与装置 | |
CN109710890B (zh) | 基于构建的行为画像模型实时识别虚假材料的方法和系统 | |
CN116777646A (zh) | 基于人工智能的风险识别方法、装置、设备及存储介质 | |
Hernández et al. | An investment recommender multi-agent system in financial technology | |
Zhao et al. | Recognition results classification and post-processing methods for painted characters on billet surface | |
CN113407734A (zh) | 基于实时大数据的知识图谱系统的构建方法 | |
CN116959018B (zh) | 一种基于ocr的智能查验方法、系统及设备 | |
US20240062016A1 (en) | Systems and Methods for Textual Classification Using Natural Language Understanding Machine Learning Models for Automating Business Processes | |
CN117473457B (zh) | 基于数字化业务的大数据挖掘方法及系统 | |
CN113988070B (zh) | 调研问题生成方法、装置、计算机设备和存储介质 | |
CN112035306B (zh) | 调试机器人及调试方法 | |
CN107730266A (zh) | 一种客户管理系统 | |
García | An Investment Recommender Multi-agent System in Financial Technology | |
CN116437012A (zh) | 热线分拨方法、装置、终端设备以及存储介质 |
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 |